基于自适应加权压缩感知的图像超分辨率重建

压缩感知理论被广泛应用于从少量随机观测中精确地重构原始信号,基于压缩感知理论来实现图像的超分辨率重建,在利用图像的局部稀疏性先验的基础上,采取了以下两项措施：一是通过对图像降质模型的估计,采用K-奇异值分解(K-singular value decomposition, K-SVD)算法构建过完备字典对,依据同一图像高低分辨率观测在对应字典下稀疏表示系数相似的特点,将字典对所表示的高低分辨率图像间的映射关系带入目标函数中,避免了降采样和模糊算子难以抽象为矩阵形式对求解造成的影响;二是在待超分辨率图像稀疏编码时提出一种自适应加权的梯度投影稀疏重构(adaptive weighting gradient projection for sparse reconstruction, AWGPSR)算法,克服了传统正交匹配追踪(orthogonal matching pursuit, OMP)算法在这一步需要固定稀疏度的缺陷,可获得更加精确的稀疏表示系数。结合得到的稀疏表示系数与高分辨率字典可以重建出图像的高频分量,将重建的高频分量与低频部分融合可以得到最终的图像超分辨率重建结果。实验结果表明,...     

一种均匀化稀疏表示的图像压缩感知算法

针对基于Reed-Solomon编码的压缩感知(RSCS)算法在采样过程中遇到的向量稀疏度阈值过大的问题,提出了一种均匀化稀疏表示的RSCS(H-RSCS)算法。首先,对待观测图像做多级离散小波变换(DWT)得到稀疏矩阵,然后按照其子带频率的高低顺序,将每个子带的系数重新按行排布成一个行数值固定的矩阵,矩阵中每一列数据组成一个新的待观测向量,最后采用奇偶校验矩阵对上述均匀化的稀疏矩阵进行观测,并通过译码算法实现图像重构。仿真实验结果表明:与4种经典的贪婪追踪类算法相比,所提出的H-RSCS算法对图像的重构效果更好,实用性更强;当采样率为50%时,H-RSCS算法将重构图像的峰值信噪比提高了约9.5dB,比正交匹配追踪算法多提高了约5.1dB。     

基于CS的灰度图像压缩

采用较新的压缩感知理论,通过Harr正交稀疏变换和伯务利采样矩阵,实现了对灰度图像的低速压缩采样,并利用正交匹配追踪算法实现压缩数据的恢复.实验结果表明,此算法能较好地实现图像的感知压缩.     

基于波原子稀疏优化与组稀疏表示的压缩感知算法

图像的稀疏度对实现图像压缩感知重建具有十分重要的影响,波原子变换能够有效地对图像进行稀疏表示并且具有可逆性。本文提出一种基于波原子优化稀疏变换与组稀疏表示的图像压缩感知重构算法,根据图像波原子变换系数逐渐降低的特点,构建一种约束矩阵对图像的波原子变换系数进行抑制从而增强图像稀疏度,通过组稀疏表示图像重建算法进行图像的压缩感知重构,最后对重构图像进行波原子逆抑制变换恢复原图像。仿真实验结果表明,本文算法相较于原有算法能够更好重构图像纹理细节,重构图像质量有明显提高,能够实现更低的采样率的图像压缩感知重建。     

基于Hessenberg测量矩阵的超声图像重建

针对超声图像连续性差、自身具有稀疏性的特点,提出了一种适用于超声图像的压缩感知重建方法。该方法以小波变换为稀疏基,Hessenberg矩阵为测量矩阵,引入正交匹配追踪(OMP)算法实现了超声图像的重建。超声C-扫描图像重建结果表明在观测数据采样率降低、数据缺失等条件下均能清晰的成像,验证了该方法的有效性。此外,本文给出Hessenberg测量矩阵的有限等距性(RIP)性质证明;并与基于Toeplitz测量矩阵的图像重建方法进行了比较,实验结果表明利用本文方法的重建图像在平均结构相似度(SSIM)、峰值信噪比(PSNR)和三维差值图等指标上均较优。该压缩感知重建方法在采样率为50%,原始数据较差的前提下,成功恢复出相似度在80%以上的超声图像。     

基于近似消息传递的小波域图像压缩感知

针对现有的基于近似消息传递的图像压缩感知算法需要构建大尺寸观测矩阵的问题,研究基于近似消息传递的小波域图像压缩感知算法。为了克服逐列观测、逐列重构的传统变换域压缩感知方案隔断图像列与列之间相关性的缺点,提出了一种基于图像行列相关性的小波域压缩观测方案。进而,基于近似消息传递设计了一种适用于在稀疏度未知的情况下重建小波系数的压缩感知重构算法,结合图像小波系数的结构化稀疏特性与近似消息传递,实现了小波域图像压缩感知重构。实验结果表明,与现有算法相比,本文提出的基于图像行列相关性与近似消息传递的小波域图像压缩感知算法具有更高的重建图像质量与更快的图像重建速度。     

基于压缩感知的图像稀疏表示和重构

在信号可稀疏表示的基础上,压缩感知理论将数据的采集和压缩集于一身,从较少的观测值中重构出原始信号,突破了以奈奎斯特采样定理为基础的传统采样方式的局限性,降低了对信号采样率的要求.首先介绍了压缩感知的基本理论和各类重构算法,并在时间复杂度和重构精度上对算法作出分析比较,然后基于压缩感知理论综述图像稀疏表示和重构算法的研究进展及其相关方面的应用,最后对压缩感知在稀疏表示和重构方面作出了总结和展望.     

