结合低秩填充与流形正则的荧光分子重建

荧光分子断层成像技术的逆问题有严重的病态性,对噪声影响非常敏感,为提高荧光基团的重建精度,提出将低秩填充与流形正则模型结合的荧光分子断层重建方法,来抑制噪声对逆问题重建的影响。方法能利用更多的先验信息,在利用荧光基团能量分布的聚集性的基础上,还能够同时利用生物外表面荧光分布的低秩性。通过低秩填充算法对外表面观测矩阵进行抑噪处理,来利用外表面观测矩阵低秩性的先验信息;通过流形正则模型来利用重建光源聚集性的先验信息,最终实现逆问题重建的精度的改善。同时设计了多组数字鼠实验,结果表明结合低秩矩阵填充与流形正则模型的FMT逆问题的重建结果取得了明显的改善。     

用于提高成像灵敏度的区域DOT/FMT混合成像方法EI北大核心CSCD

当前荧光分子层析(FMT)技术因假设背景光学结构均匀而导致其灵敏度、定量性和空间分辨率等主要指标与实际应用要求存在一定的差距,而基于区域标识的"粗粒度"扩散光学层析成像(区域DOT)重建算法在目标体结构先验信息的支持以及光学特性分区均匀性自然假设下能够有效获取目标体的光学结构,展开了提高FMT技术成像灵敏度的稳态测量模式下区域DOT/FMT混合成像方法的研究。数值模拟中以含有区域标记的光学数字鼠模型为背景,分别在已知数字鼠精确光学结构、利用区域DOT重建算法获取的数字鼠光学结构以及假设数字鼠各区域光学参数均匀三种背景情况下基于FMT技术重建荧光产率图像,并利用简化的仿体模型进行实验验证。结果表明,该区域DOT/FMT混合成像方法使FMT技术成像灵敏度有了显著提高,荧光产率图像具有更好的定位及量化精度。     

局部超图拉普拉斯约束的高光谱影像低秩表示去噪方法

针对传统高光谱影像低秩表示去噪方法无法保持影像多元几何结构信息的问题,提出一种基于局部超图拉普拉斯约束的高光谱影像低秩表示去噪方法。在低秩表示模型中增加超图拉普拉斯正则项,保持数据间多元几何流形结构;并对低秩模型系数矩阵增加稀疏和非负约束条件,进一步提高模型对影像局部信息的保持能力,使得模型不仅能够恢复具有低秩性质的影像信号分量,而且可以很好地保持影像的多元几何流形结构。在AVIRIS影像和ProSpecTIR-VS影像上的对比实验表明,所提方法更好地保持了影像的空间和光谱信息,有效地改善了高光谱影像去噪效果。     

基于自编码器的荧光分子断层成像快速重建

多激发点荧光分子断层成像(FMT)重建过程中生成的系统矩阵规模较大,导致计算复杂度高,重建时间长。为了加快重建速度并保证其准确性,基于人工神经网络理论,通过降低系统矩阵规模,提出了一种快速FMT重建方法。具体来说,采用的降维方法是自编码器,即一种典型的人工神经网络,训练数据为由系统矩阵和表面荧光测量值组成的矩阵,然后使用自编码器网络的编码部分得到原始矩阵在低维空间上的表示。为了测试所提方法的性能,设计了一系列数值模拟实验,包括非匀质圆柱体实验和数字鼠实验。实验结果表明,该方法能有效缩短重建时间,得到较高的重建精度。     

基于快速三因子分解和组稀疏正则化的高光谱图像去噪

为了有效去除高光谱图像中噪声带来的干扰,提升图像质量,在局部低秩和全局组稀疏结合的框架内提出了一种基于快速三因子分解和组稀疏正则化的去噪模型。首先,将高光谱图像分解成若干三维重叠图块并将其逐波段列化成矩阵,在快速三因子分解的框架下将这些矩阵分解为两个正交因子矩阵和一个核心矩阵,对核心矩阵添加L2,1范数最小化约束;其次,对高光谱图像空间和光谱方向的梯度张量分别添加组稀疏正则化约束;最后,将低秩矩阵的三因子分解和全局组稀疏正则化结合,可以充分挖掘图像的局部低秩和稀疏的先验信息,并去除各种混合噪声。在三个数据集上与五种经典模型相比,该模型的各项评价指标更高,去噪图像保留了更多细节信息,去噪效果更好。     

