APP下载

基于稀疏分解和背景差分融合方法的图像处理技术*

2018-07-18王金茹

沈阳工业大学学报 2018年4期
关键词:背景区域融合

王金茹

(沈阳体育学院 管理与新闻传播学院, 沈阳 110102)

随着传感器技术的持续发展,其展示出成像机理多样化、工作波段多元化及功能模块协同化等特征[1].但是单一类型传感器在很大程度上受到成像形式、工作波长区间以及运行环境等条件约束[2],致使摄取的图像在显示场景对象时存在片面性以及表面化等缺点,进而导致其不能完整、可靠稳健地展现拍摄目标的真实情况[3].多光谱图像光谱分辨率很高,然而其空间分辨率却在很大程度上有所降低,而全色图像空间分辨率相对很高,但其光谱分辨率却在很大程度上有所下降[4].单一传感器在低能见度及高噪声等干扰下,其摄取对象的性能有所减弱,不能完整地展现复杂场景细节[5].针对上述算法存在的不足,本文研究设计了基于稀疏分解和背景差分融合的图像处理方法.

1 稀疏分解

对给定数据集进行排序,并构建矩阵D∈Rm×n,同时假定D能够分解成低秩以及稀疏矩阵A与E的累加.通过鲁棒主成分分析[6](RPCA)可以复原矩阵D的低秩结构A和稀疏分量E,其求解模型为

(1)

运用增广拉格朗日乘子法以最大程度地提高迭代速率,完成源图像的分解,建立的拉格朗日函数为

L(X,Y,μ)=f(X)+[Y,h(X)]+

(2)

(3)

交替更新A及E完成求解,即

(4)

如果Ak+1→A,Ek+1→E,则交替更新完成,然后更新Y及μ,直至符合约束条件,更新表达式为

(5)

式中:ρ为常数系数;k为更新次数.

非精确的增广拉格朗日乘子法运用部分奇异值分解[7],能够表现出更好的收敛速度,与此同时,其在重建精度上也呈现出更好的性能,求解其稀疏部分的目标函数为

登录APP查看全文

猜你喜欢

背景区域融合
“新四化”背景下汽车NVH的发展趋势
村企党建联建融合共赢
融合菜
从创新出发,与高考数列相遇、融合
《论持久战》的写作背景
《融合》
晚清外语翻译人才培养的背景
关于四色猜想
分区域
基于严重区域的多PCC点暂降频次估计