基于投影多元奇异谱分析的压敏漆数据时间序列图像去噪
图像与视频处理
2022-11-14 v4 机器学习
流体动力学
摘要
时间序列数据，如非定常压敏漆（PSP）测量数据，可能含有大量随机噪声。因此，在本研究中，我们探究了一种将多元奇异谱分析（MSSA）与低维数据表示相结合的降噪方法。MSSA 是一种利用时间延迟嵌入的态空间重构技术，低维表示通过将数据投影到奇异值分解（SVD）基上实现。所提方法对非定常 PSP 数据（即投影 MSSA）的降噪性能，与最常用的降噪方法之一的截断 SVD 方法进行了比较。结果表明，投影 MSSA 在降低随机噪声方面优于截断 SVD 方法。此外，与截断 SVD 方法不同，投影 MSSA 的性能对截断秩较不敏感。而且，投影 MSSA 通过从含噪输入数据中提取态空间中的平滑轨迹有效实现去噪。可以预期，投影 MSSA 不仅对非定常 PSP 测量数据，也对各种高维时间序列数据降低随机噪声有效。
引用
@article{arxiv.2203.07574,
title = {Time-series image denoising of pressure-sensitive paint data by projected multivariate singular spectrum analysis},
author = {Yuya Ohmichi and Kohmi Takahashi and Kazuyuki Nakakita},
journal= {arXiv preprint arXiv:2203.07574},
year = {2022}
}