基于时频分布级数的时频ISAR成像

传统的逆合成孔径雷达(ISAR)成像算法用傅立叶变换进行频谱分析,对机动目标的成像会导致成像模糊.应用了时频分布级数方法代替传统的傅立叶变换对机动目标进行瞬时成像,得到一个三维的时间-距离-多普勒阵,对时间进行采样即得到瞬时的二维距离-多普勒像.它不仅具有很好的分辨率,还具有瞬时信息,并克服了短时傅立叶变换低的时频集聚性和魏格纳分布交叉项严重的缺点.仿真结果表明,通过该方法能得到清晰的目标的距离-瞬时多普勒像.     

基于稀疏线性调频步进信号的ISAR成像

线性调频步进信号在简化雷达系统设计的同时,也存在对高速运动目标易出现Doppler模糊的问题,因此研究如何提高其等效的重复频率具有重要意义.由于ISAR目标的后向散射场具有较强的稀疏性,即大部分能量仅由少数散射中心贡献,所以本文基于稀疏信号表示理论,通过对目标回波模型的分析,提出了一种基于稀疏步进频率信号的逆合成孔径雷达成像方法.该方法通过随机地选择线性调频步进信号的部分子脉冲进行发射,然后使用稀疏信号分解的方法对目标图像进行重建以得到目标的二维高分辨图像.该方法以计算资源为代价,能够有效地去除方位Doppler模糊,同时还能够压低旁瓣并得到超分辨的图像.仿真和实测数据处理结果验证了本文方法的有效性.     

基于小波变换和稀疏表示的图像去噪

传统小波阈值去噪在对图像进行去噪时,并不能很好地保留图像的细节纹理等边缘信息部分.针对这一不足,结合了稀疏表示相关的理论,提出了一种基于小波变换和正交匹配算法相结合的图像去噪算法.首先选取小波函数对含噪图像进行处理,分离出图像的高频和低频小波系数,然后对高频系数结合正交匹配追踪算法,通过多次反复迭代求得高频稀疏分量,再结合低频分量,用逆小波变换得到恢复图像.实验结果表明,在相同的噪声条件下,该算法能取得较好的峰值信噪比(PSNR),获得更好的视觉效果.     

小波变换和稀疏冗余表示的混合图像去噪

为改进K-SVD方法抑制强噪声的效果,提出一种小波域稀疏冗余表示图像去噪方法——单尺度低频小波K-SVD(SLWK-SVD)。首先对含噪图像做单尺度小波变换,然后用K-SVD算法对变换后的图像逼近系数学习过完备自适应字典,而对于高频小波系数则简单置零,最后用逆小波变换得到恢复图像。实验结果表明,与K-SVD方法相比,所提方法具有良好的抑制强噪声能力,在所给强噪声下(方差介于50和100),恢复图像信噪比提高了约0.5—1.5 dB,并克服了K-SVD方法去噪后图像出现的明显波动效应,具有更佳的视觉效果。     

基于NSST-IHS 变换稀疏表示的SAR 与可见光图像融合

针对合成孔径雷达(SAR)与可见光图像成像原理不同,其融合图像常常存在感兴趣 目标不突出及光谱失真的问题,提出了一种基于NSST-IHS 变换稀疏表示的融合算法。对源图 像进行IHS 和NSST 变换,在所得低频分量上采用基于结构相似性和亮度差异性的稀疏表示融 合规则,高频分量上则采用基于改进的拉普拉斯能量和的融合规则,融合结果再通过NSST 和 IHS 逆变换得到。实验以哨兵1 号SAR 图像与landsat-8 可见光图像进行验证,并与传统的IHS、 Wavelet、NSCT、IHS-Wavelet-SR 和NSST-IHS 算法进行比较。结果表明,该算法不论视觉还 是评价指标都有了明显提高,空间结构信息和光谱信息得到有效的保持,有利于后续目标检测 与识别工作。     

