NA-Bandelet基的构造及其在图像去噪中的应用

构造了具有抗噪性能的自适应Bandelet基.文中首先在带噪信号的二进剖分块内,利用软阈值函数和在SURE准则下获得的阈值T,计算出对无噪信号的逼近结果,再按照最小化逼近误差原则,寻找出二进剖分块的几何方向.然后在最小化均分误差(MMSE)的原则下合并二进剖分块,最终确定了NA-Bandelet的方向.提出了基于NA-Bandelet基去噪算法,分别对光学图像和SAR图像进行去噪和降斑处理.与基于正交小波基、Bandelet基的去噪、降斑算法相比较,结果表明,提出的算法能有效地去除噪声,并且具有更强的边缘保持能力.     

利用FFT实现语音信号稀疏分解的改进算法

研究基于Matching Pursuit（MP）方法实现的语音信号稀疏分解问题,通过对语音信号稀疏分解中使用的过完备原子库结构特性的分析,提出了一种改进的信号稀疏分解算法。该算法针对语音信号的特点,以FFT算法实现的稀疏分解为基础缩小了原子的搜索范围,从而不仅进一步提高分解速度,还能以更稀疏的形式表示语音信号。算法的有效性为实验结果所证实。     

空间大口径衍射成像系统的图像 反演恢复与增强

面向高轨监视领域对超大口径、轻量化的高分辨率光学载荷的迫切需求,提出了一种以衍射元件为主镜的空间大口径衍射成像系统图像反演恢复与增强方法。针对大口径光学系统像差和主镜衍射效应引起的模糊严重以及点扩散函数空间变化性大等降质问题,基于正则化理论框架和等晕区分块思想,提出了基于多正则化约束的衍射成像系统图像反演恢复方法,研究了多参量多约束模型的高效求解方法。针对衍射效率不足和非设计级次背景杂波引起的图像信噪比低和对比度下降严重的问题,结合小波阈值滤波与非线性变换,提出了自适应的衍射成像系统图像质量增强方法。最后进行了实验验证,实验结果表明:当空变等级达到了3.0时,恢复结果与原始图像的结构相似度在0.8以上,信噪比提升10%以上,信息保真度在80%以上。该方法在有效提升图像清晰度与对比度的同时,提高了图像的信噪比,对超大口径薄膜衍射成像系统的实际空间应用具有一定的理论研究意义和工程应用价值。     

Daubechies提升小波在图像去噪中的仿真研究

在介绍了一般小波理论和小波图像去噪的基础上,重点阐述了提升小波算法(lifting scheme)的基本原理,给出了用提升方法构造传统小波的普遍实现方法,按照提升小波的一般理论,对Daubechies(9/7)小波进行提升格式处理,并将Dau-bechies(9/7)提升格式小波应用到二维图像去噪研究中.计算机仿真试验结果表明,在去掉噪声后图像信号的信噪比相近的情况下,提升小波与传统小波相比,其优点在于计算简单,编程容易,速度快.     

联合4方向特征的全局优化图像补全

为更好地保持修复后图像的结构连贯性及与邻域信息的连续一致性,提出了联合4方向特征的全局优化图像补全算法。该方法利用Curvelet变换提取图像的水平,垂直,正对角及反对角4个方向的特征。在构造数据项和平滑项能量时,利用4方向特征与颜色信息共同衡量样本块间的相似性,以此构造符合人眼视觉要求的全局能量约束方程;同时自适应确定计算数据项和平滑项能量的样本块尺寸。最后利用图割算法求取全局能量的极小值,获得修复图像。实验显示:与现有算法相比,提出算法可以获得更优的修复结果,其峰值信噪比(PSNR)平均值比现有算法至少高出2dB,验证了提出算法的有效性;结果也表明:提出的算法可以更好地保持图像结构的连贯性及修复区域内的连续一致性,能满足人眼视觉需求。     

一种改进的频域非线性外推图像增强方法

针对图像增强的问题,提出了一种改进的频域非线性外推方法。该方法通过用高频加强滤波代替原算法的高通滤波,使增强效果得到了显著提高。实验表明,改进后的方法能有效地提升图像的高频成分,并能使增强后的图像具有更好的视觉效果。     

去除图像椒盐噪声的双向预测算法及其改进

在去除图像噪声的同时,如何避免图像细节信息的损失和边缘的模糊,是图像处理技术中的一个难点.针对灰度图像中存在的椒盐噪声问题,提出了基于双向预测算法的去噪方法.首先根据椒盐噪声的特点,判断图像像素是信号像素还是噪声像素.对于信号像素,保持灰度值不变;对于噪声像素,利用双向预测的方法来确定处理后该像素点的灰度值.针对上述方法中存在的不足之处,又提出了一种改进方案.改进方案在对噪声像素处理时,根据像素之间的相关性和像素本身的性质自适应地确定预测器的预测系数,提高了预测算法的去噪性能.实验结果表明,本文算法具有良好的去噪特性及细节保持特性.     

基于Bandelet变换域的图像自适应增强算法

提出了基于Bandelet变换域的图像自适应增强的新算法,利用Bandelet变换在表示二维图像线、面奇异性时的优越性,实现了抑制噪声和凸显细节间的有效均衡。按照最小化逼近误差原则,寻找出二进剖分块的几何方向,在最小化均分误差(MMSE)的原则下合并二进剖分块,寻找出图像增强的方向。根据图像增强方向将Bandelet块分为两类:有几何方向的Bandelet块和无几何方向的Bandelet块,并分析了这两类Bandelet块系数的不同特征,从而区分出噪声和信号、清晰边缘和脆弱边缘。在此基础上提出了一种新的增强函数,在抑制噪声的同时,增强较弱细节并保护图像中的清晰边缘不失真。实验结果表明,与传统的图像增强算法相比,该算法在抑制噪声和放大细节特征两方面均有明显改进。     

利用人工鱼群算法实现基于MP的信号稀疏分解*

人工鱼群算法（AFSA）是一种新的智能优化算法,具有鲁棒性强、全局收敛性好,及对初值的不敏感性等特点。将人工鱼群算法运用到信号的稀疏分解中,可快速寻找匹配追踪(MP)过程中每一步分解的最佳原子。此方法提高了信号稀疏分解的速度,算法的有效性为实验结果所证实。     

在低维空间实现的基于MP的图像稀疏分解

研究利用MatchingPursuit(MP)方法实现的图像稀疏分解算法,针对其中关键难题,提出利用在低维空间的搜索实现高维空间的搜索的快速方法。算法的有效性为实验结果所证实。