基于非局部分类处理的SAR图像降斑

针对合成孔径雷达(synthetic aperture radar, SAR)图像不同内容间的统计特性差距较大以及采用非局部降斑方法处理SAR图像时会产生图像细节丢失及伪影等现象,提出了一种基于非局部分类处理的SAR图像降斑方法。首先对相似块方差系数的均值采用阈值比较的方法将图像分为同质区和异质区,在寻找目标块对应的相似块时,根据图像块中心像素点所属的类别选择合适的参数进行块匹配,并在获得相似块后分别使用加权平均的方法处理同质区目标块和3D变换域硬阈值收缩方法处理异质区目标块。该方法不仅能在块匹配过程中选择不同的块尺寸和搜索范围以提高块匹配的精度,而且使用不同方法处理同质区和异质区时能够在图像降斑与细节保持的权衡中达到更好的平衡。实验结果表明,该方法充分利用同质区和异质区的特点,结合不同的方法进行分类处理可有效提高图像降斑性能,在SAR图像降斑性能指标和视觉效果方面均达到了较高水平。     

基于线性最小均方误差估计的SAR图像降噪

针对合成孔径雷达(synthetic aperture radar, SAR)图像降噪过程中容易引起细节纹理信息损失的问题,该文结合SAR图像相干斑噪声的统计特性,提出了一种基于变换域系数线性最小均方误差(linear minimum mean-square error, LMMSE)估计的SAR图像降噪方法。首先通过SAR场景下的Kmeans聚类算法将相似图像块聚类;然后针对每一类相似图像块集合进行奇异值分解(singular value decomposition, SVD),得到同时包含图像块集合行列相关信息的含噪奇异值系数;为从含噪奇异值系数中更准确地估计出真实图像奇异值的系数,先通过加性独立信号噪声(additive signal-dependent noise, ASDN)模型将乘性噪声转化为加性噪声,再利用LMMSE准则对奇异值系数进行估计,最后将估计结果重构得到降噪后的图像块集合。实验结果表明,该方法充分利用相似图像块集合奇异值系数稀疏的特性,采用LMMSE准则估计奇异值系数,既保证了系数中噪声分量的去除又避免了图像纹理细节对应小系数的丢失,不仅去噪效果明显,同时能有效地保持图像纹理细节,具有良好的图像视觉效果。     

基于结构特征约束两阶段重构的视频压缩感知

针对现有视频压缩感知多假设预测-残差重构方法重构精度不高的问题,提出一种基于结构特征先验约束两阶段重构的多假设预测视频压缩感知方法。该方法从相似图像块非局部相似性和梯度稀疏性出发,将第一阶段多假设预测重构后的当前帧直接作为第二阶段重构的初始重构帧,利用低秩正则化和全变差正则化再次进行重构,其中低秩正则化矩阵是通过欧氏距离-感知哈希算法获取的图像相似块集合,同时包含帧内和帧间的相似图像块,充分利用帧内帧间的结构相似性,有效提高重构性能,为后续残差重构打下基础。仿真实验表明,所提两阶段重构算法较现有几种优秀重构算法更好地保留了视频帧的细节,并具有更高的重构精度。     

基于结构特征约束两阶段重构的视频压缩感知

针对现有视频压缩感知多假设预测-残差重构方法重构精度不高的问题,提出一种基于结构特征先验约束两阶段重构的多假设预测视频压缩感知方法。该方法从相似图像块非局部相似性和梯度稀疏性出发,将第一阶段多假设预测重构后的当前帧直接作为第二阶段重构的初始重构帧,利用低秩正则化和全变差正则化再次进行重构,其中低秩正则化矩阵是通过欧氏距离-感知哈希算法获取的图像相似块集合,同时包含帧内和帧间的相似图像块,充分利用帧内帧间的结构相似性,有效提高重构性能,为后续残差重构打下基础。仿真实验表明,所提两阶段重构算法较现有几种优秀重构算法更好地保留了视频帧的细节,并具有更高的重构精度。     

