一种基于广义Jaccard系数的改进SAMP压缩信号快速恢复算法

压缩感知算法作为一种信号处理方法，可以解决机场终端区实时频谱监测的问题。 基于稀疏度自适应匹配追踪(SAMP)信号重构算法，引入了广义Jaccard系数、t-平均相关系数、变步长思想，提出了JTVS-SAMP算法。在算法的原子筛选部分引入广义Jaccard系数可以减少原子混淆导致的精度下降问题，t-平均相关系数的引入可以避免测量矩阵RIP系数的计算，降低了算法的复杂度，变步长思想中的大步长迭代，小步长靠近的步骤使得算法的效率及精度都大大提升。采用一维高斯随机稀疏信号作为测量信号进行仿真，可以有效的模拟机场终端区经过能量检测后的测量信号，经过仿真，JTVS-SAMP在不同的测量数、稀疏度情况下的算法重构成功率的表现明显优于传统压缩感知算法，且与SAMP算法相比，JTVS-SAMP在重构误差和算法时间方面的表现均有显著提升。     

基于Dice系数的弱选择回溯匹配追踪算法

为进一步提高压缩感知重构算法的重构成功率和重构精度,从原子匹配准则和预选阶段原子选择方式的角度出发,提出一种基于Dice系数的弱选择回溯匹配追踪(weak-selection backtracking matching pursuit based on Dice coefficient, DWBMP)算法.首先,采用Dice系数匹配准则度量两个向量之间的相似性,选出最匹配的原子,以优化支撑集;然后,结合回溯思想和弱选择思想剔除相似性较小的原子,完成预选阶段原子的二次筛选.MATLAB仿真结果显示,相同条件下,DWBMP算法较经典的压缩感知重构算法具有更优的重构精度和重构成功率.     

一种稀疏度自适应正交多匹配追踪重构算法

压缩感知理论是一种利用信号稀疏性或可压缩性对信号进行采样同时压缩的新颖的信号采样理论。针对稀疏度未知信号重构问题,提出了一种稀疏度自适应正交多匹配追踪重构算法。该算法在广义正交匹配算法(generalized orthogonal multi matching pursuit,GOMP)基础上结合稀疏自适应思想。根据相邻阶段信号能量差自适应调整当前步长大小选取支撑集的原子个数,先大步接近,后小步逼近信号真实稀疏度,从而实现对信号精确重构。实验仿真结果表明,该算法能有效精确重构信号。具有良好的重构性能和较高的重构效率。     

一种压缩感知中的改进的正则化牛顿算法

提出了一种新的压缩感知重构算法——正则化牛顿算法.该算法结合了牛顿法重建效果好和正则化正交匹配追踪(Regularized Orthogonal Matching Pursuit,ROMP)收敛速度快的优点.并且在此基础上,针对原有的正则化过程进行了改进.Madab仿真结果表明,文中提出的算法在重构精度上要高于正交匹配追踪(Orthogonal Matching Pursuit,OMP)和正则化正交匹配追踪(ROMP),而在迭代次数和重构时间上要低于牛顿法和正交匹配追踪(OMP).     

层次景象匹配区选取准则

提出了由粗到细的层次景象匹配区选取准则,定义了稳定强度和广义最高峰尖锐度,从匹配区选取的策略上分析了匹配区的选取问题.首先选出信息量足够多的匹配区,再从中筛选出信息量足够强的匹配区,最后利用唯一性的判断,排除匹配区相关面多峰值的情况,选出最佳匹配区.通过这样的逐层筛选,实现了匹配区选取的逻辑性和合理性,可以满足景象匹配的要求.     

运动图像矢量匹配运动补偿压缩算法

针对块匹配算法及块匹配算法中所采用的 MAD (Mean of the absolute framedifference)和 MSE(Mean of the square error)匹配准则的不足进行了详细的分析 ,提出了运动图像矢量匹配运动补偿压缩算法 (VMAMC) ,实验证明 ,该方法有较明显的优势。     

DVC中基于广义高斯分布的WZ帧重构算法

为提高分布式视频编码系统解码WZ(Wyner-Ziv)帧的图像质量,提出了基于广义高斯分布的WZ帧重构算法.该算法充分考虑了边信息与原始WZ帧具有较强相关性的特点,将广义高斯分布作为相关模型;在边信息已知情况下,对给定量化区间、计算WZ帧的条件期望并将其作为WZ重构值;将广义高斯分布的形状参数设为0.5,推导出基于广义高斯分布重构WZ帧的闭式表示.实验结果表明,文中提出的基于广义高斯分布的WZ帧重构算法比最小均方误差(MMSE)重构算法的峰值信噪比提高约0.6 d B,并能有效改善重构WZ帧的图像质量.     

一些特殊矩阵Moore-Penrose逆

给出了计算无圈二分图的对应的矩阵的广义逆的求解方法,求所有最大匹配与所有SDR的算法,并给出了单圈二分图或者共圈二分图的矩阵广义逆的计算公式.     

