基于Tetrolet变换的图像稀疏逼近算法

针对现有大部分图像稀疏逼近算法通用性不强,仅对具有某类特征的图像具有最优逼近性能的问题,利用小波变换与Tetrolet变换各自的优点,提出了一种通用性强,不受图像特征限制的图像稀疏逼近算法。该算法分别利用小波变换与Tetrolet变换对图像的平滑区域与细节区域进行稀疏逼近,先提取平滑区域,对平滑区域进行修正,然后对修正后的平滑区域进行稀疏逼近。根据平滑区域稀疏逼近的结果分离出细节区域,实现对细节区域的稀疏逼近。对一系列典型图像进行仿真的结果表明,该算法通用性强,不受图像特征的限制,在同等条件下,图像重构质量比传统小波变换高约5.5 dB,比Tetrolet变换高约1.0 dB。     

基于对应点的三维医学图像相关性插值

现有的插值方法在进行医学断层图像插值时，要么不能兼顾灰度和形状的变化，要么计算量太大。为解决这一问题，文中提出一种基于对应点的三维医学图像相关性插值算法。通过对两幅断层图像进行门限分割，获得体素的分割值。在相同密度物质的区域内，采用体素的相关性来进行插值，不同密度物质区域采用缩放区域大小作为插值数据，使新的图像不仅在灰度上，而且在组织形状上，介于原来的断层图像之间，满足了医学图像插值的要求。与线性插值相比，新算法的视觉效果好，计算误差小；与小波插值相比，新算法的计算量极大地减少。插值结果可有效地应用于构建三维体模型.     

核稀疏概念编码算法及在图像表示中的应用

稀疏编码算法是一种常用的图像数据表示方法.为了处理高度非线性分布的数据,文中提出了一种核稀疏概念编码算法,并应用于图像表示.该算法首先对邻域图进行谱分析,提取数据的几何流形结构信息;然后将原始特征空间数据映射到高维特征空间中,利用谱回归在高维特征空间中来计算基向量;最后在高维特征空间中对每个样本逐个进行表示.文中算法不仅能有效地处理非线性结构数据,而且只需求解一个稀疏特征值问题和两个回归问题,计算简单有效.在Yale、ORL和PIE图像库的聚类实验表明,文中算法的准确率和归一化互信息均优于其它几种对比算法.     

基于生成对抗网络的半监督图像语义分割

提出了一种基于生成对抗网络的语义分割模型,包括一个全卷积语义分割网络以及一个判别网络,其中语义分割网络负责生成与输入图像对应的语义分割图,判别网络负责检测分割图与真实标签的区别,以促使分割网络改进分割效果。为了更好的提取全局结构信息,语义分割网络中采用了金字塔池化模块,对不同规模的空间区域进行池化操作。另外,为了应对语义分割训练数据集人工标注成本过高的问题,利用判别网络生成伪标签协助语义分割网络进行训练,从而实现了半监督训练效果。模型在PASCAL VOC2012数据集中进行了测试,结果表明该模型在全监督和半监督条件下均优于已有方法。     

稀疏描述与结构特征融合的极化SAR斑点抑制算法

提出一种稀疏描述与结构特征相结合的极化合成孔径雷达(polarimetric synthetic aperture radar,PolSAR)图像斑点抑制算法。首先利用图像的极化信息对原图像按结构特征分类,形成分类标记图;然后采用正交匹配追踪(orthogonal-matching-pursuit,OMP)算法对图像进行稀疏分解,利用K奇异值分解 (K-singular value decomposition, K-SVD)算法对过完备字典进行训练更新,得到图像相应的训练字典和稀疏系数,重构图像;最后在重构图像中按分类图增强相应的点线目标。利用美国AIRSAR系统采集的半月湾地区数据进行实验表明:该方法在实现图像去噪的同时,能够有效的保持地物的散射特性。     

有效抑制黑灰区域噪声的逆半调算法

针对误差分散半调图在黑灰区域的“有界循环”现象,提出了一种基于人眼视觉系统的逆半调算法。该算法利用基于连通区域的分割方法将黑灰区域和非黑灰区域较好分离。然后通过分析均匀灰度图同对应半调图灰度之间的定量关系,设计了去除黑灰区域噪声的有效方法。最后给出了该算法的具体步骤。算法简单易行、速度快,实验证明逆半调图像不仅具有良好的视觉效果,其峰值信噪比等项指标也有较大提高。     

