一种针对稀疏场景的分裂重建超分辨成像方法

    公开(公告)号:CN116993587A

    公开(公告)日:2023-11-03

    申请号:CN202310946699.X

    申请日:2023-07-31

    Abstract: 本发明公开了一种针对稀疏场景的分裂重建超分辨成像方法,首先通过建立回波模型,表征目标散射与雷达回波数据间的数学关系,然后在距离向对回波进行有效数据检测,并对检测后数据进行分裂,再构建分裂重建模型,最后根据加权最小二乘准则,采用迭代方式进行求解,得到超分辨结果。本发明的方法通过有效数据检测去除噪声和杂波干扰,然后对有效回波进行分裂,并定义分裂重建模型,将高维重建问题分解为多个低维子问题,降低计算复杂度,进而实现快速超分辨成像,相比现有超分辨方法,在不损失分辨效果的同时,大幅降低了计算复杂度,实现了稀疏场景的快速超分辨成像。

    一种基于无超参数全变差均衡约束的图像去噪方法

    公开(公告)号:CN117274099A

    公开(公告)日:2023-12-22

    申请号:CN202311278845.2

    申请日:2023-10-07

    Abstract: 本发明公开了一种基于无超参数全变差均衡约束的图像去噪方法,首先建立基于列化处理的全变差图像去噪模型,接着构建全变差图像去噪代价函数,然后根据协方差拟合准则,导出全变差稀疏约束的最优均衡加权矩阵,并得出一种无超参数平衡全变差图像去噪代价函数,最后通过凸优化工具实现最优迭代求解。本发明的方法通过对无超参数均衡全变差图像去噪代价函数进行求解,在实现均匀去噪,不损失去噪效果的同时,解决了现有全变差去噪方法中正则化参数的最优选择难题。

    一种无参数融合LASSO模型求解方法

    公开(公告)号:CN117093950A

    公开(公告)日:2023-11-21

    申请号:CN202311056932.3

    申请日:2023-08-21

    Abstract: 本发明公开了一种无参数融合LASSO模型求解方法,首先建立线性信号模型,通过全变差算子与稀疏范数相结合构建一种融合LASSO模型,再重定义融合LASSO模型,通过计算归一化加权矩阵,根据协方差拟合准则,在均匀噪声情况和非均匀噪声情况下分别构建一种无参数融合LASSO求解模型,最后通过对无参数融合LASSO模型的求解,实现目标稀疏重建。本发明方法融合了全变差算子与稀疏范数约束,在实现信号稀疏重建的同时还能够保持目标边缘信息,相比现有LASSO模型具有更好的尺度恢复能力,同时构建了基于协方差拟合准则的无参数求解方法,避免了求解过程中复杂的正则化参数选择问题。

    一种无参数二维融合LASSO模型求解方法

    公开(公告)号:CN117036835A

    公开(公告)日:2023-11-10

    申请号:CN202311052951.9

    申请日:2023-08-21

    Abstract: 本发明公开了一种无参数二维融合LASSO模型求解方法,首先构建二维信号模型,将二维信号模型列化处理,然后将全变差范数与稀疏范数相融合并分别对二维数据的行和列添加约束,构建二维融合LASSO模型,再根据协方差拟合准则计算归一化加权矩阵,计算出模型中的最优正则化参数,推导出无参数二维融合LASSO模型,最后通过CVX工具箱进行求解。本发明的方法重建效果优于现有二维融合LASSO模型方法,通过建立一种无参数二维融合LASSO模型,解决现有二维融合LASSO模型中正则化参数的最优选择难题,在计算过程中不需要正则化参数的选取,扩展了本发明方法的应用范围。

Patent Agency Ranking