正交匹配跟踪(OMP)算法的收敛性研究

本文在研究Orthogonal Matching Pursuit(正交匹配跟踪)算法的基础上,探索了其在信号稀疏分解中的应用,比较了匹配跟踪(Matching Pursuit),OMP算法对给定信号进行稀疏分解的收敛性能.具体方法是用Gabor原子构建过完备原子库结构,然后在此原子库上运用OMP算法对给定信号进行分解.计算机仿真表明基于Gabor原子构建的过完备原子库,相比起匹配跟踪(MP)算法来,OMP算法收敛速度比MP算法更快.     

联合过完备库下的信号稀疏分解

针对具有多个特征成分的复合信号在单一特征过完备库下无法实现稀疏分解的问题,提出构建联合过完备库的思想.联合过完备库由多个具有单一特征的过完备库联合构成,包含复合信号中各分量信号的信息,使得复合信号在其上具有稀疏性.利用稀疏分解算法,对多个复合信号在相应的联合过完备库上进行稀疏分解和信号重构,并与单一特征过完备库的分解结果进行了对比分析.仿真结果表明了构建联合过完备库思想的合理性和有效性.     

基于Gabor 感知多成份字典的图像稀疏表示算法研究

如何设计合适的能够匹配各层面几何结构的图像稀疏表示过完备字典, 进而形成对图像的稀疏分解是当前研究者关注的热点问题. 根据图像的几何结构特性, 从人类视觉系统特性出发, 建立了匹配各层面图像结构的Gabor感知多成份字典, 进而提出一种高效的基于匹配追踪的图像稀疏分解算法. 实验结果表明: Gabor感知多成份字典具有对图像中平滑、边缘与纹理结构的自适应性, 与Anisotropic refinement-Gaussian (AR-Gauss)混合字典相比以较少的原子实现了对图像更为高效的稀疏分解.     

基于多种群离散差分进化的图像稀疏分解算法

从过完备字典中得到图像的最稀疏表示是一个NP难问题,即使是次优的匹配追踪也相当复杂.针对Gabor多成份字典,提出基于多种群离散差分进化的图像稀疏分解算法.该算法采用3个子种群在不同成份子字典中搜索最佳匹配原子,父代通过多种变异算子生成多个子代,保持群体多样性,同时引入相关系数避免残差更新时多原子匹配重叠的问题.实验表明相比于快速匹配追踪算法,在稀疏逼近性能相当的情况下,文中算法的稀疏分解速度更快;与其他基于进化算法的稀疏分解方法相比,文中算法的稀疏逼近性能更优.最后的结果分析验证文中算法参数设置的合理性.     

基于BFGS优化的lp模约束稀疏分解去噪方法

利用lp模约束的稀疏成分分析方法可以对信号进行去噪处理。基于lp模约束的稀疏分解方法通常是采用优化方法来对信号在过完备库中进行分解,而分解时采用的过完备库是非常巨大的,所以如果优化方法选择不当,会导致稀疏分解效率的低下。在本文中,采用BFGS方法来进行优化分解,和通常采用的Newton方法比较,能在保持稀疏分解结果性能基本不变的前提下,有效地提高算法的分解效率。     

基于LGBP特征和稀疏表示的人脸表情识别

人脸表情识别是一项充满挑战的工作,提出一种基于局部Gabor二值模式(LGBP)特征和稀疏表示的表情识别方法.对表情图像进行归一化处理,标定眉毛、眼睛、嘴巴等部位的特征点,划分出5个表情子区域.对各个子区域进行多尺度多方向的Gabor滤波,对Gabor系数图谱进行局部二值模式(LBP)编码,通过直方图方法降维,形成显著的特征向量.根据特征向量构建符合视觉特征的过完备字典,运用稀疏表示分类方法进行表情识别.通过在JAFFE表情库上进行实验,表情识别率达到87.5％,表明了该方法的有效性.     

基于Gabor小波和稀疏表示的人脸表情识别

通过分析Gabor小波和稀疏表示的生物学背景和数学特性,提出一种基于Gabor小波和稀疏表示的人脸表情识别方法。采用Gabor小波变换对表情图像进行特征提取,建立训练样本Gabor特征的超完备字典,通过稀疏表示模型优化人脸表情图像的特征向量,利用融合识别方法进行多分类器融合识别分类。实验结果表明,该方法能够有效提取表情图像的特征信息,提高表情识别率。     

图像的多成分混合字典压缩感知表示及重构

信号分解的稀疏程度决定了压缩感知重构信号的精度,针对标准正交基稀疏程度的不足,提出了基于混合字典的压缩感知图像分解和重构方法。构建匹配图像边缘和纹理的二维Gabor字典,将图像在离散余弦字典与建立的二维Gabor字典上进行混合稀疏分解,得到图像的光滑成分、边缘成分和纹理成分。对得到的稀疏成分进行CS观测,通过求解一个优化问题重构图像。实验结果表明,构造的混合字典能够对图像进行更加稀疏的表示,在相同的采样率下,图像的重构质量优于标准正交基分解。     

图像1 DFFT-MP稀疏分解算法研究

针对图像稀疏分解速度慢和重建图像视觉效果不好的问题,提出了一种基于MP和一维FFT、的图像稀疏分解算法。算法中把二维图像按行抽取成一维信号,同样地,把过完备原子库中的原子按行抽取成一维原子,然后把二维图像或图像残差与原子的内积运算转化为一维信号或信号残差与一维原子的互相关运算,最后利用一维FFT方法计算一维信号与原子的互相关运算。通过实验验证表明,在重建图像的质量没有改变的前提下,当图像大小为512 X512时,一维FF7图像稀疏分解算法的速度比二维FFT提高了2. 11倍。     

基于对称Gabor特征和稀疏表示的人脸识别

受启发于人脸近似对称的先验知识,提出一种基于对称Gabor特征的稀疏表示算法并成功运用于人脸识别。首先把人脸图像进行镜像变换得到其镜像图像,进而将人脸分解为奇偶对称脸。在奇偶对称脸上分别提取Gabor特征,得到Gabor奇偶对称特征。通过一个加权因子,将奇偶特征融合生成新的特征。最后用这种新的特征构成超完备字典进行稀疏表示人脸分类。在人脸数据库AR和FERET上的实验结果表明所提算法在人脸有表情、姿势和光照变化情况下仍能获得较高的识别率。