检索结果-南通市图书馆

基于正则化张量分解的高光谱与多光谱遥感图像融合算法研究

同方期刊数据库评论

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于正则化张量分解的高光谱与多光谱遥感图像融合算法研究

作者：孙莎莎北方民族大学

学位级别：硕士

随着遥感技术和图像处理领域的发展,高光谱遥感图像以其丰富的光谱信息和高分辨率的空间信息,成为获取地表物体特征的有力工具。然而,单一的高光谱图像虽然能提供详细的光谱特征,却受限于空间分辨率难以提升。为克服这一限制,研究者们... 详细信息

随着遥感技术和图像处理领域的发展,高光谱遥感图像以其丰富的光谱信息和高分辨率的空间信息,成为获取地表物体特征的有力工具。然而,单一的高光谱图像虽然能提供详细的光谱特征,却受限于空间分辨率难以提升。为克服这一限制,研究者们探索将高光谱图像与多光谱图像相融合,以获得更全面、准确的地物信息。高光谱图像与多光谱图像的融合旨在将低分辨率高光谱图像(Low Spatial Resolution Hyperspectral Image,简称 HSI)与高分辨率多光谱图像(High Spatial Resolution Multispectral Image,简称MSI)融合,从而获得高分辨率高光谱图像(High Spatial Resolution Hyperspectral Image,简称HRI)。基于数学模型的方法因其从数学和统计角度解释图像关系的能力而受关注,通过融合HSI和MSI,实现光谱和空间信息的有效结合。本文研究基于矩阵分解和张量分解的高光谱图像融合方法,主要贡献如下:1.针对矩阵分解方法在处理细节方面的不足及张量分解方法计算复杂度高的问题,提出了一种新的基于稀疏张量分解的融合模型。通过奇异值分解(SVD)学习到的光谱特征子空间,使模型在更有代表性、降维的光谱子空间中进行操作,保持计算效率的同时,提高了模型的效率。通过稀疏性和平滑性约束,模型减少重构图像中的噪声和伪影,同时保留关键特征,从而增强图像分辨率。同时,使用弹性网络(Elastic Net)正则化技术,结合L1(Lasso)和 L2(Ridge)正则化,有助于在减少模型复杂性的同时保持信息完整性。通过对空间差分图像进行加权组稀疏正则化,模型更好地捕捉图像中的结构和特征,验证其普适性和鲁棒性。2.针对原始张量环分解方法中的过拟合和噪声干扰问题,提出一种基于张量环模型和正则化方法的应用。该方法实现了对图像全局和局部特征的精确捕捉,充分发挥高光谱图像的双重特征,即空间结构和光谱信息,并将它们有机地融合在一起。引入的图正则项不仅包括对空间维度的正则约束,还对光谱维度使用对称归一化拉普拉斯矩阵的约束,提供更强的结构表示和特征提取能力,有助于有效改善图像结构与特征表达。引入的空间平滑约束项增强模型的稳定性和重建图像的质量。多阶段优化方法提高模型的收敛性和稳定性,使超分辨率结果更加准确可靠。

关键词：高光谱图像融合子空间学习组稀疏张量环分解图谱正则化

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于张量环分解的三维地震数据重建方法

山东科技大学学报（自然科学版） 2023年第6期42卷 85-96页

作者：张杏莉刘作刚张亚萍赵卫东山东科技大学计算机科学与工程学院山东青岛266590

地震数据处理一直是地震学研究的热点,地震数据重建是地震数据处理中不可或缺的一环。本研究提出一种基于张量环分解的三维地震数据重建方法。通过张量环分解将大的三维数据转换成小的三维数据的乘积,利用张量环隐空间的低秩结构对张量... 详细信息

地震数据处理一直是地震学研究的热点,地震数据重建是地震数据处理中不可或缺的一环。本研究提出一种基于张量环分解的三维地震数据重建方法。通过张量环分解将大的三维数据转换成小的三维数据的乘积,利用张量环隐空间的低秩结构对张量环因子施加低秩约束,在使用交替方向乘子法和增广拉格朗日函数求解过程中对张量环因子进行核范数正则化和奇异值分解,通过循环多线性乘积将小的三维数据恢复为大的三维数据,最终获得三维地震数据重建结果。仿真数据和真实数据的实验结果表明,与正交矩阵追踪汉克尔重建方法和数据驱动紧致框架方法相比,本方法具有更好的重建效果和计算效率。

