基于卡通纹理分解和稀疏表示的图像超分辨率重建

针对Yang等人提出的基于稀疏表示的图像超分辨率的重建效果不够理想问题,提出了一种将图像卡通纹理分解和稀疏表示相结合的方法用以实现单幅低分辨率图像的超分辨率重建。本文提出的算法涉及到卡通字典和纹理字典的学习,图像重建过程分为两步。首先重建观测低分辨率图像的卡通高分辨率图像和纹理高分辨率图像,最后将重建的卡通和纹理高分辨率图像线性加权叠加,实现低分辨率观测图像的超分辨率重建。实验结果表明,本文提出的方法在主观视觉和客观指标峰值信噪比(PSNR)上都有明显的提升。     

基于压缩感知的超分辨率图像重建

压缩感知(CS)利用图像稀疏表示的先验知识,从少量的观测值中重建出原始图像。将CS理论应用于单幅图像超分辨率(SR),提出一种基于两步迭代收缩算法和全变分(TV)稀疏表示的图像重建方法。该方法无需任何训练集,仅需单幅低分辨率实现图像重建。算法在测量矩阵里加入下采样低通滤波器以使SR问题满足应用CS理论的有限等距性质;采用TV正则化函数,利用两步迭代法引入TV去噪算子,可以更好地重建图像边缘。实验结果证明,与已有的超分辨率方法相比,在不同的放大倍数下所提方法重建图像视觉效果更好,在峰值信噪比(PSNR)的评价指标上有显著的提高(4~6dB),且实验证实滤波器的引入决定算法的重建质量。     

基于POCS和范例学习的序列图像超分辨率重建

实现序列图像的超分辨率重建,需要利用同一场景的多幅低分辨率图像之间的相对运动信息．并将它们融合到单幅高分辨率图像中,以有效的去除低分辨率图像中的模糊和噪声。本文提出首先分析序列图像结构、纹理等多维特征的不同特性和作用,利用分解得到的多维特征分别采用凸集投影（POCS）、范例学习等具有针对性的重建方法进行图像放大,在有效-融合多维特征重建图像的基础上,实现序列图像的多维特征超分辨率重建。     

基于多尺度结构自相似性的单幅图像超分辨率算法

多尺度结构自相似性是指同一幅图像中存在相同尺度或不同尺度的相似结构,这种多尺度图像结构自相似性广泛存在于遥感图像中.本文提出了一种基于多尺度结构自相似性的单幅图像超分辨率（Super resolution,SR）算法,该算法结合了压缩感知框架与图像结构自相似性,利用非局部方法和基于图像金字塔的K-SVD字典学习方法,将蕴含在相同尺度和不同尺度相似图像块中的附加信息在压缩感知的框架下加入到重构图像中.本文算法的优势在于,它仅借助于单幅低分辨率图像自身所蕴含的信息,实现了空间分辨率的提升.实验表明,与CSSS算法和ASDSAR算法相比,本文算法更有效地提升了遥感图像的空间分辨率.     

结合稀疏编码模型的多帧图像超分辨率重建

传统序列超分辨率方法对低分辨率视频序列的要求较高,一旦序列中没有包含足够的信息,会造成重建高分辨率图像质量的下降。为此,提出一种结合稀疏编码模型的序列超分辨率算法。利用概率运动场从低分辨率序列中重建一幅高分辨率图像,根据自适应阈值确定重建有效和无效区域,使用稀疏编码模型对无效区域进行补全重建。实验结果表明,该算法可以采用序列自身的信息和稀疏字典中的信息来重建高分辨率图像,在序列信息有破缺时,与仅利用序列自身信息或仅利用单幅图像的算法相比,具有更好的鲁棒性和广泛的适用性。     

基于聚类的单帧图像超分辨率重建方法

为解决单幅图像的超分辨重建问题,提出一种基于聚类的单帧图像超分辨率重建方法.从高分辨率样本图像中学习一个结构聚类型的高分辨率字典,利用迭代收缩算法优化目标方程,求得高分辨率图像的表示系数,使用学习到的高分辨率字典对低分辨率图像进行重构.实验结果表明,与总变分方法、软切割方法和稀疏表示方法相比,该方法的单帧图像超分辨率重建效果较好.     

