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

Applicant: 电子科技大学长三角研究院(衢州)

Inventor： 张永超 ,  刘帅迪 ,  晏家楠

IPC: G06F18/25 ,  G01S13/89

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。

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

Applicant: 电子科技大学长三角研究院(衢州)

Inventor： 张永超 ,  刘帅迪 ,  晏家楠

IPC: G06V10/766 ,  G06T5/00

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。