【CN110163821A】一种基于非负约束的奇异值分解压缩鬼成像方法及系统【专利】

合集下载

基于奇异值分解和小波变换的图像压缩算法

基于奇异值分解和小波变换的图像压缩算法
王怀光;张培林;张云强;任国全
【期刊名称】《火炮发射与控制学报》
【年(卷),期】2012(000)004
【摘要】针对基于图像处理的机械故障诊断和状态监测信息数据量大,不利于传输和存储等问题,提出了一种基于奇异值分解(SVD)和小波变换的图像压缩算法.该算法利用奇异值分解和小波变换对图像进行两级压缩.首先对图像进行奇异值分解,通过设定能量比阈值自适应地保留部分数值较大的奇异值,舍弃其它数值较小的奇异值,实现图像初步压缩,然后对保留的奇异值对应的奇异向量矩阵采用小波变换进一步压缩.将所提算法与霍夫曼编码结合,对火炮炮膛疵病图像进行了压缩.试验结果表明,本文算法在保证图像重建质量情况下,可以有效提高图像压缩比.
【总页数】5页(P38-42)
【作者】王怀光;张培林;张云强;任国全
【作者单位】军械工程学院,河北石家庄 050003;军械工程学院,河北石家庄050003;军械工程学院,河北石家庄 050003;军械工程学院,河北石家庄 050003【正文语种】中文
【中图分类】TJ301
【相关文献】
1.基于奇异值分解图像压缩算法的研究 [J], 张成楠
2.基于奇异值分解(SVD)和小波变换的图像压缩算法 [J], 刘汉强
3.基于小波域奇异值分解的图像压缩算法 [J], 叶松;戴才良;于志强;唐凌;吴渊;王杰斌
4.基于奇异值分解和Contourlet变换的图像压缩算法 [J], 陈亚雄;黄樟灿;冯磊
5.基于奇异值分解的伪光谱图像压缩算法 [J], 许法强;万晓霞
因版权原因，仅展示原文概要，查看原文内容请购买。

一种基于奇异值分解的图像压缩方法_吴俊政

接收端 , 在接收到奇异值 σ1 , σ2 , … , σk 以及左奇异向量 u1 , u2 , … , uk 和右奇异向量 v 1 , v2 , … , vk 后 ,
可以通过 :
k
Ak
=i ∑=1σi u
iv
T i
重构出原图像矩阵。 Ak 与 A 的误差为
‖ A -Ak ‖2F =σ2k +1 +σ2k +2 +…+σ2r
表 1 对应的压缩比和
σ 压缩比 0.99 5.29 0.996 3.53 0.999 2.44
奇异值个数 k 6 9 13
5 结语
用奇异值分解进行图像压缩 , 虽然取得了一定的成功 , 具有较好的应用价值 , 仍然需要进一步的工作 , 对进一步工作可以有以下考虑 :
1)对子块的划分可以采取更加有效的方法来完成。例如对规模很大的矩阵 , 随机抽取矩阵的某些行列得到规模较小的矩阵 , 计算小矩阵的奇异
k
同样可以求出i∑=1εi 。
4 实验结果
在对实际图像进行操作时 , 因为矩阵的维数一般较大 , 直接进行奇异值分解运算量大 , 可以将图像分解为子块 , 对各子块进行奇异值分解并确定奇异值个数 , 将每个子块进行重构。这样操作除了因为对较小型的矩阵进行奇异值分解的计算量比较小外 , 另一方面是为了利用原始图像的非均匀的复杂性。如果图像的某一部分比较简单 , 那么只需要
C RM 成功的前提条件是能够根据客户价值细分客户 , 故我们在该系统设计中结合聚类和决策数算法进行了客户细分。主要分为三个步骤 :确定细分主题、数据理解、数据准备[ 6] 。
1)确定细分主题 :目标是基于客户细分 , 提取与客户基本信息、行为信息有关的数据。

