字典学习的K-SVD算法分析

分析了字典学习的K-SVD算法,通过引入K-Means计算方法,将K-Means方法推广到用于字典学习的K-SVD计算方法中;分析和描述了K-SVD计算过程,指出了K-SVD方法与K-Means方法之间的关系,最后观察图像数据训练用于稀疏表示的字典.     

基于K-SVD 字典学习的岩心图像压缩感知重构

针对传统方法进行岩心图像压缩感知重构时,在低码率下容易产生细节丢失的问题,提出一种基于 K-SVD( K-Singular Value Decomposition) 超完备字典学习的压缩感知重构算法。首先根据分块压缩感知理论,将 岩心图像分块,采用高斯随机矩阵对相应层级的图像块进行观测,得到对应的观测值块,然后用MMSE ( Minimum Mean Squareerror Estimation) 方法获得初始解的估计并利用提示小波进行滤波,通过全局阈值的思想 得到自适应阈值,最后利用K-SVD 字典结合Landweber 迭代实现压缩与重构。实验结果表明,与传统方法相 比,在相同的采样率下获得的重构图像能较好地保留岩心图像的纹理信息,重构岩心图像的PSNR( Peak Signal to Noise Ratio) 值提高约0． 1 ～ 0． 8 dB。     

基于K-SVD字典学习的核磁共振图像重建方法

基于超完备字典的图像稀疏表示因其具有稀疏性、特征保持性、可分性等特点而被广泛应用于图像处理.本文利用K-SVD字典学习算法并应用于MR图像重建.将字典学习等价于一个二次规划问题,学习得到的字典能有效描述图像特征.基于学习所得的字典,获得图像的稀疏表示,并重建原始图像.实验结果表明,与Zero-filling方法相比,本文的重建结果能更好地保留图像细节信息,获得更高的SNR值.     

基于改进K-SVD字典学习的医学图像压缩算法

提出了一种新的图像压缩算法,该算法在K奇异值分解(K-SVD)的基础上,将图像分解成4×4像素的图像块,进行字典学习和稀疏表示,完成图像压缩编码存储;在图像恢复的过程中,通过使用字典学习前保留的边缘,对恢复图像进行修复。实验表明:在压缩比为20:1时,该算法的峰值信噪比(PSNR)较JPEG算法高出4 d B;用边缘信息修复后,较JPEG算法高出近10 d B,比JPEG2000算法高出3 d B。     

基于Sparse K-SVD学习字典的语音增强方法

提出一种基于Sparse K-SVD学习字典的语音增强方法,采用Sparse K-SVD算法自适应地训练一个可稀疏表示的冗余字典,在该冗余字典上采用正交匹配追踪(OMP)算法对带噪语音信号进行稀疏分解,利用稀疏系数矩阵重构纯净语音,实现语音增强.使用NOIZEUS语音库进行了一系列的语音增强实验,主客观评测数据表明,基于稀疏表示的语音增强方法(分别使用Sparse K-SVD和K-SVD训练字典)相对于传统语音增强方法(小阈值波法、谱减法、改进谱减法)可进一步改善语音质量;对字典训练时间进行统计,发现Sparse K-SVD算法训练字典消耗的时间为K-SVD算法训练时间的1/6~1/10,大幅度提高了计算效率.     

基于K-SVD和PCA运动属性字典学习的行为识别

本文提出了一种基于K-SVD和PCA运动属性字典学习的行为识别方法.首先采用混合高斯背景建模提取运动目标前景,并对其提取四通道光流特征;然后在字典学习阶段对于输入特征采用K-SVD学习过完备初始字典,对初始字典进行PCA变换进一步学习更为紧致的字典,减少原子间的相关性;最后采用OMP算法求解稀疏系数来表征目标的行为.利用本文提出的方法在CASIA数据集上进行测试,实验结果表明该方法具有较高的识别率.     

