稀疏域海杂波抑制与微动目标检测方法

针对海上微动目标回波信号具有稀疏性的特点,该文研究了稀疏域微动特征提取和检测方法,提出一种基于形态成分分析(MCA)的海杂波抑制与微动目标检测方法.该方法充分利用海杂波和微多普勒信号组成成分的形态差异性,对不同源信号采用不同的字典进行稀疏表示,区分海杂波与微动目标.此外,提出的稀疏域海杂波抑制方法,能够在抑制海杂波的同时积累更多的信号能量,改善信杂比.仿真和实测数据验证了算法的正确性.     

基于模拟退火的信号稀疏分解研究

信号稀疏分解广泛应用于图像和信号处理领域,特别是在教据压缩和数据存储、特征提取领域应用广泛.但信号稀疏分解本身是典型的NP困难问题,要成功的进行信号稀疏分解是十分困难的.文中利用模拟退火算法来快速寻找Matching Pursuit(MP)过程每一步的最优原子,提出了一种基于模拟退火的信号稀疏分解算法.仿真结果表明该算法能有效和快速地进行信号稀疏分解.     

基于自适应过完备稀疏表示的红外图像滤波方法

针对传统滤波算法在滤除红外图像噪声时会损失部分有用信息的问题,提出一种基于自适应过完备稀疏表示的红外图像滤波方法。该方法采用K-SVD算法以待滤波的红外图像为样本训练出自适应过完备原子库;采用正交匹配跟踪算法将红外图像信号在该过完备原子库上稀疏分解为稀疏成分和其他成分,稀疏成分对应红外图像中的有用信息,其他成分对应红外图像中的噪声,由稀疏成分重建图像,从而达到消除噪声的目的。实验结果表明:该方法相比传统方法具有更好的滤波效果,重建图像质量较高。     

利用遗传算法实现基于MP的跳频信号稀疏分解

在目前的通信领域中,跳频信号的应用越来越广泛,而信号的稀疏表示在信号处理的许多方面都有着重要的应用.将跳频信号稀疏分解后得到的稀疏表示可以方便的应用到跳频信号的参数估计及后续处理中去.本文针对目前基于MP (Matching pursuit)的跳频信号稀疏分解中运算量巨大的问题,采用遗传算法(GA)快速地寻找MP算法中每一步分解的最佳原子,提高了信号稀疏分解的速度.仿真分析验证了此方法的有效性和适用性.     

结合潜在低秩分解和稀疏表示的脑部图像融合

针对低秩分解和稀疏表示(space representation,SR) 造成融合图像信息缺失的问题,提出一种结合潜在低秩分解和SR的脑部图像融合算法。首先,将源图像分解为低秩、稀疏和噪声3种成分,面对不同分解成分特性间的差异,分别构造低秩字典和稀疏字典进行描述:采用加权灰度值的方法处理低秩成分,以保持其轮廓和亮度特征;对于稀疏成分,设计一种多范数加权度量的方法对SR进行改进,以保持其高维信息,剔除噪声成分。比对当前主流的5种算法,在视觉效果和客观指标上,本文方法效果最优。     

基于多特征联合稀疏表示的人脸识别方法

针对人脸识别问题,提出一种基于多特征联合稀疏表示的方法。首先,分别采用主成分分析(PCA)、核主成分分析(KPCA)和非负矩阵分解(NMF)提取人脸图像的特征矢量。三种特征从线性、非线性以及非负表示三种层面描述了人脸图像的特征。在分类阶段,采用联合稀疏表示对三种特征进行综合决策,考察它们的内在关联。最后,基于三种特征的整体重构误差判定测试样本的类别。实验中,基于AR和Yale-B人脸数据库对提出方法进行性能测试。结果表明文中方法的有效性。     

基于多尺度自适应稀疏字典的小弱目标检测方法

针对单尺度固定函数的滤波器难以有效剔除杂波和提高小弱目标检测性能的不足,文中研究建立多尺度自适应稀疏字典,提出了一种多尺度自适应形态稀疏字典检测小弱目标方法。首先根据图像信号内容建立多尺度自适应形态稀疏字典,并将图像信号在多尺度稀疏字典中进行稀疏分解;然后在分析小原子稀疏表示系数的基础上建立稀疏表示系数直方图,并利用指数函数拟合小尺度原子的稀疏表示系数直方图;最后,根据指数函数拟合参数在杂波、噪声和目标表现出的差异检测小弱目标。该多尺度稀疏字典利用大尺度原子描述图像背景杂波,小尺度原子捕获图像细小特征。实验结果表明,与小波算法和Contourlet 算法相比,文中方法能更为有效地抑制背景杂波,减少背景残留,从而提高小弱目标检测性能。     

