【摘 要】
：
文章基于加权鲁棒主成分分析(WRPCA)模型与广义鲁棒主成分分析(GRPCA)模型,构建了广义加权鲁棒主成分分析(GWRPCA)模型,增加了模型的鲁棒性,并运用随机排序的交替方向算法对新模型进行求解.数值实验结果显示,新的模型GWRPCA对混合噪声污染的图片不仅能够有效的分离出低秩部分,稀疏大噪声部分和稠密小噪声部分,而且GWRPCA的图像去噪效果更佳.客观标准上GWRPCA的PSNR值与ERR值
论文部分内容阅读
文章基于加权鲁棒主成分分析(WRPCA)模型与广义鲁棒主成分分析(GRPCA)模型,构建了广义加权鲁棒主成分分析(GWRPCA)模型,增加了模型的鲁棒性,并运用随机排序的交替方向算法对新模型进行求解.数值实验结果显示,新的模型GWRPCA对混合噪声污染的图片不仅能够有效的分离出低秩部分,稀疏大噪声部分和稠密小噪声部分,而且GWRPCA的图像去噪效果更佳.客观标准上GWRPCA的PSNR值与ERR值也优于WRPCA与GRPCA模型.
其他文献
智能找矿预测是数字地质科学的前沿领域。本文基于一种二维卷积神经网络的智能找矿预测方法，以25种元素的水系沉积物数据和航磁数据为找矿预测数据，将已知的矿点作为监督样本，利用步长平移数据增强方法获取了训练数据集，对卷积神经网络进行训练后，将其应用于未知区域的找矿预测。应用该方法对甘肃省龙首山西段高台县臭泥墩—西小口子地区进行了铜矿智能找矿预测，根据已知的3个铜矿点，获取了22 934个训练数据，经过2
植物枝干光合(P_g)固定其自身呼吸所释放的CO_2,有效减少植物向大气的CO_2排放量。本研究以古尔班通古特沙漠优势木本植物白梭梭(Haloxylon persicum)为研究对象,利用LI-COR 6400便携式光合仪与特制光合叶室(P-Chamber)相结合,观测白梭梭叶片、不同径级枝干的光响应及光合日变化特征;同时监测环境因子(大气温湿度、光合有效辐射、土壤温度及含水量等)与叶片/枝干性状
台湾是我国通往西太平洋的重要门户，战略地位突出。海峡两岸同根同源，发展两岸关系、推进祖国统一是实现中华民族伟大复兴的必然要求。从政治互动、经贸往来和文旅交流3个维度构建两岸关系综合评价指标体系，利用事件数据分析法和熵值法，对2000-2018年的两岸关系进行定量化指标测度、演化阶段划分以及影响因素分析，进而对两岸关系的良性发展提出展望与建议。结果表明：①21世纪以来，两岸关系经历了低谷波动期（20
生态空间(林地、灌木、草地、水体)所产生的生态系统服务极大的改善了人类的生存环境,在城市绿地破碎化日益严重、绿地质量逐渐降低、乡土植物逐渐减少、入侵风险逐渐加剧等生态背景下,如何维持稳定而持续增长的城市生态系统服务供给,一直困扰着当下从事城市生态学领域研究的学者和城市管理者。植被群落作为城市绿地系统的基本组成单元,在绿地破碎化趋势下,可作为研究内容来探讨城市生态系统服务维持或提升策略;植被群落泛指
降水变化对高寒草甸生态系统产生了显著影响,植物叶片性状特别是叶脉特征对降水变化非常敏感,然而高寒植物叶片性状特征如何响应降水变化还知之较少。本研究采用集雨棚模拟增减50%降水的条件,以高寒草甸8种主要植物叶片为研究对象,研究了降水变化对叶片的叶脉率、叶脉密度、叶片大小、比叶质量、叶片总有机碳含量、叶片全氮含量、叶片碳同位素相对含量和碳氮比等叶片性状的影响。发现增水显著增加了植物的叶片大小、稳定碳同
在根际微环境中,特定的土壤微生物能够利用自身独特的趋化系统感应根系分泌物,响应植物的选择性招募。细菌的趋化系统介导了植物-微生物以及微生物间相互作用,在植物对根际微生物组的选择中发挥着关键的生态学功能。综述了根际微生物组中细菌趋化系统的研究进展,从生态学的角度提出了未来针对根际细菌趋化系统的研究方向,旨在阐明根际细菌趋化系统的生态学功能,为增进理解作物根际微生物组的募集过程,以及未来农业中根际微生
采用2018年6月—2020年6月间ZD8MI地电阻率多极距观测系统在四0四台的观测数据,分析各测道的年变化特征,发现随着观测极距的不同各测道年变特征也不同;通过不同极距实验观测和年变化模拟分析表明,浅层电阻率的变化相对较大,而深层的变化相对较小,四0四台的年变化是由浅层介质电阻率随温度的季节性变化引起的,不同测道的年变形态受浅层不同深度介质电阻率的变化出现相位差异.因此利用多极距观测系统进行不同
采用凋落物分解袋埋藏法,将采集的红松(Pinus koraiensis)、紫椴(Tilia amurensis)和色木槭(Acer mono)凋落叶按自然比例混合装入袋中,于2019年7月将其埋入云冷杉红松林中不同腐烂等级(Ⅱ、Ⅲ、Ⅳ级)的掘根倒木(UT)及其形成的坑底(PB)与丘面(MF)以及对照(包括林隙(FG)和林分(IS))等11种微立地下。8—10月每月从每种微立地取回3袋,处理后测定凋
基于深度学习的目标检测是计算机视觉领域的研究热点，目前主流的检测模型大多通过增加网络深度和宽度以获得更好的检测效果，但容易导致参数量增加、检测速率降低的问题。为兼顾检测精度与速度，借鉴Ghost卷积和分组卷积的轻量化思想，提出了一种高效的轻量级卷积模型(LGC)，以采用更少的参数获得更多的特征图。在该卷积模型的基础上引入反残差结构重新设计了CSPDarknet53，生成了一种基于LGC的反残差特征
星载一维综合孔径微波辐射计（1D-ASMR）利用天线阵代替传统辐射计的大天线，具有高空间分辨率和多入射角观测特点，是未来海温遥感的重要载荷。为评估1D-ASMR亮温测量误差EM_(b)对海温反演精度的影响以及为卫星系统的设计提供依据，文中构建了1D-ASMR亮温仿真模型，采用多元线性回归算法（Multiple Linear Regression，MLR），定量研究了1D-ASMR海面温度反演误差随