关键词：张量环分解地震数据重建核范数正则化交替方向乘子法低秩约束

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于低秩张量环分解的数据补全算法研究

基于低秩张量环分解的数据补全算法研究

作者：姚佳敏电子科技大学

学位级别：硕士

随着现代信息技术的不断发展,无处不在的终端设备产生了结构复杂的海量数据。由于张量在表示多阶多维数据方面的优势,张量分析得以广泛应用。在数据采集和传输过程中,难免会引起数据部分元素丢失。数据不完整可能会大大降低数据的质量,... 详细信息

随着现代信息技术的不断发展,无处不在的终端设备产生了结构复杂的海量数据。由于张量在表示多阶多维数据方面的优势,张量分析得以广泛应用。在数据采集和传输过程中,难免会引起数据部分元素丢失。数据不完整可能会大大降低数据的质量,影响数据分析过程。为了解决张量数据缺失的问题,低秩张量补全备受关注。近年来,张量环分解因其强大而通用的表示能力,在张量补全方面取得了卓越性能。然而,现有的基于张量环分解的数据补全算法严重依赖初始秩选择,并且计算开销大、时间成本高,进而限制了其实际应用。基于此,本文聚焦于基于低秩张量环分解的数据补全算法,分别从张量环分解和张量环秩最小化两个方向出发,提出了两种数据补全模型。主要研究内容如下:1.针对传统的基于张量分解的数据补全算法依赖初始秩选择而导致恢复结果缺乏稳定性与有效性的问题,提出了一种基于因子先验的低秩张量环补全算法,可以实现同时张量环分解和补全。所提算法将张量环分解模型与张量秩最小化模型相结合,设计了分层的张量分解模型。对于第一层,通过张量环分解将不完全张量表示为一系列的三阶因子。对于第二层,使用变换张量核范数来表示因子的低秩约束,并且考虑了因子先验的两种策略,即图正则化和平滑约束。所提算法同时利用因子空间的低秩结构和先验信息,一方面使得模型具有隐式的秩调整,增强秩选择的鲁棒性,另一方面充分利用数据的先验信息,进一步提高恢复性能。在不同的视觉数据集上,验证了所提算法的有效性。2.针对现有的基于张量环分解的数据补全算法因计算复杂度高而导致效率低下的问题,提出了一种基于拉普拉斯函数的平滑张量环补全算法,可以同时探索多维数据的全局低秩结构和局部平滑结构。所提算法首先引入了张量循环展开操作,使用拉普拉斯函数来近似张量环秩,一方面避免了繁琐的初始秩调整,大大降低了实际应用中的计算成本,另一方面对不同奇异值自动采取不同程度的收缩,从而得到更好的秩近似。其次,通过全变分正则化来利用视觉数据的分段平滑性,在高缺失率的情况下,提供更多的辅助信息。此外,视觉数据升阶方法可以将原始低阶张量重构为高阶张量,有助于利用数据的局部结构信息,进一步提升了补全性能。大量的实验证明了所提算法的高效性。

关键词：低秩张量补全张量环分解变换张量核范数拉普拉斯函数全变分正则化

基于因子正则张量环分解的高维数据恢复模型和算法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于因子正则张量环分解的高维数据恢复模型和算法研究

作者：吴鹏玲电子科技大学

学位级别：硕士

随着科技的快速发展，现实生活中产生的数据通常具有更高的维度（即高维数据）和更复杂的结构信息。然而，由于采集环境、传输设备和存储条件等限制，高维数据通常是不完整的。高维数据恢复旨在从部分观测数据中估计缺失值，从而提高数... 详细信息

