摘要：圆弧样条普遍用于数控机床的刀具轨迹设计中,希望用尽可能少的圆弧段逼近曲线.现有方法大多是启发式的,圆弧样条曲率的分段常值性质还没有引起足够的重视.本文基于这个内在的稀疏性质,提出基于稀疏表示的G^(1)圆弧样条自动逼近方法,主要分两步:稀疏优化问题自动检测圆弧间连接点的全局初始化和重新调整连接点位置保证G^(1)连续性的局部修正.实验结果显示新方法对对称性比较敏感,部分尖锐特征、自交数据也可以逼近得很好,充分说明了新方法的优越性.

摘要：现有基于图的多视图降维方法大多将构图和降维两个过程独立执行,因此构图的质量直接决定着降维的效果,然而构图是一个开放性的问题.为了缓解上述困难,提出了一种稀疏表示一致性引导的多视图降维算法(MDR_SRC).首先,通过使不同视图下的样本保持公共的稀疏表示,挖掘了视图之间的一致性关系;其次,根据样本对稀疏表示系数的差异性指导构图,利用构建的图指导降维;然后将基于稀疏表示的构图与基于图的降维整合为一个优化问题,使构图与降维过程相互指导,从而实现图质量的动态提升;最后,设计了一种迭代地交替策略求解该优化问题.在4个公开数据集上的实验结果表明文中所提的方法优于现有的代表性多视图降维方法.

摘要：目的传统的稀疏表示分类方法运用高维数据提升算法的稀疏分类能力,早已引起了广泛关注,但其忽视了测试样本与训练样本间的信息冗余,导致了不确定性的决策分类问题。为此,本文提出一种基于卷积神经网络和PCA约束优化模型的稀疏表示分类方法(EPCNN-SRC)。方法首先通过深度卷积神经网络计算,在输出层提取对应的特征图像,用以表征原始样本的鲁棒人脸特征。然后在此特征基础上,构建一个PCA(principal component analysis)约束优化模型来线性表示测试样本,计算对应的PCA系数。最后使用稀疏表示分类算法重构测试样本与每类训练样本的PCA系数来完成分类。结果本文设计的分类模型与一些典型的稀疏分类方法相比,取得了更好的分类性能,在AR、FERET、FRGC和LFW人脸数据库上的实验结果显示,当每类仅有一个训练样本时,EPCNNSRC算法的识别率分别达到96. 92%、96. 15%、86. 94%和42. 44%,均高于传统的表示分类方法,充分验证了本文算法的有效性。同时,本文方法不仅提升了对测试样本稀疏表示的鲁棒性,而且在保证识别率的基础上,有效降低了算法的时间复杂度,在FERET数据库上的运行时间为4. 92 s,均低于一些传统方法的运行时间。结论基于卷积神经网络和PCA约束优化模型的稀疏表示分类方法,将深度学习特征与PCA方法相结合,不仅具有较好的识别准确度,而且对稀疏分类也具有很好的鲁棒性,尤其在小样本问题上优势显著。

摘要：为解决传统彩色图像去噪算法容易出现细节模糊、伪色彩及去噪效果不佳等问题,文中提出了一种基于本征图像分解的稀疏表示彩色图像去噪算法。利用本征图像分解良好的色彩保持和细节恢复等优点,将含噪彩色图像分解成反映图像真实颜色特征的反射率部分和反映图像亮度特征的光照率部分。一方面,反射率部分仅含有部分孤立噪声点且是具有分段平滑特性的彩色图像,因此文中采用在去除彩色图像轻度污染方面表现良好的基于稀疏表示的彩色图像去噪算法对其进行处理。另一方面,光照率部分包含了主要噪声成分且是具有较强稀疏性的灰度图像,因此文中采用能够保持图像细节的非局部集中稀疏表示灰度图像去噪算法对其进行处理。为了有效地求解所提算法,文中结合正交匹配追踪法和软阈值法设计了一种新的数值解法。数值实验结果表明,新算法明显优于经典的彩色图像去噪算法。以256×256的Boat图像为例,在噪声方差等于20时,新算法的PSNR值比K-SVD算法和NCSR算法分别提高了1.7 dB和0.67 dB,SSIM值比K-SVD方法和NCSR算法分别提高了0.11和0.09。文中所提算法在提高彩色图像去噪效果的同时能够有效地保留图像细节,在视觉效果和客观评价指标等方面均优于传统的ROF算法、K-SVD算法和NCSR算法。