基于子空间方法的自适应半盲多用户检测

提出MC-CDMA系统下一种基于子空间方法的自适应半盲多用户检测算法。该算法通过利用小区内所有用户的扩频码设计了一种基于MOE准则的半盲检测器。针对Chebyshev逼近算法受到来自噪声子空间分量的影响导致性能下降的问题,提出一种子空间约束Chebyshev逼近算法,并使用该算法自适应得到权向量。为了减少计算复杂度,采用修正的PASTd算法自适应跟踪信号子空间。仿真实验验证了该算法的有效性和可行性。     

基于压缩感知的阈值多路径稀疏度自适应图像重构算法

针对深度优先的多路径匹配追踪算法在进行图像重构时需要已知图像稀疏度、计算复杂度高等问题,提出了阈值多路径稀疏度自适应图像重构算法。该算法引入多个候选集,通过设定阈值来进行原子筛选和候选集数量的调整。然后每次迭代选出残差最小的路径作为新的候选集,以提高重构速度。此外,将残差差分小于某一阈值作为算法停止条件,因此不需要图像稀疏度作为算法的输入。实验结果表明,该算法可以获得较好的重构效果,同时保持了良好的时间复杂度和抗噪性能。     

图像分割的改进稀疏子空间聚类方法

提出一种基于改进稀疏子空间聚类的图像分割方法。首先将图像进行过分割得到一些均匀区域称为超像素,并提取超像素的颜色直方图作为其特征;然后建立特征数据的改进稀疏子空间表示并由此构造图相似度矩阵,最后利用谱聚类算法得到超像素的聚类结果并作为图像分割结果。实验结果表明,本文提出的改进稀疏子空间聚类方法具有良好的聚类性能,对噪声具有一定的鲁棒性;用于自然图像能够得到更好的分割效果。     

基于量子粒子群的广义模糊熵阈值法参数选取

针对广义模糊熵阈值分割法中参数m的选择问题,提出了一种结合优化算法的自适应参数选取算法.该算法依据一种图像分割质量评价指标建立目标函数,再基于量子粒子群优化搜索算法在参数的变化空间自适应地搜索最佳参数,同时依据模糊熵最大准则对S型隶属度函数中的三个参数(a,b,d)进行了全局组合寻优,从而建立了一个嵌套的优化搜索过程,实现了广义模糊熵图像阈值分割方法的自动阈值选取.实验表明,该方法对光照不均匀图像有更好的分割效果.     

基于块稀疏矩阵恢复的MIMO雷达扩展目标高分辨成像算法

针对现有多输入多输出(multiple input multiple output,MIM O)雷达稀疏恢复成像算法中存在的运算量大、对扩展目标成像质量低的问题,提出一种基于块稀疏矩阵恢复的MIMO雷达扩展目标高分辨成像算法,通过引入目标块稀疏特征,提高对空间扩展目标的成像质量.首先,通过构造距离向和方位向感知矩阵,建...     

图像分割的加权稀疏子空间聚类方法

在稀疏子空间聚类算法的基础上,提出一种基于加权稀疏子空间聚类的图像分割方法。利用加权的稀疏约束使得特征数据能够更好地被同一子空间内相似性高的特征数据线性表示,系数矩阵在类间更为稀疏。实验表明,给出的加权稀疏子空间聚类方法对于干净数据和带噪声的数据都能得到较高的数据聚类准确率,对自然图像能够得到比较符合人眼视觉特性的分割结果。     

基于盲压缩感知模型的图像重构方法

为了解决压缩感知重建中噪声引起图像质量明显下降的问题,研究了自适应学习的压缩感知模型,提出了一种盲压缩感知图像重构方法。该方法采用盲压缩感知的稀疏矩阵与稀疏基交替更新的思想,应用了图像冗余变换和初始组合余弦变换基相结合的迭代策略,解决了压缩感知中的稀疏基难于表示的问题,抑制了噪声,提高了图像重构质量。通过实验验证所提方法较基于小波变换的正交匹配追踪方法和全变差方法有明显的噪声抑制功能,且能保持较好的图像纹理信息。     

