稀疏化的压缩传感超声图像重构特性研究

传统医学超声成像射频信息存储数据量大,传输耗时且成本高.基于稀疏化的压缩传感技术,研究超声图像的稀疏特性,利用离散余弦变换(DCT)对原始超声图像进行稀疏变换,在稀疏域内进行压缩采样获得降采样数据,然后通过求解L1范数重构原始图像.理论和实验表明,该方法可以很好地应用到超声图像的重构中,且随着稀疏度的减小和测量值的增加,重构图像的峰值信噪比(PSNR值)增加,重构图像的视觉效果较好.     

基于压缩感知的多角度合成孔径雷达成像

多角度合成孔径雷达（syntheticapertureradar,SAR）成像是实现多SAR信息融合的重要方式．对提高成像分辨率．重构目标轮廓进而提高雷达目标检测或分类性能具有基础性价值．由于各传感器发射信号和测量位置的多样性,实现多角度SAR成像具有挑战性．如何在噪声干扰情况下快速实现多角度SAR成像是一个新问题．本文建立了基于压缩感知的多角度SAR测量模型．通过对测量矩阵的分析,证明多角度SAR测量角度范围、发射信号载频和空间采样位置是影响成像性能的关键因素,研究了目标空间离散间隔对成像质量和分辨率的影响．以上述分析为基础,本文对多角度SAR发射信号载频和测量位置进行设计,构建满足约束等距性的测量矩阵．针对测量矩阵阶次较高的问题,文章提出用分段正交匹配追踪（stagewiseorthogonalmatchingpursuit,STOMP）进行模型求解,在测量矩阵欠定严重的情况下,该算法可以迅速求得模型最优稀疏解．在实验环节．通过分析多角度SAR参数对成像性能的影响,进一步验证了本文结论．实验验证了模型和相应求解算法的有效性和鲁棒性．     

基于压缩感知的宽孔径SAR成像

宽孔径SAR数据包含目标不同姿态角散射信息,实现宽孔径SAR成像对目标轮廓重构与解译识别具有重要价值.本文首先提出点模糊函数(point ambiguous function,PAF)研究影响压缩感知SAR成像的因素,然后用模型失配函数(model mismatch fucntion,MMF)分析宽孔径测量条件下点散射模型失配对成像性能的影响.最后根据上述结论,选择发射信号参数改善测量矩阵性能,利用广义似然比检验方法克服模型失配对成像性能的影响.实验结果验证了本文结论的正确性和成像算法的有效性.     

基于压缩感知理论的杂草种子分类识别

在农业领域,实现自动、准确、稳健的种子分类识别算法是具有重要经济意义的.由于杂草种子的类别很多,大小、形状、纹理等特征变化多样,即使一个类别的种子,不同的特征也会在数量上有所差异.另外,由于种子常常会因潮湿、病菌等因素,产生霉块或病斑即是连续遮挡或噪声的问题,而之前的算法不适合解决此问题.文中通过求解一个复合的欠定线性方程组优化问题来解决杂草种子的连续遮挡问题.文中利用压缩感知理论在机器学习领域的运用,用主成分分析、下抽样、随机取样等方法对种子图像降维,然后就把杂草种子分类问题归结为一个求解待测样本对于整体训练样本的稀疏表示问题.问题的求解通过e~1范式最小化完成.实验结果表明,利用稀疏表示算法进行分类,可以达到很好的识别效果,对于87类的杂草种子,最好的识别率是90.80%.     

图像视频信号的压缩采样与稀疏重建

要视觉传感器通常不知道它们“看到”的现象之下的物理过程,以远远超出图像视频信号有效维度的Shannon／Nyquist采样率获取图像视频数据,从而导致了对图像视频信号的存储、传输等数字处理的巨大压力．压缩感知（compressivesensing,CS）理论表明：在某个线性变换域下稀疏的信号,可以利用少量的观测数据精确地重建,或在噪声情况下鲁棒地重建．压缩感知是实现图像视频信号有效维度采样的理论基础,为图像视频信号的采样、处理和识别等领域带来了前所未有的突破．本文对图像视频信号领域压缩感知面临的基本问题：压缩采样、稀疏重建模型及其优化求解算法的研究进展进行了综述．在采样方面,分析了图像视频信号随机观测矩阵和有结构观测矩阵的性能;在稀疏重建模型方面,从图像视频信号的稀疏先验性出发、介绍了分析型的重建模型和合成型重建模型的构建方法;在优化求解方面,针对重建模型,介绍了约束优化问题和无约束优化问题两类求解算法．以此为基础,分析了在图像视频领域压缩感知的理论与应用的进一步发展所面临的问题和挑战,展望了未来的发展方向．     