基于局部性质的改进正交匹配追踪算法

正交匹配追踪算法是一种重要的压缩感知重构算法,针对正交匹配追踪算法中当前信号的最优估计,每一个采样点都有它的局部性质,且相邻采样点之间必然相互影响.本文基于局部性质,对正交匹配追踪算法进行改进,提高了对稀疏参数的估计精度,实现了信号的重构,实验证明了该方法的有效性.     

基于一种改进的压缩感知重构算法的分析与比较

主要结合稀疏自适应匹配追踪算法和梯度追踪算法的各自优点,在该两种算法的基础上提出了一种新的信号重构算法,并通过实验仿真分析了新算法在信号重构过程中的优越性。     

在最优准则下的共轭梯度重建算法

将最小二乘准则与平滑准则相结合,提出了一个关于SIRT型CT代数重建模型的实用的最优准则,根据这一准则推导出相应的代数重建方程·分别应用预优共轭梯度算法和另一种新兴的迭代格式SOR like算法对该方程进行求解·在理论上证明了:对任意的迭代初值,预优共轭梯度法的收敛速度至少不低于广义SOR或SOR like算法·在数值实验中,验证了预优共轭梯度算法比SOR like算法具有更好的CT重建效果和消噪能力·由此导出的预优共轭梯度重建算法提高了CT代数重建的效率·     

一种改进的变步长自适应匹配追踪算法

压缩感知是利用信号的稀疏性和可压缩性进行信号处理的新理论.针对压缩感知中信号稀疏度未知的问题,提出了一种改进的变步长自适应匹配追踪(MVss AMP)算法.该算法通过计算余量与测量矩阵的相关性,自适应地选择候选集原子,并且通过可变步长更新支撑集,实现信号的精确重建.该算法通过设置一个参数来控制步长变化.仿真结果表明:该算法在误差范围内实现了信号精确重建,并且重建性能优于其他同类算法.     

基于3D-OMP算法的SAR动目标成像方法

针对稀疏场景下的SAR动目标成像问题展开研究，提出一种基于三维正交匹配追踪(3D-OMP)算法的稀疏成像方法。首先对成像区域进行网格划分，然后以运动目标的二维速度作为动态参数构建三维稀疏字典矩阵，即参数化稀疏表征。在算法迭代过程中，通过计算回波数据矩阵与三维稀疏字典矩阵各层之间的相关度筛选出信号的支撑集。最后利用最小二乘准则，计算出支撑集下目标场景的稀疏表征系数。该3D-OMP算法是经典OMP算法的改进与拓展，因此继承了OMP算法计算复杂度低、信号稀疏特征增强明显的优势，同时具备了重构SAR动目标图像的能力。仿真实验结果验证了该SAR动目标成像方法的有效性。     

基于多方向正交匹配追踪的压缩感知图像重构算法研究

针对压缩感知中图像信号的压缩比较大、重构效率较低的问题,提出一种基于正交匹配追踪的压缩感知图像重构算法。该算法在图像压缩阶段,利用测量矩阵对目标图像进行二次测量,进一步缩小压缩比。在图像重构阶段,将单次循环的正交匹配对象由一维向量拓展到二维矩阵,利用多方向正交投影对压缩数据进行图像重构。仿真实验结果表明,在缩小压缩比的情况下,可较准确地重构出原始图像;并且显著提高重构效率。     

具有最小匹配能量的广义仙人掌图

为了研究具有最小匹配能量的广义仙人掌图的结构,利用一些图形变换对图的匹配能量产生影响的相关方法,得到了具有最小匹配能量的广义仙人掌图的结构:在所有顶点数、边数、块为圈的数目和块为双圈图的数目都固定的广义仙人掌图中,G﹡(n,m,r,s)是匹配能量最小的图;在所有顶点数和边数都固定的广义仙人掌图中,G﹡(n,m,1,(m-n)/2)或G﹡(n,m,0,(m-n+1)/2)是匹配能量最小的图。     

基于ASIFT图像匹配算法的三维重建

提出了基于ASIFT图像匹配算法的三维重建算法。目前,基于图像序列的三维重建中,一般采用SIFT图像匹配算法。对于存在仿射变换的图像序列,ASIFT算法较SIFT算法能够获得更多精确的稀疏匹配点;基于ASIFT算法恢复的三维点云比基于SIFT算法恢复的三维点云更加稠密,从而能获得更好的三维重建结果。仿真实验表明,本文算法能获得较好的三维模型。     

SIFT算法的改进

【目的】为了减小三维重建的重投影误差,提出一种改进的SIFT(Scale Invariant Feature Transform)算法。【方法】首先使用SIFT提取和匹配特征点,将这些匹配点作为归一化互相关(Normalized Cross-correlation,NCC)的初始匹配对;然后使用特征点的主方向对局部图像进行旋转校正;最后计算该初始匹配对NCC系数并将相似地貌中的误配点剔除。【结果】该方法剔除了大量的误配点,提高了特征点的正确匹配率和重建结果的精度。【结论】改进的SIFT算法能够得到更为准确的匹配点对,获得较好的重建效果。