随着科技的快速发展，现实生活中产生的数据通常具有更高的维度（即高维数据）和更复杂的结构信息。然而，由于采集环境、传输设备和存储条件等限制，高维数据通常是不完整的。高维数据恢复旨在从部分观测数据中估计缺失值，从而提高数据质量并有利于后续应用，在数学上可建模为张量完备化问题。张量完备化问题是一个病态反问题，因此需要通过正则化项引入先验知识来解决这个问题。现实世界中获取的高维数据往往具有很强的冗余性，在数学上表示为低秩性。低秩约束已成为恢复含有缺失项的高阶张量的有力工具。　　张量环（TensorRing，TR）分解使用三阶核张量（即TR因子）序列的多线性乘积逼近高阶张量，有利于捕获高维数据的全局低秩性。近年来，TR分解已被广泛应用于高维数据恢复问题，并取得了良好成效。然而，TR因子的物理解释尚不清楚。因此本文基于张量环分解，进一步研究其因子的特性，并将其应用到高维数据恢复问题中。本文主要研究内容如下：　　一、本文首次发现了TR因子在其梯度域（称为梯度因子）的物理解释，并给出了理论证明。基于可解释的梯度因子，我们提出了一个基于张量环分解的可解释梯度因子正则化的高维数据恢复模型。更具体地说，该模型考虑了梯度因子的低秩性和变换稀疏性先验，从而提高基于张量环分解模型的性能和TR秩选择的鲁棒性。　　二、本文提出了一种有效的近端交替最小化算法来求解所提出的模型，并且证明了该算法产生的迭代序列是有界的且具有全局收敛性。在多光谱图像、高光谱图像、彩色视频和交通数据上的数值实验表明了所提出的TR-GFR方法在评价指标方面优于对比方法，并且在TR秩选择方面具有更强的鲁棒性。

关键词：张量环分解可解释的梯度因子张量完备化问题近端交替最小化算法高维数据恢复高光谱图像

基于张量环分解的高光谱图像超分辨率重建研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于张量环分解的高光谱图像超分辨率重建研究

作者：马宇萌广东工业大学

学位级别：硕士

高光谱成像是一种基于光谱学的新型分析技术,它为同一空间区域收集数百张不同波长的图像从而获取到目标空间区域的空间属性和物质属性。因此,高光谱图像中包含了丰富的光谱信息。目前,高光谱图像已经被广泛应用于海洋学、生物医学、环... 详细信息

高光谱成像是一种基于光谱学的新型分析技术,它为同一空间区域收集数百张不同波长的图像从而获取到目标空间区域的空间属性和物质属性。因此,高光谱图像中包含了丰富的光谱信息。目前,高光谱图像已经被广泛应用于海洋学、生物医学、环境监测以及农业等方面的研究。然而,由于硬件设备限制,获取到的高光谱图像通常是低分辨率的,从而导致其难以满足检测、分类等应用的需求。因此,近些年来高光谱图像超分辨率重建问题已成为遥感和计算机视觉领域研究的热点。高光谱图像超分辨率重建的主要思想是将低空间分辨率的高光谱图像与其相对应的高空间分辨率的多光谱图像进行融合,从而生成超分辨率的高光谱图像。其中,传统的高光谱图像超分辨率重建方法都需要对三维的高光谱图像进行二维（矩阵化）处理,然后再对矩阵形式的光谱数据进行分析操作。然而,这种方式破坏了高光谱图像自身的空间结构,导致模型无法充分利用高光谱图像中空间信息和光谱信息的关联。因此,基于张量分解的方法被提出来弥补矩阵分解解决高光谱图像超分辨率问题当中的这一缺陷。近几年来,张量方法被发现是一种有效的高光谱图像处理方法,基于张量表示的高光谱图像超分辨率方法也吸引了越来越多的关注,包括张量Canonical Polyadic（CP）分解模型以及Tucker分解模型等在内的经典的张量分解模型都已经被应用于此领域中。受此启发,本文提出了两种基于张量环分解的高光谱图像超分辨率算法,分别是基于耦合张量环分解的高光谱图像超分辨率算法（Coupled Tensor Ring Factorization based Hyperspectral Image Super-Resolution,CTRFHSR）以及基于高阶张量环表示的高光谱图像超分辨率算法（High-Order Tensor Ring Representation based Hyperspectral Image Super-Resolution,HOTRHSR）。对于基于耦合矩阵/CP分解的超分辨率模型来说,由于高光谱图像三个维度具有不同的低秩性,而这些模型均无法单独的衡量图像每个维度的低秩性,因此无法对高光谱图像进行准确的表示。为了解决这个问题,本文提出了CTRFHSR算法,该算法可以通过调整张量环分解的秩单独地衡量高光谱图像中每个维度的低秩性,从而能够更灵活的表示高光谱图像。具体而言,CTRFHSR算法假设超分辨率的高光谱图像可以通过张量环分解表示为三个核张量循环相乘的形式,之后根据高光谱图像与多光谱图像的张量环分解之间潜在信息的共享关系分别从高光谱图像与多光谱图像中学习到重建超分辨率的高光谱图像所需的核张量。此外,目前现有的基于张量表示的高光谱图像超分辨率算法都无法捕捉高光谱图像的高阶相关性,因此不能充分利用高光谱图像内部的结构信息。针对这一问题,本文提出了HOTRHSR算法,该算法不仅可以保持高光谱图像自身的三维空间结构,同时还采用张量环结构在高维空间中对高光谱图像进行表示,从而探索高光谱图像在高阶情况下空间信息和光谱信息之间的关联。针对上面两个模型,我们都采用交替优化的方法进行优化求解。最后,为了验证CTRFHSR和HOTRHSR算法的有效性,本文使用了多个数据集对模型的有效性进行评估。通过与多个已提出的的算法进行对比,证明了CTRFHSR和HOTRHSR算法的性能。