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.      

基于各向异性图像多尺度几何变换的压缩感知去噪算法

从压缩感知的稀疏表示出发,借鉴离散剪切滤波器设计的原理,构造了一种新型的紧框架下的各向异性的图像多尺度几何变换对图像作最优的稀疏表示;采用具有局部随机特性的结构化随机矩阵作为观测矩阵抽样原始图像,结合前述稀疏表示,并在重构过程中采用改进的分割增广拉格朗日收缩阈值法作为重构算法。仿真实验结果表明所建立的压缩感知图像去噪重构算法能够从少量受噪声污染的观测值中重构出原始图像,且在有效消除噪声的同时更多地保留了图像的边缘和细节。     

一种基于压缩感知的图像去马赛克算法

文中提出了一种基于分块压缩感知的图像去马赛克算法.该算法首先将Bayer色彩滤镜阵列采样值等效为压缩感知理论中感知矩阵采样所得的压缩数据.其次通过结合Bayer色彩滤镜阵列自身特点训练分块稀疏字典.最后在训练所得稀疏字典的基础上利用分块压缩感知重构算法便可精确重构出Bayer色彩滤镜阵列采样结果.由于训练所得稀疏字典能有效降低与Bayer色彩滤镜采样阵列之间的相关性,因此文中所提出的图像去马赛克算法能有效对单一Bayer色彩滤镜阵列采样值进行重构.通过实验验证表明：新的图像去马赛克算法明显优于传统插值算法,重构所得彩色图像在去除假色影响的同时能完整保留原始图像的细节信息.     

有无论

本文分析了中国哲学、科学思想史中的形象有无观、抽象有无观、实体有无观以及生命意义有无观．揭示了有无观念与人类生存的重大关系。     

基于W eb和开源技术的“生产管理系统”的开发与应用

主要介绍了当今流行的W eb技术、面向对象的Java编程语言及一系列的开放源代码技术,并就美国一家公司的“生产管理系统”从原有的C/S结构移植到基于W eb的B/S结构的改造工程,论述了整个系统的移植过程,及其成功经验,最后总结了我们在进行企业信息化建设过程中可借鉴之处.     

关于辞与意的一些基本认识

本文提出，为了深入认识言语规律，有必要区分“语言义”、“心意”、“言语意”等概念，并尽可能区分“词”与“辞”，“义”与“意”两组术语；在此基础上，文章系统地探究了附着于辞（包括言辞和文辞）上的各种不同意义，并依照不同的标准对这些意义进行了初步分类，得出“理性意”、“情感意”、“形象意”、“交际意”、“美感意”，“整体意”、“局部意”，以及“表面意”、“非表面意”等多种辞意类别。     

论科学与伪科学

首先讨论了科学与伪科学在对待科学的态度，研究目的，研究方法等方面的本质区别，阐明了科学理论的客观性，统一性和经验性的特点；并根据我国当前存在的种种伪科学表现，揭露了领略 虚拟性和欺骗性；     

理想与正交导子

将正交导子的一些结果推广到半素环的理想上，证明了如下结论：设Ｉ是２－扭自由的半素环Ｒ的一非零理想且ｌ（Ｉ）＝０，ｄ与ｇ为Ｒ的导子，则如下结论等价：（ａ）ｄ与ｇ正交；（ｂ）ｄｇ＝０；（ｃ）ｄｇ十ｇｄ＝０；∈Ｒ，使得（ｄｇ）（ｘ）＝ａｘ＋ｘｂ．     

论混沌与随机

建立了一种随机迭代模型；讨论了混沌与随机性的关系。许多混沌现象是一列随机事件与必然事件交互作用的结果。一些混沌是决定性系统的伪随机性。     

基于现场总线的机器人和PC机之间通信与控制的实现

介绍柔性制造单元(FMC)中的通信方案，给出了基于现场总线(PROFIBUS)的机器人和PC机之间通信与控制的具体实现方法．利用ANYBUS-S现场总线从站模块XFB01成功地实现了MOTOMAN机器人与PROFIBUS总线的互连．     

曲线和曲面上的区间值函数与Fuzy值函数的积分

定义了区间值函数与Ｆｕｚｚｙ值函数在平面或空间的可度量的几何体上的积分，从而给出了区间值函数与Ｆｕｚｚｙ值函数的曲线积分和曲面积分，讨论了它们的性质和计算方法．     

论科学研究与复杂性

科学研究目的在于追求真理，探索世界的奥秘。然而，复杂性却一直与科学研究相伴面生，可以说科学研究的目的就是探索复杂外部世界的简单规律。20世纪80年代兴起的复杂性研究，直接将复杂性作为其研究对象，试图建立描述复杂真实世界的复杂性科学。本文通过对科学研究发展历程的回顾，论述了科学研究与复杂性之间的关系，阐明了复杂性的基本含义，探讨了复杂性研究以及复杂性研究的科学性等问题。     

关于CF集族和g—度量性

本文证明了具有ＣＦ性的半分层、ｋ－空间是σ空间。此外还证明了，对于Ｘ中子集族，，ＨＣＦ＝ＣＦ＝ＨＣＦ；对于ｋ－空间Ｘ中闭集族，ＨＣＰ＝ＷＨＣＰ＝ＣＦ；对于ｋ－空间Ｘ中子集族，ＨＣＰ＝ＷＨＣＰ＝ＣＦ，利用上述结果，本文给出了ｇ－度量性的一些等价刻划。