压缩感知非凸优化超宽带信道估计方法研究

超宽带信号由于传输路径较复杂且功率谱密度较低,准确的信道估计十分重要．但是由于其带宽较宽,难以直接采样．压缩感知理论提供了一种可行的低速采样方法．目前的压缩感知超宽带信道估计方法一般采用l1范数约束的凸优化形式或无稀疏性的l2范数约束形式,对目标向量的稀疏性约束不强,而拥有最强稀疏性的l0范数又缺少有效的重构算法．针对上述问题,本文设计一种基于非凸优化算法的压缩感知超宽带信道估计方法．首先将目标函数设置成l,范数约束的非凸优化形式,然后利用凸函数较易求得极值的性质,将原非凸函数组合成为凸函数形式的目标函数,并通过每步迭代凸函数对非凸函数的逼近来求解目标函数,进而估计出原信道．由于lp范数更接近于l0范数,所以对目标向量稀疏性的约束更强．实验结果表明,所提方法相对于现有的压缩感知超宽带信道估计方法能够有效降低重构误差．     

基于压缩感知的土壤呼吸监测传感网动态采样调度策略

土壤呼吸监测传感网通常部署在野外,无法直接访问电力,并且土壤呼吸测量过程比较复杂、能耗较高,因此在满足重建准确度要求的前提下,希望以尽量少的采样次数来进行测量.利用土壤呼吸真实物理过程中时间序列的相关性,可以采用压缩感知理论来实现采样调度.本文提出了一种基于压缩感知的分段动态采样调度策略:利用前期测量数据进行分析得到的先验知识,对测量时间区间的数据序列进行分段线性拟合,依据分段数据子序列的线性程度度量指标,动态确定各段的采样率.土壤呼吸测量仪在进行监测时,按照分段动态变化的采样率构造压缩感知采样和重建所需的测量矩阵.实验结果表明,相比平均采样率相同的固定采样策略,本文提出的分段动态采样策略能够得到更好的重建质量,即如果以确定的重建误差阈值作为需求,则本文的动态采样策略具有更小的采样率.虽然计算动态采样率会带来一定的计算开销,但减少的采样次数可以节省更多的能量.本文提出的基于压缩感知的分段动态采样策略,虽然在土壤呼吸监测传感网的应用场景中进行了实验和分析,但其思想对于其他类似应用的采样调度和节能问题也具有借鉴价值和潜在的可应用性.     

视觉感知结合学习的自然图像轮廓检测

本文结合非经典感受野的视觉特性与机器学习的方法,提出了一种自然图像轮廓检测模型.当非经典感受野中的刺激与感受野中心刺激形成一种精确的空间结构时,将对中心产生一种增强效应;另一方面非经典感受野中抑制作用会降低同质成分的响应,我们将这两个机制分别用于增强光滑的轮廓和减少背景中与结构无关的干扰成分.利用逻辑回归概率模型将感受野中的信息与来自非经典感受野中的信息进行有效融合,并根据图像的手工标注数据库,通过学习方法获得一组最优的模型参数.自然图像的实验结果表明该轮廓检测方法能极大地抑制来自纹理的局部边缘,减少虚假轮廓,同时能增强具有一致空间结构的成分,避免轮廓缺失.最后利用Berkeley图像数据库定量地评价了我们方法的性能,并与相关方法进行了比较.该模型不仅为复杂场景中的轮廓检测提供了一个可行的策略,并有助于对生理视觉机制的理解.     

双波段极化雷达遥感图像分类的新方法

充分有效地利用极化雷达遥感数据提取目标散射特征是极化雷达遥感应用研究中的一个重要问题，构造了三个目标概率形式描述：目标相似性参数构造目标平均散射特征描述、目标散射相关阵特征值构造目标散射随机性描述、目标接收总功率构造目标散射强度描述。在目标散射特性的概率形式描述基础上，引入鉴别信息作为目标间的差异量度；这时目标之间的差异可以按照各个波段的平均散射特征、散射随机性和散射强度分别进行量度，为去除冗余信息高效利用数据带来方便。采用最小鉴别信息准则构造了双波段极化雷达遥感图像分类算法及其简化算法；与基于Wishart分布假设的最大似然分类方法相比，无论监督分类还是非监督分类，提出的算法均可以获得更加精确的分类结果。     

基于神经网络的递推分块方法求任意高阶多项式的根

提出一种新的基于约束学习神经网络的递推分块方法, 来分批(块)求解任意高阶多项式的任意数(小于多项式的阶)个根(包括复根). 同时给出了基于多项式中根与系数间的约束关系构造的用于求根的BP网络约束学习算法, 提出了对应的学习参数的自适应选择方法. 实验结果表明, 这种分块神经求根方法, 相对传统方法, 能够快速有效地获得任意高阶多项式对应的根.     

基于自适应尺度的遥感影像渐进配准

图像配准是遥感图像处理中的基本问题.本文针对多源多时相遥感影像的特点,提出了一种基于自适应尺度的渐进配准方法,在从粗到细的迭代配准过程中,可以通过上一次配准结果的几何定位误差来确定本次匹配的尺度,并按该尺度提取特征角点和特征邻域进行匹配,与常规金字塔渐进配准方法相比,减少了匹配次数,提高了配准效率.另外,特征提取和匹配过程中提出一种基于Harris-Laplace算法和相位相关算法的遥感影像配准算法,利用Harris-Laplace角点代替原始图像,能够综合区域和特征的优点,对亚像元偏移、旋转、尺度变化具有不变性,同时对对比度和灰度的变化不敏感,具有很强的抗噪性.在特征检测和匹配的过程中采用限定搜索区域、抽稀角点等多种优化策略来提高算法的性能.实验证明,算法具有很好的精度,对几何攻击具有很好的鲁棒性,该算法已经应用于CBERS-02B星3级数据的批量自动化生产,具有很好的应用效果.     

