中国科学院 长春光学精密机械与物理研究所,吉林 长春 130033
遥感图像在成像过程中,容易受到云层和雾霾天气的影响,形成带雾图像;同时在下传时,会受到多种因素影响(如发送接收误码、电离层和对流层的随机变化对信号形成扰动等),使图像信息丢失或掺杂噪声。本文针对信息丢失的带雾单色遥感图像,提出了基于矩阵复原和暗通道理论的单色遥感图像去雾算法,通过基于交替方向乘子法(Alternating Direction Method of Multipliers,ADMM)的矩阵复原算法与传统暗通道理论相结合,有效实现了信息丢失下的遥感雾图复原。通过主观评价和客观评价相结合的方式,将本文算法与经典算法对比。结果表明,本文算法得到的结果在直观视觉上效果更好,且相对于信息丢失30%的雾图,6个场景的平均信息熵提升1.665 2,平均峰值信噪比提升11.702 9,平均结构相似性提升0.814 6,客观评价指标结果优异。进一步在不同比例信息丢失情况下进行实验,结果表明,即使在信息大量丢失的情况下,依然能够得到清晰的复原去雾图像。
图像去雾 单色遥感图像 ADMM 暗通道理论 image dehazing monochrome remote sensing image ADMM dark channel theory
南京理工大学 电子工程与光电技术学院,江苏 南京 210094
单光子激光雷达广泛应用于获得三维场景的深度和强度信息。对于多表面目标,如激光经过半透明表面上时,一个像素上探测到的回波信号可能包含多个峰。传统方法在低光子或相对较高的背景噪声水平下无法准确估计多深度图像。因此,提出了一种单光子激光雷达时间相关多深度估计方法。该方法利用信号响应的时间相关性,对点云数据进行多深度快速去噪,能够从背景噪声中识别每个像素上来自多个表面的信号响应。并基于该信号响应集合的泊松分布模型,通过全变分正则化引入像素之间的空间相关性,建立多深度估计成本函数。使用快速收敛的交替方向乘子算法从成本函数中估计深度图像。实验结果表明,所提方法在距离约为1 km处的多深度目标上,相较于常规方法估计深度图像的均方根误差减少了至少27.05%,信号重建误差比提高了至少18.39%,同时数据量减少至原来的4%。证明该方法能够以更小的内存需求和计算复杂度提高单光子激光雷达的多深度图像估计性能。
单光子激光雷达 多深度图像估计 时间相关性 交替方向乘子算法 single-photon lidar multi-depth image estimation temporal correlation ADMM 红外与激光工程
2022, 51(2): 20210885
近年来基于非负矩阵分解(Nonnegative Matrix Factorization, NMF)的高光谱图像解混方法引起了大家的广泛关注。但是由于NMF问题的非凸性,该方法并不能保证解的唯一性,容易陷入局部极小。为了缩小NMF问题的解空间,提高解混精度,提出了一种新的丰度重加权稀疏NMF(ARSNMF)的解混方法。首先,考虑到丰度矩阵的稀疏性,稀疏约束被添加到NMF模型中。接着,考虑到问题计算复杂、不易于优化,将其转化为重加权稀疏约束的形式,既实现了的稀疏效果,又解决了范数难以求解的问题。为提高算法收敛速度,采用交替方向乘子算法(ADMM)对模型进行优化, 将目标函数拆分成几个子问题进行独立求解。基于仿真数据和真实数据的仿真实验验证了该解混算法的有效性。
高光谱图像解混 非负矩阵分解(NMF) 稀疏约束 重加权 hyperspectral image unmixing Nonnegative Matrix Factorization (NMF) sparse constraint reweighted Alternating Direction Method of Multipliers (ADMM) 红外与激光工程
2020, 49(S2): 20200152
中国民航大学 电子信息与自动化学院, 天津 300300