基于均匀圆阵伪协方差矩阵的单快拍测向方法

传统的单快拍测向算法只适用于具有Vandermonde形式的阵列流型, 均匀圆阵的阵列流型不具有Vandermonde矩阵结构, 因此大部分基于线阵的伪协方差矩阵的构造方法无法直接适用于均匀圆阵。针对该问题, 从侦察方的角度对波达方向(direction of arrival, DOA)估计算法进行了研究, 改进了伪协方差矩阵的构造方法, 提出了一种基于均匀圆阵的单快拍测向算法。通过与模式空间前后向平滑(mode forward-backward spatial smoothing, MODE-FBSS)算法的对比仿真, 验证了算法的有效性, 证实了所提方法的性能优于MODE-FBSS算法。     

遗传算法在小目标图像分割中的应用

将遗传算法用于小目标图像分割 ,提出了目标在图像中所占比例的可能范围参数 ,结合P tile法和直方图熵法 ,得到了一种新的自适应目标分割方法。该方法克服了传统P tile法要求已知目标所占确切比例的缺陷 ,并利用了遗传算法能自动在搜索空间内快速寻优的特点 ,而且可以推广到任意大小目标的图像分割问题上。试验结果表明 ,该方法具有良好的分割质量 ,运算速度提高了 2 1 5 %。     

基于联合分布状态信息滤波的机器人协同定位

针对现有扩展卡尔曼滤波算法在协同定位应用计算复杂的问题,提出一种基于联合分布状态的信息滤波算法,并将其运用在多机器人协同定位中。从3个方面解决计算复杂的问题:第一,借鉴机器人同步构图与定位,利用联合分布状态将关键历史状态保留在滤波中,避免时间更新的复杂计算;第二,利用滤波信息参数的稀疏性,减小滤波所涉及的计算复杂度;第三,根据Cholesky矩阵分解的特殊性质,进一步减少计算复杂度,节省存储空间,简化通信管理,便于工作负载均衡分配。理论分析与仿真结果表明,该方法在确保计算与存储复杂度的同时保证了估计精度和协同定位的有效性。     

准循环LDPC好码设计

现有准循环(QC)LDPC码的设计未考虑避免短环问题与校验矩阵的行相关问题.第一个问题使准循环LDPC码的误码率性能远低于随机LDPC码,第二个问题使得构造生成矩阵非常困难.为解决第一个问题,提出避免短环的准循环LDPC码的设计约束条件,根据四、六环检验结果调整校验矩阵中循环子矩阵的维数和移位因子.为解决第二个问题,提出一种不规则准循环LDPC码的设计方法,该方法将校验矩阵中的特定位置的子矩阵用零矩阵和循环矩阵置换,获得一非奇异方阵,用于构造生成矩阵.虽然在校验矩阵中采用双对角线子矩阵可解决校验矩阵的行相关问题,但是会产生低码重的码字,导致误码率性能不能随码长增加而提高.计算机仿真结果表明,设计的准循环LDPC码具有良好的误码率性能.     

基于近似逐次超松弛预处理的自适应CQ算法

在处理基于不完全数据重建的不适定反问题时, 针对预处理CQ算法存在的不足, 提出了一种近似的逐次超松弛自适应预处理矩阵选择策略. 该方法利用近似特征值矩阵在处理矩阵相乘和求逆中的优势, 将正则化与超松弛预处理方法合, 通过迭代逐次逼近预处理矩阵, 并给出了算法的自适应步长. 结合稀疏角度CT图像重建问题, 给出了算具体实现步骤, 通过仿真可以验证: 该策略可以使预处理CQ算法有较快的收敛速度; 当存在噪声时,也可以较好地通过提前停止迭代来提高重建精度. 该策略为预处理CQ算法在不完全数据重建领域的应用提供了参考.     

基于自适应网格的跳频信号参数估计

分析了现有跳频信号稀疏重构算法的基不匹配问题,导致离散字典的稀疏表示能力变差,严重影响稀疏重构算法的性能。针对这种情形,提出了基于自适应网格的变分贝叶斯稀疏重构算法。该方法通过对字典不断地加权聚类和缩放处理,实现字典的自我更新,使得参数网格更加精细化。仿真结果表明,该方法具有良好的抗噪性能和交叉项抑制能力,同时缓解了稀疏重构算法的基不匹配情形,时频聚焦性进一步提高,能够在较低信噪比条件下,获取较高时频分辨率的时频矩阵,可以更精确地完成后续跳时刻检测、跳周期及跳频率等参数估计。