基于联合规整化约束的图像盲复原

在图像复原研究中加入合适的规整化约束能够有效地提高复原效果。目前普遍将空域上的梯度稀疏性或小波域上的系数稀疏性作为规整化项,但二者并未同时使用。本文提出了对图像采用一种新的空域局部阈值处理和小波域处理的联合规整化复原算法。本算法结合了二者的优点,能够更加充分地利用图像特征信息。实验结果表明,本方法得到的结果有较好的图像质量和较高的算法鲁棒性,能更有效地抑制噪声和伪迹。     

圆对称轮廓波变换的构造

提出了具有类似于视皮层变换频带划分的圆对称轮廓波变换.在该变换中,圆对称滤波器组将图像分解为多个不同分辨率的细节子带和一个低频子带,方向滤波器组再将各细节子带分解为方向子带.文中利用遗传算法设计满足重构要求的圆对称滤波器组,应用伯恩斯坦多项式设计的映射函数将9/7双正交滤波器组映射为扇形滤波器组.利用自适应阈值法对Lena图像去噪的实验结果表明,两种圆对称轮廓波变换（CSCT1和CSCT2）的去噪性能与轮廓波变换相比有显著提高.     

一种新的用于说话人辨认的PNN分类器的研究

给出了一种新的类条件密度函数估计的σPNN模型,它基于模式层共享的PNN和模式 层分离的PNN,即每个类不仅拥有一组只属于自己的模式层,还拥有所有类都共享的几个模式 层,这里共享意味着每个核函数对所有类的条件密度估计都有贡献,新模型的训练采用最大似然 准则,并改进了EM算法来调整模型参数.闭集文本自由说话人辨认试验证明了提出的模型及其 算法的正确性．     

基于Radon变换和SWT的旋转不变纹理分类

提出了一种应用Radon变换和离散平稳小波变换(SWT)的旋转不变纹理分类算法。该方法首先对纹理图像进行Radon变换将旋转转化为平移,再用具有平移不变性的离散平稳小波对变换后的图像滤波并计算各子带的能量值组成旋转不变特征向量,最后利用支持向量机实现纹理图像的分类。将本方法与其它旋转不变纹理分类法进行比较,实验结果表明,提出的方法能有效地提高正确分类率。     

基于离散小波变换和主分量分析的P300分类算法研究

提出了一种应用离散小波变换(DWT)结合主分量分析(PCA)进行特征提取,然后用支持向量机(SVM)对P300进行分类的算法.该算法首先在一定预处理基础上使用离散小波变换对P300脑电信号分解,然后选取蕴含P300大多数信息的特征尺度进行小波重构,从而达到去噪增强的效果.然后使用PCA进行特征的提取和集中.最后使用支持向量机对提取到的特征分量进行分类.该算法将小波分解和主分量分析结合起来进行特征增强与提取,实验结果表明,该算法能够达到令人满意的正确分类率.     

基于局部特性的指纹细节点提取算法

提出了一种基于二值指纹局部特性提取细节点的算法.该算法与快速并行细化算法相比,在提取细节点准确性相当的情况下,速度大为提升.使用FVC2002指纹数据库测试表明,该算法可靠、高效.     

基于两级字典与分频带字典的图像超分辨率算法

常规基于稀疏表示的超分辨率算法使用一级高低分辨字典重构图像, 恢复细节信息不充分. 本文利用两级字典恢复尽可能多的细节信息; 然后构造联合低频字典、中频字典、高频字典的分频带字典, 利用图像低频、中频、高频三者之间的预测关系, 恢复图像中的高频信息. 利用图像的非局部相似性, 将其与迭代反向投影算法相结合, 进行图像的后处理. 实验结果表明, 与其他几种基于学习的算法相比, 本算法无论是在峰值信噪比、结构相似性指标, 还是视觉效果上都有显著的提高.     

虹膜定位算法研究

在介绍现有虹膜识别算法的基础上,针对其局限性,提出一种改进的虹膜定位算法,实现了精确而快速的定位.在该算法中,通过阈值化和Freeman链码进行内边界定位;Canny算子和圆形Hough变换被用于外边界定位;上下眼皮的去除利用Canny算子和线性Hough变换实现,睫毛和镜面反射通过阈值化的方法加以去除.实验验证了该算法的合理性和有效性.     

基于R-R相关预测的心电图压缩算法

本文提出了一种利用相邻QRS波的相关性进行最小均方差预测的心电图压缩算法.压缩算法由QRS波识别、R-R相关预测、整数小波变换、标量量化、游长编码、算术编码等六部分组成.用MIT-BIH心率数据库的样本数据对提出的算法进行测试,结果表明提出的算法是有效的,在得到高压缩比的同时仍能保持低的信息失真度.     

基于多尺度残差网络的压缩感知重构算法

目前压缩感知系统利用少量测量值使用迭代优化算法重构图像.在重构过程中,迭代重构算法需要进行复杂的迭代运算和较长的重构时间.本文提出了多尺度残差网络结构,利用测量值通过网络重构出图像.网络中引入多尺度扩张卷积层用来提取图像中不同尺度的特征,利用这些特征信息重构高质量图像.最后,将网络的输出与测量值进行优化,使得重构图像在测量矩阵上的投影与测量值更加接近.实验结果表明,本文算法在重构质量和重构时间上均有明显优势.