关键词：张量分解张量环分解高光谱图像超分辨率重建

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于张量环分解的非局部高光谱图像去噪算法

桂林电子科技大学学报 2021年第2期41卷 146-153页

作者：陈千陈利霞桂林电子科技大学数学与计算科学学院广西桂林541004 桂林电子科技大学广西高校数据分析与计算重点实验室广西桂林541004

高光谱图像去除噪声的2个问题:1)在采集和运输的过程中会产生各种各样的噪声,使得人们无法快速且准确地获得信息;2)大部分去除噪声算法都在Tucker或CANDECOMP/PARAFAC(CP)上进行,而Tucker或CP是将高维信号转化为低维,改变了信号固有的结... 详细信息

高光谱图像去除噪声的2个问题:1)在采集和运输的过程中会产生各种各样的噪声,使得人们无法快速且准确地获得信息;2)大部分去除噪声算法都在Tucker或CANDECOMP/PARAFAC(CP)上进行,而Tucker或CP是将高维信号转化为低维,改变了信号固有的结构,对于张量秩的最优估计很难,且涉及的参数使得计算量很大。针对以上问题,提出一种基于张量环分解的非局部正则化高光谱图像去除噪声算法(TRTD-NRM)。该算法利用张量环分解直接处理高维信号的特质来研究全局光谱相关性(GCS)和空间非局部自相似性(NSS),能够易于计算和很好地保留高光谱图像的内在性质。通过设计一种交替方向乘子法来求解模型。数值实验结果表明,此方法得到的去除噪声后的图像很清晰。与现有算法相比,本算法无论是从主观效果还是客观评价上均具有较强的可比性。

关键词：图像去噪高光谱图像张量环分解潜在张量

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于环分解的几种张量恢复算法

基于环分解的几种张量恢复算法

作者：孟翔宇太原师范学院

学位级别：硕士

随着科学技术不断提高,现如今社会处于信息爆炸时代,在信息数据传播时可能会造成数据丢失或损坏,这给人们生活带来巨大的不便.因此,数据的填充与恢复技术就显得非常有必要.随着数据量增大,存储信息的方式也从数组变为高阶张量的形式,所... 详细信息