矩阵时间序列的减秩自回归模型及其应用

在矩阵维度较高或行(列)变量相关性较强的情况下,已有矩阵自回归模型的应用将面临预测精度下降与解释能力不足的双重挑战.为解决上述问题,本文提出减秩矩阵自回归模型及减秩-迭代最小二乘估计方法.通过设定系数矩阵的低秩结构,降低自变量维度及待估参数数目,该模型既能有效保证估计精度,增加预测准确性,又可简化变量间关系,提升解释能力.进一步,本文证明了估计方法的理论渐近性质,并指出模型秩的确定可采用最小特征值比率准则.数值模拟显示,在秩约束条件下,减秩矩阵自回归模型及其估计方法表现更优.最后,该模型被应用于城市空气质量研究,实证结果充分体现了其降维去噪,准确预测及有效解释的优势.     

基于区域分割的NSCT域SAR与全色图像融合算法

提出了一种基于多阈值分割和无下采样Contourlet变换(nonsubsampled Contourlet transform, NSCT)的SAR与全色图像融合算法。首先对降斑SAR图像作多阈值分割,并定义了区域均值比量测算子将SAR图像进行区域划分;然后采用NSCT对降斑SAR图像和全色图像进行多尺度、多方向分解,分解后的低频部分根据区域均值比量测算子进行区域融合,高频部分则采用区域与窗口邻域相结合的融合策略;最后对融合系数进行重构得到融合图像。实验结果表明,该算法的融合图像既可保持全色图像的空间分辨率,又可有效获取SAR图像的目标信息,融合效果优于小波变换法以及基于像素的NSCT法。     

基于贝叶斯模型的shearlet域SAR图像去噪方法

通过对合成孔径雷达(synthetic-aperture-radar,SAR)图像相干斑噪声的特点分析,提出一种基于贝叶斯模型的shearlet域SAR图像去噪方法。首先将变换后的SAR图像在shearlet域进行稀疏表示,得到稀疏系数的分布;其次利用贝叶斯模型进行信号和噪声检测的建模,得到最佳的阈值;然后根据稀疏系数在不同方向上相关性不同的特点,利用自适应加权收缩算法对SAR图像噪声进行平滑处理;最后利用降噪后的高频子图像和低频子图像进行逆shearlet变换,得到SAR重构图像。通过在MSTAR数据库上的实验表明,该算法在滤除相干斑噪声的效果上比其他方法更好,并且不会损失图像的边缘特性。     

基于低秩约束和边信息的近似消息传递CS重构算法

噪声环境下图像压缩感知(compressive sensing,CS)重构方法的性能会大幅度下降。在近似消息传递(approximate message passing,AMP)算法的基础上,同时利用结构先验信息和边信息来增强AMP算法对噪声的鲁棒性。利用图像中相似块的低秩特性,在反投影的含噪图像中捕获低秩子空间的结构特征;再将含有确定成分的前期重构图像作为边信息，以实现细节的增强。实验表明,本文算法比原始AMP算法在峰值信噪比(peak signal to noise ratio,PSNR)上平均提高了3.89 dB,且获得更加清晰的重构图像;与仅利用低秩特性的AMP算法相比,引入边信息后本文算法在PSNR上获得了0.27 dB的增益,同时增强了重构图像的细节。     

快速加权核范数最小化的SAR图像去噪算法

提出快速加权核范数最小化(fast weighted nuclear norm minimization,FWNNM)的合成孔径雷达(synthetic aperture radar,SAR)图像去噪算法。首先采用对数变换将SAR图像的乘性噪声变换为加性噪声,然后利用非局部相似性对变换后的图像进行块匹配,随后根据低秩模型框架,用随机奇异值分解替换加权核范数最小化(weighted nuclear norm minimization,WNNM)算法中的奇异值分解进行低秩矩阵逼近,再采用梯度直方图保存的方法对图像进行纹理增强,最终实现了对SAR图像快速去噪。在MSTAR数据库上的实验结果表明,与已有方法相比,所提方法在SAR图像去噪和边缘保持方面是有效的,并且比WNNM去噪速度快3倍。     

