基于稀疏表示的人脸图像压缩方法

基于稀疏表示的人脸图像压缩算法首先对人脸图像进行分块,其次利用K-SVD字典学习算法,训练一个图像的冗余字典,最后用OMP算法对其进行稀疏编码,得到压缩的图像.由于OMP算法复杂度较高,为了降低复杂度,提高算法效率,提出了一种基于稀疏表示理论的新的人脸压缩算法.该算法在稀疏编码阶段,用基于块坐标松弛(Block Coordinate Relation)字典学习算法对人脸图像进行稀疏编码,最后用重构算法对压缩数据进行重构.通过实验仿真,与JPEG压缩方法及OMP算法比较,所提方法在同等压缩比下,重构的图像质量有所提高.     

结合自适应字典学习的稀疏贝叶斯重构

贝叶斯压缩感知是一种基于统计分析的压缩感知算法,具有很好的鲁棒性,能够充分利用信息间的相关性,它的重构依赖于图像的稀疏性表达.针对贝叶斯压缩感知的深层次稀疏化问题,笔者结合自适应字典学习思想,提出一种冗余自适应字典表示的稀疏贝叶斯学习算法.该算法对图像进行局部分块,从待重建图像的迭代中间图像分块中学习字典,并以该字典作为图像的稀疏变换基,通过稀疏贝叶斯学习算法获得稀疏解.实验结果表明,基于自适应字典的贝叶斯学习算法能提高稀疏化,明显改善图像的重构质量.     

压缩感知OMP算法与IRLS算法在计算鬼成像中的对比分析

将压缩感知技术和鬼成像系统相结合,能够大幅度地降低成像所需的测量次数,并能有效地提高重构图像的峰值信噪比。本文将离散余弦变换（DCT）矩阵作为图像稀疏化矩阵,采用正交匹配追踪算法（OMP）和迭代加权最小二乘算法（IRLS）两种压缩感知算法作为压缩感知鬼成像系统图像重构的算法。通过对两种算法在改变稀疏度和测量次数时重构结果的峰值信噪比变化的比较,探究了这两个变量对峰值信噪比的影响。发现IRLS算法重构精度更高,图像质量更好,而OMP算法迭代速度比IRLS更快,重构图像所需的时间较少。     

一种新的基于压缩感知的稀疏音频水印算法

提出了一种基于压缩感知的音频水印算法.该算法利用数字水印和音频宿主信号在离散余弦变换域下都具有稀疏性,将水印经过压缩感知处理后,嵌入于音频载体信号的离散余弦变换系数中;在水印提取时,利用压缩感知的去噪原理和重构方法,在不利用原宿主信号情况下,将水印提取出来,此提取完全是盲提取.计算机仿真实验表明,这种算法能提高水印在高斯噪声攻击下的鲁棒性.     

基于压缩传感的图像过完备字典设计

压缩传感(CompressedSensing,CS)能够通过对信号的观测得到待采集的信号,由于观测频率远低于奈奎斯特采样频率,这个方法特别适合于高数据量的图像采集和处理.压缩传感理论中过完备字典的设计对图像信号的稀疏程度和重建效果有重要影响.主要研究图像信号过完备字典的自适应设计方法,将K-SVD算法与MP,BP和FOCUSS等稀疏编码算法结合使用,加快算法收敛速度.测试图像的实验结果显示,采用本方法训练的过完备字典在丢失像素的补偿方面得到了很好的实验效果.与基于离散余弦变化(DCT)的过完备字典设计方法相比,训练的字典可以更好的去除图像噪声,保留图像细节信息.     

基于动态多模式匹配的视频压缩感知三步重构

相较于奈奎斯特-香农定理所要求的采样数据量,压缩感知理论表明采用较少的测量值就可以实现高维信号的重构,因此压缩感知在视频信号传感中具有很大的潜力.现有的视频压缩感知重构算法是利用多假设预测来得到残差模型,大量文献采用基于最小均方误差的方法挑选多假设匹配块,由此对视频信号进行重构,然而没有考虑最大化重构视频的整体结构相似性,在图像重构的整体质量效果上存在较大改进空间,并且挑选匹配块的模式没有采用自适应的选择机制,挑选匹配块的方式较为单一.通过增加一定的复杂度,本文提出了一种基于动态多模式匹配的视频压缩感知三步重构算法,该算法主要包括三大步骤:第一步,对压缩感知的每一视频帧进行独立的重构;第二步,从参考帧中动态地挑选匹配块进行非关键帧的重构;第三步,基于整体结构相似性对重构帧进行最终挑选,完成多帧重构.实验结果表明,所提算法能够在重建端有效提高多假设过程的预测精度,与当前最优的视频重构算法相比,进一步提升了重构质量.     

