基于多尺度脊波字典的图像去噪算法

基于人眼视觉系统特性,根据图像几何结构特征,提出一种多尺度脊波字典的构造方法。构造出的多尺度脊波字典具有多分辨率、多尺度、各向异性和多方向等特性,能够更为稀疏地表示图像,从而得到一种基于多尺度脊波字典的稀疏性约束图像去噪算法。实验结果表明,该去噪算法能有效去除噪声,更好地保留图像的边缘等细节。     

指纹图像多尺度分类字典稀疏增强

目的 自动指纹识别系统大多是基于细节点匹配的,系统性能依赖于输入指纹质量。输入指纹质量差是目前自动指纹识别系统面临的主要问题。为了提高系统性能,实现对低质量指纹的增强,提出了一种基于多尺度分类字典稀疏表示的指纹增强方法。方法 首先,构建高质量指纹训练样本集,基于高质量训练样本学习得到多尺度分类字典;其次,使用线性对比度拉伸方法对指纹图像进行预增强,得到预增强指纹;然后,在空域对预增强指纹进行分块,基于块内点方向一致性对块质量进行评价和分级;最后,在频域构建基于分类字典稀疏表示的指纹块频谱增强模型,基于块质量分级机制和复合窗口策略,结合频谱扩散,基于多尺度分类字典对块频谱进行增强。结果 在指纹数据库FVC2004上将提出算法与两种传统指纹增强算法进行了对比实验。可视化和量化实验结果均表明,相比于传统指纹增强算法,提出的方法具有更好的鲁棒性,能有效改善低质量输入指纹质量。结论 通过将指纹脊线模式先验引入分类字典学习,为拥有不同方向类别的指纹块分别学习一个更为可靠的字典,使得学习到的分类字典拥有更可靠的脊线模式信息。块质量分级机制和复合窗口策略不仅有助于频谱扩散,改善低质量块的频谱质量,而且使得多尺度分类字典能够成功应用,克服了增强准确性和抗噪性之间的矛盾,使得块增强结果更具稳定性和可靠性,显著提升了低质量指纹图像的增强质量。     

基于多尺度稀疏表示的图像融合方法

针对目前基于稀疏表示的常用图像融合算法计算复杂度高以及忽略图像局部特征的问题,提出多尺度稀疏表示(multi-scale sparse representation,MSR)的图像融合方法.充分利用小波多尺度分析较好突出图像局部特征的特点,将其和过完备稀疏表示有效结合;待融合图像在小波解析域中进行小波多层分解,对每个尺度的特征运用K-SVD (kernel singular value decomposition)多尺度字典进行OMP (orthogonal matching pursuit)稀疏编码,并在小波域中各个尺度中进行融合.实验结果表明,与传统的小波变换、轮廓波变换、稀疏表示融合算法相比,该算法更能保证图像局部特征的完整性,实现更好的性能.     

基于多尺度几何分析的图像编码研究进展

近10年来,在小波变换的理论基础之上,产生了一系列新的能够更加有效地表示和处理高维数据奇异的数学变换,统称为“多尺度几何分析”.它们不仅具有多分辨率特性、时频局部性、多方向性和各向异性,而且克服了小波变换表示边缘、轮廓等高维奇异时存在的局限性.目前,有关多尺度几何分析的理论和应用方法的研究已经成为一个新的热点.首先探讨了小波变换的方向特性及其局限性;其次,以多尺度几何分析的发展为主线,对基于各种多尺度几何分析工具的静态图像编码算法进行概述阐述和比较研究,同时分析和讨论了各类算法的优势和不足;最后,对基于多尺度几何分析的图像编码算法的未来发展进行展望.     

脊波框架的构造及其在图像去噪中的应用

为了能够充分利用现有的各种小波族,提出了脊波框架的概念。脊波框架的构造不需利用Meyer小波的特殊"封闭性质",几乎各种正交小波基都能被用来构造此框架。叙述了脊波框架的构造过程,并证明了其构成框架界为1的紧框架。最后为验证脊波框架的有效性进行了去噪实验。     

基于多尺度核索引字典的飞机目标检测优化仿真

为进一步提高基于图像稀疏表示的飞机目标检测算法的时间性能与精确度,提出了基于多尺度核索引字典的飞机目标检测算法,分别从超完备字典结构、目标检测分类器结构两方面优化算法。首先引入基于高斯径向核函数的硬C聚类方法,构造核索引字典,在提升稀疏求解算法时间性能的同时,提高了索引字典原子聚类的准确度。接着基于核索引字典,构建多尺度分类器,进一步提高了算法的效率和精度。实验表明,在合理选择聚类数后,采用核索引字典有效降低了稀疏求解算法的时间开销,原子的聚类准确度有所提高;相对基于单尺度字典的飞机目标检测算法,基于多尺度核索引字典的算法在时间开销上平均降低至24.7%,在精度方面,误检率平均降低了20.3%,命中率平均提高了3.4%,满足实时应用要求。     