基于奇异值分解的数字图像压缩技术研究

基于奇异值分解的数字图像压缩技术研究张晓锋;贾晓强【摘要】In order to realize the image compression, on the basis of analyzing image compression principle, a matrix singular value decomposition(SVD) image compression algorithm has been proposed. Based ondigital image matrix singular value decomposition was made in the algorithm, an image was converted into singular value matrix containing several nonzero value, and the image compression can be realized.Bymatlab simulation experiment, the singular value varying from 0 to 240, When the singularvalues is greaterthan50,with the increase of singular value the compression ratio is smaller and smaller, and the image become more and more pared with the original image, using the singular value decomposition of matrix compression method, the original image can be compressed by about 20%, which has good compression performance.%为了实现图像压缩,在分析图像压缩原理的基础上,提出了一种矩阵奇异值分解(SVD)的图像压缩算法,该算法通过对数字图像矩阵进行奇异值分解,将一幅图像转换成包含几个非零值的奇异值矩阵,从而实现了图像压缩.通过Matlab 仿真实验,在奇异值从0变化到240的过程中,当奇异值大于50时,随着奇异值的增大,压缩比越来越小,图像慢慢变清晰.和原始图像相比,采用矩阵的奇异值分解压缩方法可以将原始图像压缩20%左右,具有较好的压缩性能.【期刊名称】《电子设计工程》【年(卷),期】2017(025)019【总页数】5页(P179-182,186)【关键词】压缩率;图像压缩;奇异值分解【作者】张晓锋;贾晓强【作者单位】渭南职业技术学院机电工程学院, 陕西渭南 714000;渭南师范学院网络安全与信息化学院,陕西渭南 714099【正文语种】中文【中图分类】TN911Abstract:In order to realize the image compression，on the basis of analyzing image compression principle，a matrix singular value decomposition（SVD） image compression algorithm has been proposed.Based ondigital image matrix singular value decomposition was made in the algorithm，an image was converted into singular value matrix containing several nonzero value，and the image compression can be realized.Bymatlab simulation experiment， the singular value varying from 0 to 240， When the singularvalues is greaterthan50，with the increase of singular value the compression ratio is smaller and smaller， and the image become more and more pared with the original image，using the singular value decomposition of matrix compression method，the original image can be compressed by about 20%，which has good compression performance.Key words:compression ratio；image compression； singular value decomposition在信息爆炸的时代，人类日常的工作、生活中多媒体信息越来越多。

基于压缩感知的鬼成像研究的开题报告

基于压缩感知的鬼成像研究的开题报告一、研究背景鬼成像（ghost imaging）是一种新兴的成像技术，该技术通过对光源发射的随机光束进行控制和处理，从而生成出被成像物体的图像。

与传统成像不同的是，鬼成像不需要光学元件，如透镜等，能够实现高效成像。

因此，鬼成像技术在光学领域引起了广泛的关注和研究。

近年来，压缩感知（compressed sensing）技术在信号处理领域也得到了广泛应用。

该技术可以通过对信号进行采样、压缩和重构来实现高效的信号处理，同时可以保证原始信号的完整性。

鬼成像技术和压缩感知技术的结合，能够对传统的成像技术进行改进和优化。

因此，本研究将基于压缩感知的鬼成像技术进行深入探究。

二、研究内容1. 文献综述通过对鬼成像技术和压缩感知技术的前沿研究进行综述，总结两个领域的发展趋势和研究进展。

2. 压缩感知鬼成像算法设计基于压缩感知的鬼成像算法需要对随机光束进行采样和重构，同时需要通过压缩感知技术对信号进行处理。

因此，本研究将设计一种基于压缩感知的鬼成像算法，并采用MATLAB软件进行模拟实验。

3. 实验设计和数据处理为了验证基于压缩感知的鬼成像算法的有效性和稳定性，我们将进行实验，并对实验数据进行处理和分析，验证算法的可行性和优越性。

三、研究意义本研究将结合鬼成像技术和压缩感知技术，设计一种高效的鬼成像算法。

该算法不需要传统的光学元件，能够实现高效成像，并且可以通过压缩感知技术对信号进行高效处理。

因此，本研究对传统成像技术的改进和优化具有重要意义。

此外，该研究还可以对其他领域的研究产生启示，如医学成像、遥感图像处理等。

四、研究方法1. 文献综述通过对鬼成像技术和压缩感知技术的前沿研究进行综述，梳理研究领域的关键问题和研究进展。

2. 压缩感知鬼成像算法设计根据文献综述的结果，设计基于压缩感知的鬼成像算法，采用MATLAB软件进行模拟实验，验证算法的可行性和优越性。

3. 实验设计和数据处理设计实验，收集相关数据，对数据进行处理和分析，验证算法的有效性和稳定性。

一种基于点探测的运动目标鬼成像系统与方法[发明专利]

专利名称：一种基于点探测的运动目标鬼成像系统与方法专利类型：发明专利
发明人：杨东玥,吴国华,常宸,尹龙飞,罗斌,高卫卫
申请号：CN202010462333.1
申请日：20200527
公开号：CN111596310A
公开日：
20200828
专利内容由知识产权出版社提供
摘要：本发明公开了一种基于点探测的运动目标鬼成像系统与方法。