基于Harr小波提升格式的图像压缩方法

提出了一种哈达玛变换,离散余弦变换和小波变换相结合的混合型编码,即先采用哈达玛变换对图像压缩,再对处理后的图像用离散余弦进行压缩,最后采用提升Haar小波格式对图像进行了压缩,并引入零树小波分析,得到最优小波树。仿真结果表明,所提出的方法在灰度图像压缩效果方面优于一些传统的压缩方法。     

基于压缩感知的语音信号编码算法

针对语音信号在离散余弦变换基上的稀疏性,提出了一种基于压缩感知的语音压缩编码算法。算法在编码端采用随机高斯矩阵直接对语音波形进行观测,并采样均匀量化技术对随机观测进行量化。解码端利用未饱和的观测值通过Lasso算法实现语音信号的重构。仿真结果表明,该算法具有良好的重构性能。     

半监督系数选择法的人脸识别

针对人脸识别过程中图像数据维数过高以及需要大量类别标记的问题,提出一种半监督离散余弦变换系数选择法,用以实现数据降维并提高识别率.该算法首先将图像数据进行离散余弦变换,根据频率特征通过预掩模选取有用信息;然后进行半监督约束聚类,利用少量有标记样本的约束集,对训练图像进行聚类;根据类别搜索较高的判别系数值,获得系数选择掩模以及训练图像的投影阵.将测试图像离散余弦变换阵在此掩模上投影,计算其与训练图像投影阵距离,利用分类器进行分类.在ORL与Yale人脸数据库上的实验结果表明:所提方法的性能优于传统方法,并与主成分分析与线性判别分析进行组合,获得了90％以上的识别率.     

基于联合字典稀疏表示的遥感图像超分辨率制图

超分辨率制图是一种由低分辨率遥感图像获得高分辨率土地覆盖图的技术,针对空间相关性原则不足以描述复杂地物模式的问题,本文提出了一种基于联合字典稀疏表示的超分辨率制图方法。利用迁移学习机制,使用自然图像训练高、低分辨率图块联合字典,并根据高、低分辨率图像块对与其对应字典的稀疏表示间的一致性,将低分辨率丰度图像的稀疏表示与高分辨率字典结合生成高分辨率软分类图像,最后进行类分配从而获得高分辨率土地覆盖图。利用合成Landsat多光谱图像和NLCD 2001子图像对所提方法进行测试,并与几种现有的典型超分辨率制图方法进行比较,实验结果显示本文所提算法的超分辨率制图精度优于对比算法。     

基于稀疏表示的遥感图像超分辨率重建

根据稀疏定理,首先对遥感图像数据进行训练,得到高分辨率图像块字典与低分辨率图像块字典,然后利用低分辨率图像块字典求出稀疏表示系数,最后根据稀疏表示系数得到超分辨率重建图像.结果可以看出,经过改进后,重建图像的客观评价指标更优.     

基于概率神经网络的人群密度估计

研究图像在频域中的纹理特性,实现了在频域中的人群密度估计.首先,对视频的每一帧进行离散余弦变换(DCT),将视频图像的空域性质转化到频域中;其次,统计分析视频图像DCT变换矩阵的纹理特性,提取能描述不同密度等级的纹理描述子作为特征向量;最后,用提取出的特征向量训练概率神经网络,并进行人群密度等级估计.实验表明,该方法可以很好地进行密度估计,获得了较高识别效率.     

稀疏表示中字典学习的影响因子研究

研究了稀疏表示中影响字典矩阵构建质量的关键因素,并实现了关键因子定量化表示. 分别对图像数量、取块大小、字典列数和取块步长等因子进行参数调整并生成字典矩阵,结合系数矩阵对原始图像重构,以峰值信噪比和结构相似性索引测量这两种质量评价指标作为字典质量的评估依据. 实验以CMU_PIE_Face数据库为数据源,结果表明当图像数量为500张、取块大小为4个像素点、字典列数为512维、取块步长为2个像素点时,所得到的字典具备对原始图像的最佳表示能力. 因此,稀疏表示中关键因子的定量化表示可加速字典学习过程且简化模型复杂度,提高字典抽象层质量,具备更强的图像表现力.     