一种基于形态学的彩色图像去噪算法

现有的彩色图像去噪方法大都基于灰度图像,即先把彩色图像转化成灰度图像或者二值图像再进行去噪,不能充分利用彩色图像的特点.为此,提出了一种基于数学形态学的彩色图像去噪算法,尝试直接在彩色空间中进行去噪.实验表明这种算法是可行的、有效的.     

基于偏微分方程的彩色图像去噪综合模型

把结合了二阶偏微分方程ROF模型和四阶偏微分方程LLT模型的去噪综合模型从灰度图像推广到彩色图像.在RGB彩色空间中,依次对每个彩色分量进行去噪处理,然后再合成彩色图像.实验结果表明,综合模型在去噪效果和细节保护方面都有较好的表现.     

基于偏微分方程的彩色图像乘性去噪模型

提出一种新的非线性偏微分方程恢复模型,解决含乘性噪声的彩色图像恢复问题.新模型中引入光滑后向量值图像的几何流形特征判断图像的"真"、"假"边缘,利用P(x)-Laplace扩散系数在区域内部和边界以不同的方式进行扩散,利用|u|q扩散系数在乘性噪声干扰不同的区域以不同的速度进行扩散.理论分析和数值实验结果表明了该模型的...     

基于改进的MCA和K-SVD的图像稀疏表示去噪算法

图像去噪是图像处理中的关键问题之一,传统的图像去噪方法是基于小波阈值变换的,其去噪效果较好,但容易丢失细节信息,导致边缘模糊,针对传统去噪方法存在的不足,本文提出一种基于形态学成分分析(Morphological Component Analysis,MCA)和K奇异值分析(K-SVD)的图像去噪方法.考虑到传统的MCA算法对图像的稀疏性要求较高,本文通过求解最接近l1范数的若干次优解和最小l1范数解进行加权叠加,并将结果作为源信号的估计,改进了传统MCA算法中对图像稀疏性的高要求,提高了对源信号估计的精度.本文方法首先采用改进的MCA算法将含噪图像划分为平滑部分、纹理部分和边缘部分;然后对平滑的结构部分采用小波阈值去噪,并利用改进的K-SVD去噪算法对纹理部分和边缘部分进行自适应去噪,最后将三部分合起来得到最终去噪图像.实验表明,该方法相比于传统的图像去噪方法能够更好地滤除噪声,保留图像的细节特征和边缘信息,获得更高的峰值信噪比值.     

基于图像熵分块的压缩感知字典学习算法

针对传统字典学习算法预处理阶段未考虑图像内外部特征的问题,提出一种基于灰度梯度矩阵的图像熵字典学习算法.该算法通过灰度梯度矩阵计算图像块熵值,并对各图像块进行分类,每类数据组合成训练数据集,再利用基于系数矩阵的奇异值分解算法更新各类子字典.对测试图像的稀疏表示系数进行重建实验,仿真结果表明,该算法可高效训练出自适应稀疏字典,显著提高图像重建精度.      

一种基于平均曲率的彩色图像去噪分裂模型

基于平均曲率模型并结合彩色图像通道的耦合关系,构造了彩色图像局部和全局的平均曲率分裂模型.分裂的彩色图像去噪模型简化了高阶模型强的非线性性和正则性,从而可以设计更加简单的数值算法.通过数值实验的对比发现分裂模型有更好的恢复质量并能有效地减少全变差模型的阶梯效应.     

K-SVD算法的超声图像加性噪声去噪研究

利用具有稀疏性、特征保持性和可分离性等特点的超完备字典的稀疏表示,基于核奇异值分解(K-SVD)算法,研究了对图像去除噪声效果以及影响效果的因素.理论分析及实验研究表明:K-SVD算法能够很好去除超声图像噪声,保留图像细节特征,获得更高的峰值信噪比(PSNR)值.在计算过程中发现K-SVD算法中的训练样本尺度大小是影响去噪效果的主要参数.     

