多值压缩编码孔径超分辨率成像方法

针对近期提出的基于压缩感知(CS,compressed sensing)理论的压缩编码成像方法在重建后引入较多类似于噪声的伪影(artitacts)问题,为了使压缩编码成像方法获得更好成像质量的图像,本文提出一种改进的压缩编码成像方法。本文方法将多值模板(MVM)代替二值模板来增强编码质量,并利用自适应全变分(TV,total variation)去噪方法去除重建后的高分辨率图像的伪影。实验结果表明,这种方法很好地改进了压缩编码孔径(CCA)的成像质量,并且大幅提高了图像的信噪比(SNR)。     

多级FFD融合超分辨率重建的视频人脸识别

针对视频人脸识别中由于人脸畸变、表情变化等非刚性变化导致无法精确配准和重建的问题,提出一种基于多级自由变形配准的超分辨率重建算法。首先,利用低分辨率FFD网格全局配准,引入边缘配准度量到差平方总和准则;然后,将全局配准后的图像和基准图像划分成一系列对应子图对,使用高分辨率FFD网格对相关系数小的子图对进行局部配准;最后,采用凸集投影算法对多帧低分辨率图像重建SR人脸图像,并利用支持向量机分类器完成人脸识别。在标准视频库Choke Point和自己搜集的人脸视频库上的实验结果表明,在人脸畸变和表情变化很大的情况下,本文算法也能够精确配准和重建人脸图像,相比其它几种视频人脸识别算法,本文算法取得了更好的识别效果。     

基于交叉累积剩余熵和NSCT的多模式遥感图像配准

图像配准是图像变化检测、融合、拼接等技术的 基础,在遥感图像处理领域具有广泛的应用 。利用非抽样Contourlet变换(NSCT)在图像分解上的灵活性,交叉累积剩余熵(CCRE)对遥感图像进行配准的有效性,提出一种基于CCRE和NSCT 的多模式遥感图像配准算法。首先对参考图像和待配准图像分别进行NSCT分解得到低频图像 ,然后采用CCRE作为相似性测度,利用牛顿法获得最优仿射变换模型的 参数对图像进行配准。实验 结果表明,本文方法能够较快的搜索到全局最优解,配准精度高,是一种有效的配准算法。     

单次曝光频域振幅编码压缩成像

超分辨率被认为是光学成像和图像处理的“圣杯”之一.有别于传统的多幅亚像素图像配准融合实现超分辨率的方法面临的配准误差以及高成本问题,得益于大多数图像普遍具有的稀疏表示特性,本文将压缩传感理论引入超分辨率成像,提出一种新的单次曝光频域振幅编码压缩成像方法.利用4-f傅里叶光学架构实现图像信息的频域0/1振幅随机调制,然后可以使用低分辨率CCD器件实现积分下采样记录对应的测量值,最后利用优化方法从少量的测量值中重建原高分辨率图像.模拟实验验证了本文提出的方法可以有效地实现二维图像信息的获取与重构.此外,本文的方法可以有效地处理大尺寸图像的压缩成像问题,具有重要的应用前景.     

基于功率谱AR模型的3D激光虚拟图像重建研究

当前常用的无样本图像重建方法具有分辨率低的弊端,有样本图像重建方法得到的3D激光虚拟图像重建结果有很大误差。为此,提出一种基于功率谱AR模型的3D激光虚拟图像重建方法。建立功率谱AR模型,将Burg技术和自相关法结合在一起,得到合理的AR模型参数。在存在平移、旋转参数的情况下,在功率谱AR模型基础上对图像进行配准处理,先完成旋转步长,然后进行平移估计与步长,以提高旋转配准精度与平移配准精度。将3D激光虚拟图像信息看作希尔伯特空间的元素,依据配准结果,在重建的3D激光虚拟图像重建视觉效果达到要求或连续若干次迭代结果改变情况区域稳定的情况下,结束迭代,实现3D激光虚拟图像重建。经验证,所提方法重建精度最低为97%,重建误差最低为2%,而且重建花费时间较短,证明了本文方法在图像重建方面的优越性,可应用于图像重建的相关工作中。     

