基于奇异值分解的图像质量评价

分析了传统的基于灰度误差的图像质量评价算法的局限,扩展了图像质量评价的定义.考虑原始图像和畸变图像尺寸不一致的情况,提出了用奇异值分解把图像矩阵转为向量,用奇异值向量之间的夹角作为图像的质量评价指标.实验表明:提出的基于奇异值向量夹角的准则对压缩、噪声和旋转、平移、尺度等几何畸变等都具有好的性质;且适于文中扩展的质量评价的定义.最后对实验结果和人类视觉系统的主观评价进行了比较分析.     

一种奇异值与其向量联合评估图像质量的测度

提出一种新的利用奇异值分解来评估全参考图像质量的测度.该测度联合使用奇异向量和奇异值,试图从能量和一种新的结构来评估图像失真.理论分析表明,该测度不仅能评估图像的局部误差,而且能评价图像的全局误差.仿真实验表明,与传统的算法相比,该测度能更有效地评估失真图像,尤其是噪声图像的质量,且与人眼的主观评价更加一致.     

基于奇异值分解自适应图像压缩的优化算法

结合图像质量评价体系,在基于奇异值分解的动态压缩比优化方法的基础之上提出一种新的优化算法.该优化算法可以解决基于奇异值分解的动态压缩比优化方法中不能根据不同图像的特点对每幅图像自适应地进行图像压缩的缺陷,并能根据需求,预先设定压缩图像的质量范围,使压缩图像达到指定的压缩率或清晰度,从而满足指定的要求.经实验证明,该优化算法切实可行,具有较高的实用价值.     

基于低秩矩阵恢复的视频背景建模

针对传统背景建模存在的问题,文中基于低秩矩阵恢复原理,直接从视频序列中分离出前景物体和背景模型.已有低秩矩阵恢复算法的迭代计算过程中涉及大量的奇异值分解,而这些奇异值分解一般非常耗时且不够简洁,文中在非精确增广拉格朗日乘子法中引入线性时间奇异值分解算法,以得到更加有效的背景建模算法.基于实际视频序列实验,结果表明该改进算法具有更好的建模效果和较少的运算时间.     

基于小波高频奇异值分解的无参考模糊图像质量评价

针对传统无参考模糊图像质量评价方法通常需要进行学习训练或构造参考图像再进行质量评价从而导致算法较复杂且计算量大的问题,文中提出一种简捷有效的图像高频奇异值分解的无参考模糊图像质量评价方法。该方法根据自然图像同尺度不同方向高频子带小波系数相关性随模糊程度加深而降低的特性,利用奇异值分解获取图像高频子带结构特征,计算同尺度不同方向高频子带结构特征向量夹角作为质量评价指标。通过LIVE2,CSIQ和TID2013图像数据库实验表明,提出的方法与主观评价具有较好的一致性,而且算法无需训练或构造参考图像,较传统评价算法运行更为简便,实用性更强。     

一类基于SVD的数字水印虚警分析与改进算法

讨论一类基于奇异值分解(SVD)的水印算法的高虚警率问题及其产生原因。分析认为SVD水印算法虚警率高的根本原因是:图像SVD分解的基空间与图像内容相关;奇异值向量与图像之间并不存在一一对应关系,不能刻画图像的几何结构。算法主要缺陷并不是出现在提取算法,而是嵌入算法仅仅植入了水印图像的奇异值向量,没有水印图像在基空间的结构信息。因此,该文提出了一个基于分块SVD和离散余弦变换(DCT)分解的改进算法。该算法通过在版权图像的奇异值向量中嵌入水印图像的DCT系数,克服了经典SVD水印算法的虚警问题,因而稳健性高。实验验证了理论分析和算法的有效性。     

自由飘浮空间机器人笛卡尔避奇异运动规划

为了解决自由飘浮空间机器人笛卡尔运动规划过程中由动力学奇异而导致的关节速度无限大或无法计算的问题,提出了一种基于奇异值分解的高精度避奇异运动规划算法.在传统阻尼最小方差的基础上,利用奇异值分解将阻尼系数从固定量转化为随广义雅可比矩阵动态自适应变化的变量,算法保证了空间机器人通过奇异点时各关节的角速度变化曲线连续且平稳.算例验证了算法的有效性,结果表明该算法在非奇异位置不会引入跟踪误差,相比传统阻尼最小二乘法累计跟踪误差大约降低15%.     

