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.     

基于幅相分离立体匹配的小波立体图像压缩

针对立体图像压缩中视差估计问题，提出了幅度和相位分离的立体匹配方法。在压缩过程中，采用CONCOD立体图像编解码器结构，分别对左右图像进行小波多分辨率分解，并用幅相分离的立体匹配方法对左右图进行视差估计。根据各种补偿残差的大小，自适应调整预测块的大小和编码方案－－帧间视差补偿、帧内预测补偿和帧内自编码。仿真实验证明了该算法在保持较高立体图像质量的同时可获得较高压缩比。     

全局重建和位置块残差补偿的人脸图像超分辨率算法

针对传统基于学习的人脸图像超分辨率算法存在高频细节信息损失过多问题,提出一种全局重建和位置块残差补偿相结合的人脸图像超分辨率新算法.首先利用高、低分辨率训练集所有样本,使用基于权值学习的全局重建算法得到初步的人脸图像,再结合图像模糊和下采样过程,产生高、低分辨率残差图像训练集,最后使用基于位置块的残差补偿算法,对初步的人脸图像进行高频细节补偿得到最终结果.对比实验结果表明,相比同类基于学习的人脸图像超分辨率算法,在将人脸图像分辨率提高4×4倍的情况下,新算法的平均峰值信噪比可提高0.65～3.55dB,可以更好地重建出局部高频细节信息.     

单应变换下无人机序列图像高效率压缩算法

针对高空无人机航拍序列图像的实时图像压缩问题,设计了一种基于单应变换的可精确定比的高压缩性能低计算复杂度航拍序列图像压缩算法.该算法使用机载惯导数据进行编码帧组划分并获得中间帧相对于首尾帧的初始单应变换,进而通过多子区匹配实现对单应矩阵的快速精确求解,然后通过单应变换来实现对中间帧的整体运动估计和补偿,最后用JPEG2000算法对帧组数据进行整体压缩.实验结果表明,相对于传统算法,该算法具有计算复杂度低、压缩比高、保真度好、可精确定比压缩的优点.     

利用小波系数上下文建模的Bayesian压缩感知重建算法

针对目前压缩感知图像重建算法没有充分利用图像小波系数尺度内相关性的缺点,提出一种上下文建模的Bayesian压缩感知重建(CBCS)算法.该算法假定图像的小波系数服从参数未知的spike-and-slab概率模型,先通过一种新的上下文建模方法得到待估计小波系数邻域内的上下文矢量,然后根据待估计系数与上下文矢量的相关性及其父亲系数的状态,推测待估计系数为显著系数的概率,最后根据待估计系数的概率,采用马尔科夫链-蒙特卡洛采样的Bayesian推理从观测向量中恢复出图像的小波系数,进而得到重建图像.实验结果表明,CBCS算法可以自适应于图像内容的变化,与仅利用尺度间相关性的小波树结构的压缩感知重建算法相比,在0.9的采样率下,重构性能最大可提高近2 dB.     

基于运动对齐预测模型的分布式视频压缩感知重构

为了提高分布式视频压缩感知（Distributed Video Compressive Sensing,DVCS）的率失真性能,文中提出根据视频非关键帧图像的时间相关性将帧内各块分为静止块与运动块两类,并对它们设定不同的测量率以提高压缩感知（Compressive Sensing,CS）捕获信息的效率.在重构过程中,提出运动对齐多假设预测模型进行重构,该预测模型在测量域内实现运动估计,并根据运动信息在参考帧内寻找到待重构块的若干候选匹配块,利用它们的线性加权和残差重构得到非关键帧图像的重构结果.仿真实验结果表明,文中所提出的DVCS重构算法能有效提升系统的率失真性能,与现有方法相比,在重构时间基本不变的情况下,获得更好的主客观视频重构质量.     

多尺度压缩感知框架下的遥感图像超分辨率重建

传统的基于压缩感知的超分辨率重建算法将图像看作单尺度,并没有考虑不同尺度的图像块可能包含不同的判别信息.为了有效利用遥感图像的尺度特性,提出了一种多尺度压缩感知框架下的遥感图像超分辨率重建算法.首先通过图像块聚类构建多尺度训练样本集,接着运用Fisher判别准则学习包含遥感图像类别信息的判别字典,然后根据压缩感知中测量矩阵的构造方式估计低分辨率图像的获取过程,最后结合判别字典依次重建多尺度模式下的各子区域图像.实验结果证明了将多尺度压缩感知引入图像超分辨率重建的有效性,提出的算法在视觉效果和评价指标上均优于现有的几种算法.     

联合结构预测和运动补偿的视频自适应压缩感知

视频压缩感知是解决无线多媒体网络中海量数据存储和传输问题的有效方法,但常规基于单帧处理的压缩重构质量较差,限制了应用效果。文中提出了基于BCS的结构预测和运动补偿的提高视频GOP序列重构质量的方法。对视频GOP序列,首先,利用分块压缩感知对关键帧和压缩帧分别进行压缩采样,并给出了一种视频稀疏性定量估算方法,实现了压缩采样率自适应选择;然后,基于迭代阈值投影重构算法,对关键帧和压缩帧分别进行压缩重构。在此基础上,利用视频帧区域块的结构相关性进行帧内结构预测,提高重构质量;最后,利用帧间的时间冗余性,通过运动估计和运动补偿进一步提高重构质量。仿真结果表明,结构预测和运动补偿能提高视频重构的峰值信噪比(PSNR)。该算法考虑了视频序列帧内和帧间相关性进行预测和补偿,提高了GOP序列的重构质量。     

基于子空间投影的SFGPR压缩感知成像算法

针对传统压缩感知SFGPR成像重建算法在强杂波测量环境中往往会失效的问题,提出一种基于子空间投影杂波抑制技术的SFGPR压缩感知成像重建算法.该算法首先在每个天线测量位置通过压缩感知测量模型重建所有的频域原始均匀采样数据,然后采用子空间投影杂波抑制技术滤除较强的地面回波,最后结合稀疏重建算法对地下目标图像进行压缩感知重建.实验数据处理结果验证了所提方法的有效性和准确性.     

基于残差分布式压缩感知的视频软组播研究

提出了一种基于压缩感知理论的新型无线视频传输方案残差分布式压缩感知组播(RDCScast).在编码端,我们提出运用残差压缩感知技术来表示非参考帧,然后把参考帧的原始观测值和非参考帧的残差观测值一起打包进行传输,最主要的是我们提出了对每一个包里面的残差观测值和原始观测值进行最佳能量分配方案。在解码端,不同信道特性的接收者能够获得相应数量的包,最后运用运动估计重建视频帧。实验结果表明对于无线视频组播,RDCS-cast方法比现有的Softcast和DCS-cast方法更有效且保持了低复杂度的编码。