循环-循环块相位掩膜矩阵压缩双透镜成像

压缩成像(CI)是压缩传感(CS)理论的一个重要应用领域。本文在循环矩阵和分块矩阵的基础上提出一种新的循环-循环块相位掩膜矩阵可压缩双透镜成像方法,实现对图像的随机获取。模拟实验结果表明,新的相位掩膜矩阵CI可以在显著减少测量的同时,有效捕获图像信息重建原始图像;对于64pixel×64pixel的标准Lena和Cameraman图像,在只有原像素数58.6%的无噪声测量情况下,获得的重建信噪比(SNR)分别超过26dB和30dB。新相位掩膜矩阵的研究为确定性测量在CI领域的应用提供了更多的支撑,在拥有原循环和循环确定性测量优点的同时还拥有自身的块结构特点,可以进一步减少物理实现成本,并为新的照相机设计提供若干理论、计算和技术支撑。     

基于Huber范数和概率运动场的鲁棒图像超分辨重建算法

传统超分辨(SR)算法对配准误差、模型误差以及噪声过于敏感,这限制了其在实际中的应用。为了提高算法的鲁棒性,该文从配准和重建两方面对传统算法进行了改进。在配准阶段,通过引入概率运动场避免了算法对配准精度的依赖,同时利用Heaviside函数实现权重映射,进一步提高了算法的自适应性;在重建阶段,采用基于Huber范数的正则化估计,在提高重建鲁棒性的同时也保证了算法数值解的稳定性。实验表明该算法具有很好的鲁棒性,其重构性能优于现有的一些超分辨重建方法。     

基于梯度相位相关的自动图像配准方法

图像配准是超分辨率重建、图像融合的基础。提出了非迭代的基于梯度相位相关的图像自动配准方法。首先分析了图像梯度和相位相关的理论,证明了提出方法的正确性;然后给出了图像配准的过程,并利用人工平移图像配准对该方法进行了实验验证。实验表明,该方法配准精度高,能有效地实现图像的自动配准。     

基于JS测度和层次B样条的医学图像弹性配准

为了精确得到图像的不规则局部几何变形,提出了一种基于标记点的医学图像弹性配准新方法.首先用Jensen-Schur(JS)测度对图像进行粗配准,然后用该测度自动选取标记点对,最后用能够解决逼近精度和光滑性平衡问题的B样条细化的层次B样条插值技术来实现图像弹性配准.实验表明,本文提出的标记点自动选取方法能够产生准确的表示不规则局部变形的标记点对,所提出的配准方法能够产生光滑、准确的弹性配准变换.     

基于压缩感知的图像压缩抗干扰重构算法

针对传统图像变换压缩方法压缩的图像经无线信道传输时受高斯随机干扰导致重要变换系数失真出现重构图像局部内容缺失的现象,本文根据压缩感知(CS)信号分量具有同等重要性的特性,理论分析了去除失真CS信号分量以抵御干扰的可行性,提出一种基于CS的图像压缩抗干扰重构算法。算法首先假定已知受高斯随机干扰的比特所对应的CS信号分量的位置,然后根据这些位置确定新的CS信号和重构矩阵,再进行阈值迭代重构。仿真结果表明,本文算法在低误码率(BER)下得到精确重构的图像,在高BER下得到图像内容无缺失仅全局质量小幅下降的重构图像。因此,基于CS的图像压缩抗干扰重构算法能够较好地克服变换压缩方法以及阈值迭代重构算法抗干扰能力低的不足,从而为图像无线传输抗高斯随机干扰问题提供一种可行的解决方案。     

WCDMA FDD方式中下行链路压缩模式的接收及实现方法

本文首先分析了 WCDMA FDD方式下的压缩模式 ,然后在此基础上重点讨论了下行链路压缩帧的处理方法 ,最后给出了压缩模式数据接口单元的硬件实现结构     

部分遮挡三维彩色物体的压缩全息

压缩全息将压缩感知理论与全息显示技术结合在一起,利用压缩感知理论,可以由少量的测量数目精确地从2D全息图中恢复3D对象.本文将压缩全息理论从单波长情形拓展到彩色物体的压缩全息,同时研究每层图像在轴向上有较多遮挡的3D对象的3DTV压缩重建,最后通过数值实验验证了本文方法的有效性,并探究复杂物体的填充比例对重建质量的影响,以及不同层之间的遮挡位置和噪声对重建质量的影响.     

