基于光滑0范数压缩感知的多光谱图像去马赛克算法

提出了一种基于压缩感知(CS)的多光谱滤波阵列(MSFA)的多光谱图像去马赛克算法(DMA)。 首先,通过将MSFA采样得 到马赛克图像的过程等效为CS理论中的感知矩阵采样的过程,并充分利用多光谱图 像的空间和谱间 相关性,通过在三维空间傅里叶基上对多光谱图像进行稀疏表示;然后由随机MSFA模式和CS 理论构造的测量矩阵对多光谱图像进行观测投影,最后采用CS重构算法求解0范 数下的最优化问 题,从而得到多光谱图像的稀疏表示系数。给出对算法性能的评估数据和Matlab仿真 图片。实验结果证明,本文算法的峰值信噪比(PSNR)值高于克罗内克CS(KCS)和组稀疏(GS)两种算法,且有效地减少了上述两种算法中出现的模糊现 象,改善了图像的视觉效果。     

基于压缩感知的多光谱图像去马赛克算法

针对目前多光谱图像去马赛克算法存在计算量大、效率低的缺点,本文提出一种基于压缩感知的多光谱图像去马赛克算法。首先,分析去马赛克与压缩感知问题的等价性,建立基于压缩感知的去马赛克模型;然后,采用离散余弦变换构建压缩感知的稀疏基,将去马赛克问题转化为压缩感知的信号重构问题;最后,采用改进的光滑0范数和修正牛顿法的重构算法求解去马赛克问题,得到重构的多光谱图像。仿真实验表明,相对于基于克罗内克压缩感知和组稀疏两种算法,本文算法提高了重构的多光谱图像的峰值信噪比,能有效减少对比算法重构多光谱图像中出现的锯齿现象,改善了重构图像具有更好的视觉效果。实验结果验证了本文算法的有效性。     

基于像素组的去马赛克算法

提出一种利用图像的像素组特性的彩色滤镜阵列去马赛克的新算法：实验表明该算法在图像的去马赛克过程中抑制减少了传统方法存在的人工痕迹，有效克服了VNG与LCC算法中的一些不足。     

彩色图像去马赛克的非局部稀疏表示方法

目前,大部分彩色去马赛克（Color DeMosaicking,CDM）算法仅利用了局部的空间和光谱相关性,容易导致CDM复原图像边缘模糊以及细小结构丢失.当图像中出现周期性细小结构时,这些局部方法容易产生诸如锯齿、栅格等失真现象.针对这些问题,我们将字典学习和稀疏编码统一到一个变分框架中,提出了非局部自适应稀疏表示模型.通过非局部相似块聚类自适应地在线学习字典.利用局部和非局部的冗余信息对稀疏编码进行约束,强制稀疏编码靠近其非局部均值以减少编码误差.为了有效抑制服从重尾分布的CDM误差,设计了基于l₁范数的数据项.最后,联合交替最小化方法和算子分裂技巧对模型进行有效求解.实验结果验证了本文模型与数值算法的有效性.     

基于CFA去马赛克的图像篡改检测技术研究

图像篡改检测研究中,大多数检测方法需要构建一个复杂的分类器,致使检测效率降低。文章提出一种基于由色彩滤镜阵列(CFA)处理过程中产生的伪影检测技术,包括基于CFA模式个数估计和其他基于CFA噪声分析,该方法通过计算单个特征点和基于分类器简单阈值来实现,通过被篡改后图像改变了CFA去马赛克伪影检测图像篡改,通过成千上万张真实的、篡改的及计算机合成的图片验证,实验结果表明,文章所提方法具有较高的性能。     

双分支残差去马赛克网络

为了缓解传统拜耳型去马赛算法中常出现的拉链和伪影等问题,提出一个新颖的基于深度学习的去马赛克算法.所提算法首先对马赛克图像中的红色、绿色及蓝色通道中的像素进行分解、剔除及组合等操作得到两幅彩色图像,然后将这两幅彩色图像输入到设计的卷积神经网络中,以重建出完整的彩色图像,该网络能充分地利用卷积层所生成的特征信息.实验结果...     

Quadbayer图像传感器的去马赛克方法

本文的创新点在于提出一种基于quadbayer格式的去马赛克算法,本算法对比传感器厂商推荐的四合一后在去马赛克以及重马赛克的方式,不仅可以保持原始图像的分辨率,而且在峰值信噪比（PSNR）和主观图像质量方面均可以取得良好的效果。     

一种新的基于压缩感知理论的稀疏信号重构算法

针对基于l1范数优化的稀疏信号重构算法需要的观测样本数较多,本文以lp范数最小化为目标,结合传统的罚函数(PF)优化思想,给出了基于PF的lp范数迭代重构算法,需要的观测样本数大大低于基于l1范数的优化计算需求,并通过数值实验表明该算法对稀疏信号具有较优的重构效果.     

