基于Finite Ridgelet变换的去噪算法研究

该文对Ridgelet变换以及FRIT(FiniteRidgeletTransform)变换作了介绍,并在此基础上提出了基于FRIT变换的平移不变去噪算法。实验证明该算法能有效地去除图像的高斯噪声,同时能很好地保留图像的细节信息。     

光谱加权协同稀疏和全变差正则化高光谱图像解混

针对传统稀疏解混方法对丰度的稀疏性表征不充分及空间信息利用率低等问题,本文在分析迭代加权稀疏解混方法的基础上,提出了一种基于光谱加权协同稀疏和全变差正则化的高光谱解混方法.该方法一方面在协同稀疏解混的基础上引入光谱加权因子进一步刻画丰度系数的行稀疏性,以促进所有像元之间的联合稀疏性;另一方面引入各向异性全变差空间正则化促进图像同质区域的平滑性,以提高解混的准确性.通过交替方向乘子法求解该模型,通过迭代,利用内外部双循环迭代方法对光谱加权因子和丰度系数进行优化.模拟和真实的高光谱数据实验结果均表明本文提出的算法与现有同类算法相比能大幅提高混合像元分解的精度,在稀疏解混方面展现出了巨大的潜力.     

基于Shearlet变换的红外与可见光图像自适应融合

提出一种基于Shearlet变换的红外与可见光图像自适应融合算法。算法首先对待融合图像进行Shearlet变换;然而采用粒子群优化算法确定出低频成分的最佳融合权值,自适应地对红外与可见光图像的Shearlet低频系数进行整合,利用Shearlet变换对边缘、轮廓等细节特征的准确定位,采用加权局部能量最大准则对Shearlet高频系数进行融合;最后对融合系数进行逆Shearlet变换得到融合图像。与现有的部分算法进行对比实验,结果表明本文算法获得较好地融合效果。     

Framelet变换高光谱图像光谱加权稀疏解混

空域中高光谱数据由于信息过于分散,冗余过多,且易受噪声的影响,其特征提取难度较大。为了提高高光谱图像解混的鲁棒性和稀疏性,提出了一种framelet变换高光谱图像光谱加权稀疏解混方法。介绍了高光谱稀疏解混和framelet变换方法的理论知识,接着利用framelet变换对高光谱图像解混建模,并且在该模型上加入变换域光谱加权稀疏正则项,提出framelet变换的高光谱图像光谱加权稀疏解混模型。最后,利用交替方向乘子法对模型进行求解。实验结果表明：信号与重建误差比（SRE）提高12.4%～1 045%,丰度重构正确率（Ps）保持在16%的误差内。与其他相关稀疏解混方法相比,本文提出的算法具有良好的抗噪性和稀疏性能,获得了更好的解混结果。     

基于Shearlet变换的图像去噪算法

针对传统变换域去噪算法的不足,提出一种基于Shearlet变换的图像去噪算法。该算法首先在Shearlet变换理论基础上实现了一种分解和重构的方法,然后用Monte-Carlo方法对高频系数进行估计,最后通过阈值函数进行收缩去噪。实验结果表明,该算法在抑噪和保持边缘的同时,取得了较好的视觉效果和更高的PSNR值。     

DIY笔记本卫视一体机

卫星信号的接收,全靠天线定位的准确。对于天线的定位,各专业媒体都有介绍和交流。业余级发烧友对信号的监测一般把笨重CRT电视机放在天线旁进行寻、调星。准专业极的是DIY各类便携式寻星一体机,专业级的使用专业厂的寻星仪和卫星频普分析仪。两类仪器最大也使用3.5英寸LCD屏,晚上调星使用得心应手,白天强光下勉为其难,作为电视收看好像无     

变形L1正则化的高光谱图像稀疏解混

如何准确地刻画易于求解的稀疏正则化函数是高光谱图像稀疏解混的难点。变形L₁正则化函数是一类由绝对值函数组成的双线性变换的单参数族,类似于L_pp∈0,1范数,通过调整参数a∈0,可以准确表征L₀和L₁之间的任意范数,并具有无偏、稀疏和Lipschitz连续性。论文首先研究变形L₁正则化函数,然后提出变形L₁正则化的高光谱稀疏解混变分模型,最后提出变形L₁正则化高光谱稀疏解混模型的凸函数差分求解算法。通过模拟和真实的高光谱数据实验,与经典的SUnSAL算法相比,表明提出的算法能够更准确地刻画丰度系数的稀疏性,并获得更高的解混精度。     

为我所用——DX天线连体双头改频

几年来,索尼,爱华,DX等45CM天线通过各种渠道渗透进国内市场,发烧友钟情其连体双头能左右开弓双向选择和比较高的聚焦精度。其在     

基于Contourlet变换的图像去噪算法

提出了基于平移不变的Contourlet去噪方法,与平移不变小波去噪相比较,结果表明该算法能有效地消除人为的视觉效果,使去噪后的图像获得更好的视觉效果,同时PSNR也得到了很大的提高.