基于预测稀疏编码的快速单幅图像超分辨率重建

针对经典的基于稀疏编码的图像超分辨率算法在重建过程中运算量大、计算效率低的缺点,提出一种基于预测稀疏编码的单幅图像超分辨率重建算法。训练阶段,该算法在传统的稀疏编码误差函数基础上叠加编码预测误差项构造目标函数,并采用交替优化过程最小化该目标函数;测试阶段,仅需将输入的低分辨图像块和预先训练得到的低分辨率字典相乘就能预测出重建系数,从而避免了求解稀疏回归问题。实验结果表明,与经典的基于稀疏编码的单幅图像超分辨率算法相比,该算法能够在显著减少重建阶段运算时间的同时几乎完全保留超分辨率视觉效果。     

单幅图像超分辨率重建技术研究进展

图像分辨率是衡量一幅图像质量的重要标准. 在军事、医学和安防等领域, 高分辨率图像是专业人士分析问题并做出准确判断的前提. 根据成像采集设备、退化因素等条件对低分辨率图像进行超分辨率重建成为一个既具有研究价值又极具挑战性的难点问题. 首先简述了图像超分辨率重建的概念、重建思想和方法分类; 然后重点分析用于单幅图像超分辨率重建的空域方法, 梳理基于插值和基于学习两大类重建方法中的代表性算法及其特点; 之后结合用于超分辨率重建技术的数据集, 重点分析比较了传统超分辨率重建方法和基于深度学习的典型超分辨率重建方法的性能; 最后对图像超分辨率重建未来的发展趋势进行展望.     

基于高斯模糊的CNN的单幅图像超分辨率重建算法

近几年卷积神经网络在单幅图像超分辨率重建工作中取得了很大的进步,但是大部分基于卷积神经网络(CNN)的单幅图像超分辨重建算法是建立在低分辨率图像由高分辨率图像通过双三次插值法下采样取得的前提下,当这个假设不成立时,图像重建的客观评价指标PSNR以及主观的视觉效果就会较差.针对此问题,提出一种基于高斯模糊的CNN的单幅图...     

基于稀疏表示的单幅图像超分辨率重建

针对单幅低分辨率灰度图像,提出一种基于稀疏表示和字典学习的超分辨率重建算法,通过选择合适的过完备字典,图像块可表示为字典元素的稀疏线性组合。对于输入的低分辨率图像,寻求每一图像块的稀疏表示,利用此表示系数产生高分辨率图像输出。为消除Elad方法重建图像中产生的黑色边缘并提高重建图像的质量,文中在稀疏表示方法的基础上利用反向投影法对其进行改进。仿真实验结果表明,改进算法不仅实现了上述目的,而且在图像信噪比和算法运行效率上都有所提高,从而达到了算法改进的目的。     

基于Log-Gabor滤波的虹膜识别系统

在已有虹膜识别研究成果的基础上,提出基于Log-Gabor滤波的虹膜身份识别图像系统。该系统利用Matlab平台结合一维Log-Gabor滤波器对归一化后的虹膜进行滤波并提取纹理特征,然后对纹理特征进行相位编码,并用汉明距离进行虹膜匹配,匹配时采用干扰掩模屏蔽虹膜预处理过程中的噪音。本文结合CASIA虹膜图像数据库进行实验论证,其结果表明该系统误判率为0.125%,拒判率为0.05%,达到较好的识别效果。     

基于对称图像的双随机相位加密隐藏技术

在双随机相位编码的基础上,提出以一幅完全对称的图像为宿主图像进行灰度图像加密隐藏的方法。将待隐藏的灰度图像进行双随机相位编码,根据对称图像的性质将编码信息的实部和虚部以一定的权值分别隐藏于宿主图像的相应子图像中,解密后能够得到完全无失真的再现图像。实验结果表明,在知道密钥的情况下,只须极小地叠加权值就能完全无失真地提取隐藏图像。     

