共享空间基-逐类剩余空间基混合稀疏表示人脸识别算法

针对传统训练样本字典学习未利用类共有信息的不足,引入共享空间和与类别相关的剩余空间,提出了共享空间基-逐类剩余空间基混合稀疏表示人脸识别的算法。该算法首先提取训练样本主成分分析(PCA)特征,获取无标记的共享空间基及其重构样本得到类共有信息;然后结合原始样本得到差分训练集合,并引入类间差异信息构建逐类特异性剩余空间基;最后融合共享空间基和剩余空间基,利用残差判别函数完成模式分类。该方法不仅利用混合空间的正交特性,而且发挥剩余空间的鉴别能力和共享信息稀疏逼近的作用,使结构性字典和模式分类紧密结合。该方法的有效性,分别通过用AR、CMU PIE、Extended Yale B人脸数据库进行的实验得到验证。     

基于耦合过完备字典的红外云图超分辨率方法

针对红外云图分辨率低的问题,提出一种基于耦合过完备字典的超分辨率方法。在分析红外云图成像退化模型的基础上,建立了采用稀疏表示理论的超分辨率重构框架,首先随机抽取大量高、低分辨率云图的图像块,组成训练样本,经过字典学习获取针对高、低分辨率云图块的两个字典Dh和Dl,为保证对应的高、低分辨率云图块关于各自的字典具有相似的稀疏表示,提出一种耦合字典学习算法,该算法改变了字典对的更新策略,通过在每一步迭代中交替优化Dh和Dl,得到耦合的过完备字典对;最后对输入的低分辨率红外云图,采用最优正交匹配追踪算法(Optimized Orthogonal Matching Pursuit Algorithm,OOMP),得到满足重构约束的高分辨率云图。实验结果表明,本文方法与其他方法相比,红外云图重构质量有较为明显的改善,而且比同类方法具有更高的计算效率。     

一种基于MOD字典学习的图像超分辨率重建新算法

将低分辨率图像重建成高分辨率图像是图像处理领域中的一个重要课题。Yang提出一种基于联合字典学习的图像超分辨率重建算法,其算法样本选取与字典训练方法较为复杂。提出一种基于MOD字典学习的图像超分辨率重建新算法,首先采用少量的训练样本代替Yang的大量训练样本,然后使用MOD字典学习算法代替Yang的FFS字典学习算法,最后利用字典对图像进行稀疏表示与重建。实验结果表明,所提出的算法速度较快,并且重建图像的质量较高。     

一种基于GDLPP的人脸识别算法

针对人脸识别中的特征提取问题,本文提出了一种结合Gabor小波特征和判别保局投影的人脸识别算法-GDLPP.该算法首先对人脸图像进行多分辨率的Gabor小波变换,提取样本的高阶统计信息;然后更改保局投影(LPP)的目标函数,增加样本类间散布约束,从而提取更具判别性的特征.本文采用最小近邻分类器估算识别率.在USPS数据库、Yale人脸库以及AR人脸库的测试结果表明,在姿态、光照、表情、训练样本数目变化的情况下,GDLPP都具有较好的识别率.     

Blind separation for permuted alias images based on sparse decomposition

针对一类存在形态差异的置换混叠图像,提出了一种基于稀疏分解的置换混叠图像盲分离新算法.该算法为了利用置换混叠图像中被置换区域和置换区域在不同的字典上稀疏表示存在的稀疏差异,分别选择Contourlet变换基字典和局部离散余弦交换基字典作为分离的特征域,通过置换混叠图像在两个特征域上的稀疏形态分解,把纹理图像从置换混叠图像中分离出来.实验结果表明,对于一类包含分片光滑和纹理成分的置换混叠图像,该算法能够有效地把纹理图像从置换混叠图像中分离出来,同时,对纹理图像的大小、位置、个数和类型具有鲁棒性.     

基于贝塔过程联合字典学习的图像超分辨重建

为了提高图像超分辨效果,针对以往稀疏字典超分辨算法仅适用于单特征空间的问题,提出基于贝塔过程联合字典学习(BPJDL)的图像超分辨重建(SRR)方法。首先,根据图像退化模型生成训练样本图像,分别对高、低分辨率图像进行7×7分块,并利用吉布斯采样对图像块进行采样,生成字典训练样本。然后,依据贝塔过程先验模型,建立连接高、低分辨率图像空间的双参数联合稀疏字典,将字典稀疏系数分解为系数权值和字典原子的乘积,通过训练和更新字典,得到同时适用于两个特征空间的字典映射矩阵。最后,进行图像超分辨稀疏重构。实验结果表明:本文方法能以更小尺寸的稀疏字典重建超分辨图像,与当前最先进的稀疏表示超分辨算法相比,结果图像主观视觉上纹理细节信息更丰富,客观评价参数峰值信噪比(PSNR)提高约1.5 dB,结构相似性(SSIM)提高约0.02,超分辨重建时间降低约50 s。     