荧光分子层析中的全时间分辨图像重建法

在荧光分子层析(Fluorescence molecular tomography,FMT)中.全时间分辨(Time Resolved.TR)测量包含了最多的光子传输信息.基于有限元一有限差分扩散方程的正向模型和Newtown-Raphson的逆向模型,将全时间分辨方法用于时域荧光分子层析中.用模拟数据对算法在空间分辨率、定量性、重建尺寸和灰度的保真度以及噪声稳健性等方面进行了验证.结果表明,此方法能够实时重建荧光产率和荧光寿命图像.与以前发展的基于广义脉冲谱技术(Generalized pulse spectrum technique,GPST)的特征数据法进行图像重建相比较.整体上优于广义脉冲谱技术.     

复杂环境下运动目标偏振成像检测方法研究

针对低对比度、低信噪比等复杂环境下运动目标检测失检率较高的问题,提出了基于稳定性主成分寻踪的运动目标偏振成像检测方法。首先将预处理后的连续帧偏振图像组合成一个矩阵,依据帧间图像信息相关性,建立了稳定性主成分寻踪数学模型,将该矩阵分解成低秩、稀疏,噪声三部分,其中稀疏矩阵包含了帧间目标信息;再以低秩矩阵核范数与稀疏矩阵1范数的和为目标函数,利用增广拉格朗日乘子法求得目标函数值最小时的稀疏矩阵;最后采用马尔科夫随机场滤除稀疏矩阵中的噪声。实验结果表明,该方法对复杂环境有很好的适应能力,且检测准确率优于其他算法。     

基于局部保留投影的荧光分子断层成像快速重建

采用大规模荧光分子断层成像(FMT)投影数据进行重建需要消耗大量的计算内存,花费较长的计算时间.为降低FMT重建的病态性以及加快重建速度,基于流形学习和压缩感知理论,提出了结合局部保留投影(LPP)和稀疏正则化的重建方法,并对原始的多投影荧光数据进行重建.为评估该方法的重建效果和时间,分别设计了非匀质圆柱单、双目标仿真实验和真实小鼠实验.实验结果表明,在保证FMT重建图像精度和分辨率的同时将重建时间大幅度减少.     

稀疏低秩噪声模型下无监督实时单通道语音增强算法

针对现有基于字典学习的增强算法需要先验信息、不易实时处理的问题,提出一种便于实时处理的无监督的单通道语音增强算法。首先,该算法将无监督条件下背景噪声的建模问题转化为带噪语音幅度谱的稀疏低秩噪声分解;然后,采用增量非负子空间方法对背景噪声进行在线字典学习,获得能够体现背景噪声时变特性的自适应噪声字典;最后,利用所得的噪声字典,采用易于实时处理的逐帧迭代方式,对带噪语音进行处理。实验结果表明:相较于多带谱减法和基于低秩稀疏矩阵分解的增强算法,所提算法在噪声抑制方面的性能尤为显著,在多项性能评价指标上,均表现出更好的结果。     

稀疏低秩噪声模型下无监督实时单通道语音增强算法

针对现有基于字典学习的增强算法需要先验信息、不易实时处理的问题,提出一种便于实时处理的无监督的单通道语音增强算法。首先,该算法将无监督条件下背景噪声的建模问题转化为带噪语音幅度谱的稀疏低秩噪声分解;然后,采用增量非负子空间方法对背景噪声进行在线字典学习,获得能够体现背景噪声时变特性的自适应噪声字典;最后,利用所得的噪声字典,采用易于实时处理的逐帧迭代方式,对带噪语音进行处理。实验结果表明:相较于多带谱减法和基于低秩稀疏矩阵分解的增强算法,所提算法在噪声抑制方面的性能尤为显著,在多项性能评价指标上,均表现出更好的结果。      