鬼成像是一种与经典成像方式截然不同的新型成像方式，在鬼成像实验架构中，光源分为照射到物体上的信号臂和不经过物体的参考臂。

通过多次重复采样，并对采样结果进行关联运算得到物体图像。

由于鬼成像的特殊性，其分辨率有望突破光学成像的衍射极限。

但是其多次曝光、采样的方式，在对于运动物体进行成像过程中会产生运动模糊，从而影响成像质量。

本发明针对这一问题，提出了一种基于点探测的运动目标鬼成像系统与方法，在每次采样的过程中，实时计算物体运动的方向及距离，并通过硬件方式调整物体的位置来弥补物体运动，降低成像过程中物体运动所带来的影响，完成基于点探测的运动目标鬼成像。

申请人：北京邮电大学
地址：100876 北京市海淀区西土城路10号
国籍：CN
更多信息请下载全文后查看。

一种基于奇异值分解的局部放电超高频信号压缩方法[发明专利]

专利名称：一种基于奇异值分解的局部放电超高频信号压缩方法
专利类型：发明专利
发明人：卢仁军,贾俊,邹杰,王健,李然
申请号：CN201610887123.0
申请日：20161010
公开号：CN106569099A
公开日：
20170419
专利内容由知识产权出版社提供
摘要：本发明属于电力设备局部放电检测技术领域，具体涉及一种基于奇异值分解的局部放电超高频信号压缩方法，用于电力设备局部放电超高频信号的压缩存储，本发明的基本思想是基于多个局部放电超高频信号建立的二维数据矩阵，对该矩阵进行奇异值分解得到三个矩阵U，V和W，利用数据压缩优化算法，确定三个矩阵U，V和W的行列数，并以此三个矩阵存储代替原来的超高频数据存储，实现了数据压缩，以matlab中数据存储格式mat为例，压缩率为15％左右；以压缩前后数据点个数计算，压缩率在2％左右。

申请人：江苏省电力公司泰州供电公司,江苏安方电力科技有限公司
地址：225300 江苏省泰州市凤凰西路2号
国籍：CN
代理机构：南京正联知识产权代理有限公司
代理人：顾伯兴
更多信息请下载全文后查看。

一种基于自编码网络的计算鬼成像方法及系统[发明专利]

专利名称：一种基于自编码网络的计算鬼成像方法及系统专利类型：发明专利
发明人：赵大兴,孙星宇,冯维,曲通,高俊辉,李秀花,徐仕楠申请号：CN202011323049.2
申请日：20201123
公开号：CN112435189A
公开日：
20210302
专利内容由知识产权出版社提供
摘要：本发明涉及一种基于自编码网络的计算鬼成像方法及系统，方法包括：获取数据集A；对数据集进行重构；将训练集输入到自编码卷积网络中，通过编码过程中的向前卷积运算和解码过程中的反卷积运算，对隐藏层进行压缩，并在输出层中解压缩得到实际输出结果；通过反向传播算法，计算实际输出结果与理想输出间的误差利用实际输出结果与重构后的数据集中对应的原图，通过反向传播算法传递误差减小误差得到自编码卷积网络模型AECGI网络模型；利用自编码卷积网络模型AECGI网络模型对重构后的数据集中部分测试集中的图像输入自编码卷积网络中进行预测，得到预测后的CGI 图像B。

本发明中的上述方法能够有效解决低采样下重构图像的成像质量和成像速度问题。

申请人：湖北工业大学
地址：430068 湖北省武汉市洪山区南李路28号
国籍：CN
代理机构：北京化育知识产权代理有限公司
代理人：涂琪顺
更多信息请下载全文后查看。