为解决因边界效应导致相关滤波跟踪算法不够稳健及其不能适应尺度变化的问题, 提出了一种基于双模型的相关滤波跟踪算法。将目标跟踪分为位置预测和尺度预测两部分, 在位置滤波器模型进行位置预测阶段, 先通过对待测样本进行样本增强处理, 使得到的样本更符合实际场景。再通过交替方向乘子法进行位置滤波器的迭代求解, 最后得到估计的目标位置。在尺度滤波器模型进行尺度预测阶段, 通过在估计的目标位置处构建多尺度金字塔来训练尺度滤波器, 再求解得到目标的尺度, 将双模型得到的结果作为最终的跟踪结果。最后通过引入一个遮挡判据来判断是否更新模型以提高算法的鲁棒性。实验表明, 改进算法和经典的相关滤波跟踪算法相比, 在跟踪成功率上提高了18%, 在跟踪精度上提高了11%。在目标被遮挡、自身尺度变化时, 改进算法仍能稳定跟踪。
目标跟踪 相关滤波 样本增强 交替方向乘子法 object tracking correlation filtering sample enhancement Alternating Direction Method of Multipliers(ADMM) 光学 精密工程
2019, 27(11): 2450
为了提高海上红外弱小目标检测的检测精度和实时性,提出了一种基于加权场景先验的红外弱小目标检测方法.该方法首先利用目标的稀疏特性以及海面场景的非局部自相关特性,将目标和背景的分离问题转化为恢复低秩和稀疏矩阵的鲁棒主成分分析(Robust Principal Component Analysis,RPCA)问题.之后,将海面背景的先验特征信息通过加权核范数的方式加入模型,加快算法中目标和背景图像块矩阵的分解速度.最后,通过引入交替方向乘子法(ADMM)算法进一步加速求解的迭代速度.实验结果表明: 该算法能有效地提高目标检测准确率,算法实时性较原算法提高了 120%.
图像处理 弱小目标检测 加权场景先验 加权核范数 交替方向乘子法 image processing dim and small target detection weighted scene prior weighted nuclear nom ADMM
1 清华大学 电子工程系,北京 100084
2 中国地震局地壳应力研究所,北京 100085
丰度估计(AE)是从高光谱图像中识别地物的关键预处理技术.鉴于线性混合模型的可解释性以及数学上的可操作性,带约束的线性回归技术在丰度矩阵估计中备受关注.目前,这类方法存在的缺陷是其拟合过程中仅仅考虑到估计数据与真实数据之间的拟合误差,忽略了估计数据的结构与真实数据的结构之间的相似性信息.因此,提出了融合结构信息的线性回归模型,并应用于稀疏低秩丰度矩阵估计领域.首先,通过增加结构信息改进传统的带约束的线性回归模型,并经数学理论证明了增加结构信息的模型较传统模型更加有效;其次,应用该方法改进稀疏低秩丰度估计的数学模型;最后,采用交替乘子法(ADMM)技术求解新模型.实验结果表明,融入结构信息的稀疏低秩丰度估计算法能够有效地提高仿真数据和实际高光谱数据的丰度估计的估计精度,改善其抗噪性能.
解混 稀疏低秩 结构信息 丰度矩阵 交替乘子法(ADMM) unmixing sparse and low rank structural information abundance matrix alternating direction method of multipliers (ADMM)
西北大学信息科学与技术学院, 陕西 西安 710127
增加测量信息可以有效降低荧光分子断层成像(FMT)重建的病态性,但随着数据增多,重建耗时也会显著增加。为了降低FMT重建的病态性和提升大规模数据集下的重建效率,结合对偶坐标下降法(DCA)和交替方向乘子法(ADMM)提出了一种改进的随机变量的交替方向乘子法重建优化方法。在原始ADMM方法的基础上,增加了一个随机更新规则,在每次迭代中只需要一个或者几个样本,就可加速收敛,使目标函数快速得到最优解,从而达到快速重建的效果。设计了数字鼠仿真实验和真实鼠实验,实验结果表明,所提方法在保证FMT重建图像精度的同时,显著提高了重建效率。
医用光学 荧光分子断层成像 Lasso问题 交替方向乘子法 图像重建