基于小波域维纳滤波器的信号稀疏表示

经典小波分解对信号稀疏化效果不佳,为此设计了基于小波域经验维纳滤波器的稀疏表示算法. 该算法可自适应地衰减每个小波系数,增大系数的稀疏度及可压缩性,从而提高压缩感知算法对信号的恢复质量. 仿真结果表明,与传统的基于小波变换的信号稀疏表示及恢复算法相比,该算法较大地提升了对信号及图像的恢复质量.     

采用残差估算的卫星云图压缩传感重建

摘要： 卫星云图数据量庞大,获取、传输、存储的代价很高. 为了有效减小云图采样率及数据量,提出一种基于残差估算的压缩传感云图重建方法. 该方法首先构造一种抗混叠方向多尺度变换,用于压缩传感的稀疏表示. 借助随机投影技术将带平滑处理的投影Landweber算法引入分块压缩传感的重建过程,通过估计当前云图与前一相邻时次云图的残差获得理想的重构云图. 实验结果表明,抗混叠方向多尺度变换适用于压缩传感的稀疏表示,所采用的残差估算重建方法可明显提高重建云图的视觉效果及客观评价指标. 当测量率为0.5时,重建云图的峰值信噪比较直接重建法平均提高0.5 dB以上.     

一种基于分数余弦变换的数字图像水印算法

提出了一种基于分数余弦变换的数字图像水印算法.将原始图像分块并利用人类视觉系统的掩蔽效应将图像块分类,选择变换域中幅值较大的系数自适应地修正嵌入强度,以嵌入二值水印图像.实验结粜表明该算法能有效地保持图像的质量,并且对常见的图像处理如噪声叠加、JPFG压缩、均值滤波、图像缩放和图像裁剪等比余弦变换域中修改低频系数的水印算法具有更强的鲁棒性.     

一种RGB分块压缩感知的图像水印算法

根据压缩感知理论的计算保密特性,提出一种基于内容特征与压缩测量值的图像水印新算法.首先,对图像进行分块处理,获取分块RGB三个颜色层上的DCT变换系数.然后,对DCT中低频系数采用压缩感知测量提取图像内容特征,生成基于内容的数字水印.最后,利用精细化稀疏自适应匹配追踪信号重构算法,分多次把数字水印嵌入到分块颜色层的高频DCT系数的压缩测量值中,增强了水印鲁棒性.通过对提取的水印进行比对及差错控制,实现图像篡改检测.仿真实验表明,算法对图像篡改具有精确的检测能力.     

一种高效的多级递归提升离散小波变换VLSI架构

提出了一种基于提升模式的递归算法实现多级离散小波变换,该算法通过交错计算各级小波变换,提高了运算效率.文中以9/7提升小波为例,给出了相应的多级离散小波变换架构.该架构在Altera的StratixⅡEP2S60 FPGA上得到了综合验证,运行频率达到了80 MHz.分析和比较表明,该架构能够显著减少多级离散小波变换的运行时间,提高硬件利用率,减少存储器大小,具有速度快、面积小、功耗低等优点.和已有的架构相比,硬件利用率最大可提高22%.     

基于Shearlet域各向异性扩散和稀疏表示的图像去噪

为了更有效地去除图像噪声,同时更好地保留图像边缘细节信息,提出了一种基于shearlet 域各向异性扩散和稀疏表示的图像去噪方法. 首先对含噪图像进行非下采样shearlet 变换(nonsubsampled shearlet transform, NSST),将图像分解为低频分量和多个高频分量. 低频分量中包含图像信号的主要能量以及少量的噪
声,而高频分量中含有大部分噪声和图像边缘信息. 然后,利用K-奇异值分解(K-singular value decomposition,K-SVD) 算法去除低频分量中的噪声,各个方向的高频分量则通过核各向异性扩散(kernel anisotropic diffusion,KAD) 算法进行去噪. 最后,对处理过的低频分量和高频分量进行非下采样shearlet 反变换(inverse nonsubsampled shearlet transform, INSST),得到重构图像,从而有效地去除图像噪声,保留图像边缘细节. 实验结果表明,与小波扩散去噪法、shearlet 硬阈值去噪法、K-SVD 稀疏去噪法、小波域稀疏去噪法相比,该方法的去噪能力更强,并能更好地保留图像纹理细节特征,改善图像视觉效果.     