基于SVD的数字水印算法及相似性度量方法的改进

在基于奇异值分解(SVD)算法的基础上,提出了一种基于Strassen矩阵乘法的奇异值分解水印算法;提供了原图像和水印图像的相似性度量方法;给出了该算法与SVD及Block-SVD算法的时间对比分析.实验结果表明:该算法的鲁棒性强,速度快,效率高.     

矩阵广义奇异值分解的一个新证法及推论

从矩阵对的CS分解理论出发,给出了广义奇异值分解的一个新的证明.给出了关于矩阵对广义奇异值的三个有用的推论.最后给出了计算矩阵对的广义奇异值分解的一个算法.数值实例说明算法是可行且有效的.     

基于四元数小波变换和奇异值分解的图像水印

文章提出了基于四元数小波变换(QWT)和奇异值分解(SVD)的数字图像水印算法,该算法对原始载体图像进行四元数小波变换和奇异值分解,对水印图像进行Arnold变换和奇异值分解,并把分解的水印嵌入到分解后的原始载体图像中.结果表明,该算法对高斯噪声、剪切、JPEG压缩及滤波具有较强的鲁棒性.     

基于奇异值分解和形态滤波的图像噪声抑制算法研究

通过对在空域上图像去噪问题进行研究,发现一些经典的算法在保留信号细节部分出现了模糊细节或块状现象。针对此问题提出了一种基于奇异值分解和形态滤波的图像噪声抑制算法。首先利用奇异值分解后截取最优特征值得到预处理后的图形,然后利用基于不同大小的可变结构元素的改进的形态滤波函数从不同角度得到各方位去噪图像,结合自适应最优权系数法加权合成处理得到最后的无噪声图像。算法在抑制噪声的同时更好保护了边缘特征信息。理论分析和实验结果表明算法的有效性。     

基于特征值和奇异值分解方法的盲分离

在基于特征值和奇异值分解的盲分离算法中，采用固定时延相关统计量不能很好反映数据矩阵特征，故提出了一种基于不同时延正定相关矩阵的特征值和奇异值分解的盲分离算法．算法分观测信号的预白化和基于奇异值分解两个阶段，解决混和矩阵在输出信号数目大于等于输入信号数目的情况下，确定未知源信号的个数和分离的问题．仿真实验表明，改进算法能够准确分离出3个源信号，全系统矩阵比传统算法更接近分离要求，从性能指标来看，改进算法在信噪比10dB时，其分离的效果达到了良好．     

基于奇异值分解的多评价结论集结方法

针对综合评价中存在的“多评价结论非一致性”问题,提出了一种基于奇异值分解的多评价结论集结方法.对多个不一致评价结论组成的数值矩阵进行奇异值分解,并通过对定义的一致度与可信度两个性能指标的均衡确定出需保留奇异值的个数,运用奇异值分解的原理求出原评价结论的近似结论矩阵,而近似结论是对原有结论的优化.该方法具有提取多评价结论共性信息、削弱极端评价结论影响及对集结过程进行柔性控制等特点.最后,用一个算例验证了方法的有效性.     