基于多小波的SAR图像去噪与压缩

SAR图像固有的乘性相干斑噪声降低了图像的相关性,增加了信息熵,影响了图像压缩的性能.多小波能够同时拥有正交性、紧支性和对称性,比单小波具有更多的自由度.因此提出了在多小波域进行去噪和压缩相结合的SAR图像编码算法.首先对图像进行多小波变换,采用改进的软阈值法抑制相干斑噪声同时对图像边缘进行保护,再对多小波系数重排建立空间方向树,然后采用多级树集合划分(SPIHT)算法进行编码.实验结果表明,该算法改进了重建SAR图像的PSNR,同时对相干斑噪声进行了有效的抑制.     

稀疏表示中稀疏系数的l-1范数的特性分析

稀疏表示模型被广泛应用于计算机视觉和模式识别领域,该数学模型中参数稀疏系数的l-1范数作为图像块的活跃度度量(activity level measurement,ALM)特征被成功应用于稀疏表示图像融合领域,但该参数的物理意义至今没有明确的解释。以此问题为出发点,首先,从广义的角度出发,将图像块的稀疏系数向量的l-1范数定义为奇异度;其次,在理论上定性说明了该定义的合理性;第三,通过实验,以图形化方式侧面展示了该参数的物理意义。理论与实验分析结果表明:信号向量的稀疏系数可看作该向量在字典基函数下的投影坐标,稀疏系数的l-1范数可用来描述信号的奇异性特征。     

聚类字典下集中式稀疏表示的幻觉脸重建方法

在基于稀疏表示的幻觉脸重建过程中,由于冗余的过完备字典会降低稀疏编码的效率和精度,提出用紧的聚类子字典来表示人脸图像的不同结构对象。由高分辨率（high resolution, HR）/低分辨率（low resolution, LR）的人脸图像样本集进行K-均值聚类,为使紧的聚类子字典能够表达图像块的整体特征,对各聚类子集采用主成分分析（principal component analysis, PCA）方法构造字典。得到同构的HR/LR的聚类字典后,对于输入的LR人脸图像块,经自适应选择合适的子字典后,对稀疏编码添加正则化项,采用集中式稀疏编码,以使稀疏表示系数更逼近要重建的HR人脸图像块。由此稀疏表示系数与HR字典的线性组合得到HR人脸图像块,将此图像块与近似结果进行合成,从而得到最终的人脸图像。经仿真实验,并与其他的方法进行比较,实验结果验证了所提方法的有效性。     

广义判断下AHP(GJAHP)的一致性检验与可接受性的进一步探讨

广义判断下的AHP(GJAHP)是在单准则下通过构造广义判断矩阵的数学模型而建立的一种广义AHP.本文提出了广义判断矩阵一致性的一种非参数统计检验方法--spearman秩相关系数法, 给出了广义辅助矩阵的构造性定义, 并进一步探讨了广义判断矩阵的可接受性。最后本文给出了GJAHP的应用实例。     

基于组稀疏表示和加权全变分的图像压缩感知重构

传统的基于组稀疏表示(group sparse representation, GSR)的压缩感知(compressd sensing, CS)重构算法利用信号的稀疏性和非局部相似性来重构图像信号,但没有充分考虑图像的局部平滑特性,影响了算法的重构性能。考虑信号的稀疏性、非局部相似性、平滑性3种先验信息,提出一种基于GSR和加权全变分(weighted total variation, WTV)的图像CS重构算法,并针对传统的WTV采用全局加权会引入错误的纹理以及边缘状伪影的问题,利用一种新的WTV策略,只对图像的高频分量设置权重来保证图像重构质量。此外，针对硬阈值迭代法忽略低频的主分量系数,采用硬阈值-模平方方法来更好地保护非主分量系数。实验表明,相同采样率下,所提算法的峰值信噪比比非局部正则化全变分和基于GSR的CS算法平均分别提高5.4 dB和0.62 dB,验证了所提算法有效保护图像的细节信息。     

