基于加权双层Bregman及图结构正则化的磁共振成像

针对磁共振图像(magnetic resonance imaging,MRI)重建质量的问题,提出一种基于加权双层Bregman字典学习方法和图结构正则化稀疏表示的新算法.该算法中,迭代重加权最小l1和图结构正则化稀疏表示模型是被合并到双层Bregman字典学习方法中.加权双层Breman的字典学习方法在外层迭代中增强K空间抽样数据的约束性,在内层迭代中解决Lp的优化.而图结构正则化稀疏表示方法具备捕获图像结构细节的能力,所以从较高的欠采样数据中能完成精确重建.此外,在内层迭代中,重加权最小l1和图结构正则化稀疏表示使算法能快速地趋于收敛.实验结果表明,所提出的算法可有效恢复MRI图像,其峰值信噪比和高频错误的值都优于基于压缩感知的字典学习方法和基于双层Bregman的自适应字典学习方法.     

利用子空间改进的K-SVD语音增强算法

在低信噪比的情况下,稀疏表示无法将纯净语音完全从带噪语音中分离出来,针对此问题提出了一种利用子空间改进的K奇异值分解语音增强算法．首先,利用子空间最优估计器跟踪噪声; 其次,通过K奇异值分解算法对噪声进行训练,构建出噪声字典; 最后,用K奇异值分解算法训练语音字典．在训练过程中,如果某个原子对应的稀疏系数低于设定的阈值,并且该原子可在训练得到的噪声字典中找到,就把该原子对应的稀疏系数设为零,即可达到去噪的目的．仿真结果表明,改进算法去除白噪声和babble噪声的效果显著,有效提高信噪比和减少语音失真,同时,该算法也可以很好地应用于消除随机噪声．     

基于Radon和小波变换的纹理图像检索

提出一种新的基于Radon和小波变换的图像纹理特征检索算法．针对检索图像进行Radon变换,并对投影矩阵进行中心化使其具有平移不变性．利用图像的统计值对投影数据规范化,分别沿 和t方向对投影矩阵进行TSI小波分解,得到具有平移、旋转和尺度不变的小波分解．提取各子带能量作为图像的纹理特征,并对特征向量进行高斯归一化．以两幅图像归一化特征向量间的Canberra距离作为图像的相似度进行检索．基于纹理特征的图像检索试验结果表明,该方法对高斯噪声具有较强的鲁棒性,与其他方法相比具有较高的检索率．     

基于冗余字典的一种新的数字图像水印算法

基于图像的超完备字典稀疏表示是一种新的图像表示理论,利用字典的冗余性可以有效地得到图像的几何结构特征,从而实现图像的表示.当前稀疏表示的理论研究主要集中在稀疏分解算法和字典构造算法两方面.基于此稀疏特性,本文提出了一种新的基于冗余字典的数字水印方法.此方法利用图像在超完备字典上的自适应稀疏分解,通过在字典域实现数字水印算法.实验结果证实了本文所提方法的有效性.     

基于小波变换与曲波变换的图像插值

提出了一种组合小波变换与曲波变换稀疏约束的图像插值算法。利用小波变换对图像纹理成份和曲波变换对图像卡通成份的稀疏表示特性,首先将图像插值问题转化成稀疏约束的图像重建问题,然后通过迭代投影对复原最优化问题进行求解,从而实现成份自适应的图像插值。实验结果表明,相比于现在有图像插值算法,本文算法可以显著地提高被插值图像的峰值信噪比(PSNR)和视觉质量。     

基于非局部正则化的乘性噪声去除模型及Split-Bregman算法

针对全变分去噪模型会模糊图像边缘和纹理部分的问题,提出一种改进的去除乘性噪声的非局部正则化模型,并利用Split-Bregman算法进行求解。对观测图像取对数变换,将乘性噪声转化为加性噪声,利用全变分思想,以非局部TV范数作为正则项,通过图像区域与区域的灰度相似性来确定权重系数,进而更好地保持图像的纹理结构;在模型中加入紧凑项来保证去噪图像的紧凑性。对模型求解并进行数值仿真实验,结果表明:改进的去除乘性噪声的非局部正则化模型能够去除图像噪声且较好地保持其纹理部分。     

基于Curvelet-Wavelet变换高分辨率遥感图像降噪

基于图像卡通-纹理分解模型,利用Curvelet变换和Wavelet变换对图像不同部分具有不同的稀疏表示特性,提出新的混合域遥感图像降噪方法.利用分解模型对图像分别进行Curvelet域和Wavelet域中的系数建模,结合高斯混合尺度模型(GSM)对图像卡通部分和纹理部分进行降噪,之后对图像进行合并.实验结果表明,该方法降噪后图像峰值信噪比(PSNR)明显提高,有效地保持了图像的细节和边缘,抑制了降噪图像的混叠现象.     