摘要：临床上原发性脑部淋巴瘤(PCNSL)和胶质母细胞瘤(GBM)的治疗方案存在很大差异,因此治疗前对二者的精确鉴别具有重要临床价值。本文提出一套基于稀疏表示体系的肿瘤自动鉴别方法,利用PCNSL和GBM T1加权磁共振成像(MRI)图像纹理细节信息的差异鉴别这两种肿瘤。首先,基于影像组学的思想,设计一种基于字典学习和稀疏表示的肿瘤纹理特征提取方法,将不同体积、不同形状的肿瘤区域转化为968维纹理特征;其次,针对提取特征存在的冗余问题,建立迭代稀疏表示方法选择少数高稳定性高分辨力的特征;最后,将选择的关键特征送入稀疏表示分类器(SRC)分类。利用十折法对数据集进行交叉验证,鉴别结果的准确率为96.36%,敏感度为96.30%,特异性为96.43%。实验结果表明,本文方法不仅能够有效地鉴别PCNSL和GBM,还避免了使用先进MRI鉴别肿瘤时存在的参数提取问题,在实际应用中具有较强的鲁棒性。

摘要：在分析与总结现有稀疏表示方法局限与待解决问题的基础上,提出非线性稀疏表示理论,主要包括:构造单目标非线性稀疏表示模型,分析模型性质与设计求解算法,突破现有稀疏表示理论的线性局限,扩展应用范围;构造多目标非线性稀疏表示模型并设计求解算法,改变现有稀疏表示理论只能处理单一目标的局限,并解决现有模型处理性能存在不确定性的问题;将处理目标与非线性稀疏表示模型求解过程相结合,研究模型超参数的自适应求解方法,设计模型最优性能的求解过程。探讨了航天测控资源优化配置问题的非线性稀疏表示模型的构造方法。

摘要：当前的人脸识别算法在理想环境下的识别正确率高,自适应能力强;但是在非理想环境下,人脸识别正确率急剧下降。为了提高人脸识别结果的稳定性,设计了稀疏表示和支持向量机相融合的非理想环境人脸识别算法。首先,提取非理想环境人脸的特征,并构建非理想环境人脸识别的特征字典;然后,采用特征字典对非理想环境人脸识别训练样本和测试样本进行处理,构建非理想环境人脸识别的学习样本;最后,采用支持向量机建立非理想环境人脸识别的分类器来对非理想环境人脸进行识别,并采用多个标准人脸数据库对所提非理想环境人脸识别算法进行测试。文中算法的非理想环境人脸识别正确率高,误识率和拒识率低,相对于其他人脸识别算法,其更适应环境的变化,对非理想环境人脸识别的整体效果更优,而且提高了非理想环境人脸识别的效率,具有十分明显的优越性。

摘要：基于信号稀疏表示理论,提出一种离散系数FIR滤波器设计方法。在加权最小二乘准则下,首先将原始设计问题转换为半定规划问题。为了有效控制硬件实现开销,借鉴信号稀疏表示理论,在目标函数中引入加权项,并在此基础之上,利用随机采样技术获得最终设计结果。仿真结果表明该方法所设计的离散系数滤波器,在控制加法器个数的同时,能有效减少因系数量化所导致的性能损失。与传统方法相比,在阶数较高的情况下,该方法依然能取得较好效果。

摘要：通过分析当前市售家居安防系统的现状和不足,即成本高、隐蔽性差、误报率高的缺点,提出了一种基于稀疏表示,使用音频特征进行安防监控的模型,推导一种使用最大似然估计求解稀疏向量和训练矩阵的算法,并设计了一个基于上述模型的安防系统,详细阐述了系统的关键技术实现。

摘要：近年基于稀疏表示的分类框架(Sparse Representation based Classification,SRC)在计算机视觉和模式识别领域取得了巨大成功,高光谱图像解译也逐渐引入稀疏表示方法。针对基于SRC的高光谱图像分类算法随机抽取训练样本构成字典较难捕获相似类别的相对差异性信息问题,提出采用Fisher字典学习方法增强相似类训练样本的可区分性。此外,考虑到高光谱图像具有较强空间相关性的特点,设计一种简单有效的投票策略进行类别判决。大量实验表明:基于Fisher字典学习的联合投票分类方法能够较好地改善高光谱分类精度。