基于奇异值分解的鲁棒零水印算法

针对当今数字水印技术中透明性不好、鲁棒性差、内容完整性差等问题,提出基于小波包分解和奇异值分解相结合的零水印算法,该算法利用小波包对高频信息进一步分解和奇异值分解的稳定性好,健壮性特点和数字水印隐秘性强的优势,和零水印相结合,解决鲁棒性差,内容不完整等的问题.首先,充分了解小波变换的原理,在此基础上对小波包分解和奇异值分解充分研究,然后把载体图像进行置乱、奇异值分解和提取特征矩阵;生成零水印最后,将零水印保存至版权保护中心,在后期认证中用于鉴定版权所有.小波包分解克服了小波变换不能分解低频的缺点,奇异值分解在图像分解过程中具有很好的稳定性从而提高了水印的鲁棒性.零水印不需要把水印信息嵌入载体中,进而保证了内容的完整性,仿真实验表明,零水印算法具有较好综合性能,与同类零水印算法相比,鲁棒性稳步提升,所容纳的数据信息更多,并实现了更方便的认证.     

3D多输入多输出正交频分复用系统中基于奇异值分解的信道估计方法

在3D多输入多输出正交频分复用(MIMO-OFDM)系统模型中,分析了基于导频的信道估计方案.针对线性最小均方误差方法的算法复杂度高的问题,应用奇异值分解(SVD)算法降低信道自相关矩阵的维数,以减小算法的复杂度.仿真结果表明:所提出的基于奇异值分解的信道估计算法,能够在保证误码率(BER)性能的情况下,具有更低的算法复杂度.     

基于小波变换的一种红外图像增强算法

图像增强处理是红外图像预处理的必要和关键环节,但目标物体信号弱造成红外图像的对比度差,外界噪声干扰严重造成图像质量差。基于此,提出了一种基于小波变换与奇异值分解和阈值滤波相结合的增强算法。本文用小波分解将红外图像的高频与低频系数分开,低频域用奇异值分解处理方法来增强对比度和图像质量,高频域用阈值滤波处理来消除噪声突出细节;最后,经过小波逆变换和小波重构得到最终的增强图像。实验结果表明：此方法对比传统的红外增强算法,可以将红外图像的对比度提高,增强红外图像细节,在直观上更符合人的感官感应,是一种有效的红外图像增强方法。     

基于奇异值分解的曲面拟合算法

奇异值分解是一种非常重要的矩阵分解,将其应用到曲面拟合上,给出一种基于奇异值分解的曲面拟合算法,并详细介绍该方法的原理.实验结果表明,采用该算法进行曲面拟合,能得到比较满意的拟合效果.     

矩阵商的双曲奇异值分解及其应用

给出了两个退化的和非退化的双曲奇异值分解定理,并用非退化的双曲奇异值分解提出了无约束和等式约束不定最小二乘问题的新的算法.最后,数值实验的结果表明该新算法是有效的.     

一种主奇异三元组提取的快速神经网络算法（英文）

为了对两路高维数据流的互协方差矩阵进行在线奇异值分解,提出了一种快速稳定的主奇异三元组提取神经网络算法.首先,提出了一个新颖信息准则,并且基于该准则推导出了一个动态系统.然后,基于该动态系统,推导出了一种快速稳定的在线神经网络算法.该算法可以提取两路高维数据流的互协方差矩阵的左右主奇异向量.另外,算法中奇异向量的长度会收敛到一个与相应主奇异值相关的值,因而该主奇异值也可以被估计出来.相比于传统算法,该算法可以提取该矩阵的主奇异三元组而非仅仅是主奇异向量.与已有算法相比,该算法具有较低计算复杂度、较高收敛速度和稳定性.     

基于谱聚类的二分网络社团检测算法

针对二分网络社团检测算法存在精度不高和丢失原始网络信息等问题，设计了一种新的融合奇异值分解的谱聚类(SVD-MS)算法.该方法是将Barber的二分网络模块度最大化问题映射到奇异值向量分解上，并结合启发式算法快速求解向量划分问题.在3个真实世界的网络中对比SVD-MS算法与7种算法的模块度，结果表明，在保留原始网络信息的情况下，SVD-MS算法能更有效地划分二分网络的社团结构.