基于压缩感知的二维联合超分辨ISAR成像算法

在ISAR成像中,距离和方位分辨率分别受发射信号带宽和成像积累角的限制。基于压缩感知(CS)理论,该文提出了一种2维联合超分辨ISAR成像算法。首先建立ISAR观测信号模型并构造2维超分辨字典,然后利用ISAR图像的稀疏先验信息将2维联合超分辨成像建模为最小l1范数的优化问题,最后提出一种快速算法求解该优化问题。该方法进行距离维和方位维的联合处理,有效利用了回波数据的2维耦合信息;通过共轭梯度(CG)运算,快速傅里叶变换(FFT),Hadamard乘积等操作,有效提高了算法的实现效率。仿真和实测实验验证了该算法的有效性。     

基于压缩感知的DOA估计稀疏化模型与性能分析

利用压缩感知理论解决阵列信号到达角(DOA)估计问题,具有对快拍数据量要求低、可处理相关源等优点。将压缩感知理论应用于信源DOA估计的一个关键问题是建立信源信号的稀疏化模型。该文在均匀线阵模型下系统分析了角度划分对DOA估计稀疏重构性能的影响,从对相关性的分析出发给出了信号的最优稀疏化模型。分析结果表明在实际应用中基于信源信号等正弦空间稀疏化的重构模型是最优的。实验对比了新的稀疏化模型与传统的等角度划分方式得到的流形矩阵的可重构性能,并进行了关于信号重构和信源DOA估计的详细实验分析,验证了所提模型的优越性。     

引入双边滤波器优化的彩色滤波阵列插值

基于彩色滤波阵列(CFA)的图像传感器在每个像素 位置获得三原色红(R)、绿(G)和蓝(B)中的一种分量 ,其缺失 分量需要根据周围像素插值得到。目前提出的许多种插值算法,绝大部分采用Bayer排列模 式。本文在色 差恒定假设基础上,提出一种基于双边滤波器的自适应Bayer模型插值算法,对G通道的估计采 用自适应滤波器进行插值,对R和B通道的插值采用双边滤波器。算法利用待插值像素 与不同距离像 素相关性不同的思想,根据图像边缘自适应设定滤波模板,能较准确估计G、B和R、G通 道之间的色差值。 实验结果表明,对比多尺度色差梯度算法和边缘强度滤波等算法,插值后的图像不仅 主观视觉, 且客观评价指标(彩色峰值信噪比,CPSNR)均优于这些算法。     

一种基于绿色分量的CCD颜色插值算法

提出了基于Bayer阵列的CCD颜色插值算法。在CCD阵列中,接收G色分量的像素占据总像素的一半,所以其中包含的影像信息对红（R)色、蓝（B）色分量的插值具有参考作用。本文以此为依据,首先利用中值插值算法对G色分量进行插值处理,然后参照G色分量的分布,插值产生R色和B色分量。基于此方法进行实验,结果显示,可以改善普通线性插值算法引起的图像模糊。     

基于傅里叶变换的彩色滤波阵列插值新算法与实验验证

在数码摄像系统中,CCD彩色滤波阵列(CFA,color filter array)被用于对颜色信息进行采样,然而每个像素只能对一种颜色进行采样,为了得到全彩色图像,必须对采样数据进行处理以估计其它颜色的像素值,这个过程通常利用插值来完成。CCD彩色滤波阵列插值算法是决定全彩色图像质量的最重要的因素之一,如果插值算法不够完善,图像的色彩就会出现失真。目前已有多种插值算法被提出,针对双线性插值图像在高频处失真严重及Gunturk自适应投影迭代法计算代价较高等问题,本文从傅里叶变换域分析彩色滤波阵列采样图像,根据采样图像在频率域上可以分为处于基带的亮度信息和高频段的色差信息的特点,提出一种色差调制插值算法。通过多组实验结果对比,本文插值算法在CPSNR(color peak-signal-to-noise ratio)值与ΔEs(S-CIELABdelta E)值以及还原图像的视觉效果上均要优于一般的插值算法。     

利用信号相关对BAYER格式图像色彩复原

目前将单CCD采集的BAYER CFA格式图像进行色彩复原有两种通用方法:双线性插值和边缘检测.为了降低这两种方法在图像边缘引进错误颜色的数量,根据RGB彩色图像中R、G、B三个色彩通道的高度相关的特性:即在5×5像素的小区域内认为绿色减红色以及绿色减兰色为常数,提出了利用信号相关对BAYER格式图像彩色复原的方法,并通过SNR(信噪比)和NCD(归一化彩色差异规范)两种评估方法进行检测.从实验结果可以看出文中提出的方法相对于通用方法提高了图像的信噪比,锐化了图像的边缘,减少了图像高频信息的错误像素的数量,提高视觉质量.     

