一种改进的实时压缩跟踪算法

压缩跟踪算法作为一种新的算法,具有简单、高效、实时的优点,但该算法依然存在缺陷。首先,在复杂背景或有遮挡等情况下,容易较快的引进误差;其次,跟踪窗口保持不变,使得不能正确跟踪目标位置且不能准确更新正负样本;最后,搜索样本数目大,导致跟踪速度不理想。针对这些问题,利用前后帧跟踪点的直方图对比来判断遮挡的发生,并自适应的改变更新系数;采用在原算法最优匹配点周围小范围多尺度搜索更优位置的方法,来适应目标尺寸的变化;引入粗精跟踪策略,在不同阶段使用不同数量的子特征集进行匹配,以筛选样本、减少计算量。这些改进避免了算法缺陷导致的跟踪失败,提高了跟踪效率。实验证明,改进后的算法比原算法具有更好的鲁棒性且跟踪速度更快。  

基于感知器的快速彩色图像无损压缩算法

针对彩色图像像素和颜色分量之间存在的相关性，将神经网络中的感知器技术引入彩色图像的无损压缩算法中，提出了一种新的预测模型。应用感知器的自学习和自适应能力，对预测值进行自适应调整，使算法在运行过程中具有很小的预测残差并具有较小的动态范围。同时应用颜色空间变换来减小颜色分量间的相关性。相对于新的国际标准JPEG—LS，这种预测模型具有较低的计算复杂性。对比实验结果说明，这种算法的性能明显优于传统算法，在压缩比损失很小的前提下，其执行速度高于JPEG—LS。  

Tetrolet域卫星云图分块压缩感知(英文)

针对卫星云图数据量大,但传输通道和存储空间相对狭小的问题,本文提出了一种基于Tetrolet变换的卫星云图分块压缩感知方法。该方法将Tetrolet变换引入压缩感知的稀疏表示环节,以刻画卫星云图细节丰富,纹理复杂的特性,而且将分块压缩感知与平滑投影Landweber迭代方法结合用于云图重构,以提高计算效率。同时,为了进一步提高重构云图的质量,本文对云图的稀疏表示提出了另一种改进方案,首先对原始云图进行拉普拉斯金字塔分解,将得到的低频分量和高频分量分别进行分块及采样,并对低频及高频分量分别进行离散小波变换(DWT)及Tetrolet变换以实现稀疏表示,此不仅可以发挥不同稀疏变换各自的优点,而且充分利用了Tetrolet变换在表示云图方向纹理和边缘等重要信息方面的优势。实验结果表明,在相同采样率下,本文方法的重构结果明显优于直接用Tetrolet,DWT,Contourlet和DCT变换对卫星云图进行稀疏表示的重构结果。  

压缩感知重建离轴菲涅耳全息图

针对基于传统数字全息重建算法对待测物体的不同纵向深度截面进行聚焦重构时，聚焦面物体会受到共轭像及背景离焦物体的干扰，本文提出基于压缩感知理论，构建单幅离轴菲涅耳数字全息图层析成像的算法框架。该方法通过自适应空间滤波技术对全息图进行处理，基于压缩感知理论重构不同纵向深度截面图像，并有效抑制背景离焦物体的干扰，最终达到层析成像的目标。计算机数值模拟以及三维待测物体实验结果表明该方法的有效性和可行性。  

视频追踪算法研究

简要介绍了视频追踪的简单知识，系统全面的介绍了视频追踪的几种算法，包括基于自适应颜色属性的追踪算法、基于压缩感知理论的追踪算法、基于概率连续异常值的追踪算法。  

基于压缩感知的水声数据压缩与重构技术

在水声信号处理中,数据量大造成的数据处理压力不容忽视。为了有效地提取水声数据中的有用信息,同时缓解数据量大带给水声数据传输的压力,研究压缩感知（Compressed Sensing,CS）的基本原理及其关键技术,综述了CS理论框架并着重介绍了稀疏变换、观测矩阵设计和重构算法三个方面。通过仿真实验表明了压缩感知技术能够有效地用于模拟数据的压缩与重构。重点对水声舰船噪声信号进行了基于CS的压缩与重构仿真实验,验证了压缩感知技术运用于水声数据处理的有效性,从而达到提高水声数据传输速率的目的。  

离散余弦小波包变换及语音信号压缩感知

针对语音信号压缩感知问题,在研究语音离散余弦变换（Discrete Cosine Transform,DCT）系数和小波包变换（Wavelet Packet Transform,WPT）特性的基础上构造了离散余弦小波包变换（Discrete Cosine Wavelet Packet Transform,DCWPT）。DCWPT首先获取语音信号的DCT域系数,结合语音频谱特性选取部分DCT系数进行WPT变换,从而得到比DCT系数更加稀疏的DCWPT系数。为将此变换直接用于压缩感知,构造了DCWPT的正交稀疏分解矩阵并分析了其稀疏表示性能。结合稀疏表示基优化了正交匹配追踪重构算法,提出了基于DCWPT的语音信号压缩感知框架。通过压缩重构对照实验,采用主客观评价指标,得出该方法优于传统基于DCT的语音压缩感知方法的结论。  

高斯随机测量矩阵的研究

只要信号是可压缩的或在某个变换域是稀疏的,压缩感知理论便可在信号采样的同时对其进行高效的压缩,该理论中选择合适的测量矩阵对信号的获取和重建精度起着关键作用。文章通过阈值处理的方法在高斯随机测量矩阵中引入零元,形成一定稀疏结构的高斯随机测量矩阵,使得非零元个数减少到原高斯矩阵的1/2~1/16,甚至更少,有利于数据的存储和传输。仿真实验表明,优化后的测量矩阵不仅保证了信息原有的重建效果,而且降低了程序运行时间,使得信息的重建速度加快。  

基于压缩感知的OFDM水声通信信道二次估计算法

该文主要研究OFDM水声通信信道二次估计技术，针对传统信道二次估计算法跟踪估计缓慢时变水声信道存在误码遗传的缺点，提出了一种基于压缩感知的信道二次估计算法。该算法结合水声信道的稀疏特性，利用经过编码校验后的大多数可靠信息，二次匹配追踪信道频域响应，作为系统均衡器的反馈输入信息和次时段信道初始信息，有效地抑制了系统的误码遗传。通过Matlab仿真实验和水池试验，验证了基于压缩感知的信道二次估计算法的可靠性和高效性。  

基于压缩感知的单通道SAR运动目标检测方法研究

合成孔径雷达（Synthetic Aperture Radar，SAR）是一种高分辨成像雷达，随着科技的发展，人们对雷达分辨率的求日益增高，将压缩感知理论应用于SAR系统，可以有效的减小数据采样、传输、存储的压力。