基于稀疏表示的人脸图像压缩方法

基于稀疏表示的人脸图像压缩算法首先对人脸图像进行分块,其次利用K-SVD字典学习算法,训练一个图像的冗余字典,最后用OMP算法对其进行稀疏编码,得到压缩的图像.由于OMP算法复杂度较高,为了降低复杂度,提高算法效率,提出了一种基于稀疏表示理论的新的人脸压缩算法.该算法在稀疏编码阶段,用基于块坐标松弛(Block Coordinate Relation)字典学习算法对人脸图像进行稀疏编码,最后用重构算法对压缩数据进行重构.通过实验仿真,与JPEG压缩方法及OMP算法比较,所提方法在同等压缩比下,重构的图像质量有所提高.     

基于稀疏优化字典的图像去噪算法

稀疏表示算法是用过完备字典表示图像信息从而去除图像中的无用信息,达到去噪目的.KSVD字典是过完备字典中的一种,但是KSVD字典过于冗余,导致图像处理过程中冗余无用的图像信息降低算法的效率,为了提高KSVD字典的高效性和稀疏表示算法去噪能力,笔者提出了一种基于稀疏优化字典设计的图像去噪新算法.新算法的去噪步骤为首先运用正交匹配追踪算法求出稀疏系数;其次运用迭代算法用稀疏系数对初始DCT字典进行更新学习,在迭代的过程中逐渐去除噪声,得到去噪后的图像.仿真结果表明:与DCT字典算法、Global字典算法以及原有的KSVD字典算法进行对比,新方法的系数矩阵更加稀疏,去噪效果较好.     

基于冗余字典的一种新的数字图像水印算法

基于图像的超完备字典稀疏表示是一种新的图像表示理论,利用字典的冗余性可以有效地得到图像的几何结构特征,从而实现图像的表示.当前稀疏表示的理论研究主要集中在稀疏分解算法和字典构造算法两方面.基于此稀疏特性,本文提出了一种新的基于冗余字典的数字水印方法.此方法利用图像在超完备字典上的自适应稀疏分解,通过在字典域实现数字水印算法.实验结果证实了本文所提方法的有效性.     

基于在线字典学习的自适应医学图像融合算法

针对医学图像复杂多样的特点,提出一种基于在线字典学习的自适应医学图像融合算法。该算法首先利用在线字典学习理论训练源图像的过完备字典;然后利用正交匹配追踪算法对源图像进行稀疏分解得到稀疏编码,根据源图像之间稀疏编码的能量差异程度和梯度差异程度自适应调整融合准则,若能量差异程度大于梯度差异程度,则根据能量取大准则融合稀疏编码,反之,根据梯度取大准则融合稀疏编码;最后将融合后的稀疏编码与过完备字典进行重构得到融合图像。实验结果表明:与多尺度几何分析、K奇异值分解等图像融合算法比较,该算法融合的图像客观评价指标信息熵、边缘评价因子均有所提高,主观上纹理清晰、对比度高,能够很好地保留源图像的边缘信息。     

基于压缩传感的EMI信号处理

针对目前结构健康监测系统由于采集数据量过大而造成的信号传输与存储效率低下的问题,提出将压缩传感（CS）用于机电阻抗（EMI）信号的压缩,以实现EMI信号的高效传输和储存.文中用匹配追踪(MP)分析EMI信号的稀疏度,并把高斯随机矩阵作为观测矩阵,同时满足了压缩传感所要求的信号的稀疏性和观测矩阵的不相干性.以一维损伤杆的EMI分析为例,把均方差作为损伤指标,讨论压缩传感的压缩效果和抗噪声能力.结果表明,使用压缩传感之后,传输带宽和储存空间只需为原来的28%;在观测为4倍稀疏度情况下,100次试验都能够对不同损伤进行有效识别;当信噪比大于20 dB时,观测值能稳定地重构出原始信号.证实压缩传感作为一种信号处理方法可以应用于EMI系统信号处理.     