基于压缩感知的欠定图像盲源分离研究

系统阐述了利用稀疏成分分析(Sparse Component Analysis,SCA)算法进行欠定图像盲源分离。首先在估计出源图像个数的基础上,利用线性聚类估计混合矩阵;其次将压缩感知(Compressed Sensing,CS)应用到恢复源图像中。为了得到自适应的过完备稀疏字典来提高分离效果,提出了利用K均值奇异值分解(K-means Singular Value Decomposition,K-SVD)算法对过完备DCT字典循环迭代训练的思想,并对图像分块处理来减少计算复杂度;最后进行了仿真测试并对分离出的图像进行了分析和进一步处理。     

快速自适应二维经验模态分解在SAR目标识别中的应用研究

针对合成孔径雷达(SAR)图像目标识别问题,提出基于快速自适应二维经验模态分解(FABEMD)的方法.FABEMD可实现对SAR图像的快速分解,获得描述目标低频至高频信息的多层次固态模函数(BIMF).基于结构相似性指标剔除多层次BIMF中的噪声成分,保留高鉴别力部分.分类阶段采用联合稀疏表示对保留的BIMF进行表征分类.基于MSTAR数据集对所提方法进行测试,结果验证了其性能优势.     

图像稀疏表示及其在图像处理中的应用

作为图像的一种高效表示方法,近年来,图像稀疏表示技术得到了广泛深入研究,目前已被广泛应用于图像处理领域。在分析图像稀疏表示模型的基础上,针对稀疏表示模型的两个核心问题稀疏分解与字典构造进行了详细讨论,综述了目前典型的稀疏分解方法与字典构造方法。在此基础上,对稀疏表示在图像去噪、图像修复、人脸识别及压缩感知等图像处理领域中的应用进行了总结。最后,讨论了目前图像稀疏表示研究中存在的问题,并指出了进一步的研究方向。     

Oscillatory-Plus-Transient Signal Decomposition Using TQWT and MCA

This paper describes a method for decomposing a signal into the sum of an oscillatory component and a transient component. The process uses the tunable Q-factor wavelet transform (TQWT): The oscillatory component is modeled as a signal that can be sparsely denoted by high Q-factor TQWT; similarly, the transient component is modeled as a piecewise smooth signal that can be sparsely denoted using low Q-factor TQWT. Since the low and high Q-factor TQWT has low coherence, the morphological component analysis (MCA) can effectively decompose the signal into oscillatory and transient components. The corresponding optimization problem of MCA is resolved by the split augmented Lagrangian shrinkage algorithm (SALSA). The applications of the proposed method to speech, electroencephalo-graph (EEG), and electrocardiograph (ECG) signals are included.     

Self-learning-based post-processing for image/video deblocking via sparse representation

Blocking artifact, characterized by visually noticeable changes in pixel values along block boundaries, is a common problem in block-based image/video compression, especially at low bitrate coding. Various post-processing techniques have been proposed to reduce blocking artifacts, but they usually introduce excessive blurring or ringing effects. This paper proposes a self-learning-based post-processing framework for image/video deblocking by properly formulating deblocking as an MCA (morphological component analysis)-based image decomposition problem via sparse representation. Without the need of any prior knowledge (e.g., the positions where blocking artifacts occur, the algorithm used for compression, or the characteristics of image to be processed) about the blocking artifacts to be removed, the proposed framework can automatically learn two dictionaries for decomposing an input decoded image into its “blocking component” and “non-blocking component.” More specifically, the proposed method first decomposes a frame into the low-frequency and high-frequency parts by applying BM3D (block-matching and 3D filtering) algorithm. The high-frequency part is then decomposed into a blocking component and a non-blocking component by performing dictionary learning and sparse coding based on MCA. As a result, the blocking component can be removed from the image/video frame successfully while preserving most original visual details. Experimental results demonstrate the efficacy of the proposed algorithm.     

一种基于独立分量分析的图像融合方法

独立分量分析是一种基于高阶统计量的信号分析方法,近年来在图像处理和信号处理领域发挥着越来越重要的作用,因此也逐渐得到了人们广泛的关注和研究。本文提出了一种基于独立分量分析的图像融合方法。文中首先介绍了3种常用的图像融合方法：加权平均法、主成分分析法和小波变换法;然后在ICA模型的基础上提出了基于独立分量分析的图像融合方法;最后通过实验验证了该算法的有效性。     

MCA: A Multichannel Approach to SAR Autofocus

We present a new noniterative approach to synthetic aperture radar (SAR) autofocus, termed the multichannel autofocus (MCA) algorithm. The key in the approach is to exploit the multichannel redundancy of the defocusing operation to create a linear subspace, where the unknown perfectly focused image resides, expressed in terms of a known basis formed from the given defocused image. A unique solution for the perfectly focused image is then directly determined through a linear algebraic formulation by invoking an additional image support condition. The MCA approach is found to be computationally efficient and robust and does not require prior assumptions about the SAR scene used in existing methods. In addition, the vector-space formulation of MCA allows sharpness metric optimization to be easily incorporated within the restoration framework as a regularization term. We present experimental results characterizing the performance of MCA in comparison with conventional autofocus methods and discuss the practical implementation of the technique.      

