基于稀疏表示的车牌图像超分辨率算法研究

介绍一种应用于车牌图像的稀疏表示超分辨率算法,依据稀疏表示理论,自然图像在合适的过完备字典下总存在稀疏的表示,为输入的低分辨率图像寻找一个稀疏表示,用稀疏系数来生成高分辨率输出图像。通过对低分辨率和高分辨率图像补丁的联合训练生成字典,该字典提供低分辨率图像补丁的稀疏表示,用来生成高分辨率图像补丁。     

基于图像自相似性及字典学习的超分辨率重建算法

图像超分辨率重建技术在重构图像细节,改善图像视觉效果等方面起着重要作用.为了提高超分辨率图像的重构质量,本文结合图像自身和自然图像库信息进行超分辨率重建.先利用图像在不同尺度的自相似性,形成图像金字塔,只用单幅低分辨率图像进行超分辨率重建;然后利用自然图像库进行字典学习并以初步得到的重建图像作为输入再次处理;在图像后处理时,利用图像非局部相似性和迭代反投影,进一步提高重建效果.实验结果表明,本文的方法与其它几种基于学习的超分辨率算法比较,无论主观视觉效果上还是峰值信噪比上都有明显提高.     

光滑逼近超完备稀疏表示的图像超分辨率重构

为改善单帧降质图像的分辨率水平,提出了一种新的基于稀疏表示的学习法超分辨率图像重构方法。针对信号在既定的欠定超完备字典下的非稀疏性问题,采用光滑的递减函数逼近L0范数以避免对稀疏度先验的依赖,从而实现待重构图像块的有效稀疏表示,同时通过梯度下降的迭代优化获得稳定的收敛解。与双立方插值相比,图像的三倍超分辨实验显示,图像峰值信噪比(PSNR)提高2dB,框架相似性(SSIM)改善0.04,重构图像剔除了更多的模糊退化及边缘伪迹。该方法适于单帧降质图像的超分辨率增强。     

稀疏表示图像超分辨率重建的自适应方法

提出了一种参数自适应的图像超分辨率重建方法.在基于稀疏表示的图像超分辨率重建的经典算法模型框架下,正则化参数可以根据每个图像补丁本身情况自适应地确定,从而克服了人为选择参数且所有补丁参数需一致的缺点,因此使图像重建效果得到提升.实验结果表明,我们所提方法在不同尺寸扩大因子和噪声环境下都优于人工确定参数的情形,三种评价指标均表明所提方法是有效的.     

基于可分离字典的稀疏和低秩表示图像去噪

目的 为了有效去除图像中的椒盐噪声,提高图像质量。方法 文中将可分离字典和低秩表示结合,提出基于可分离字典的稀疏和低秩表示算法(SLRR–SD)。首先,使用可分离字典代替传统的过完备字典可分离字典可以对二维图像直接表示。其次,使用Frobenius范数对分离字典进行约束以挖掘字典内部的低秩性。此外,为了挖掘图像内部的稀疏结构,对表示系数使用稀疏约束进一步提升表示的有效性。结果 提出的算法在噪声强度为5%、10%、20%和30%下,PSNR/FSIM的平均值分别为32.736/0.975、29.769/0.957、29.295/0.951和26.768/0.921。结论 文中算法保留了相邻列之间的相关性,并且可分离字典优化过程也降低了计算负担。实验结果表明,该算法在保留原图像信息的同时能更好地完成去噪任务。     

Gabor特征结合Metaface学习的扩展稀疏表示人脸识别

为了克服人脸识别中存在的遮挡等闭塞问题,本文提出了Gabor特征结合Metaface学习的扩展稀疏表示人脸识别算法(GMFL)。考虑到Gabor局部特征对光照、表情和姿态等变化的鲁棒性,该算法首先提取图像的Gabor特征集;然后对Gabor特征集进行Metaface字典学习得到具有更强稀疏表示能力的新字典,同时引入Gabor闭塞字典来编码表示图像中的闭塞部分,并与新字典联合构造一组过完备字典基;最后利用过完备字典基求解稀疏系数重构样本,根据样本与重构样本之间的残差最小原则对人脸图像进行分类识别。在AR人脸库和FERET数据库上的实验结果验证了本文算法的可行性和有效性。     

增强稀疏编码的超分辨率重建

本文提出一种基于稀疏字典编码的超分辫率方法.该方法有效地建立高、低分辫率图像高频块间的稀疏关联,并将这种关联作为先验知识来指导基于稀疏字典的超分辫率重建.较超完备字典,稀疏字典对先验知识的表达更紧凑、更高效.字典训练过程中,本文选用高频信息作为高分辫率图像的特征,更有效地建立高、低分辫率图像决间的稀疏关联,所需的训练样...     