基于压缩感知的信号检测方法

提出了一种基于压缩感知思想的信号检测方法。该方法首先将信道估计转化为非完全信号重构,实现了信道估计的动态可调整,降低了信道估计的复杂度;然后利用信道估计的结果对压缩采样后的信号进行压缩Rake合并,使得Rake合并的实现复杂度更低;最后对压缩相关且合并后的数据进行判断。理论分析和仿真结果表明了该方法的有效性和可靠性。     

基于残差重构的分布式视频压缩感知

为了改进分布式视频压缩感知方案的性能,提出了一种基于残差重构的分布式视频压缩感知方案。该方案在编码端逐帧独立进行测量,在解码端依靠视频信号的时域相关性提升重构信号质量。首先,对关键帧独立进行重构;其次,利用已重构关键帧做运动估计/运动补偿以生成非关键帧的边信息;接下来,对边信息采用与编码端相同的测量矩阵进行测量并计算测量残差值;最后,采用全变分最小化重构残差信号值并将其与边信息相加生成最终的重构图像。实验结果表明,在相同采样率下,与已有的分布式视频压缩感知方案相比,提出的方案可获得2.8 dB以上的峰值信噪比增益。     

基于SWCoSaMP算法的稀疏信号重构

压缩感知(compressed sensing,CS)稀疏信号重构本质上是在稀疏约束条件下求解欠定方程组。针对压缩感知匹配追踪(compressed sampling matching pursuit,CoSaMP)算法直接从代理信号中选取非零元素个数两倍作为支撑集,但是不存在迭代量化标准,本文提出了分步压缩感知匹配追踪(stepwise compressed sampling matchingpursuit,SWCoSaMP)算法。该算法从块矩阵的逆矩阵定义出发,采用迭代算法得到稀疏信号的支撑集,推出每次迭代支撑集所对应重构误差的L-2范数闭合表达式,从而重构稀疏信号。实验结果表明和原来CoSaMP算法相比,对于非零元素幅度服从均匀分布和高斯分布的稀疏信号,新算法具有更好的重构效果。     

基于NSCT域压缩感知模型的路面病害图像滤波算法

针对目前路面图像滤波算法复杂度高且难以耦合噪声抑制和信号平衡的缺点,提出一种基于非下采样Contourlet变换(NSCT)域压缩采样的滤波算法。首先,使用NSCT对含噪路面病害图像进行分解,得到变换后的低频子带系数和高频子带系数;然后,对高频子带系数建立压缩感知(CS)去噪模型,并采用伪随机傅里叶矩阵对系数进行观测,之后使用分裂Bregman迭代方法对系数进行重构,得到去噪模型重建后的高频子带系数;最后,采用逆NSCT对低频子带系数和高频子带系数进行重构,得到滤波后的图像。实验结果分析表明了本文算法的有效性。     

基于压缩感知的图像处理与重构方法

针对图像修复和插值等图像处理问题进行研究,通过将图像修复和插值模型在压缩感知(CS)理论的框架下进行转换,建立了新的图像修复和插值模型,该模型与CS理论中的重构模型相对应。对此转化得到的重构问题,基于图像在复数小波变换上的稀疏性,利用迭代硬阈值方法求解重构模型,进而获得重构图像。仿真和实测数据处理结果验证本文方法的有效性。     

压缩传感方位估计

信源方位估计是阵列信号处理的一个重要问题。基于信源空间分布稀疏的本质,利用压缩传感理论,构造出一种稀疏信源方位估计模型,仿真结果表明,在不考虑噪声的理想情况和满足压缩传感的条件下,不仅可以准确的恢复出原始信源的方位,而且精确的得到各个信源信号的强度,并且,这种新的模型只需要一次时间采样,从而大大降低了成本。     

基于压缩感知的稀疏孔径认知ISAR成像方法

针对运用压缩感知理论对ISAR目标成像时不同目标所需观测维数和积累时间不同的问题,提出了一种基于压缩感知的稀疏孔径认知ISAR高分辨成像方法。在对目标稀疏特性认知的基础上,构建了基于目标横向稀疏度和观测积累时间的随机观测矩阵,并给出了成像质量评估标准,实现了对有限雷达资源条件下ISAR目标的高分辨认知成像。仿真结果表明,利用该方法成像,不仅可以减少雷达成像发射脉冲数,而且可以有效减少目标成像的时间,同时还能获得高质量的目标ISAR像。