基于过完备字典的视频压缩采集算法

针对视频图像具有可压缩性和稀疏性的特点,提出一种基于压缩感知的视频图像压缩采集方法.首先,将视频分为不重叠的时间空间块,以有效利用视频不同区域的不同纹理变化.同时,训练了一个由严格的稀疏法则约束的视频块过完备字典用于视频的重构.在这个框架下,使用K-means分类和K-SVD字典训练理论对随机选择的视频块进行训练.最后,对所提方案的有效性和自适应性进行了仿真测试,实验结果表明,所提方法即使在采样数目低至5%的情况下,也可获得比2D离散余弦变换、3D离散余弦变换、帧间差异、分块等传统压缩感知算法更优的峰值信噪比,较好地重构了原始视频图像.     

基于冗余字典的高光谱图像超分辨率复原算法

为了提高高光谱图像的空间分辨率,将基于冗余字典的信号稀疏表示理论应用到高光谱图像的超分辨率复原领域,提出一种基于冗余字典的高光谱图像超分辨率复原算法.该算法通过训练一组高低分辨率相对应的冗余字典对,使得高低分辨率相对应的像元曲线在基于各自的冗余字典进行稀疏分解时,具有相同的稀疏表示系数.超分辨率复原过程中,将待复原的低分辨率高光谱图像基于低分辨率冗余字典进行稀疏分解,利用所得的稀疏表示系数和对应的高分辨率字典,重建高分辨率的图像.实验结果表明:与基于图像块字典的超分辨率复原算法及传统的双线性插值图像放大方法相比,重建图像的峰值信噪比(peak signal to noise radio,PSNR)得到了显著提高.该算法将高光谱图像沿光谱维方向进行整体稀疏分解,避免了传统算法逐波段进行超分辨率复原带来的波段间的光谱失真问题,显著降低了算法的运算量.     

基于压缩传感的混沌二相码雷达成像

压缩传感系统利用信号稀疏表示的先验知识,能从少量的观测值中重构原始信号。由于混沌相位编码信号是一种伪随机码,其越来越多地应用在雷达领域。本文将压缩传感理论应用到混沌二相码雷达系统中,将成像问题转化为字典选择问题来处理,对接收的回波进行线性投影来降低采样频率,通过最小化光滑0范数重构成像。实验结果表明,本文方法在有效降低采样频率的基础上,获得了较高质量的成像效果,并且对噪声具有一定的自适应性。     

基于稀疏表示与矩阵填充的多帧超分辨率图像重建

针对现有算法在通用图像分辨率要求较高时重建效果不稳定的问题,提出一种基于稀疏表示与矩阵填充的多帧超分辨率图像重建算法.对自然图像库进行训练建立过完备词典对,并将低分辨率图像分成若干图像块,根据局部先验约束建立稀疏表示模型,通过线性规划的方法求得过完备词典对下图像块的稀疏系数;利用多帧图像序列的相似性,采用非精确增广拉格朗日乘子法对全局约束构建的观测矩阵进行矩阵填充和矩阵恢复,最终获得高分辨率图像.实验结果表明,与其他主流算法相比,重建后的图像保留了更丰富的图像边缘与细节信息,不会过于平滑而导致图像模糊,并且不易受过完备词典选择范围的影响,具有较好的稳定性和更高的峰值信噪比,可应用于遥感图像超分辨率重建等图像应用领域.     

一种改进的K-SVD字典学习算法

提出了一种ALM-KSVD字典学习算法,通过稀疏编码和字典更新两步迭代学习得到训练样本的字典.为了提高字典训练速度与性能,在稀疏编码引入增广拉格朗日乘子法(ALM,Augmented Lagrange Multipliers)求解,更新字典则使用经典K-SVD的字典更新算法.为考察算法的字典训练速度和平均表示误差(RMSE),选取了不同样本数和噪声标准进行数据合成实验,结果表明本文算法比经典的K-SVD算法字典训练速度快、RMSE低.进一步考察算法的图像去噪能力,选取不同的输入图像噪声标准和字典原子数进行仿真,实验结果表明本文算法比经典的K-SVD算法获得更高的峰值信噪比(PSNR),具有良好的去噪性能.     