基于改进判别字典学习的故障诊断方法

近年来,基于稀疏表示的分类技术在模式识别中取得一定的成功。该框架中,字典的学习和分类器的训练通常是两个独立的模块,降低了方法的识别精度。针对以上问题,提出了一种特征提取和模式识别相融合的改进判别字典学习模型,将重构误差项、稀疏编码判别项及分类误差项进行了整合,并用K奇异值分解算法对目标函数进行优化,实现了字典和分类器的同步学习。该方法先对原始信号进行经验模态分解,并从分解的本征模态函数中提取时、频特征,形成故障样本;然后将训练样本输入改进模型用K奇异值分解优化;最后用习得字典及分类器权重对测试样本进行识别。实验结果表明：该算法不但适用于小样本故障问题,而且鲁棒性和分类性能都明显高于其它算法。         

光滑逼近超完备稀疏表示的图像超分辨率重构

为改善单帧降质图像的分辨率水平,提出了一种新的基于稀疏表示的学习法超分辨率图像重构方法。针对信号在既定的欠定超完备字典下的非稀疏性问题,采用光滑的递减函数逼近L0范数以避免对稀疏度先验的依赖,从而实现待重构图像块的有效稀疏表示,同时通过梯度下降的迭代优化获得稳定的收敛解。与双立方插值相比,图像的三倍超分辨实验显示,图像峰值信噪比(PSNR)提高2dB,框架相似性(SSIM)改善0.04,重构图像剔除了更多的模糊退化及边缘伪迹。该方法适于单帧降质图像的超分辨率增强。     

基于稀疏分解的多分量线性调频信号参数估计∗

本文提出了一种多分量线性调频信号的参数估计方法。基于过完备Gabor字典的Matching Pursuit算法,可以将信号表示为Gabor原子的线性组合。这些原子有效的揭示了信号的内在时频结构特征,是信号的一种稀疏表示。本文直接利用分解得到的稀疏信息对信号中调频分量的调频率、初始频率和结束频率进行估计。仿真结果显示,该方法适用于存在强有意干扰或者有色噪声的环境。     

基于可分离字典的稀疏和低秩表示图像去噪

目的 为了有效去除图像中的椒盐噪声，提高图像质量。方法 文中将可分离字典和低秩表示结合，提出基于可分离字典的稀疏和低秩表示算法(SLRR–SD)。首先，使用可分离字典代替传统的过完备字典可分离字典可以对二维图像直接表示。其次，使用Frobenius范数对分离字典进行约束以挖掘字典内部的低秩性。此外，为了挖掘图像内部的稀疏结构，对表示系数使用稀疏约束进一步提升表示的有效性。结果 提出的算法在噪声强度为5%、10%、20%和30%下，PSNR/FSIM的平均值分别为32.736/0.975、29.769/0.957、29.295/0.951和26.768/0.921。结论 文中算法保留了相邻列之间的相关性，并且可分离字典优化过程也降低了计算负担。实验结果表明，该算法在保留原图像信息的同时能更好地完成去噪任务。     

基于字典统计耦合归一化多重距离的图像检索算法

目的针对当前彩色图像检索技术容易受到色彩的干扰,使其鲁棒性不强等不足,提出一种字典统计耦合归一化多重距离的彩色图像检索算法。方法首先将图像量化并转换成一维信号,然后引入字典统计,将一维信号进行字典编码,并计算编码后的图像多样值,在归一化字典距离的基础上嵌入字典编码图像的多样值,从而定义归一化多重距离(NMD)的相似度量准则,利用NMD对查询图像与数据库图像的多样值进行比较与识别,搜索出与查询图像具有相同特征的最相似图像,完成目标检索。结果在COREL数据库的实验结果表明,相对于当前常用的检索技术,该检索算法具有更高的查准率和查全率,可对彩色图像完成精确检索,有效减低了色彩对检索性能的干扰。结论文中算法具有较好的检索精度,能够较好地用于医疗、商标等领域的目标检索。     

无人机发动机点火停车电路故障在线检测研究

为了解决某型无人机发动机的飞行故障隐患,通过对发动机点火停车电路所存在故障的模型研究,运用Pspice仿真软件对电路故障进行仿真,采用基于故障字典的故障诊断技术,建立了诊断故障字典．利用单片机设计了一套在线故障检测系统,提出了“状态传递”的测试策略进行测点优化,简化了系统设计,提高了故障诊断效率,实现了无人机发动机点火和停车电路故障的在线检测,确保了无人机的飞行安全和飞行任务的完成．     

利用字典学习方法的声速剖面反演研究

针对经验正交函数（Empirical Orthogonal Function,EOF）建模反演得到的声速剖面（Sound Speed Profile,SSP）估计值分辨率比较低的问题,文章采用字典学习方法中的K-奇异值分解（K-Singular Value Decomposition,K-SVD）算法生成声速剖面的非正交原子,研究了该方法生成的学习字典（Learning Dictionary,LD）对声速剖面的重建性能。首先,采用K-SVD算法从获得的数据中训练SSP字典,然后利用正交匹配追踪（Orthogonal Matching Pursuit,OMP）的稀疏方法给出训练信号的稀疏向量,最后通过得到的最优学习字典和稀疏向量反演得到SSP的估计值。结果表明,K-SVD算法比EOF算法使用更少的基函数即可很好地描述SSP的变化,获得更高的反演精度。     