基于奇异值分解的压缩感知定位算法

基于奇异值分解的压缩感知定位算法
李一兵;黄辉;叶方;孙志国
【期刊名称】《中南大学学报（自然科学版）》
【年(卷),期】2014(045)005
【摘要】为了使观测字典满足约束等距性条件,保证算法的定位精度,提出一种基于奇异值分解的压缩感知定位算法.新算法首先将感知区域网格化,把定位问题转化为压缩感知问题,然后利用奇异值分解原理对观测字典进行分解,得到的新的观测字典有效地满足了约束等距性条件,且对观测值的预处理过程不影响原信号的稀疏性,从而有效地保证算法的重建性能,提升定位精度.仿真实验结果表明:相比于基于Orth 的稀疏目标定位算法,基于SVD的压缩感知定位算法的定位性能更优,抗噪性、适应性更强,且算法复杂度低.
【总页数】6页(P1516-1521)
【作者】李一兵;黄辉;叶方;孙志国
【作者单位】哈尔滨工程大学信息与通信工程学院,黑龙江哈尔滨,150001;哈尔滨工程大学信息与通信工程学院,黑龙江哈尔滨,150001;哈尔滨工程大学信息与通信工程学院,黑龙江哈尔滨,150001;哈尔滨工程大学信息与通信工程学院,黑龙江哈尔滨,150001
【正文语种】中文
【中图分类】TP393
【相关文献】
1.基于奇异值分解的压缩感知观测矩阵优化算法 [J], 李周;崔琛
2.基于奇异值分解的压缩感知核磁共振图像重构算法 [J], 王郗雨;杨晓梅;胡学姝
3.改进的基于奇异值分解的抗差容积卡尔曼滤波算法在全球定位导航中的应用 [J], 王姚宇;陈仁文;张祥
4.一种基于奇异值分解的射频指纹排序定位算法 [J], 李慧;罗海勇;徐俊俊;陈晓峰
5.基于奇异值分解的压缩感知噪声信号重构算法 [J], 彭玉楼;何怡刚;林斌
因版权原因，仅展示原文概要，查看原文内容请购买。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 (43)申请公布日 (21)申请号 201910385691.4
(22)申请日 2019.05.09
(71)申请人安徽大学
地址 230601 安徽省合肥市经济技术开发
区九龙路111号
(72)发明人张成　汤俊　朱园园　许海涛　
杨佐　潘敏　韦穗　
(74)专利代理机构合肥天明专利事务所(普通
合伙) 34115
代理人奚华保
(51)Int.Cl.
G06T 5/00(2006.01)
(54)发明名称一种基于非负约束的奇异值分解压缩鬼成像方法及系统(57)摘要本发明公开了一种基于非负约束的奇异值分解压缩鬼成像方法及系统，属于计算鬼成像技术领域，将二维图像转化为一维信号后用测量矩阵投影得到观测向量；对测量矩阵进行奇异值分解，得到优化的观测向量和优化的测量矩阵；基于优化的观测向量和优化的测量矩阵，采用正交匹配追踪算法重建原始信号。

本发明针对基于压缩感知的非负测量矩阵进行奇异值变换，对测量矩阵和观测向量进行优化，稀疏了测量矩阵中的0元素，然后采用正交匹配算法进行原始稀疏信号的重建，减少了测量次数，缩短了重建时间，提高了信号重建质量，
增强了抗噪性能。

权利要求书2页说明书12页附图6页CN 110163821 A 2019.08.23
C N 110163821
A
1.一种基于非负约束的奇异值分解压缩鬼成像方法，其特征在于，包括：
将二维图像转化为一维信号后，用测量矩阵投影得到观测向量；
对测量矩阵进行奇异值分解，得到优化的观测向量和优化的测量矩阵；
基于优化的观测向量和优化的测量矩阵，采用正交匹配追踪算法重建原始信号。

2.如权利要求1所述的基于非负约束的奇异值分解压缩鬼成像方法，其特征在于，所述对非负的测量矩阵进行奇异值分解，得到优化的观测向量和优化的测量矩阵，包括：
对所述测量矩阵进行奇异值分解，将所述观测向量y＝Φx分解为新的观测向量y '＝U ΣV T x，其中：y为观测向量，x为一维测量信号，Φ为测量矩阵，U是大小为M ×M的正交矩阵，V T 是大小为正交矩阵的正交矩阵，Σ是大小为M ×N的半正定对角矩阵；
将新的观测向量y '＝UΣV T x进行变换，
得到变换后的观测向量计算公式为：
在所述变换后的观测向量计算公式两边同时左乘矩阵Σ1-1U T ，以得到优化的观测向量y SVD ＝Σ1-1U T y '和优化的测量矩阵ΦSVD ＝V 1T ，其中，y SVD ＝ΦSVD x。

3.一种基于非负约束的奇异值分解压缩鬼成像系统，其特征在于，包括观测向量计算模块、奇异值分解模块和重建模块；
观测向量计算模块用于将二维图像转化为一维信号后用测量矩阵投影得到观测向量；奇异值分解模块用于对测量矩阵进行奇异值分解，得到优化的观测向量和优化的测量矩阵；
重建模块用于基于优化的观测向量和优化的测量矩阵，采用正交匹配追踪算法重建原始信号。

4.如权利要求3所述的基于非负约束的奇异值分解压缩鬼成像系统，其特征在于，所述奇异值分解模块包括分解单元、变换单元和优化单元；
分解单元用于对所述测量矩阵进行奇异值分解，将所述观测向量y＝Φx分解为新的观测向量y '＝UΣV T x，其中：y为观测向量，x为一维测量信号，Φ为测量矩阵，U是大小为M ×M 的正交矩阵，V T 是大小为正交矩阵的正交矩阵，Σ是大小为M ×N的半正定对角矩阵；
变换单元用于将新的观测向量y '＝UΣV T x进行变换，得到变换后的观测向量计算公式
为：
优化单元用于在所述变换后的观测向量计算公式两边同时左乘矩阵Σ1-1U T ，以得到优
权　利　要　求　书1/2页2CN 110163821 A。