小波变换和稀疏表示相结合的遥感图像融合

针对多光谱图像与全色图像的融合,提出一种结合小波变换和稀疏表示的融合算法.该算法充分利用小波变换具有保持光谱信息这一优势,首先对多光谱图像进行IHS (intensity-hue-satuation)变换,然后对亮度分量和全色图像进行单层小波变换,得到对应的高低频系数.分析高低频系数的特征,对于不能认为是“稀疏”的低频系数采用稀疏表示进行融合;对于可以认为是“稀疏”的高频系数采用图像信息融合规则进行融合.最后进行小波逆变换和IHS逆变换得到融合结果.实验结果表明,该算法最大限度地保留了光谱信息,并提高了空间分辨率.     

基于差异性稀疏表示的人脸识别算法

针对光照变换产生的阴影、反光等原因,提出了一种差异性稀疏表示的人脸识别算法。首先利用非下采样contourlet变换(NSCT,nonsubsampled contourlet transformation)将测试图像分解。利用不同子带系数特点,依据子带对图像分类的贡献度分类,并将子带信息进行融合,得到具有差异性的特征,最后用于人脸识别。在人脸数据库上的实验结果表明,该算法对于光照和表情变换具有较好的鲁棒性。     

基于自适应权重的多重稀疏表示分类算法

提出了一种基于多特征字典的稀疏表示算法。该算法针对SRC的单特征鉴别性较弱这一不足,对样本提出多个不同特征并分别进行相应的稀疏表示。并根据SRC算法计算各个特征的鉴别性,自适应地学习出稀疏权重并进行线性加权,从而提高分类的性能。实验表明,基于自适应权重的多重稀疏表示分类算法,具有更好的分类效果。     

基于图像表示和稀疏表示的图像分类

为了更好地实现图像分类任务,论文提出了一种新的图像分类算法,该算法可以更好地保留原始图像的大尺度信息,有效地利用原始图像的全局特征,同时减小了同一物体在其不同图像中的差异性,显著地提高了图像分类准确率。该算法首先通过新的图像表示算法生成虚拟图像,然后分别对原始图像和虚拟图像使用图像分类算法获得相应的分类误差,最后通过简单高效的误差融合方案得到最终的分类误差。实验结果表明该算法有效地降低了图像分类的错误率。     

基于时频分析的ISAR成像

目标平稳飞行时,只需要对接收到的回波序列作傅里叶变换,就能得到清晰的ISAR像。而对于机动目标,在成像的观测期间内其多普勒将发生时变,需要用时频变换的方法来分析目标成像。常用的有WVD变换,它能够获得良好的时频分辨率,但存在严重的交叉项干扰,为了有效抑制交叉项,在此采用加窗平滑的方法将其削弱,这种方法称为平滑伪Wigner—Ville分布(SPWVD),其在抑制交叉项的同时还可以获得较好的时频分辨率,仿真结果表明对于机动目标使用时频变换可以得到更清晰的目标像。     

基于稀疏表示的人脸识别方法

分析了稀疏表示的数学本质就是稀疏正规化约束下的信号分解,研究了一种正交匹配追踪的稀疏表示算法并利用矩阵Cholesky分解简化迭代过程中矩阵求逆计算来快速实现算法,将该算法应用在人脸识别中,利用训练样本构建冗余字典,将测试样本看成冗余字典中训练样本的线性组合,通过在不同人脸库上的实验证明了该方法的有效性.     

稀疏原子分解算法在AR模型参数估计中的应用

针对自回归(Autoregressive,AR)模型阶数和系数的估计问题,提出一种基于稀疏表示的原子分解新算法。首先,根据AR模型自相关函数特征构造一个过完备稀疏字典;其次,针对含噪观测信号,通过引入松弛变量,建立关于AR模型特征根稀疏恢复的优化模型;最后, 将定阶和参数估计问题转化为求解稀疏最优基问题,并提出一种改进的变尺度变换算法来求解该优化问题。实验结果表明,无论是对模拟信号,还是真实的脑电信号,该算法在定阶和系数估计两方面均优于传统估计方法,具有更好的预测精度和鲁棒性。     

