RPCA方法的图像去噪算法。该程序为精确拉格朗日乘子法。去噪的话直接调用程序就好。也可以不用分块、聚合。

本文从基于数据驱动的故障诊断方法出发，主要研究了动态主元分析(DPCA)算 法离线和在线的自适应故障诊断过程，本文的主要工作和贡献如下： (1)阐述了故障诊断的研究现状，并从定性分析和定量分析角度研究了故障诊断 方法的分类，其中着重研究了DPCA算法理论及其发展过程。详细总结分析了工业过程 数据动态性(数据的自相关性)产生的原因及其影响； (2) 研究了多维小波去噪算法和自适应主元分析算法，包括递推主元分析 (RPCA))算法、滑动窗主元分析(MWPCA)算法和指数加权主元分析(EW

复杂环境中的目标检测受到很多因素的影响,传统的鲁棒主成分分析(RPCA)无法从受干扰的数据中获得最低秩表示,为此,提出了一种融合l1-全变分(TV)正则化约束RPCA模型的视频去噪和目标检测算法。以RPCA为基础,在低秩稀疏分解框架下,使用核范数的低秩性对背景进行建模,利用三维TV正则化结合l1正则化对前景目标的稀疏性和空间连续性进行约束,再结合l2范数正则化约束噪声部分,从而弥补现有RPCA模型的不足。采用交替迭代的思想,利用增广拉格朗日乘子法对目标函数进行优化求解,实现了复杂环境下的去噪和目