基于压缩传感和加权主色的镜头边界检测算法

针对现有算法存在计算量大、对摄像机和物体运动 敏感等缺点,提出一种基于压缩传感(CS)和加权主色(WMC)的镜头边界检测(SBD)算法(CSWMC )。首先通过直方图特征得到粗略的镜头 边界集合;然后利用CS将该集合中的帧及其前后帧的高维特征投影到低维空间,采用调节余 弦相似度得到基 于夹角的第一判定指标;继而定义一种新的图像主色权值和基于该权值的类Bhattacharyya 相似度,得到基于颜色 相似度的第二判定指标;以两种判定指标的乘积作为最终判定指标,并设计一种朴素但有效 的策略进行SBD。 实验结果表明,与常用方法相比,所提算法具有更高的查全率和精确率,能够更加有效进行 SBD。     

稀疏空域融合DOA估计算法与性能分析

压缩感知处理波达方向(DOA)估计问题中,阵列流型的构建是后续估计的基础。该文首先对阵列流型相邻导向矢量的正交性进行理论分析,分析表明在法线方向,等角划分优于等弦划分,在端射方向,等弦划分优于等角划分,相应的DOA估计性能更优。然后,系统推导出等弦划分与等角划分的临界值,并讨论阵元数、划分份数对正交性的影响,设计了一种优化稀疏划分模型,并提出了一种基于等弦和等角空间稀疏相结合的稀疏空域融合(SFSD)DOA估计算法。该算法较等弦划分和等角划分,具有更好的DOA估计稳健性、更低的信噪比门限和更高的估计精度。最后,通过仿真验证了模型的优越性和算法的高效性。     

基于压缩感知的窄带干扰重构与消除

提出了一种基于压缩感知的TDS-OFDM系统窄带干扰重构方法,通过利用相邻TDS-OFDM帧头的差分采样建立压缩感知模型,能够在不依赖信道估计及在高频谱效率的条件下,精确恢复窄带干扰信号并予以消除,显著提升传输系统传输鲁棒性。     

一种基于全变分正则化低秩稀疏分解的动态MRI重建方法

针对应用迭代软阈值(IST)算法对基于低秩稀疏矩 阵(L＋S,low rank and sparse)分解模型的动态磁共振成像(MRI)图像 进行重建存在重建精度一般和重建速度慢的问题,提出在矩阵L＋S分解模 型的基础上引入全变分(TV)正则项,达到进一步去噪声和去伪影,提高重建精度目的;利用 非精确增广拉 格朗日算法(IALM)达到快速重建的目的。通过对心脏灌注动态MRI成像和心电影MRI成 像的仿真实 验表明:对于L＋S低秩稀疏矩阵分解模型的重建,IALM比IS T算法速度更快,精度更高;模型引入TV正则项 后再利用IALM重建,重建速度虽然比之前的IALM有所降低,但依然优于IST算法, 并且重建精 度高于之前的IALM。在L＋S分解模型中引入TV正则项 提高了MRI重建精度,运用IALM进行求解加快了重建速度,结合TV正则项和IALM达到了 快速、高精度重建的目的。     

基于压缩感知的稳健单通道波达方向估计方法

针对接收阵列射频通道间增益不一致以及系统感知模型与目标角度信息失配等情况下,基于压缩感知(Compressive Sensing,CS）的多目标波达方向（Direction of Arrival,DOA）估计方法性能下降的问题,提出了一种新的单通道CS-DOA估计方法.引入一种单通道阵列体制,并建立系统模型失配时的DOA稀疏感知模型;将丹茨格（Dantzig Selector,DS）算法和遗传算法相结合,分别对目标角度信息矢量和系统模型失配误差进行交替迭代优化.该方法有效克服了常见CS-DOA方法无法抑制系统模型失配误差的问题,避免了射频通道间增益不一致对DOA估计性能的影响.仿真结果表明：该方法性能优于传统DOA估计算法,能够对任意相关性信号进行有效DOA估计,具有更高的角度分辨力和估计精度.