结合自适应字典学习的稀疏贝叶斯重构

贝叶斯压缩感知是一种基于统计分析的压缩感知算法,具有很好的鲁棒性,能够充分利用信息间的相关性,它的重构依赖于图像的稀疏性表达.针对贝叶斯压缩感知的深层次稀疏化问题,笔者结合自适应字典学习思想,提出一种冗余自适应字典表示的稀疏贝叶斯学习算法.该算法对图像进行局部分块,从待重建图像的迭代中间图像分块中学习字典,并以该字典作为图像的稀疏变换基,通过稀疏贝叶斯学习算法获得稀疏解.实验结果表明,基于自适应字典的贝叶斯学习算法能提高稀疏化,明显改善图像的重构质量.     

面向压缩感知的基于相关性字典学习算法

压缩感知理论作为一种新兴技术,能够降低传感节点的能量消耗,推动基于可穿戴设备的远程健康监护系统的发展。其中,字典学习算法获得的过完备字典应用于压缩感知重构时能获得较高的重构精度,因此备受关注。传统字典学习算法通常未考虑到信号内部隐含的相关,不能充分地捕捉到信号特征,当应用到压缩感知重构时不能精确地重构信号。该文充分利用生理信号隐含的相关性的结构特征,提出一种基于相关性的加权最小二乘字典学习算法,克服了传统字典学习算法应用到压缩感知重构信号时精度差的缺陷。实验结果表明,该算法能够充分地捕捉信号特征,提高应用于压缩感知重构恢复领域的信噪比,使得压缩后的信号能被精确地重构恢复出来。     

一种基于稀疏字典和残余字典的遥感图像超分辨重建算法

为了解决低分辨率遥感图像超分辨率重建问题,提出一种基于稀疏字典和结构自相似性的遥感图像超分辨方法.首先,引入了稀疏字典学习方法,改善了字典的结构性,得到的字典具有较好的正则性与灵活性.此外,为了更好地重建高分辨率图像,学习初始稀疏字典对和残余稀疏字典对.初始稀疏字典对用于重建初始高分辨率遥感图像;初始高分辨率遥感图像相对于原始高分辨率图像失去了部分细节信息,用残余稀疏字典对对图像的残留信息进行重建.最后,根据遥感图像存在大量的结构相似性特性,利用非局部均值算法对重建图像进行修正.实验结果表明,本算法与其他算法相比,图像质量在主观和客观方面都有所提高,峰值信噪(PSNR)比达到24.690 5,SSIM达到0.736 3.     

基于字典学习与等效视数的低剂量 CT伪影抑制算法

针对低剂量CT图像出现条形伪影的现象,提出了一种基于字典学习与等效视数(ENL)的伪影抑制算法.该方法首先利用平稳小波变换(SWT)对低剂量CT图像进行单层分解,并对高频图像训练字典,然后利用等效视数(ENL)对字典进行分区得到伪影字典和特征字典,并只对特征原子进行稀疏编码,经小波逆变换(ISWT)后得到处理的CT图像;然后,采用双边滤波器对处理后的CT图像进行分解并训练高频字典,通过判断等效视数(ENL)来摒弃伪影字典,从而去除高频图像残留的伪影和噪声,达到抑制条形伪影的目的.实验结果表明,与总变分降噪算法、K-奇异值分解(K-SVD)算法和三维块匹配滤波(BM3D)算法对比,该算法在抑制条形伪影的同时保留了更多的边缘和细节信息,并具有较高的结构相似性和峰值信噪比.     

