基于多层判别式字典学习算法的传统服饰图像分类

现有的多层判别式字典学习算法中大多采用交替方向乘子法实现字典的更新,在图像分类方面的应用较为成熟。然而,当图像内容较为丰富且含有多个标签时,现有方法在多标签分类上的表现不佳。对此,可采用递归最小二乘法与去相关增强重建系数算法构成的二层判别式字典学习结构,更适用于图像多标签分类。通过多层判别式字典学习对数据进行多次稀疏分解,在最后一层判别式中用线性分类器对稀疏分解得到的特征向量进行分类,采用4个多标签分类指标对分类效果进行评判时,发现One-error, Coverage, Ranking-loss三个分类指标越小,Average-precision分类指标越大,算法的性能越优。实验结果表明,在明清服饰纹样数据集上使用多层字典学习算法的分类精度达到了82.17%,在同类算法中的性能最优。     

多级字典学习的图像超分辨率算法

改进单级字典学习的图像超分辨率算法,给出一种多级字典学习的图像超分辨率算法。通过多对字典的训练,记录不同层级退化图像和原始高分辨率图像之间的关系,由多对字典预测给定低分辨率图像不同层级丢失的高频信息,将预测出的高频信息与给定的低分辨率图像相加,得到逐级增强的高分辨率图像。在训练图像集相同的条件下,对于无噪声且没有压缩的低分辨率图像,改进算法相比单级字典学习的图像超分辨率算法,恢复出的高分辨率图像的峰值信噪比可平均提高约0.6dB。     

彩色遥感图像分类算法及Matlab实现

采用自组织神经网络对遥感图像进行分类，以获得更好的分类效果，采用Matlab这一平台来构造自组织神经网络，解决了网络运算量大的问题，取得了良好的效果。实验表明，自组织神经网络对遥感图像的分类是有效的。     

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.     

基于残差字典学习的图像超分辨率重建方法

为了提高图像重建质量,在保留图像空间结构信息的同时恢复更多图像高频信息,提出一种基于二维可分离字典和残差字典的图像超分辨率重建方法.不同于传统的基于一维字典的超分辨重建方法,二维字典直接利用图像的二维矩阵表示,因此,可以保持图像的空间结构信息,减少字典参数的数量,节省存储空间.为了更好地恢复图像高频信息,在二维可分离字典重建图像基础上,引入残差字典,重建边缘等高频信息,两类字典各有侧重,二者结合可得到更高质量的超分辨率重建图像.在典型的公共图像集上的实验证明了提出的结合二维可分离字典和残差字典的图像超分辨重建方法的有效性和优越性.     

基于亮度分区的显微镜灰度图像彩色化算法的研究

电子显微镜下细胞成像为灰度图像,不便于观察和研究,由此提出一种电子显微镜下灰度图像的彩色化算法。对彩色和灰度图像的亮度直方图分别进行高次B样条最小二乘曲线拟合,对拟合的曲线分别求取极值点,通过自动地将彩色图像和灰度图像的极值点的个数调整一致,以此作为图像的分区,利用带有权重的颜色迁移算法进行分区映射实现灰度图像的彩色化。实验结果证明,此方法取得了较好的色彩效果。     

基于亮度分区的显微镜灰度图像彩色化算法的研究

电子显微镜下细胞成像为灰度图像,不便于观察和研究,由此提出一种电子显微镜下灰度图像的彩色化算法。对彩色和灰度图像的亮度直方图分别进行高次B样条最小二乘曲线拟合,对拟合的曲线分别求取极值点,通过自动地将彩色图像和灰度图像的极值点的个数调整一致,以此作为图像的分区,利用带有权重的颜色迁移算法进行分区映射实现灰度图像的彩色化。实验结果证明,此方法取得了较好的色彩效果。     

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.     