稀疏表示和字典学习方法探讨

稀疏表示理论的重点在于求解稀疏系数,MP算法选择单一原子投影,会出现重复投影情况,改进的OMP算法通过对已选择原子构成的超平面投影求残差克服该问题,加快迭代速度,成为常用的稀疏分解方法。文中也通过对比实验发现基于学习方法得到的字典适应性强于固定字典,而字典学习方法中,K-SVD在求解字典D时,使用逐列更新的方法减少差值,该方法迭代效率优于MOD方法。     

一种图像稀疏贪婪索引字典的构造方法

匹配追踪是一种直接求解稀疏问题的有效方法,但是匹配追踪的完全搜索方案耗费大量计算时间.已有的一些避免这种完全搜索的方案对贪婪的学习字典并不适用.本文提出一种基于索引字典的正交匹配追踪(OMPID)的新方法,通过改进的聚类方法建立学习字典的索引,通过索引寻找最佳匹配原子,从而大大地减少了蛮力搜索的时间开销.实验表明,本文方法构造的字典能够极大地提高算法的时间性能,同时对图像的降质影响不大.理论和实验分析还对OMPID算法的相关的参数设置提供了建议.     

基于脊波变换的图像压缩

对于含有丰富边缘信息的图像,小波变换并不是很有效的表示方法,而脊波对线奇异性图像能够进行最优的逼近.利用脊波变换后的系数之间的相关性,结合SPIHT编码算法设计出基于脊波变换的图像压缩算法以达到压缩图像的目的.实验结果表明,该算法能获得高的压缩率,同时能保持较高的峰值信噪比和良好的重建图像视觉效果.     

基于Gabor 感知多成份字典的图像稀疏表示算法研究

如何设计合适的能够匹配各层面几何结构的图像稀疏表示过完备字典, 进而形成对图像的稀疏分解是当前研究者关注的热点问题. 根据图像的几何结构特性, 从人类视觉系统特性出发, 建立了匹配各层面图像结构的Gabor感知多成份字典, 进而提出一种高效的基于匹配追踪的图像稀疏分解算法. 实验结果表明: Gabor感知多成份字典具有对图像中平滑、边缘与纹理结构的自适应性, 与Anisotropic refinement-Gaussian (AR-Gauss)混合字典相比以较少的原子实现了对图像更为高效的稀疏分解.     

The Problem of Sparse Image Coding

Linear expansions of images find many applications in image processing and computer vision. Overcomplete expansions are often desirable, as they are better models of the image-generation process. Such expansions lead to the use of sparse codes. However, minimizing the number of non-zero coefficients of linear expansions is an unsolved problem. In this article, a generative-model framework is used to analyze the requirements, the difficulty, and current approaches to sparse image coding.     

基于结构字典的图像修复算法

随着稀疏表示理论的日渐完善,利用信号的稀疏性对图像进行修复得到广泛应用。本文针对传统的字典仅是一种无结构的扁平的原子的集合,没有充分利用原子之间相关性的问题,提出基于结构字典的图像修复算法。实验结果表明了该算法的有效性。基于结构字典的图像修复算法不仅可以训练字典更紧致地完成图像修复任务,而且训练得到的字典具有平移不变性、尺度灵活性等优点。     

基于内容自适应稀疏字典的图像集压缩算法

大数据时代巨大的图像信息量,给实际的存储、传输带来了相当大的困难。有效利用图像集自身内容,去除图像之间的信息冗余,是图像集压缩的主要目的。本文提出一种基于内容自适应稀疏字典的图像集压缩方案。通过对图像内容信息进行分类学习,得到分组稀疏字典,将稀疏编码替代传统的变换编码,并利用图像非局部相似特征优化图像解码,得到更高质量的重建图像。实验结果表明,与JPEG方法以及基于递归最小二乘字典学习算法（RLS-DLA）的压缩框架相比,本方案提出的图像集压缩方法有效提高了图像集编码性能。     

二维匹配跟踪自适应图像编码

提出一种基于二维可分离Gabor函数时频原子字典的自适应图像编码方法．该方法能够产生嵌入式、渐进PSNR的位流，并具有对感兴趣区域ROI优先编码的能力．它将原始图像表示成若干时频原子函数的线性叠加，这些时频原子取自冗余的时频原子字典，可以最佳匹配图像中所包含的各种结构特征．实验结果表明，该算法能够有效地捕捉图像中所包含的纹理和边缘等具有高频窄带的信号特征，在极低位率下该算法的图像恢复质量要优于零树SPIFIT编码算法．     

图像结构失真的编码质量评价

客观图像质量评价方法——自动评价图像质量使其与主观感受一致, 对于很多图像和视频处理应用特别是图像编码具有重要意义。提出了一种基于结构失真的图像编码质量客观评价方法。首先根据匹配追逐算法将参考图像在基函数上进行投影分解按照重要性排列获得结构信息,并给出结构重要性度量,然后利用该信息计算编码图像的结构信息,比较编码前后结构信息的差异作为客观质量评价度量,其中在匹配追逐算法中,选取了2维可分离的Gabor基函数集作为字典。实验结果显示,上述方法与主观质量评价值有很好的一致性。     

散列高阶字典编码及其实现*

该文引入了散列高阶字典的概念,提出了一个使用散列高阶字典实现数据压缩的模型.实验数据表明,该模型比传统的数据压缩字典方法具有更高的数据压缩能力.