随着科学技术不断提高,现如今社会处于信息爆炸时代,在信息数据传播时可能会造成数据丢失或损坏,这给人们生活带来巨大的不便.因此,数据的填充与恢复技术就显得非常有必要.随着数据量增大,存储信息的方式也从数组变为高阶张量的形式,所以张量恢复技术是解决数据缺失或损坏问题的有效方法.张量恢复技术在信号处理,数据挖掘,模式识别,图像处理以及计算机视觉等领域都有广泛应用.张量恢复的基本思想是利用张量中部分已知数据把握它们具有关联性的特点实现数据恢复,而这些数据存放在张量中就呈现低秩的特点,于是可以将数据恢复问题转化成张量恢复的优化问题来解决.本文对张量恢复模型进行研究,从数据的相关性和数据元素存储分布的位置结构两个角度提出了基于环分解的非精确张量恢复模型与算法,嵌入Hankel化结构的张量恢复模型与算法以及基于环分解的结构约束模型与算法.主要的研究成果如下:第一部分提出了环分解下嵌入Hankel结构的非精确张量恢复模型与算法.由于张量环分解是对张量核因子侧向切片矩阵乘积取迹操作.于是在进行张量恢复时,利用张量核因子的模-2展开矩阵来代替模-1和模-3展开矩阵,可以减少算法计算量,提高张量恢复算法的计算效率,提出了基于环分解的非精确张量恢复算法.在上述算法的基础上,进一步利用多向延迟嵌入技术(MDT)嵌入数据构造具有Hankel化结构张量.从数据的结构特征入手,生成Hankel核因子去近似逼近具有Hankel化结构的张量来实现张量恢复.进一步对算法进行收敛性分析,证明了新算法是收敛的.最后,对真实世界中的图像进行实验,新算法可以有效的恢复丢失数据,提高恢复精度.第二部分提出了基于环分解的结构约束模型与算法.从数据元素存储分布的位置结构入手来实现张量恢复.其核心思想是:由于任一张量可以由一组基映射为对应的系数张量,于是张量恢复可以转化为对其系数张量进行恢复.构造结构约束模型,对系数张量进行非负低秩约束保证张量中的每个元素都在其相邻的凸包中,进行稀疏约束保证张量中的每个元素尽可能涉及较少的相邻元素.由此提出基于环分解的结构约束算法.进一步对算法进行收敛性分析,证明了新算法的可行性.最后对真实世界中的图像进行实验,结果表明新算法可以有效的提高图像恢复精度.

关键词：张量恢复张量环分解嵌入空间 Hankel结构结构约束

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于非凸张量环秩最小化的张量补全模型研究

基于非凸张量环秩最小化的张量补全模型研究

作者：邹明峻广东工业大学

学位级别：硕士

随着计算机网络和人工智能的高速发展,数据量在成倍增长的同时,很多领域的数据呈现出高阶化的特点,比如图像恢复和社交网络等,分析这些数据自身复杂的结构特性和其中蕴含的物理意义,能够带来很有价值的信息。然而数据在采集或传输的过... 详细信息

随着计算机网络和人工智能的高速发展,数据量在成倍增长的同时,很多领域的数据呈现出高阶化的特点,比如图像恢复和社交网络等,分析这些数据自身复杂的结构特性和其中蕴含的物理意义,能够带来很有价值的信息。然而数据在采集或传输的过程中会面临着数据丢失的问题,如何恢复高阶缺失数据已成为信息技术领域的研究热点之一。张量分解作为处理高阶数据的典型代表,有着独特的天然优势,许多基于低秩张量表示的模型相继被提出,并广泛的应用于人工智能、模式识别和图像分类等领域。近年来,由于张量环分解(Tensor Ring Decomposition,TR)在数据维数较大的情况下能更为充分的挖掘张量的低秩表示,保留原有张量数据的空间结构信息,而且可以有效避免高阶数据的维度灾难问题,受到众多学者们的讨论和研究。针对高阶数据缺失的问题,本文在张量环分解的基础上,研究出非凸优化的低秩张量环补全模型。具体地,本文提出两种基于L范数约束的张量环秩最小化模型,分别设计两种对应的高效优化算法,将其应用于张量数据的补全任务中,对比其他张量补全模型来验证本文提出方法的高效性。张量环核范数的模型对TR秩的近似有一定的误差,这种方法对每个奇异值都一视同仁,忽略了其物理意义,在实际应用中往往导致解的次优性。为了缓解这一缺陷,本文选取比核范数更为逼近的L范数作为秩最小化的替代,提出了一种基于张量L范数的非凸张量环秩最小化(L)模型。具体地,该方法在TR展开矩阵上施加了L范数约束,使得模型能够更加准确的逼近TR秩。与此同时,将加权奇异值阈值算法应用其中,更好的促进模型求解的低秩性。为了有效地求解所提出的非凸模型,本文采用交替方向乘子法(ADMM)对该模型实现更新优化。在大量的彩色图片和视频补全实验中,对比了多种张量补全算法,实验结果表明本文提出的L模型的补全性能指标均优于同类型的算法。此外该方法具有足够的通用性,可以推广到其他张量分解中,从而开发出更加有效和鲁棒的算法。为解决大规模张量补全时的高计算损耗问题,本文提出了基于潜在TR因子的L范数张量环(L)补全模型,将张量环秩最小化问题转化到尺度小得多的潜在TR核心上,大规模地降低了张量环秩最小化的计算损耗。具体来说,该方法通过张量环分解的操作,对每个张量TR因子展开的矩阵进行L范数的低秩约束,建立了高效的张量环秩最小化模型,有效地解决了手动地选择张量环秩的难题。与此同时,本文采用交替方向乘子法对该模型实现更新优化,在大量不同类型的数据补全实验结果和数据表明,本文提出的L算法相对于其他张量补全方法具有较优的补全效果。