一种基于图像边缘的鲁棒水印算法

本文基于图像的边缘,提出一种鲁棒水印算法．该算法使用Prewitt检测算子对载体图像进行边缘检测,并对边缘点进行选取,将水印信息嵌入在边缘点像素处的梯度方向上．由于人类视觉感知在图像边缘处的掩蔽效应,同时由于图像边缘的感知重要性和在图像处理中的稳定性,使得本文算法在不可见性和鲁棒性方面具有较好的效果．本文从理论上分析了算法抵抗攻击的能力．并在试验中得到了验证．同时结合人类视觉感知的掩蔽效应．提出了一种客观评价图像质量的方法．试验中对该方法进行了验证,并表明本文算法在该方法下具有较好的不可见性．     

基于STDP规则和忆阻桥突触的神经网络及图像处理

忆阻器是具有记忆和类突触特性的非线性电路元件.基于此特性,文中提出了一个基于STDP（spike-time-dependent plasticity）学习规则的忆阻桥突触电路,它具有可以作为人工神经网络突触的优势.根据此优势,将这个新的电路与其他电路和网络结合,构成全新的电路和网络.首先将该忆阻桥突触电路和3个附加的晶体管结合在一起,实现神经网络的突触运算,并构建完整的忆阻桥突触神经网络.然后再将它与细胞神经网络结合用于图像去噪、边缘提取、角检测和汉字识别.最后,通过一系列的仿真实验证实了该方案的可行性,说明基于STDP学习规则的忆阻桥突触神经网络更具仿生特性,而且集成度更高、模板更易更换,有望解决实时的复杂的智能问题.     

基于分区的水稻总产遥感估算研究

本文通过未基于分区与基于分区的水稻总产遥感拟合模型的比较分析,选取最优模型进行水稻遥感估产.以湖南省为研究区,在水稻遥感估产分区、水稻可能种植区识别的基础上,以县为单位,利用2000～2007年的统计产量与MODIS EVI建立未基于分区与基于分区的水稻总产遥感拟合模型,通过相对误差、RMSE,以及拟合结果与统计值比较散点图分析,选择最优遥感拟合模型,并用此模型对2008年湖南省水稻总产进行预测.研究结果表明,基于分区的水稻总产遥感拟合模型要比未基于分区的要好,最优模型为二次非线性模型和逐步回归模型,且生育期主要集中在孕穗期到乳熟期.水稻总产拟合及预测结果与统计值相比省级相对误差都小于5%,且拟合结果的误差总体上比预测结果的误差要小.基于分区的水稻总产遥感估产模型有效地提高了水稻遥感估产的精度.     

乌苏里江水深遥感反演

文中在分析卫星遥感测深机理的基础上,利用SVCHR-1024高光谱成像仪确定了可见光反演水深的最佳波段,通过对HJ星CCD数据各波段反射率、波段比值组合对水体、水深的敏感性分析,建立了适合于乌苏里江的单波段对数水深反演模型,从而快速获取乌苏里江河道地形信息,并探测了河道深泓线,整体精度达到80%以上.遥感反演水深可快速探测河道深泓线的方法,为乌苏里江河势演变研究提供了新的思路.     

基于单形体几何的高光谱遥感图像解混算法

提出一种新的基于单形体几何的高光谱遥感图像混合像元丰度估计算法.该算法的目标是在已知端元矩阵的基础之上,估计高光谱图像中各个观测像素点中每个端元的丰度.根据凸几何理论,基于线性混合模型的高光谱解混问题可以看成一个凸几何问题,其中端元位于包含整个高光谱数据集的单形体的顶点,而它们对应的重心坐标则可以看作各个观测像素的丰度.提出的方法由3部分组成,分别为基于单形体体积的重心坐标计算方法、距离几何约束问题和基于内点的单形体子空间定位算法.与其他基于单形体几何的算法相比,该方法具有诸多优点.Cayley-Menger矩阵的引入使得欧式空间上的运算转化为距离空间上的运算,在降低运算复杂度的同时很好地兼顾到数据集的几何结构.而且,单形体重心的使用确立了一种快速而精确的判断方法来确定观测像素所属的子空间,进而利用递归的思想得到丰度值.此外,算法核心仅仅涉及观测点与端元之间的距离,而与波段数无关.因此,该算法无须对数据执行降维处理,从而可以避免因数据降维而造成的有用信息的丢失.仿真和实际高光谱数据的实验结果表明,所提出的算法与同类其他优秀的算法如FCLS和SPU相比,具有更高的运算精度,同时在端元数目较小时具有较快的运算速度.