基于心理声学模型数字音频水印算法

提出了一种将心理声学模型和小波变换、离散余弦变换相结合的数字音频水印算法,根据人耳听觉系统的掩蔽效应,计算载体音频信号的掩蔽阈值.为了消除图像水印的像素相关性,首先对水印图像进行置乱,以增强水印信号的安全性.然后将水印信号嵌入到小波变换近似分量的DCT变换域中,嵌入强度由掩蔽阈值自适应控制.仿真实验结果表明：该算法隐藏水印具有很强的不可感知性;叠加了水印的音频信号对数据压缩、加噪、重新采样、重新量化、低通滤波等常用的音频信号处理技术具有很好的鲁棒性.     

剪切波与小波在信号及图像去噪中的应用

针对信号和图像去噪声问题,利用小波及剪切波理论,分别对信号及图像稀疏表示。通过软阈值算法将其重构,实现去噪声过程。根据小波和剪切波的不同结构,分析了剪切波与小波的去噪声过程,通过信噪比对比了二者的恢复效果。通过数值算例分析了消失矩对小波去噪声结果的影响,为去噪声问题中如何选择小波基提供先验信息。     

基于稀疏表示的遥感图像超分辨重建

为了获取高质量的超分辨遥感图像,提出了一种改进特征提取算子的稀疏表示遥感图像超分辨率重建方法。该算法通过设置模板,对一阶和二阶梯度滤波算子进行改进,在有效提取低分辨率图像边缘特征的同时,减少噪声干扰。利用遥感图像库训练得到高、低分辨率图像块字典,再应用低分辨率图像块及其字典求出稀疏表示系数。高、低分辨率图像块具有相同的稀疏表示系数,可根据已求的稀疏表示系数得出超分辨重建图像。实验结果表明,改进算法的超分辨重建效果的客观评价指标,比以往稀疏表示超分辨方法有很大提高,峰值信噪比提高近0.24 dB,均方根误差降低近0.15。     

基于压缩感知的遥感图像重构方法研究

针对遥感成像高分辨率、高光谱和多时相趋势所带来的高数据率的问题,应用ShannonNyquist采样技术难以胜任未来遥感应用中对海量信息的处理需求。为解决遥感图像采样数据量大、采样时间长以及数据传输存储量大等资源浪费的问题,提出了一种基于压缩感知的遥感图像重构方法。基于遥感图像的先验知识得到改进联合稀疏表示模型,并采用一种广义迭代收缩方法对该模型进行有效求解,实现了低采样率、低复杂度的遥感图像重构算法,获得了较高质量的图像重构效果。实验结果表明,所提出的重构算法具有一定的正确性和有效性,并且在PSNR方面比目前的主流算法要好。     

一种基于DCT与DWT的自适应图像水印算法

提出了一种基于DWT和DCT的自适应图像水印算法．该算法以DWT和DCT变换为基础,自适应选择水印嵌入位置,并且根据HVS亮度掩蔽模型对水印嵌入强度自适应调节．实验证明,本文算法对JPEG压缩、噪声等常规信号处理操作都具有相当好的鲁棒性．     

图像块状瑕疵消除及边缘作用的分析

块状瑕疵是基于离散余弦变换的图像压缩常见问题之一,会造成图像质量的明显退化. 文中提出一种新的块状瑕疵消除（解块滤波）方法. 通过对近期解块滤波中边缘图提取方法及其作用的分析,引入压缩数据块的类型判断标准进行分划并提取边缘图,采用自适应复合方法消除图像中块状瑕疵. 所有的计算都在压缩域中进行,因此对原始数据的压缩特性没有任何影响. 实验结果表明,与现有其他方法相比,该方法覆盖范围广,输出稳定,处理后图像视觉效果好.     