高速模拟信号压缩采样实现

压缩传感理论能够有效地降低信号的采样频率,实现对稀疏信号的压缩采样。该文在信号延时多通道采样技术的基础上,提出了一种基于压缩传感理论的模拟信号采样实现方法,根据该采样模型构造了压缩传感测量矩阵。该采样模型能够以低于信号Nyquist频率的采样率对频域稀疏信号进行采样,通过最优化算法准确重构原始信号。仿真结果表明,基于压缩传感理论的模拟信号采样模型能够对频域稀疏信号进行压缩采样,该方法具有可行性。     

声矢量阵DOA估计的稀疏分解理论研究

针对低信噪比、小快拍数条件下的DOA估计问题,根据水下目标方位角在角度空间的稀疏性,将稀疏分解和压缩传感理论应用于声矢量阵的DOA估计中.建立了相应的DOA估计模型,构造出基于阵列流型形式的过完备原子库,然后采用正交匹配追踪算法实现目标的DOA估计.数值仿真表明,基于稀疏分解的声矢量阵DOA估计算法稳定性好,估计结果精确,信噪比小于10 dB时优于MVDR、MUSIC等算法,并且可以直接用于相干信号的处理.对于单快拍数据的估计性能良好,适用于运动目标的DOA估计.基于压缩传感理论,通过对阵列接收数据和过完备原子库的维数压缩,可有效降低稀疏分解算法的计算成本.     

压缩传感及其在稀疏信道估计中的应用

压缩传感是一种全新的数据采集、处理方式,它能够从极少数的观测样本中准确的恢复出原始数据.这个特点使其能够很好的应用在具有稀疏特性的通信环境下.对压缩传感及其在稀疏信道估计中的应用进行研究,总结了应用压缩传感进行信号采集、处理的一般方法.在系统阐述压缩传感理论之后,以具有稀疏性的超宽带通信信道和OFDM水声通信信道为例,...     

基于压缩感知的滚动轴承振动信号压缩方法

压缩感知是一种基于信号稀疏性的信号采集与处理框架,能够在信号采集的同时对信号进行压缩.本文提出一种基于压缩感知的滚动轴承振动信号压缩方法,在信号的变换域内,使用幅值百分比作为阈值对变换系数进行稀疏处理,采用高斯随机矩阵对信号进行降维观测,实现数据的压缩.通过研究稀疏处理对信号压缩比和逼近误差的影响,分析阈值选择与信号稀疏比和逼近误差的关系,分析不同变换基对稀疏处理的影响.实验数据分析表明,相对于未经过稀疏处理的信号来说,该方法能有效地提高信号的压缩效果,且保持较好的逼近误差.     

M集在分形图像压缩编码中的应用

目的构造一个固定的压缩字典,改变传统的一幅图像对应一个压缩字典的分形图像压缩方法,解决Mandelbrot图像在分形图像压缩算法中的应用问题.方法采用函数f(z),改变参数z,生成不同的曲线,用灰度值量化规则进行量化,得到许多幅图像块,可以构成丰富的压缩字典,编码时将父块进行自适应合并分割,与压缩字典中的图像块进行匹配,选出满足条件的图像块,再对该图像块进行编码;解码时读取压缩字典,重建图像.结果该算法编码过程中生成丰富的压缩字典,所以解码图像质量高,并且比传统分形图像压缩算法压缩比高,解码速度快.结论该算法减少了搜索时间.实验证明本算法实现简单、可行,具有良好的压缩效果和高质量的重建图像.     

改进的Beta过程因子分析图像修复算法

图像修复是利用图像已知信息对图像破损区域进行填充修复的过程,而非参贝叶斯技术在图像稀疏表示中被认为是一种有效的字典学习方法,作为一种有效的非参贝叶斯算法,基于Beta过程因子分析算法(BPFA)在去噪、修复以及压缩感知方面有很广泛的应用.然而现有的BPFA算法在对含噪的破损图像修复时收敛速度慢,针对这个问题本文在BFPA算法更新字典时与K-SVD算法相结合,提出一种基改进的BPFA学习算法,改进算法利用K-SVD算法简单收敛速度快的特点,在原有算法更新参数时,利用OMP稀疏编码更新字典候选集以达到提高算法的收敛速度的效果.得到的结果表明本文算法能够更好地修复含噪破损图像获得较好的视觉效果.