基于组稀疏表示和加权全变分的图像压缩感知重构

传统的基于组稀疏表示(group sparse representation, GSR)的压缩感知(compressd sensing, CS)重构算法利用信号的稀疏性和非局部相似性来重构图像信号,但没有充分考虑图像的局部平滑特性,影响了算法的重构性能。考虑信号的稀疏性、非局部相似性、平滑性3种先验信息,提出一种基于GSR和加权全变分(weighted total variation, WTV)的图像CS重构算法,并针对传统的WTV采用全局加权会引入错误的纹理以及边缘状伪影的问题,利用一种新的WTV策略,只对图像的高频分量设置权重来保证图像重构质量。此外，针对硬阈值迭代法忽略低频的主分量系数,采用硬阈值-模平方方法来更好地保护非主分量系数。实验表明,相同采样率下,所提算法的峰值信噪比比非局部正则化全变分和基于GSR的CS算法平均分别提高5.4 dB和0.62 dB,验证了所提算法有效保护图像的细节信息。     

分层双轴各向异性介质电磁传播矩阵计算

在广义传播矩阵(general transmitting matrix, GTM)方法分析各向异性介质传播特性的基础上, 对分层双轴各向异性介质进行分析。构造双轴各向异性介质中横向场的状态矢量和耦合矩阵, 得到双轴各向异性介质中的本征波, 引入GTM, 获得分层双轴各向异性介质的反射系数和透射系数。对不同介质涂覆结构的角度特性和频率特性进行分析, 数值计算结果与商业软件结果高度一致。进一步将电磁传播矩阵与弹跳射线(shooting and bouncing ray, SBR)法相结合, 获得介质涂覆目标的电磁散射特性, 所得雷达散射截面结果与商业软件结果之间的均方根误差小于3 dBsm, 体现了该方法的准确性。     

基于HPP/PO的舰船与海面耦合散射快速算法

针对粗糙海面上舰船类超电大尺寸复杂目标电磁散射问题,提出了一种基于混合面元投影(HPP)和物理光学法(PO)的计算目标与海面耦合散射的快速算法。首先建立基于海谱的海面几何模型,并考虑海面面元的微粗糙特性,修正海面反射系数,然后针对目标和海面的结构特点,形成两种尺度面元混合的目标与海面模型,对电磁波在海面和目标之间的多次反射按照GO原理进行快速投影运算,并利用PO计算投影区域的散射贡献,最后给出了几组典型实例的计算结果。数值计算表明,该方法对于海面舰船类目标的散射计算是高效、准确的。     

均匀线阵混合信源DOA估计与互耦误差自校正

针对均匀线阵(uniform linear array, ULA)互耦条件下混合信源的波达方向（direction of arrival, DOA）估计问题,基于联合对角化算法,提出了一种基于3步实现的DOA与互耦系数估计新算法。首先利用互耦矩阵的Toeplitz结构实现混合信源中独立信源的DOA及互耦系数的粗估计;然后结合斜投影及前后向空间平滑,实现混合信源DOA估计;最后以广义空间特征矩阵及混合信源DOA估计值为基础,提出一种非子空间类互耦系数自校正方法。计算机仿真结果表明,与同类算法相比,所提算法无论在DOA及互耦系数估计精度、还是在DOA估计成功率方面,均具有明显的优势,且对于高斯背景噪声具有普适性。     

二元收缩方程与复数小波用于SAR影像去噪

二元收缩方程定义了由相邻尺度小波系数的联合概率密度函数,其与噪声模型联立后利用最大后验概率估计可进行图像去噪。在SAR图像斑点噪声服从瑞利分布的假设下,结合双树复数小波变换推导了基于二元收缩方程的SAR图像的简化去噪模型,然后利用局部方差估计和维纳滤波器获得噪声方差与带噪小波系数方差的估计值,并计算出合适阈值对SAR图像进行去噪。实验结果显示,去噪图像的峰值信噪比以及有效视数都较其它算法有大幅提高,且很好地保持了图像的边缘特征。