基于多普勒域多通道的机载合成孔径雷达自聚焦算法

在多通道自聚焦(MCA)和傅里叶域多通道自聚焦(FMCA)的基础上,该文提出一种基于多普勒域多通道的机载合成孔径雷达自聚焦算法。该算法同样是直接在线性代数的理论框架下推导得到,能够在不迭代的情况下进行相位误差的估计和补偿以实现SAR图像的聚焦。该算法不像MCA和FMCA那样在图像域估计相位误差,而是在距离压缩方位多普勒域(方位未压缩)里进行相位误差估计。同时该算法不需要SAR成像场景中含有低散射区的假设,从而使其能够应用于条带模式SAR。不同情况下条带SAR数据的处理结果验证了该算法的有效性和可行性。     

基于ARM的防疲劳驾驶检测系统

基于ARM的防疲劳驾驶检测系统,采用USB摄像头采集驾驶员的面部图像并将图像转换为数字信号传给ARM处理器。采集的面部图像通过模板匹配算法用特定的眼部分类器进行计算,与眼部分类器配比,在指定的矩形区域中提取出眼部图像,计算眼部图像的灰度直方图。通过对驾驶员的眼部闭合状态的实时分析可以获得PERCLOS参数,从而判断驾驶员的驾驶疲劳状态。经实验测试证明该方法准确性高,能在多种情况下检测驾驶员是否处于驾驶疲劳状态。     

相参处理间隔较短条件下基于稀疏重构及形态成分分析的航管雷达风电场杂波抑制

近些年来,世界各国越来越重视风力发电的发展。风电场的存在可能对航管监视雷达性能产生负面影响,因此风电场杂波抑制技术的研究对于提升航管监视雷达工作性能、保障空中交通安全具有重大意义。形态成分分析(MCA)算法根据信号稀疏特征的不同应用于风电场杂波抑制时,计算量较低且性能较好。但是针对实际雷达参数中相参处理间隔(CPI)较短造成的谱分辨率降低及信号特征不明显时,MCA算法的杂波抑制性能受到影响,因此选择将稀疏重构算法与MCA算法结合用于短CPI情况下的风电场杂波抑制。该文认为短CPI接收回波数据为较长CPI雷达回波数据基础上发生尾部数据缺省,继而利用稀疏重构算法对缺省数据进行恢复,再利用MCA算法抑制风电场杂波。实验结果验证了该方法的有效性。     

Synthetic aperture radar autofocus based on a bilinear model

Autofocus algorithms are used to restore images in nonideal synthetic aperture radar imaging systems. In this paper, we propose a bilinear parametric model for the unknown image and the nuisance phase parameters and derive an efficient maximum-likelihood autofocus (MLA) algorithm. In the special case of a simple image model and a narrow range of look angles, MLA coincides with the successful multichannel autofocus (MCA). MLA can be interpreted as a generalization of MCA to a larger class of models with a larger range of look angles. We analyze its advantages over previous extensions of MCA in terms of identifiability conditions and noise sensitivity. As a byproduct, we also propose numerical approximations to the difficult constant modulus quadratic program that lies at the core of these algorithms. We demonstrate the superior performance of our proposed methods using computer simulations in both the correct and mismatched system models. MLA performs better than other methods, both in terms of the mean squared error and visual quality of the restored image.     

基于特征点的图像配准子系统的研究与实现

本文针对图像配准,提出了一种能够应用硬件加速器实现的图像匹配处理算法,同时推出了相应的硬件架构。本算法基于图像的特征点的提取与特征点邻域的频谱匹配。同时,本算法可以用硬件逻辑单元实现,算法实现系统不需要加入数字信号处理器(Digital Signal Processor,DSP)或除法器。由软件仿真结果证明,本算法在匹配一定图像变换范围内的多幅图像时效果较好。在硬件设计中,本子系统综合考虑了系统的速度与硬件的开销,将二者控制在了可接受的范围。由FPGA逻辑综合结果可知,本子系统可以实现高速的图像处理,能够应用在实时监控的领域。