方向提升小波变换域稀疏滤波的自然图像贝叶斯压缩感知

针对压缩感知(CS)重构算法在实际应用中自然图像的小波变换系数往往无法稀疏的问题,提出了一种方向提升小波变换(DLWT)域稀疏滤波的自然图像贝叶斯压缩感知算法(DLWT-SFTSW-BCS)。首先对自然图像进行方向提升小波变换得到小波变换系数;然后在随机测量之前利用稀疏滤波切除小系数,消除了小系数对大系数重构时的混叠干扰;最后结合小波树结构的贝叶斯压缩感知重构算法得到自然图像的重构图像。实验结果表明,与仅利用尺度间相关性的小波树结构的压缩感知重构算法相比,DLWT-SF-TSW-BCS算法的重构峰值信噪比最大可提高10dB。     

一种H.264残差系数修剪算法

针对H.264残差系数编码中位置信息占用码率较多这一问题,提出了一种H.264残差系数修剪算法.该算法首先对视频序列进行预测、变换、量化以及扫描,然后对扫描后获得的残差系数进行线性分组,并采用率失真优化准则对残差系数分组进行修减,再在给定量化步长范围内计算每一个宏块在不同量化步长下的修剪结果,最后将率失真代价最小时对应的修剪剩余残差系数编码输出.实验结果表明,与H.264残差系数编码算法相比,该算法在相同码率下的峰值信噪比最多可以提高0.9dB,在相同信噪比下最多可以节省17%的码率.该算法没有改变H.264的码流结构,与标准兼容.     

利用小波系数上下文建模的Bayesian压缩感知重建算法

针对目前压缩感知图像重建算法没有充分利用图像小波系数尺度内相关性的缺点,提出一种上下文建模的Bayesian压缩感知重建(CBCS)算法.该算法假定图像的小波系数服从参数未知的spike-and-slab概率模型,先通过一种新的上下文建模方法得到待估计小波系数邻域内的上下文矢量,然后根据待估计系数与上下文矢量的相关性及其父亲系数的状态,推测待估计系数为显著系数的概率,最后根据待估计系数的概率,采用马尔科夫链-蒙特卡洛采样的Bayesian推理从观测向量中恢复出图像的小波系数,进而得到重建图像.实验结果表明,CBCS算法可以自适应于图像内容的变化,与仅利用尺度间相关性的小波树结构的压缩感知重建算法相比,在0.9的采样率下,重构性能最大可提高近2 dB.     

基于MRF的统计预测提升算子的构造与应用研究

根据图像的统计信息, 在Markov随机场(MRF)的理论基础上, 构造了一种新的非线性算子即统计算子, 提出了基于该算子的一种非线性提升小波分析方法. 并根据MRF的条件概率分布, 在理论上证明了采用基于统计算子的非线性提升小波变换可使图像变换后, 在无量化失真的前提下, 提高高频子带的零高频系数. 将该方法与现有的几种非线性形态学小波分析方法以及S+P变换和JPEG2000采用的5/3和9/7线性提升小波变换进行了不同图像的测试分析, 实验结果显示, 利用这种基于统计算子的提升小波分析方法对医学图像和混合文档图像变换后可取得较低的加权熵.     

一种方向提升小波变换和网格编码量化的图像编码算法

由于JPEG2000图像压缩标准不能有效表示图像边缘的缺陷,提出了一种结合方向提升小波变换和网格编码量化(TCQ)的图像编码算法.该算法先通过基于率失真优化的四叉树分割算法得到最优变换方向,再沿最优变换方向做方向提升小波变换,然后对得到的小波子带系数进行TCQ量化,最后将量化系数编码输出.实验结果表明,对所给定的测试图像,该算法比JPEG2000峰值信噪比最多提高了1.49 dB,比JPEG2000的结构相似度最多提高了3.98%,解码图像的主观视觉质量更好.     

从全局到局部：双注意力融合去雾网络

为了处理现有的基于卷积神经网络去雾方法只使用单一的注意力、很难生成细节生动的清晰图像,且容易导致色彩失真的问题,提出了一个全局与局部注意力融合的图像去雾方法,以获得正常清晰度和无色彩失真的去雾图像。首先利用通道注意力将输入的有雾图像在通道维度切分为两部分,一部分送入通道像素注意力通道抽取局部特征,另一部分送入Transformer通道学习全局特征,然后利用像素注意力对两个通道学习的特征进行融合,将上述模块作为基本单元组合为一个多级U型去雾网络,增加残差连接缓解上下采样导致的细节信息丢失,最后在网络底层加入一个Transformer模块学习全局信息。在多个公开可用的去雾图像数据集RESIDE SOTS Indoor、RESIDE SOTS Outdoor上测试所提方法的有效性,结果表明：对比经典的去雾方法,所提网络生成的图像细节更丰富并且色彩失真最少;在RESIDE SOTS Outdoor数据集上,相比经典的FFA-Net,峰值信噪比提高1.16 dB,相比GridDehazeNet,峰值信噪比提高3.68 dB。提出的全局与局部注意力融合方法能有效地去除雾霾,提升图像的对比度与清晰度...     

合成孔径雷达图像的贝叶斯压缩感知重构算法

针对目前合成孔径雷达(SAR)图像压缩感知重构算法没有充分利用小波系数相关性的缺点,提出了一种综合利用尺度间衰减性和尺度内方向能量聚集性的SAR图像贝叶斯压缩感知重构算法(DLWT-TDC)。首先采用方向提升小波变换(DLWT)对SAR图像进行稀疏表示,然后在3个高频子带中分别使用3×5、5×3、5×5邻域设计了具有方向和空间局部自适应的先验概率分布模型,最后利用马尔科夫链蒙特卡罗采样的贝叶斯推理恢复出图像的小波系数,进而得到重构图像。实验结果表明,DLWT-TDC算法在采样率为50%～90%下可以提高图像的重构性能,与仅利用尺度间相关性的小波树结构的压缩感知重构算法相比,在90%高采样率下的重构性能可提高3dB左右。     

结合网格编码量化的小波包纹理图像压缩算法

为了提高对纹理丰富图像的压缩效果，首先用小波包变换对纹理丰富的图像进行完全分解，再用一种与后续编码器相关联的代价函数进行最佳基搜索，以提高对纹理图像的表达能力。为了提高编码算法的率－失真性能，对搜索出来的最佳基所对应的小波包系数采用变块尺寸方法进行分类，再对分类结果采用网格编码量化器进行量化，最后对量化结果进行熵编码。仿真结果表明，所构造的编码器与SPIHT算法相比，峰值信噪比提高了0．5－2dB，可用于对指纹、遥感等图像的压缩。     

基于多分辨框架下实现数字滤波器

用复频域（z域）分析方法分析二通道滤波器的结构模型,提出测定信噪比的算法。与数字Hibert滤波器进行比较,结果表明,在小波域内,基于多分辨框架下,利用二通道滤波器可实现一般数字滤波器滤波效果。在子带间窜拢可忽视情形下,该二通道滤波器可推广到多层次情形。     

基于局部余弦变换的2.4 kb/s低比特率语音编码

系统地设计了一个基于局部余弦变换的2.4kb/s低比特率的语音编码器，对局部余弦变换系数采用分维矢量量化方法进行量化，码书设计采用LGB算法。编码中的码书搜索采用树形状快速搜索算法。通过主观非正式听力测试和客观参数评价，从理解性和自然度两方面来看，用设计的2.4kb/s低比特率的编码方法编码的语音质量比FS1015（LPC－10e)编码标准编码的语音质量要好，而且具有较强的鲁棒性，适合于对各种环境中的语音进行编码。