基于低秩矩阵的非均匀采样NMR波谱重建进展

多维核磁共振（Nuclear Magnetic Resonance,NMR）利用多维波谱来分析分子结构,被广泛用于化学、生物学和医学等领域,但信号采样时间随波谱维度和采样点数增加而迅速增长．非均匀采样通过降低间接维采样点数来加速数据采集,并引入合理的重建方法获得完整的NMR波谱．如何快速重建高质量的波谱,是NMR信号处理研究的前沿．本文主要综述近年来基于低秩矩阵的NMR波谱重建方法的发展．首先介绍了低秩矩阵的相关数学基础;然后从一般低秩矩阵和结构化低秩汉克尔矩阵两个角度来论述重建模型,并讨论相关的NMR波谱应用;最后分析了该技术存在的不足,并展望其未来发展的趋势．     

形态学方法用于三维荧光光谱化学秩的确定

确定化学秩是解析化学体系的第一步,正确确定化学体系的组分数对后续的解析异常重要。由于实测的三维荧光光谱不可避免地受到噪声的干扰,传统的化学秩估计方法常常失效。首先根据三维荧光光谱信号与噪声信号的形态差异,选用正弦形结构元素,对信号进行先开启后闭合运算,用形态学方法对实测三维荧光光谱进行去噪,然后对去噪后的光谱进行奇异值分解(SVD),联合分解得到的奇异值和奇异向量进行化学秩的确定。主要讨论了形态滤波方法的理论基础,先用模拟数据说明了文中所提方法的必要性和有效性,然后又把此方法用在酚类化合物三维荧光光谱的组分数检测上,并与传统的蒙特卡罗方法做了对比。实验结果表明,提出的方法更具有实用性,能够正确估计出化学秩。     

基于稀疏低秩特性的水下非均匀光场偏振成像技术研究

针对浑浊水体偏振成像时由于强散射作用导致的背景散射光分布不均匀且目标信息被淹没,无法有效解译,难以实现清晰化成像的问题,提出基于稀疏低秩特性的水下非均匀光场偏振成像技术.该技术利用散射光场中偏振信息的共模抑制特性消除非均匀性,结合水下散射光场中背景信息纹理单一、信息相关性高以及目标信息空间占比小的特点,建立偏振域的稀疏-低秩信息分析处理模型,有效分离目标和背景信息,重建高对比度清晰目标图像.实验结果表明,基于稀疏低秩特性的水下非均匀光场偏振成像技术不仅能够有效地提升浑浊水下图像的对比度,复原细节信息,而且能够有效地抑制非均匀强散射,在水下偏振成像领域具有良好的应用前景.     

冰下运动目标主动探测技术研究*

使用主动声呐探测冰下目标时，混响是无法回避的问题。在大面积冰层覆盖的水域中，混响具有强度大、作用范围广的特点，导致主动声呐对目标探测的性能大大下降。本文针对有着强混响的冰下水域这一应用背景，重点研究了基于低秩矩阵恢复理论的冰下运动目标主动探测方法。该方法运用常规波束形成获取多组方位时间历程图像，然后利用低秩矩阵恢复算法分离图像中的混响背景与运动目标。仿真表明不精确的增广拉格朗日乘子法(Inexact Augmented Lagrange Multiplier, IALM)在等间隔直线阵、非等距线阵和均匀间隔圆形阵三种阵型下均有较好的效果。同时与经典的背景差分法做了对比，表明了低秩矩阵恢复算法具有更好的适应性。松花江冰下实验验证了在线阵情况下低秩矩阵恢复算法的实际应用性。     

荒漠背景下红外偏振弱小目标检测方法研究

针对荒漠背景下红外弱小目标检测问题,提出了一种基于稳定性矩阵恢复和双窗滤波的荒漠红外偏振弱小目标检测方法.分析得出红外偏振Q参量图的背景相似性最高,采用改进型形态学滤波可以增强其背景相关性.检测时将Q图背景看成一个具有低秩特性的矩阵,弱小目标看成是破坏其低秩性的冗余数据,建立稳定性矩阵恢复荒漠背景抑制数学模型,然后对背景抑制结果采用双窗滤波分割出目标,完成检测.实验结果证明了该方法的有效性和稳健性,具有较强的应用价值.     