压缩感知雷达超分辨率成像

研究压缩感知理论在逆合成孔径雷达(inverse synthetic aperture radar, ISAR) 成像中的应用. 雷达发射方位稀疏的探测脉冲,对满足Nyquist 采样定理的雷达去斜回波数据进行稀疏采样,再利用压缩感知重构算法分别重构距离向和方位向的完整的目标特性回波信号. 为了得到高分辨的雷达ISAR 像,对重构的数据在距离向
和方位向分别进行超分辨率处理. 实际雷达数据和仿真数据表明ISAR 像的分辨率有较大提高,所给出的综合方法可以降低数据量,节省雷达的时间资源,具有良好的应用价值.     

带尺度整数DCT及其快速算法

通过提出一种DCT矩阵的稀疏分解方法得到了带尺度整数离散DCT的概念与快速算法．整数DCT算法完全通过整数加法和移位来实现,可以无损地表示信息,同时其算术运算量比传统的DCT算法具有大幅度的减少,因此,方法非常适合于硬件的实时实现．基于带尺度整数DCT的图像压缩实验验证了算法的高效特性．     

分布式压缩感知视频编码技术

介绍了典型的分布式压缩感知视频编码实现方案,并与基于信道编码的分布式视频编码进行比较. 阐述了分布式压缩感知视频编码理论基础,分析和总结了现有的分布式视频压缩感知结构. 对编码工具进行对比,指出了分布式压缩感知视频编码的特点. 剖析和展望了分布式压缩感知视频编码所需解决的视频序列稀疏表示、重建算法、码率控制等关键技术.     

人脸识别中的零范数稀疏编码

为解决人脸识别中运算速度和识别效果之间的矛盾,提出了零范数稀疏编码算法. 该算法用零范数描述稀疏编码模型的稀疏度,通过对模型的间断点连续开拓,有效地提高了算法收敛速度. 运用ORL人脸数据库对该算法进行识别率和效率测试,并与非负稀疏编码算法和非负矩阵稀疏分解算法进行对比,表明文中提出的算法调节稀疏度的能力更强,可有效缩短运算时间,并在较短时间内获得较高的识别率.     

基于多组耦合字典及交替学习的图像超分辨率重建

本文提出多组耦合字典及其交替学习算法,实现图像超分辨率重建. 在字典学习阶段将训练图像视为高分辨率图像,将它先缩小再放大得到低分辨率图像. 两图像之差为残差图像. 从残差图像块和低分辨率图像块特征的联合数据中学习耦合字典,得到残差图像和低分辨率图像间的映射关系. 针对图像块具有不同纹理和结构以及
字典学习效率的问题,提出多组耦合字典和字典交替学习算法. 在重建阶段先将输入图像插值放大,视为低分辨率图像. 求出低分辨率图像块对于每组耦合字典中低分辨率部分的稀疏表示误差,取表示误差最小的耦合字典中残差部分重建残差图像,与低分辨率图像融合得到高分辨率图像. 实验结果表明该方法具有良好的重建效果.     

基于小波变换图像压缩技术的研究

介绍了小波变换理论,利用小波变换实现图像压缩,指出了小波变换的优越性,根据图像压缩性能的评价标准与传统的DCT变换压缩图像作了比较,结果表明:基于小波变换图像压缩方法的性能要优于DCT变换.     

基于DCT域纹理特征的多聚焦图像融合

现有的基于离散余弦变换(discrete cosine transform, DCT)的多聚焦图像融合算法容易使融合图像出现块效应和伪影,为此提出一种基于DCT域纹理特征的图像融合算法.该算法以8×8 DCT块中反映能量方向性的纹理区域作为图像融合单位,根据纹理区域的频谱相似度,选择能量较大的区域或以区域加权叠加的方式获得融合区域.实验结果表明,与现有基于DCT域的多聚焦图像融合算法相比,该算法获得的融合图像主观质量较好,能有效避免明显的块效应与伪影.     

工业CT中ART算法权因子的研究

图像重建是工业CT(Computed Tomography)的重要组成部分,ART(Algebraic Reconstruction Techniques)算法是工业CT图像重建中的一种重要代数方法,权因子的计算是ART算法中前期的主要工作.以工业CT中ART算法的权因子为研究对象,介绍了一种切实可行的权因子算法.通过siddon改进算法与快速算法的图像重建比较,得出2种算法权因子计算时间相当,siddon改进算法重建时间为快速算法的1/2,并且它们重建的图像质量也相当.因此,在重建时间上,siddon改进算法是快速算法效率的2倍.