压缩感知中图像重构的模型综述

分别从稀疏表示、编码测量以及重构算法等方面阐述了压缩感知的基本原理。基于概率、凸优化等详细介绍了图像重构模型的理论框架和发展状况,并从字典学习和低秩表示的角度展望了图像重构模型进一步研究的方向。     

基于优化离散差分进化算法的压缩感知信号重构

针对传统压缩感知重构算法严重依赖稀疏度、重构精准度不高的缺陷,提出了一种基于优化离散差分进化(ODDE)算法,对进化种群进行分析,在实现种群有效聚类的同时提高了种群学习进化的针对性和科学性.重新定义了差分进化粒子的编码方式和进化机制,并将优化后的离散差分进化算法应用于压缩感知重构方法中.将稀疏度未知信号等效为粒子编码,通过种群迭代进化实现了稀疏信号的精确重构.仿真结果表明,与StOMP等传统重构算法相比,本文方法可以显著提高重构精度、降低重构时间.     

一种基于压缩感知的图像去噪方法

提出一种新的图像去噪方法,即根据压缩感知理论,利用变换求出含噪图像的稀疏表示,运用算法重构出原始图像,从而达到去除噪声的目的.实验表明,该方法具有可操作性和可行性.     

基于图像归一化和DCT的感知图像哈希算法

提出一种基于离散余弦变换的感知哈希算法,先对原始图像进行归一化处理,使图像具有几何不变性,然后利用离散余弦变换进行图像特征系数的提取并用混沌序列发生器加密图像,最后通过量化和编码生成感知哈希序列。该算法可以抵抗任意角度的旋转攻击和仿射变换。     

融合人眼掩蔽效应和图像梯度的块效应评价方法

针对JPEG格式的图像采用分块离散余弦变换的压缩方式易产生块效应的情况,提出了一种高效的无参考块效应评价方法.首先,对图像块边界处像素点的梯度进行变换得到图像块效应映射图(主要包括图像块效应边界的位置和强度信息);然后,计算人眼对图像的亮度和纹理掩蔽效应,将其结合到块效应映射图中,得到显著性块效应映射图,并使用Minkowski法计算出图像块效应评价指标;最后,在LIVE等图像质量评价数据库中进行了大量的试验仿真.仿真结果中单调一致性指标——SROCC和KROCC分别达到了0.9、0.7以上.     

载频不同分布方式下RSF波形稀疏重构性能分析

鉴于当前基于压缩感知理论的稀疏重构方法大多针对的是载频服从离散均匀分布的随机步进频率信号,而对于载频服从其他分布的随机步进频率波形稀疏重构性能研究较少的实际,对载频不同分布方式下的随机步进频率波形稀疏重构性能进行了分析比较.首先,构建了随机步进频率波形统一的稀疏重构模型;然后,基于感知矩阵互相关系数的统计特性对不同载频分布下的重构性能进行了分析,得出载频分布方式决定了波形重构性能的结论.最后,为验证上述结论,提出了一种基于遗传算法的随机步进频率波形载频优化设计方法,提升了随机步进频率波形的稀疏重构性能.仿真结果对上述分析以及波形优化方法进行了验证.     

基于字典学习与等效视数的低剂量 CT伪影抑制算法

针对低剂量CT图像出现条形伪影的现象,提出了一种基于字典学习与等效视数(ENL)的伪影抑制算法.该方法首先利用平稳小波变换(SWT)对低剂量CT图像进行单层分解,并对高频图像训练字典,然后利用等效视数(ENL)对字典进行分区得到伪影字典和特征字典,并只对特征原子进行稀疏编码,经小波逆变换(ISWT)后得到处理的CT图像;然后,采用双边滤波器对处理后的CT图像进行分解并训练高频字典,通过判断等效视数(ENL)来摒弃伪影字典,从而去除高频图像残留的伪影和噪声,达到抑制条形伪影的目的.实验结果表明,与总变分降噪算法、K-奇异值分解(K-SVD)算法和三维块匹配滤波(BM3D)算法对比,该算法在抑制条形伪影的同时保留了更多的边缘和细节信息,并具有较高的结构相似性和峰值信噪比.