一种基于双向稀疏子空间的数据噪声抑制方法技术

本发明专利技术提出了一种基于双向稀疏子空间的噪声抑制方法，以解决数据受到环境等因素影响发生变化并混入噪声问题，包括步骤：对于高维含噪数据矩阵X，将数据矩阵X分解为两个低秩矩阵的乘积，即X＝UV+E，其中E是噪声表示矩阵，V是数据低维表示，并进一步将低维表示V分解为纯净行稀疏矩阵P与纯净列稀疏矩阵Q之和，即X＝U(P+Q)+E；构建基于子空间的噪声抑制模型；对噪声抑制模型的目标函数进行求解，得到去噪后的数据。本发明专利技术通过设计低维子空间表示的双向稀疏策略，实现列稀疏噪声表示和行稀疏数据表示，提升了数据特征的信噪比和质量。提升了数据特征的信噪比和质量。提升了数据特征的信噪比和质量。

【技术实现步骤摘要】
一种基于双向稀疏子空间的数据噪声抑制方法


[0001]本专利技术属于图像去噪
，具体涉及一种基于双向稀疏子空间的数据噪声抑制方法。

技术介绍

[0002]图像是存储信息的重要方式。计算机兴起前，通常使用人工分析的方式来探知信息，而如今人们可以通过图像处理和识别等技术来实现这一过程，进一步应用于军事刑侦、生物医学、机器视觉等领域。然而，图像在生成和传输过程中往往会受到外部环境、拍摄设备、信道传输等因素的影响，在其干扰作用下产生噪声，使得图像模糊，进而影响后续的分析。因此，为了改善图像质量，必须对其进行噪声抑制。
[0003]噪声类型多种多样，常见噪声有高斯白噪声、椒盐噪声和斑点噪声等。高斯噪声是一种典型的统计性噪声，概率密度分布等于正态分布；椒盐噪声为典型的脉冲噪声盐粒噪声和胡椒噪声随机混合叠加产生，椒盐噪声也称作随机丢弃噪声，因为它会依概率随机丢弃一些原始的像素值，主要来源于成像系统的感知单元的故障；斑点噪声固有地存在于图像中，并且使图像退化，斑点噪声可以通过乘以一张图像上不同的随机像素值来产生，是光学成像和数字全息摄影上常见的问本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于双向稀疏子空间的数据噪声抑制方法，其特征在于，所述方法包括如下步骤：S1.对于高维含噪数据矩阵X∈R
d
×
n
，将数据矩阵X分解为两个低秩矩阵的乘积，即X＝UV+E，其中E是噪声表示矩阵，U∈R
d
×
r
为数据低维表示子空间的基矩阵，V是数据低维表示，并进一步将低维表示V分解为纯净行稀疏矩阵P与纯净列稀疏矩阵Q之和，即X＝U(P+Q)+E；S2.构建基于子空间的噪声抑制模型，所述噪声抑制模型的目标函数表示为：其中，P∈R
r
×
n
，Q∈R
r
×
n
，r为子空间表示特征的维度，|| ||
F
表示矩阵的F范数，λ和γ为模型的非负超参数，I为单位矩阵，和ψ(Q)分别为关于P和Q的正则项：其中，参数p∈(0,1)为稀疏系数；S3.对目标函数进行求解，得到去噪后的数据。2.根据权利要求1所述的基于双向稀疏子空间的数据噪声抑制方法，其特征在于，所述目标函数中，利用纯净行稀疏矩阵P与纯净列稀疏矩阵Q的相似性，取λ＝γ。3.根据权利要求1所述的基于双向稀疏子空间的数据噪声抑制方法，其特征在于，所述步骤S3中，采用交替迭代法求解目标函数，实现模型的快速训练与优化。4.根据权利要求3所述的基于双向稀疏子空间的数据噪声抑制方法，其特征在于，在求解P与Q时运用超松弛技术，具体来说，用l
2,p
行稀疏范数约束纯净表示来消除冗余特征，获得良好的低维...

【专利技术属性】
技术研发人员：罗廷金，刘玥瑛，范瑞东，侯臣平，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：