基于图像特征改进的正交匹配追踪算法

将压缩传感理论应用于成像是光场成像理论的热门研究方向,由此可以设计出更简单、便宜、小巧的光学系统.正交匹配追踪算法是压缩传感理论的重要重构算法,它在重建图像时隐含着整幅图像权重相同的思想,没有体现出图像的固有特征,例如行列突变的剧烈程度,以及经过快速傅里叶变换基、离散余弦变换基、离散小波变换基作用得到的小稀疏系数代表图像的细节、大稀疏系数代表图像的轮廓的特点.使用上述3种变换基作用图像时,可以针对正交匹配追踪算法的固有缺点,提出合理选择逐行或者逐列重构图像和使用自适应迭代次数重构图像两种改进方法.仿真结果表明,改进算法明显提高了图像的质量,能够得到更好的图像视觉效果.     

基于DCT频带能量的压缩感知重构算法

为提高压缩感知图像的重构质量,提出了一种基于离散余弦变换(DCT)分频带压缩感知的平滑投影Landweber重构算法.该算法充分考虑了不同的DCT系数频带对重构图像质量有不同的影响,对图像进行分块DCT后,按照频带能量大小重新组织DCT系数,对能量大的频带分配大的采样率,通过分频带变采样率的随机矩阵实现随机观测,采用平滑滤波器消除块效应,由投影Landweber算法实现图像的重构.实验结果表明,与BCS-SPL和MS-BCS-SPL重构算法相比,文中提出的算法显著提高了重构图像的峰值信噪比.     

基于稀疏采样的无线多媒体传感网图像压缩算法

为解决无线多媒体传感网存在的网络能耗高、节点性能低以及存储空间小等问题,结合WMSNs的特点引入压缩感知技术,提出了一种基于傅里叶域稀疏采样的分布式多媒体传感网图像压缩算法。该算法考虑多传感器节点的协作性,实现了图像在傅里叶域上的分块自适应压缩采样与传输。通过公开图像数据集中与现有的其他分布式压缩感知算法的仿真对比实验,表明了所提算法不仅能够有效降低重构误差、提高重构图像的质量,而且能更好地适合WMSNs网络低能耗的应用要求。     

一种基于分类的改进BP神经网络图像压缩方法

探讨了神经网络用于图像压缩和解压缩技术,实现了一种基于分类的改进BP神经网络压缩方法:按图像各部分像素特征将图像分为平滑块、中间块和边缘块,不同的分类块采用不同的隐含层数,从而在保证重建图像丰富细节的同时,提高图像的压缩比.同时,对3层BP神经网络进行优化,提高了网络的收敛速率,实验结果证明本算法在取得较大的压缩比的同时能保证图像的恢复质量.     

基于DWT的多尺度分块变采样率压缩感知图像重构算法

利用压缩感知理论改善图像重构的质量是目前图像处理技术研究的焦点。通过DWT域对图像每级分解时的每个子带中应用分块采样并结合平滑投影Landweber重构算法,提出一种多尺度分块变采样率压缩感知图像重构算法。比较BCS-SPL和TV以及多尺度GPSR图像处理算法,文中提出的算法使重构的图像质量提高了1～3 dB。     

基于边缘提取与图像融合的压缩感知补偿算法

针对测量数据极稀疏情况下,某些压缩感知方法在多种类噪声干扰环境下进行图像传输存在重构效果模糊、图像细节欠佳的问题,提出1种基于图像边缘提取与融合技术的压缩感知补偿算法.首先,在发送端预提取图像边缘特征作为压缩感知测量值的重要补充,随后,在接收端进行边缘解码与压缩感知重构,最后,使用空间域方法实现2者融合.实验结果表明,该方法可以以较小的传输代价获得更加清晰、全面的图像细节特征,可增强原算法抵抗噪声、尤其是稀疏性噪声的能力,具有一定的应用价值.     

基于压缩传感的全息图压缩研究

提出将压缩传感理论用于数字全息图的压缩研究.研究了2种不同变换域对全息图稀疏化的影响,针对全息图的特点选取合适的稀疏域,然后根据压缩传感理论直接获取图像的压缩表示,最后利用得到的压缩数据采用2种不同算法重构全息图并对比其重构效果.实验证实这种压缩方法是可行的,并且在傅里叶稀疏域下使用正交匹配追踪(OMP)重构算法能获得1.5%的压缩率.     

基于压缩传感理论的医学CT成像技术

本文主要介绍了压缩传感(CS)理论在医学CT成像技术领域中的应用及发展状况,同时综述了基于压缩传感的几种CT图像重构算法,并分别分析了它们的优缺点,最后阐述了未来的发展趋势。     

一种基于压缩感知的图像去马赛克算法

文中提出了一种基于分块压缩感知的图像去马赛克算法.该算法首先将Bayer色彩滤镜阵列采样值等效为压缩感知理论中感知矩阵采样所得的压缩数据.其次通过结合Bayer色彩滤镜阵列自身特点训练分块稀疏字典.最后在训练所得稀疏字典的基础上利用分块压缩感知重构算法便可精确重构出Bayer色彩滤镜阵列采样结果.由于训练所得稀疏字典能有效降低与Bayer色彩滤镜采样阵列之间的相关性,因此文中所提出的图像去马赛克算法能有效对单一Bayer色彩滤镜阵列采样值进行重构.通过实验验证表明：新的图像去马赛克算法明显优于传统插值算法,重构所得彩色图像在去除假色影响的同时能完整保留原始图像的细节信息.     

基于主元分析和压缩感知的人脸识别算法

针对压缩感知理论中的核心问题,即如何通过有限的测量值以较高的重建率重构稀疏信号,提出了基于主元分析和压缩感知的人脸识别方法（PSL0）.该算法利用双向二维主成分分析提取图像行列2个方向的特征并进行降维,建立反映人脸特征投影矩阵,作为压缩感知算法的超完备基,将每一幅待识别图像的特征向量作为测量值,用基于平滑l0范数快速稀疏表示（SL0）算法求解l0范数最小化问题,寻求图像在该超完备基上的稀疏表示,以得到一组最优稀疏系数重构各类图像,求取测试图像与各类重构图像的最小残差进行分类识别.实验结果表明,该算法在同类算法中获得了较高的人脸识别率及较好的重建效果.