Automatic Eyewitness Identification During Disasters by Forming a Feature-Word Dictionary

Social media provide digitally interactional technologies to facilitate information sharing and exchanging individuals. Precisely, in case of disasters, a massive corpus is placed on platforms such as Twitter. Eyewitness accounts can benefit humanitarian organizations and agencies, but identifying the eyewitness Tweets related to the disaster from millions of Tweets is difficult. Different approaches have been developed to address this kind of problem. The recent state-of-the-art system was based on a manually created dictionary and this approach was further refined by introducing linguistic rules. However, these approaches suffer from limitations as they are dataset-dependent and not scalable. In this paper, we proposed a method to identify eyewitnesses from Twitter. To experiment, we utilized 13 features discovered by the pioneer of this domain and can classify the tweets to determine the eyewitness. Considering each feature, a dictionary of words was created with the Word Dictionary Maker algorithm, which is the crucial contribution of this research. This algorithm inputs some terms relevant to a specific feature for its initialization and then creates the words dictionary. Further, keyword matching for each feature in tweets is performed. If a feature exists in a tweet, it is termed as 1; otherwise, 0. Similarly, for 13 features, we created a file that reflects features in each tweet. To classify the tweets based on features, Naïve Bayes, Random Forest, and Neural Network were utilized. The approach was implemented on different disasters like earthquakes, floods, hurricanes, and Forest fires. The results were compared with the state-of-the-art linguistic rule-based system with 0.81 F-measure values. At the same time, the proposed approach gained a 0.88 value of F-measure. The results were comparable as the proposed approach is not dataset-dependent. Therefore, it can be used for the identification of eyewitness accounts.     

基于自相似性与稀疏表示的超分辨率算法

目的为了解决当前稀疏表示的超分辨率算法效果依赖参与训练的数据的问题,结合图像的自相似性,提出一种基于自相似性与稀疏表示相结合的超分辨率算法。方法算法利用图像的多维自相似性,构建多维图像金字塔,采用改进的相似块搜索策略,得到对应的高低分辨率图像块作为训练样本,然后对样本进行字典训练,最后根据稀疏表示得到超分辨率图像。结果实验结果显示,文中算法在峰值信噪比(PSNR)和结构相似度(SSIM)上优于其他算法,对于实验图像而言,PSNR平均提升了0.5 dB。结论提出的超分辨率算法未引入外部数据库,具有较好的效果,能够用于超分辨率重建。     

自然场景图像的字符识别方法

目的基于大津算法(Otsu算法)对图像进行分割,利用光学字符识别方法对自然场景图像中的英文字符进行识别。方法首先用分块Otsu算法对图像进行初步的二值化,然后通过对二值化结果的分析,把原始的输入图片分割成单个字符的子图,再对各子图重新用Otsu算法进行二值化,最后对最终得到的二值化结果进行识别,再结合之前得到的每幅图的字符数量信息和词典信息,对识别结果进行修正,得到最终的识别结果。结果在ICDAR2013数据集上测试文中算法,单词正确识别率为46.03%,总编辑距离为474.5。结论文中提出的以Otsu为基础的分块识别算法,能够更好地分割复杂背景图像的背景和文本,同时结合词典信息对识别结果进行了修正,改善了识别效果。     

“铁塔杆件图形建模系统”中非图形数据的存取

“铁塔杆件图形建模系统”中非图形的数据存取是一个十分重要的内容，它包含杆件的节点编号、杆件信息和选材信息等。以AutoCAD图形软件作为平台，开发“铁塔杆件图形建模系统”，通过扩展数据词典的方法实现非图形特征信息的存储和提取，可以大大提高图形数据库中的信息含量，从而为后续的产品设计和开发工作提供基础，提高设计效率。     

一种数字电路故障诊断方法的研究及实现

为了对数字电路进行元件级故障诊断，采用组合测试方案生成故障字典，并且设计了相应的硬件电路和软件流程，达到了将故障定到元件级的目的。研究表明，本组合测试方案能够直观简便地反映电路的故障。     

A novel region-based multimodal image fusion technique using improved dictionary learning

Recently, the sparse representation (SR) based algorithms have gained much attention from the researchers in the area of image fusion (IF). The building of a compact discriminative dictionary plays a vital role in the sparse-based IF techniques. In this context, an efficient multimodal IF method based on improved dictionary learning is investigated. The key contributions of this paper are: (a) An improved KSVD algorithm is suggested for the dictionary learning process, (b) to reduce the computational time, only the informative patches are selected using energy feature, and (c) a novel region-based fusion scheme is suggested for the first time for the problem on hand. The suggested technique is tested with a number of multimodal images from Harvard Medical School brain database. The results are compared with state-of-the-art multiscale transform-based methods and modified SR-based methods. Unlike earlier methods, our proposed technique generates an adaptive dictionary through selection of informative patches only. This results in a compact dictionary with improved computational efficiency. The experimental results reveal that our approach outperforms other methods. The potential application of the suggested method could be in pathological images for follow-up study and better treatment planning.