稀疏表示人脸识别的关键问题分析

稀疏表示是一种高效的图像表示方法,且稀疏系数具有很好的稀疏性和可扩展性。基于稀疏表示的人脸识别能够提高识别率,增强鲁棒性。针对人脸识别在实际应用中遇到的问题,对稀疏表示人脸识别的方法、识别中遇到的关键问题及其解决办法进行综述。结果表明:稀疏表示人脸识别中,光照变化,可以通过增加不同光照的人脸图像训练样本解决;遮挡腐蚀,可以通过用加入误差字典来扩展过完备字典解决;姿势变化或未对准,可以通过对输入图像进行线性结构迭代变换解决;利用稀疏集中指数可以实现图像是否有效的判断。指出采用稀疏表示同时处理对准和连续遮挡的人脸图像识别,及识别准确性与实时性的提高是需进一步研究的方向。     

运用TGV正则化分解模型实现天文图像去噪

通过对天文图像进行分解达到去噪的目的,针对图像分解模型中常用的总变差（Total Variation,TV）半范假设图像由分片常数区域构成这一局限性,提出了基于2阶总广义变差（Total Generalized Variation,TGV）半范正则化的图像分解方法．假设图像的主体部分在有界总变差（Bounded Generalized Variation,BGV）空间中,振荡部分在G空间中,建立图像分解极小化模型,使得分解后的各部分之和逼近原始图像的同时,主体部分满足一定的光滑性要求．运用快速迭代压缩一闽值算法（FastIterative Shrinkage—Thresholding Algorithm,FIS—TA）迭代算法及Chambolle投影算法对模型求解,收敛速度快,耗时小．数值实验表明,与TV正则化方法相比,利用本文方法能更好地去除太阳射电动态频谱图中的噪声,从而更准确地将纤维精细结构提取出来．     

运用总变分最小化和振荡函数的图像分解方法

为有效地提取纹理和去噪而不损坏图像的边缘及其他重要细节,Meyer(2001)提出了分别用BV空间和G空间刻画图像的主体和细节部分,笔者在Meyer的图像分解模型基础上,建立能量最小化PDE方程,将模型离散化后,利用投影算法和ROF模型的求解方法,将图像分解为有界变差部分u和包含纹理和噪声的部分v.数值实验表明,此方法仅用共40次迭代就能达到很好的分解效果,且去噪的信噪比比ROF模型提高了29.95%,而且除能有效地提取纹理和去噪外本方法对图像的边缘及其他重要细节损坏较小.     

结合多特征的单幅图像超分辨率重建算法

为提高直接捕获的图像质量,针对梯度特征只能提取水平、垂直方向信息及非下采样轮廓波变换(NSCT)提取细节信息不足的缺陷,提出一种结合Gabor变换及NSCT的超分辨率重建算法.该算法充分利用Gabor变换和NSCT的互补性,针对输入图像块的特点,采用Gabor变换来提取纹理特征,NSCT来提取轮廓特征,然后分别利用稀疏模型进行重建,最后合并成一幅高分辨率图像.由于输入图像或多或少存在模糊,在重建过程中,加入了去模糊的正则项,以消除输入模糊的影响.实验结果表明,结合两种特征的超分辨率效果与单一特征相比,能够恢复更多的细节信息,去模糊正则项也有一定的作用.本文方法与Kim提出的核岭回归及Yang提出的稀疏表示算法(SCSR)相比,主观上视觉效果更加清晰,客观上PSNR值平均提高了近2d B,说明了该算法能够有效地提高图像的质量.     

Remote sensing image fusion based on sparse non-negative matrix factorization

In order to reduce the spectral and spatial distortions, a novel method based on sparse non-negative matrix factorization (SNMF) is proposed for multispectral and panchromatic images fusion. Firstly, the high spatial resolution and low spatial resolution dictionaries are learned from panchromatic. Then we construct a sparse non-negative matrix factorization model of the multispectral image. Thus, the coefficients matrix with spectral information can be obtained. The high spatial resolution multispectral image is produced by the multiplication high spatial resolution dictionary and the coefficients matrix. By introducing the sparse regularization, the instability of the standard non-negative matrix factorization is conquered and the fused image can preserve the high spectral and spatial information. Some experiments are made on QuickBird and Geoeye satellite datasets, and experimental results show that our proposed method can reduce distortions in both the spectral and spatial domains, and outperform some related pan-sharpening approaches in visual results and numerical guidelines.     

块核范数的RPCA分解与熵权类稀疏的壁画修复

针对图像修复过程中,颜色纹理光学属性分离不彻底,以及在稀疏表示图像修复时字典设计单一,导致壁画图像修复结果易出现结构不连贯和模糊效应等问题,提出了一种基于块核范数的鲁棒主成分分析(robust principal component analysis, RPCA)分解与熵权类稀疏的壁画修复方法。首先,采用提出的基于块核范数的RPCA图像分解算法,将壁画图像分解为结构层和纹理层,利用块核范数进行纹理矫正操作,克服了RPCA结构纹理分离不完全的问题。然后,提出熵加权k-means方法对结构层图像进行聚类,构建得到稀疏子类字典,并通过奇异值分解和分裂Bregman迭代优化的类稀疏修复方法,完成结构层图像的重构。最后,利用双三次插值算法实现对纹理层图像的修复,将修复后的结构层和纹理层进行融合,完成破损壁画的修复。通过对真实敦煌壁画数字化修复,实验结果表明,该算法能够有效地保护壁画图像的边缘和纹理等重要特征信息,无论从视觉效果还是从峰值信噪比等定量评价方面,提出的方法修复效果均优于比较算法,且修复执行效率更高。     