DNA测序信号去噪分析的一种新方法

在DNA荧光测序中,噪声会影响分析的准确度和检出限。相比其他滤波方法,小波分析具有良好的时频域分辨特性。在小波去噪处理中,正确选择合适的小波基函数、去噪阈值和分解层数直接关系到信号去噪处理的质量。为了真实构建噪声模型并准确评价去噪算法的有效性,实验中通过实际系统中采集到的噪声信号叠加理想荧光信号构建DNA测序仿真信号,去噪分析的结果表明：选择sym7小波基函数、分解层数(lev＝5)与使用固定格式软阈值,有效去除了DNA测序信号的噪声;处理后,信号的信噪比提高了5倍以上。将其用于处理实际的DNA电泳荧光信号,相比基于随机噪声模型的算法,去噪后的信号更加真实可靠。     

基于低秩张量分解的高光谱RX异常目标检测算法

经典的RX异常检测算子假设背景数据信息符合高斯分布,但是由于高光谱图像混有大量的加性噪声,使得图像产生退化,背景信息并不完全符合这类分布。针对这一问题,提出了基于低秩张量分解的高光谱图像RX异常目标检测算法。该方法首先利用高光谱图像的张量数据结构和低秩数据特性,引入低秩张量分解方法对高光谱图像进行数据恢复,使得异常目标信息相比于复杂背景信息变得突出;再利用RX异常检测算子对恢复之后的高光谱图像进行异常目标检测;最后得到异常目标检测结果。通过仿真实验对比,提出的新的异常目标检测方法具有检测精度高、虚警率低和鲁棒性好的特点。     

基于自适应阈值的三维点云分段式去噪方法

激光雷达探测点云数据中存在大量噪声点,导致三维图重建精度下降,无法完全复现物体结构,本文针对此问题提出了一种基于自适应阈值的三维点云分段式去噪方法.根据噪声点与非噪声点之间的欧式距离,将其划分为远信号噪声点和近信号噪声点两类,先后对两类噪声点分别采用基于非线性函数的阈值自适应去噪算法和基于曲率的去噪算法.基于非线性函数...     

基于随机矩阵的金融网络模型

随机矩阵理论运用于金融领域中研究金融相关系数矩阵的相关性,相关系数矩阵是网络构建中的关键因素,本文将随机矩阵理论与网络构建相结合,研究基于随机矩阵的金融网络模型.本文选取上海证券市场的股票数据,将其中的股票数据分成四个阶段,基于随机矩阵理论,讨论金融相关系数矩阵和随机矩阵的特征值统计性质,并在此基础上对现有的去噪方法进行改进,建立更适合构建金融网络的相关系数矩阵,并构建金融网络模型.然后,基于随机矩阵理论和网络的关键节点分析比较去噪前后的金融网络以及噪声网络,发现对网络去噪后仍保留了原始网络的关键重要的信息,而噪声信息对应的是原始网络中度比较小的节点所代表的信息.最后,基于去噪网络,分析金融网络的拓扑结构,如最小生成树、模体和社团结构,发现改进后的金融网络的拓扑性质更加明显,结构更加紧密.     

基于非凸稀疏正则的荧光分子断层成像

为提高荧光分子断层成像(FMT)的重建精度,将非凸LP(0P1)正则化引入到FMT重建中。为有效求解包含非凸惩罚项的优化问题,结合加权同伦算法(WHA)提出了快速迭代重建算法,将LP正则化问题转化为一系列加权的L1正则化问题求解。异质仿体上的仿真实验表明,LP(0P1)相较L1正则化重建在荧光目标定位和定量方面都有提高。而且通过比较6种不同的正则子,评估了参数P的选择对重建结果的影响,结果表明当1/3≤P≤1/2时,非凸正则子算法可以取得最优的重建结果。