Blind separation of fluorescence spectra using sparse non‐negative matrix factorization on right hand factor

Sparse non‐negative matrix factorization on right side factor (SNMF/R) has better performance in feature extraction than non‐negative matrix factorization. In this work, SNMF/R was first used to separate the overlapped three‐dimensional fluorescence spectra of polycyclic aromatic hydrocarbons mixtures in pure water, lake water, and river water, respectively. It is found that the similarity coefficients between the acquired three‐dimensional spectra and the corresponding reference spectra with random initials are all above 0.80; the recognition rate of SNMF/R is higher than that of PARAFAC and non‐negative matrix factorization algorithms, especially in the case of lake water and river water samples. In addition, SNMF/R does not need any initialization scheme designing during spectra separation. These results demonstrate that SNMF/R is an appropriate algorithm to separate the overlapped fluorescence spectra of polycyclic aromatic hydrocarbons in aquatic environment accurately and effectively. Copyright © 2015 John Wiley & Sons, Ltd.     

基于A*OMP算法及其改进算法的宽带雷达信号稀疏分解

传统稀疏分解算法正交匹配追踪(OMP)算法里采用内积最大值来寻找最优原子,该方法容易陷入局部最优,为了弥补这一缺点,采用了新的算法:A*OMP算法,该算法使用A*搜索(即最佳优先搜索技术)寻找最优原子,该搜索方式寻找的最优原子具有全局最优性。实验表明相比传统OMP算法而言,该算法有效地提高了信号的重构精度。     

高维多目标优化中基于稀疏特征选择的目标降维方法

目标降维算法通过去除冗余的目标达到简化问题规模的目的,为求解高维多目标优化问题提供了一种新的思路和方法.近似解集的几何结构特征和Pareto占优关系从不同侧面反映了多目标优化问题的内在结构特性,而现有算法仅利用其中一种特征分析目标之间的关系,具有较大局限性.本文提出基于稀疏特征选择的目标降维方法,该方法利用近似解集的几何结构特征构建稀疏回归模型,求解高维目标空间映射为低维目标子空间的稀疏投影矩阵,依据此矩阵度量目标的重要性,并利用Pareto占优关系改变程度选择满足误差阈值的目标子集,实现目标降维.通过与其他已有目标降维算法比较,实验结果表明本文提出的降维算法具有较高的准确性,并且受近似解集质量的影响较小.     

面向目标检测的稀疏表示方法研究进展

目标检测作为图像理解的一个基础而重要的课题深受国内外学者的重视,在军事和民用中具有广泛应用.应用背景的多样性和复杂性使得传统目标检测算法难以克服复杂背景、噪声干扰、光照变化以及非刚体形变、遮挡、弱特征、尺度、视角和姿态变化等因素的影响.近些年来发展起来的稀疏表示方法为图像处理及目标检测研究提供了新的思路,本文概述了稀疏表示基本概念和理论研究进展,综述了稀疏表示方法在目标特征学习、目标分类器和滤波器设计以及多源信息融合目标检测等目标检测领域中的国内外重要研究进展,并展望了稀疏表示方法在目标检测领域的发展方向.     

基于稀疏表达残差的自然场景运动目标检测

本文提出一种基于稀疏表达残差的非参数化运动目标检测算法,在假设前景变化相对静态背景可以视为稀疏残差的基础上,采用视频前n帧初始化稀疏表达字典;利用字典对后续视频帧进行重构,提取每帧的重构残差;结合基于光照强度的全局阈值矩阵,将残差图像二值化,提取图像前景;利用前景区域和边缘点关系剔除ghost区域;采用增量PCA(Principal Component Analysis)算法和保守更新的思想对背景模型进行更新.在changedetection.net提供的shadow数据集上实验表明,采用全局更新和残差计算的方法,可以有效的解决由于自然场景光线变化导致的阴影变化,并且对自然场景中背景的小幅度抖动和相机抖动等问题也具有一定的抵抗能力.     

多摄像机在无重叠区域的目标匹配算法

基于颜色特征的目标匹配方法具有很好的区分性和直观性,但是特征本身受光线变化、背景复杂度等影响而对于目标识别准确率存在差异.针对这一现状,提出了一种新的基于时空局部特征和颜色特征的目标匹配方法.利用时空局部特征3-D LSK对待测视频中的运动目标进行行为识别,识别出具有相同行为目标.再结合目标的颜色特征,通过基于区域权重(Weighted Region Matching)的颜色匹配方法来识别出具有相同颜色的目标.对无重叠区域的多个测试视频进行的相关实验表明,该算法能够有效识别出普通场景下的不同目标,对于衣着颜色相近的不同目标也有很高的识别率.     

基于稀疏分解和混沌理论的微弱信号检测

针对数字锁定放大器中稀疏分解算法检测精度受限的缺点,结合非线性方法进行补偿,采用混沌检测联合稀疏分解的算法设计了数字锁定放大器。数字锁定放大器借助稀疏分解算法估计信号参数,根据估计得到的参数设计对应混沌系统;利用混沌系统检测信号的过程中产生间歇性混沌状态,并通过测量间歇性混沌状态的周期,精确检测信号。最终,在信号的信噪比低至-20 dB时可以成功检测信号,频率精度达到0.05 Hz,提供了一种非线性微弱信号检测方法。     

移动传感器网络非均匀事件区域节点部署优化

针对移动传感器网络中热点事件监测场景,研究传感器节点的快速优化部署策略.首先假定事件随机产生,针对事件优先模型及节点感知误差函数推导基于Voronoi剖分时感知误差最小,然后定义节点有效覆盖权值,证明了当所有节点有效覆盖权值一致时,整个网络覆盖效能将达到最大.结合虚拟力及节点有效覆盖权提出一种分布式优化部署算法SDOA(Sparse Deployment Optimization Algorithm),其在保证覆盖能效最大化时保证网络连通性.最后仿真比较了本文提出部署策略能够快速有效实现对热点区域部署,并保证较高的覆盖效能.     

基于积谱矩阵局部二值模式的欺骗干扰识别

针对跟踪雷达的三种常见欺骗干扰,提出了一种基于积谱矩阵( SPM)局部二值模式( LBP)的识别算法。首先,计算雷达接收信号不同脉冲重复周期( PRI )的积谱,并将其按照频域和慢时域排列成一个二维积谱矩阵。然后,将图像处理的纹理特征引入到欺骗干扰识别的算法中,采用局部二值模式提取二维积谱矩阵的灰度图像特征。最后,通过仿真实验验证了算法的正确性,当雷达接收信号的信噪比( SNR)大于5 dB时,该欺骗干扰识别算法的平均识别概率优于90%。     

基于多重稀疏字典的行人检测方法

针对于稀疏编码在行人检测问题中提取的特征维数高和不能够有效描述行人的问题,提出了一种基于多重稀疏字典直方图的特征提取方法。通过稀疏表示方法,预先学习多个不同稀疏度的字典,分别利用每一个字典对行人图像进行稀疏编码,统计每个字典中对应稀疏编码单元的分布直方图作为行人图像的特征描述子。该方法提取到的特征维数低,并且能够有效地描述行人,具有良好的检测性能。