基于字典算法的OCT图像散斑稀疏降噪

光学相干层析扫描(OCT)作为一种新型无创高分辨率扫描方式,在临床上得到广泛应用,但是OCT图像本身存在严重的散斑噪声,这大大影响了疾病的诊断。本文针对OCT图像中的乘性散斑噪声,改进了两种原始字典降噪算法。该算法首先对OCT图像进行对数变换,采用正交匹配追踪算法进行稀疏编码,以及K奇异值分解学习算法进行自适应字典的更新,最后通过加权平均以及指数变换回到空域。实验结果表明,本文改进的两种字典算法能有效降低OCT图像中的散斑噪声,获得良好的视觉效果。并通过均方误差(MSE)、峰值信噪比(PSNR)、结构相似性(SSIM)以及边缘保持指数(EPI)四个指标评价降噪效果,与两种原始字典降噪算法和传统滤波算法相比,两种改进字典算法降噪效果优于其他算法,其中自适应字典算法表现更好。     

正则化恢复联合稀疏表示的图像超分辨率重构

为改善强降质图像的分辨率水平,提出了一种正则化恢复联合稀疏表示的单帧图像超分辨率重构框架。为同时放大图像并抑制模糊及噪声,首先根据退化估计正则化平衡极小问题的逼近项和先验项,然后基于初步的锐利清晰图像和预先建立的图像超完备稀疏表示字典实现边缘保持的图像分辨率放大。正则化恢复的输出改善了传统学习法图像超分辨中低频分量的双立方插值版本,同时对降质的有效抑制降低了字典原子对退化信息的依赖性。实验结果表明,本方法可对模糊含噪的低分辨率图像实现有效的超分辨率重构。     

基于稀疏表示和自适应字典学习的“高分一号”遥感图像去噪

对高分辨率遥感图像进行去噪是遥感研究中的一个重要难题。本文提出了一种新的基于稀疏表示的高分辨率遥感图像去噪算法,该算法根据加噪高分辨率遥感图像的特点利用 K-SVD 算法自适应的学习得到能高效描述遥感图像内容的字典,利用稀疏表示实现去噪,并且保留原图像的有用信息。通过对“高分一号”获取的遥感图像进行实验表明,该算法能较好地滤除遥感图像的噪声,提高了图像的峰值信噪比,该方法比其他字典学习算法及其他去噪算法具有更好的性能。     

基于自适应Morlet小波参数字典设计的微弱故障检测方法研究

针对强背景噪声干扰下微弱故障冲击特征难以准确检测的问题,提出了一种基于自适应Morlet小波参数字典设计的齿轮故障诊断法.该方法基于信号局部分割和全局分析的思想,采用相关系数(CF)与峭度指标综合评价小波函数与目标信号的局部匹配度与全局匹配度,利用鲸鱼优化算法(WOA)自适应确定小波字典参数,逐点时移构建原子参数字典后...     

基于耦合过完备字典的红外云图超分辨率方法

针对红外云图分辨率低的问题,提出一种基于耦合过完备字典的超分辨率方法。在分析红外云图成像退化模型的基础上,建立了采用稀疏表示理论的超分辨率重构框架,首先随机抽取大量高、低分辨率云图的图像块,组成训练样本,经过字典学习获取针对高、低分辨率云图块的两个字典Dh和Dl,为保证对应的高、低分辨率云图块关于各自的字典具有相似的稀疏表示,提出一种耦合字典学习算法,该算法改变了字典对的更新策略,通过在每一步迭代中交替优化Dh和Dl,得到耦合的过完备字典对;最后对输入的低分辨率红外云图,采用最优正交匹配追踪算法(Optimized Orthogonal Matching Pursuit Algorithm,OOMP),得到满足重构约束的高分辨率云图。实验结果表明,本文方法与其他方法相比,红外云图重构质量有较为明显的改善,而且比同类方法具有更高的计算效率。     

利用冗余扩展余弦字典的复杂动载荷识别研究

针对真实测量噪声影响下复杂动载荷识别精度低的问题,提出了一种基于冗余扩展余弦字典的L1范数正则化载荷识别方法.根据系统响应与外部动载荷的卷积关系,建立用于载荷识别的离散系统控制方程;选择与动载荷相适应的离散余弦基函数进行时延扩展,构造了扩展余弦字典与Db10小波字典相级联的冗余扩展字典,对复杂载荷进行稀疏表示;使用L1范数正则化方法求解稀疏表示系数,基于改进L曲线准则获取最优正则化参数,通过在GARTEUR飞机模型上试验得到的响应数据,实现不同噪声水平下对拍频载荷与连续冲击载荷时间历程的识别.试验研究结果表明:本文提出的冗余扩展余弦字典对拍频载荷与连续冲击载荷的表示稀疏性高,基于冗余扩展余弦字典的L1范数正则化载荷识别方法的识别精度高、抗噪性能好.     

融合特征分类和独立字典训练的超分辨率重建

超分辨率重建技术在重构图像细节、改善图像视觉效果方面具有重要作用。为进一步提高图像的重建质量,提出了一种有效的超分辨率重建方法。首先提取图像块的几何特征来构造决策树,以期通过监督的方式进行图像块分类。然后针对不同类型的图像块训练集,分别基于K-SVD独立训练相应的高分辨率字典和低分辨率字典。最后为了保证图像块的准确和快速重建,对高分辨率训练集和低分辨率训练集的系数求解映射矩阵,其用于在重建阶段将低分辨率稀疏系数映射为高分辨率稀疏系数以达到重建目的。实验结果表明,本文的方法与其他经典的超分辨率重建方法相比,在重建效果方面具有明显提高。