关键词：张量环分解低秩张量补全 LP范数 TR因子交替方向乘子法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于云计算的张量网络分布式并行优化

基于云计算的张量网络分布式并行优化

作者：宁伟凯南京理工大学

学位级别：硕士

张量网络是一种张量的分解方法,在数据挖掘、图像处理、多模态信息融合等方面具有广泛的应用。近年来,随着“信息-物理-社会系统”(CPSS)的发展,多模态数据的主要载体张量数据的规模增长迅速,传统的单机处理过程中很难对多模态大规模张... 详细信息

张量网络是一种张量的分解方法,在数据挖掘、图像处理、多模态信息融合等方面具有广泛的应用。近年来,随着“信息-物理-社会系统”(CPSS)的发展,多模态数据的主要载体张量数据的规模增长迅速,传统的单机处理过程中很难对多模态大规模张量数据进行分析、处理,因此迫切需要研究张量大数据分析处理技术。云计算平台具有对大规模张量数据的存储、计算能力,是解决张量数据处理问题的有效途径。本文分析了张量理论发展和张量数据分析方法,通过研究分布式文件存储技术、Map Reduce并行编程模型、Spark并行计算等相关云计算技术,设计了基于HDFS的大规模张量数据存储和读取方式,提出了基于云计算的层次化张量分解并行优化和张量环分解并行优化。同时,本文研究了张量数据在云计算环境的管理和应用,设计了张量数据的在云平台的管理应用。本文主要包括:1、深入分析张量数据的并行存储方式,提出了基于云计算的张量层次Tucker分解分布式并行方法。本文根据大规模张量数据的特点,设计了适用于分布式环境的张量数据存储方式;依据层次化张量分解的计算特点,设计了节点间并行计算和节点内并行计算两级并行策略,解决单机瓶颈问题。实验结果表明,本文提出的分布式张量层次Tucker分解并行方法,在保证精度的基础上,能够显著提升层次化张量分解的计算效率。2、提出了基于云计算的张量环分解分布式并行方法。本文根据张量环分解的迭代计算任务特点,设计了分布式随机抽样的张量环分解任务划分,将不可分割的计算任务能够在分布式环境下运行,解决大规模张量数据分解的单机瓶颈;在迭代过程中,通过分布式并行计算每种模态的核心张量,加速计算核心张量;通过抽样减少每次迭代原张量数据的读取频率,减少I/O消耗。本文设计的基于云计算的张量环分解并行优化方法可以有效加速张量分解的运算,提高了云计算下处理张量数据的能力,支持了张量数据在云平台上的应用。3、为了张量数据可以在云平台上的更好地应用,本文研究了基于云计算的张量数据资源管理模式,根据张量数据在云平台的应用特点,设计了张量数据资源管理平台。针对张量分解计算时间长,使用频次高等问题,对张量数据进行预分解并进行高效存储,显著提升了用户在云平台上利用张量数据的效率。

关键词：云计算张量层次Tucker分解张量环分解分布式并行张量数据存储