基于相位编码技术的双目视觉亚像素匹配算法的研究

在立体视觉中,比较了几种常见立体匹配方法,并针对存在的问题,提出了多种方法融于一体的高效立体匹配方法。首先将计算机构造的用于解相的光栅由投影仪投射到物体上,再将计算机构造的一系列黑白相间的编码光栅也由投影仪投射到物体上;然后将畸变栅线图像由摄像机采集到计算机中,用解相光栅进行解相得到折叠在[-π,π]区间内的相主值,用所述光栅编码方法进行相展开得到相位的周期,二者相加得到真实相位值,并拟合成连续曲线,从而实现了两幅图像相同相位曲线的匹配,再根据极约束条件,得到两幅图像点,采用插值算法计算出点的精确匹配。通过对实际物品的测试实验和标准量具的测试实验,实验验证了该方法进行立体匹配的高效性和准确性。     

基于Frank编码的抗干扰方法

当干扰从雷达的主瓣方向进入时,采用自适应波束形成算法会导致主瓣波束变形、偏移等问题。针对干扰从雷达主瓣进入的问题,提出了一种对发射波形设计的抗干扰方法。当发射经Frank编码后的信号,利用Frank编码的正交性,构造出匹配滤波器和阻塞滤波器,分别将接收到的数据通过两滤波器,得到两路信号,然后利用自适应对消的方法将干扰抑制掉,从而达到抑制主瓣干扰的目的,通过仿真验证了利用波形设计的方法可有效抑制从主瓣进入的干扰。     

一种基于相位编码的自适应量子粒子群算法

为提高粒子群算法的优化性能,提出了一种基于相位编码的量子粒子群算法。用量子比特的相位描述粒子的空间位置,用Pauli-Z门实现粒子位置的变异。通过研究惯性因子、自身因子和全局因子的关系,提出了全局因子的自适应确定方法。以典型函数的极值优化和样本聚类问题为例的实验结果表明,该方法明显优于普通粒子群算法。     

入侵检测中数据挖掘模式的编码与检测研究

数据挖掘产生的模式如何被处理,对IDS系统的实时性和有效性至关重要。该文提出了一种模式编码算法,对模式进行量化处理,从而高效地检测入侵。同时,文中还从理论上论证了模式编码量化检测方法与基于相似性理论的模式检测方法的等效性,证明任何用相似性理论实现的入侵模式检测算法均可用编码量化处理来等效实现。     

基于双混沌的视频光学加密技术研究

本文提出了一种利用光学变换手段进行视频加密的方法,将视频加密速率提升到了光速等级,突破了目前视频加密算法给传输过程带来的瓶颈制约。本文利用两个超混沌系统对双随机相位编码系统进行了改进,在提高加密效率的同时,增加密钥空间,增强系统不可预测性,全面提升系统的抗攻击能力和安全性能;使用单通道彩色视频图像加密技术,降低了系统复杂度,提升了系统可实现性。最后利用Matlab软件对本文的加密技术进行了仿真,结果表明,本文提出的加密技术能够获得预期的视频加密效果,具有较强的抗攻击能力。     

Invariant Recognition of Spatio-Temporal Patterns in The Olfactory System Model

This paper presents a model of a network of integrate-and-fire neurons with time delay weights, capable of invariant spatio-temporal pattern recognition. Spatio-temporal patterns are formed by spikes according to the encoding principle that the phase shifts of the spikes encode the input stimulus intensity which corresponds to the concentration of constituent molecules of an odor. We applied the Hopfield's phase shift encoding principle at the output level for spatio-temporal pattern recognition: Firing of an output neuron indicates that corresponding odor is recognized and phase shift of its firing encodes the concentration of the recognized odor. The temporal structure of the model provides the base for the modeling of higher level tasks, where temporal correlation is involved, such as feature binding and segmentation, object recognition, etc.     

一种矩形编码与行程编码相结合的图像压缩方法

论述的矩形编码与行程编码相结合的图像压缩方法,是针对矩形编码中处理较小区域时空间浪费以及失真和行程编码中最大行程编码受限制等缺点而提出的。该方法处理复杂图像比矩形编码好,在图像不复杂时比行程编码好,具有很好的压缩效率。     

基于图像细节子块的分形编码压缩方法

针对现有方法在编码含丰富细节信息的图像时编码时间长,编码小尺度子块时压缩率不高的缺点提出改进方法。该方法是基于Jacquin编码的理论,采用对编码子块划分为细节和非细节部分子块的方法,从而减少编码子块的数量,缩短编码时间,提高在小尺度子块划分下图像的压缩率。结果证明,对于含丰富细节信息的图像,子块数量减少到1/3,编码时间缩短1/3。