非凸稀疏低秩约束的高光谱解混方法

针对高光谱混合像元的丰度矩阵具有行稀疏特性,提出一种非凸稀疏低秩约束的高光谱解混方法．首先,建立高光谱图像非凸稀疏低秩约束模型,将丰度系数矩阵的非凸p范数作为稀疏约束,并将丰度系数矩阵奇异值的非凸p范数作为低秩约束;其次,构建联合低秩性先验与稀疏性先验的非凸极小化模型,并提出求解的增广拉格朗日交替极小化算法,将复合正则化问题分解成多个单一正则化问题,交替迭代求解．实验仿真结果表明,该算法比贪婪算法和凸优化算法能获得更高的解混精度,并且适用于信噪比较高的高光谱数据．     

采用自适应字典学习的InSAR降噪方法

We consider the phase noise filtering problem for interferometric synthetic aperture radar (InSAR) based on the dictionary learning technique. Due to the non-convexity of the optimization problem is difficult to solve. By using the splitting technique and employing the augmented Lagrangian framework, we obtain a relaxed nonlinear constraint optimization problem with l₁-norm regularization which can be solved efficiently by the alternating direction method of multipliers (ADMM). Specifically, we firstly train dictionaries from the InSAR complex phase data, and then reconstruct the desired complex phase image from the sparse representation. Simulation results based on simulated and measured data show that this new InSAR phase noise reduction method has a much better performance than several classical phase filtering methods in terms of residual count, mean square error (MSE) and preservation of the fringe completeness.     

基于分数阶全变差和自适应正则化参数的图像去模糊

为更好地复原图像的纹理细节,避免求解图像去模糊模型时面临正则化参数难以选择的问题,提出了一种基于分数阶全变差（FOTV）模型和自适应更新正则化参数的非盲去模糊图像重建方法。首先,在分析不同分数阶下FOTV的幅频响应特性的基础上,采用不同分数阶次的FOTV模型约束图像的平滑（低频）部分和纹理细节（高频）部分,从而建立图像非盲去模糊重建模型。其次,为了有效地求解重建模型和实现两个正则化参数的自适应更新,采用交替方向乘子法(ADMM)将原本含有两个正则化参数的复杂问题分解成两个相对容易的子问题进行求解,每个子问题只含一个正则化参数。最后,根据偏差准则,在迭代求解过程中实现了两个正则化参数的自适应更新。将所提算法应用于包含平滑、边缘和纹理细节的多幅图像中,测试4种不同模糊核下的去模糊效果;与传统的4种去模糊算法相比,实验结果表明所提算法能自适应地更新两个正则化参数,对于纹理细节适中的图像具有较好的去模糊效果。     

基于特征表征的单幅图像超分辨方法

基于稀疏表示的图像超分辨是近年信号处理中的研究热点,快速准确地找到图像的稀疏表示系数是该方法的关键。该文提出了一种基于特征表征的算法来求解图像块的稀疏表示系数。受压缩感知理论启发,使用联合训练的字典来进行图像超分辨。特征表征算法在每一次迭代中,通过确定稀疏系数的符号,将求解的非凸问题变为凸问题,有效提高所得稀疏系数的准确性和超分辨算法速度。仿真结果显示,与插值法和经典的稀疏表示法比较,特征表征法可以得到更好的主观视觉评价和客观量化评价。     

改进TV-H-1模型的图像修复方法

为改善现存图像修复算法在修复时存在的"灰度跳变"现象,同时降低运行复杂度,提出一种基于偏微分方程模型(称为Isophote-TV-H-1模型)和改进Criminisi算法的数字图像修复算法.首先利用图像分解模型(TV-H~(-1))获得缺损图像的结构部分和纹理部分;然后用Isophote-TV-H-1模型和改进的Criminisi算法分别对缺损图像的结构部分和纹理部分进行修复;最后将修复后的结构部分和纹理部分进行叠加得到最终的修复结果.实验结果表明,本模型与TV模型相比,能够较好地修复缺损区域中的纹理信息;与Criminisi算法相比,本模型通过对相似度度量方法的改进,有效地抑制了图像修复过程中的误差传播,并利用局部搜索(图像局部相似性)来替代传统的穷尽搜索,进而提高算法的效率.同传统的基于图像分解的图像复原算法以及TV模型相比,本模型能解决"灰度跳变"问题,获得更好的修复结果.     

一种新的布匹瑕疵图像自动检测算法

针对布匹图像非下采样Contourlet分解系数能更好地描述瑕疵图像的轮廓特性,同时具有平移不变性和多方向性等优点,提出一种新的瑕疵自动检测算法.该算法通过非下采样Contourlet变换得到图像的多尺度、多方向稀疏表示;在此基础上,通过代价函数选择最优子带,得到较鲁棒性的描述;最后实时地估计瑕疵和非瑕疵图像的混合高斯...