基于稀疏表示的图像超分辨率重构算法

为提高单幅图像的分辨率,提出一种基于稀疏表示的图像超分辨率重构方法。该方法的核心是联合训练高分辨率和低分辨率字典,然后利用所得字典求解高、低分辨率下图像块共有的稀疏表示系数。与已有的基于稀疏表示的图像超分辨重构算法相比,该算法在求解稀疏表示系数时并未采用拉格朗日乘子将稀疏度和重构误差相结合,而是利用对偶模型求解原始的带约束优化问题。实验表明,与其他图像超分辨率重构方法相比,该方法所需手动调节参数较少,重构效果较好。     

Super-Resolution Based on Curvelet Transform and Sparse Representation

Super-resolution techniques are used to reconstruct an image with a high resolution from one or more low-resolution image(s). In this paper, we proposed a single image super-resolution algorithm. It uses the nonlocal mean filter as a prior step to produce a denoised image. The proposed algorithm is based on curvelet transform. It converts the denoised image into low and high frequencies (sub-bands). Then we applied a multi-dimensional interpolation called Lancozos interpolation over both sub-bands. In parallel, we applied sparse representation with over complete dictionary for the denoised image. The proposed algorithm then combines the dictionary learning in the sparse representation and the interpolated sub-bands using inverse curvelet transform to have an image with a higher resolution. The experimental results of the proposed super-resolution algorithm show superior performance and obviously better-recovering images with enhanced edges. The comparison study shows that the proposed super-resolution algorithm outperforms the state-of-the-art. The mean absolute error is 0.021 ± 0.008 and the structural similarity index measure is 0.89 ± 0.08.     

基于全局和局部短期稀疏表示的显著性检测

显著性检测是计算机视觉研究的一个重要问题。提出了一种由底向上的基于稀疏表示的显著性检测新算法。一般显著性检测主要包含两个部分,即图像特征提取和显著性度量。对于一幅给定的图像,首先利用独立成分分析(ICA)方法提取图像特征,然后用一个局部和全局模型对图像进行显著性度量。其中,利用一种低秩表示方法提取全局显著性,以及利用一种稀疏编码方法提取局部显著性。最后融合局部和全局显著图得到最终的显著图。在一个人眼关注数据库上与目前几种流行的方法进行了对比实验,实验结果显示所提出的方法能够得到更高的视觉关注预测准确率。     

逆合成孔径雷达外场数据成象结果

介绍了逆合成孔径雷达（ＩＳＡＲ）实验系统外场数据的处理结果，简要叙述了ＩＳＡＲ信号处理的两个关键问题，即运动补偿和成象。对三种飞机在一系列飞行试验中的外场数据进行了处理，对大型喷气飞机ＹＫ－４２、小型喷气飞机“奖状”和大型螺旋桨飞机安－２６，在航线的直线段和转弯段，都得到了较好的成象结果     

基于归一化灰度Hough变换的SAR图像舰船尾迹检测算法

舰船尾迹检测作为近年来SAR图像海洋应用的一个重要方面而受到关注。目前大多数研究都是利用Radon变换作为数学工具，结果得到增强的是尾迹特征，而不是尾迹的端点。从提取尾迹的端点坐标出发，在传统Hough变换算法基础上进行改进，提出了基于归一化灰度Hough变换的SAR图像舰船尾迹检测算法，并推导出尾迹端点反演算法，同时自动提取舰船的航速，取得了较好的实验结果。     

基于FRFT的线性调频信号映射方法的快速算法

针对基于分数傅立叶变换(Fractional Fourier transform，FRFT)的线性调频信号(LFM)的参数估计方法，提出了基于Radon变换的判决准则，并建立了相应的快速算法。该映射方法将具有同样调频斜率、同样多普勒中心频率、不同初始相位的信号映射到同一个点。该快速算法的计算量等同于FRFT的计算量，计算结果的精确度取决于连续两次的FRFT运算。