基于非局部自适应字典的SAR图像迭代去噪算法

为了更好地利用SAR图像携带的信息,相干斑噪声的抑制成为各国学者研究的热点之一.结合稀疏表示理论和图像的非局部自相似理论,提出了一种基于非局部块匹配与自适应字典的K-singular value decomposition(K-SVD)的synthetic aperture radar(SAR)图像迭代去噪算法.首先,在每次迭代中,利用非局部块匹配算法对上一次迭代的结果进行匹配分组,然后对每组相似块进行自适应字典更新,并用图像块替换字典原子来提高字典训练的效率,最后通过K-SVD的迭代实现SAR图像的去噪效果.实验结果表明,该算法具有更好的去噪能力,能更好地保持图像的细节和纹理等有用信息.     

基于四元数表示的彩色图像泊松噪声去噪

为了整体处理彩色图像,提出了一种基于四元数的去除泊松噪声的加权平均滤波器.首先,基于彩色图像四元数表示法,将一幅彩色图像表示为一个纯四元数矩阵,并利用四元数代数理论定义了重建图像和原始图像之间的四元数均方误差;然后,结合非局部均值滤波的基本思想,采用拉格朗日乘数法推导出使QMSE紧上界最小的加权系数;最后,基于这些最优加权系数,对四元数表示的像素值进行加权平均,构造出四元数最优权值非局部均值滤波器,并将其应用于彩色图像泊松噪声去噪.针对常用标准图像的对比实验结果表明,所提的滤波器优于现有的四元数滤波器以及传统的基于向量方法的滤波器和基于分量独立处理方法的滤波器.     

一种改进的基于K-SVD字典的图像修复算法

提出一种改进的基于K-SVD字典的图像修复算法.该算法基于稀疏表示,利用待修复图像内的有效信息,以不重叠像素的方式提取图像块,采用模糊C均值聚类算法对图像块进行聚类,并使用K-SVD算法分别对各类图像块进行训练,得到与各类图像块相适应的字典,重建图像块,修复受损图像.实验结果表明,该算法能提高图像的修复质量和图像的峰值性噪比,且均方根误差较小.     

基于分块和NSCT-SVD的彩色图像数字水印算法

针对目前彩色图像数字水印算法水印容量较小、水印攻击强度较大时鲁棒性弱的问题,提出了一种基于分块和NSCT-SVD的彩色数字水印算法.将彩色载体图像分解成R,G,B共3个通道,同时将每个通道分解成4个非重叠块,分别对这些非重叠块进行NSCT处理,可得到各非重叠块对应的低频子带信息,并对低频子带信息进行奇异值分解.同时将彩色水印图像的R,G,B通道信息进行奇异值分解,考虑水印鲁棒性和隐蔽性均能较好权衡的原则,优选水印嵌入因子,将水印图像R,G,B通道信息的奇异值加入到原图像各块的低频子带信息的奇异值中,实现彩色图像数字水印嵌入.试验结果表明:该算法嵌入水印的图像保真度较高、水印的隐蔽性较好,同时对包括噪声、滤波、图像剪切、JPEG压缩、旋转等攻击均具有较强的鲁棒性,尤其提高了攻击强度较大时水印的鲁棒性.     

矢量中值滤波在细胞彩色图像去噪中的应用

在一般图像中值滤波去噪的算法基础上,针对细胞医学图像处理的特点,用彩色图像的矢量中值滤波算法对细胞图像进行去噪处理.去噪过程使用窗口长度变换和同窗口多次迭代两种方式进行实验,结果表明,采用矢量中值滤波算法的同窗口多次迭代方式能够取得良好的去噪效果.     

小波分析与颜色矢量法对彩色图像去噪

为消除彩色图像中的高斯噪声,提出应用小波分析与颜色矢量法结合的方法对彩色图像去噪;根据欧拉距离,将主要目标识别和分割出来进行去噪.结果表明,与已有的算法相比,该算法能有效地去除彩色图像中的高斯噪声,并且保留图像地细节部分,同时计算耗时很短.