基于改进DCT域分类矢量量化的图像编码算法

提出了一种改进的DCT域分类矢量量化的图像编码算法。该算法结合了快速相关矢量量化算法和DCT域分类矢量量化算法,首先根据已编码的邻块对输入矢量的编码索引进行相关预测,对预测失败的输入矢量采用DCT域分类矢量量化算法编码。测试结果表明,与DCT域分类矢量量化算法相比,所提出的算法显著地减少了编码时间和比特率。     

由图像的稀疏分解重建图像的快速算法

针对由图像的稀疏分解结果重建图像的速度极其缓慢这一问题,研究了表示图像的原子的能量分布特性。利用了表示图像内容的绝大部分原子的能量分布具有非常集中的特点,提出了由分解后的原子参数重建图像的快速算法。该算法对于一个原子的计算只限于原子能量集中的区域,并在此基础上实现了原子能量及原子归一化的快速计算。采用快速算法使图像重建的速度提高了约32倍,同时保证快速重建图像的质量保持不变。     

多模软基站系统的数据字典设计

为了完成未来多模软基站的宏伟目标,本文在现有单模软基站基础上,利用关系数据库的特点,设计了同时支持多套数据字典的文件结构,同时对多模下数据的组织形式进行了深入研究,有利于未来多模基站的实现.     

一种基于MPS的图像重建方法

提出了一种利用多点地质统计法实现图像重建的方法.由于传统基于线性降维的多点地质统计法不能有效处理非线性数据,因此引入等距特征映射以实现非线性数据的降维,并利用条件数据以提高重建图像的质量.实验证明,该方法有利于提高图像重建的有效性.     

基于模糊逻辑的足迹图像滤波算法

根据足迹图像噪声的特点,提出一种基于模糊逻辑的足迹图像去噪算法．算法首先分析足迹图像中像素不同方向邻域的灰度值分布情况进行噪声像素点的检测．然后使用改进的去除最大最小灰度值中值滤波算法对已检测噪声像素点的灰度值进行复原估计．最后,通过所设计符合实际的模糊逻辑规则,进行足迹图像噪声污染像素点的复原．实验结果表明,新算法在去除噪声的同时能够较好地保持足迹图像的细节特征,取得了优于现有大多数足迹图像滤波算法的效果．     

使用代数多重网格进行多聚焦图像融合

针对将代数多重网格对图像结构信息的提取能力应用到图像的融合方面进行了研究,提出了一种基于代数多重网格的自适应多聚焦图像融合算法。首先提取图像的粗网格数据,然后进行分块重建,根据分块重建结果与原始图像的均方差选择合适的源图像分块进入融合图像。为了避免分块之间的不连续性,采用了自适应的策略。实验结果表明,自适应图像融合的结果没有丢失有效信息,能够最大程度地将清晰物体保留在融合图像之中。     

一种基于指纹线方向的指纹图像增强算法

该文介绍了一种基于指纹线方向的指纹图像增强算法.该算法将局部指纹线方向这一指纹图像特有的特征应用于指纹图像增强中,而不是单纯地使用普通数字图像处理方法来进行指纹图像增强.实验结果显示,该算法不但使指纹图像变得更清晰,而且很好地保留了各指纹特征点,并且还能对断裂的指纹线做适当的修补.     

基于盲解卷积算法的纤维模糊图像复原

图像采集过程中可能会受到各种情况的影响,如羊绒纤维本身有污损、羊绒纤维制片时受到污损、采集现场光照不均等,这常使羊绒纤维图像中存在一些不可避免的噪声;另外,由于光学显微镜其自身的局限性,会使得采集的羊绒纤维图像的边缘比较模糊.图像复原主要目的是改善给定的图像质量并尽可能恢复原图像.当点扩展函数未知或不确知的情况下,从退化图像中恢复原始图像的过程称为图像盲复原.本文对纤维模糊图像进行了图像盲复原,结果证明该方法能有效还原模糊图像.     

基于DCGANs的二维页岩图像重构方法

利用现代物理实验技术可以有效获取真实的页岩孔隙图像,但是成本高昂。采用数值模拟方法重构页岩,提出了利用深度卷积生成对抗网络重构页岩图像,且该对抗网络允许隐式描述二维图像数据集所表示的概率分布。实验结果证明,该方法能够生成与真实样本更相似的页岩二维图像。