基于非局部相似和低秩模型的图像盲去噪

针对目前大多图像去噪算法的性能依赖输入噪声水平参数的问题,为进一步提高去噪效果,提出一种改进的基于非局部相似和低秩模型的图像盲去噪方法。预先估计图像的全局噪声方差,在图像非局部相似和低秩模型的框架下,自适应地估计各图像块的局部噪声方差,确定各图像块奇异值阈值(SVT)的局部阈值参数,运用迭代规则完成去噪。为验证该方法的有效性,与3种目前较成熟的去噪算法进行仿真对比。仿真结果表明,对于噪声方差未知的图像,该方法的去噪效果在视觉、峰值信噪比(PSNR)和结构相似度(SSIM)的数据上更具优势,具有更好的自适应能力,更适合应用于实际图像去噪问题。     

基于稀疏表示的WMSN红外和可见光图像融合

在使用无线多媒体传感网络WMSN进行环境监测的过程中,对同一场景所采集的红外和可见光源图像进行信息融合时,传统的方法融合的数据量较大且没有充分考虑其内在稀疏性和丰富的结构特征,图像融合的质量不高。将稀疏表示理论应用于WMSN红外和可见光图像融合中,在原始DCT冗余字典基础上,结合K SVD字典训练算法和同步正交匹配追踪SOMP算法对WMSN红外和可见光图像进行有效的稀疏表示,并选择自适应加权平均融合规则对稀疏表示系数进行融合处理。仿真结果表明,相对于传统的基于空域及变换域的红外和可见光图像融合方法,该方法更能从WMSN含噪图像中有效地保留源图像的有用信息,获得较好的融合效果。     

基于RPCA视频去噪算法的自适应优化方法

传统去噪算法不能在尽量滤除噪声的同时很好地保持原始图像信息。针对这种情况,提出基于鲁棒主成分分析的自适应视频去噪算法。首先根据视频数据的低秩性和噪声的稀疏性,利用加速近端梯度方法重建出原始视频的低秩部分和稀疏部分,实现噪声的初步分离;其次利用自适应中值滤波器进行预滤波处理,提高块匹配精度,进一步去除视频噪声;最后引入自适应奇异值阈值法,增强图像细节边缘信息,降低迭代优化算法的时间复杂度。实验结果表明,该方法不仅能极大程度地恢复出原始视频序列,还能自适应地去除干扰噪声。不论从客观指标PSNR值还是从主观视觉,该方法与传统去噪方法相比都具有很大的优势。     

基于SURE无偏估计的图像自适应稀疏收缩去噪

研究了基于过完备字典下稀疏表示框架的图像去噪问题,基于Stein无偏估计提出一种自适应阈值选择算法。在一阶可导收缩函数的基础上,推导了阈值选择的优化目标函数;证明该函数是关于阈值的凸函数,用黄金分割法搜索其全局最小值。该算法选择的阈值接近峰值信噪比-阈值曲线的极大值点。通过对Lena和Barbara图进行去噪实验,验证了算法的优越性。     

基于特征均值的SVD信号去噪算法

根据矩阵奇异值分解原理,提出基于特征均值的信号去噪算法。该算法首先构造出加噪信号的Hankel矩阵,并对其进行SVD变换,再将小于全体特征值的均值的那些特征值置零,最后通过SVD反变换重建出去噪后的信号。通过与传统小波和FFT信号去噪算法进行对比实验。结果表明,该方法具有较强的噪声鲁棒性,同时能更好地保留信号细节,但实现速度有所降低。     

基于稀疏与低秩的核磁共振图像重构算法

已有的基于压缩感知的核磁共振图像重构算法仅利用了数据的稀疏性或矩阵的低秩性,并没有充分利用图像数据的相关性先验知识.针对这一问题,提出了一种新型的应用于二维核磁共振图像重建的算法模型.与传统的单一利用原始数据的稀疏性或矩阵低秩性进行重建的方法不同,该方法同时利用了图像数据的稀疏性与矩阵的低秩性.矩阵低秩部分使用应用赤池信息量准则的奇异值分解阈值方法,数据稀疏部分使用全变分作为稀疏变换基.实验结果表明,该方法在相同的采样率下与应用赤池信息量准则的奇异值分解阈值方法、全变分方法和奇异值分解阈值方法相比大大提升了重建图像的质量.     

基于DCS的WMSN多视角视频编解码

为了有效解决无线多媒体传感器网络中多视角视频监控传输数据量大以及网络能量、资源受限的问题,提出了一种基于分布式压缩感知的高压缩率多视角视频编解码方法.对多视角视频序列进行分组处理,并将图像组分为关键帧和非关键帧;对关键帧采用基于压缩感知(compressed sensing,CS)的编解码方法进行处理;而在非关键帧的编码端采用联合稀疏表示方法对残差图像稀疏表示,解码端利用帧间时间相关性和多视角空间相关性预测生成当前视频帧,并借助差异补偿方法进一步提高预测准确性,同时提高了重构效果.实验结果表明,该方法取得较高的压缩率,重构出的图像质量比参考方法更高,且PSNR值得到了较大的提高.     

基于自适应稀疏表示的光谱去噪和基线校正

通过分析光谱信号特征,结合稀疏表示理论,提出了一种自适应稀疏表示的光谱去噪方法.该方法对信号分段构造学习样本,分别用OMP法和K-SVD法初始化和过训练原子库.将光谱信号在新的原子库上进行自适应稀疏分解,实现光谱信号去噪.利用信噪比(SNR)、均方根误差(RMSE)、波形相似度(NCC)、峰值平均相对误差(AREPV)四个指标来评价去噪效果.仿真实验结果表明,与小波软阈值和小波硬阈值方法相比,该方法能更好地同时消除噪声和基线漂移.     

基于稀疏分解残差的氢气传感器故障探测与辨识方法

针对传感器故障探测和诊断,提出了一种基于稀疏分解残差的氢气传感器故障探测和辨识方法.基于信号稀疏分解理论,对采集的传感器正常信号数据集,利用K奇异值分解(K-SVD)学习算法得到一超完备字典D;在字典上对非正常(故障)信号进行分解,根据稀疏分解的残差大小和范围完成对传感器故障的探测及辨识.实验结果表明:对氢气传感器的故障探测率和总辨识率分别达到98.75%和97.25%,可以有效地解决氢气传感器的故障探测和辨识.     

基于改进的稀疏去噪自编码器的入侵检测

针对传统浅层的入侵检测方法无法有效解决高维网络入侵数据的问题,提出了一种基于堆叠稀疏去噪自编码器（SSDA）的入侵检测方法。首先,利用SSDA对入侵数据进行降维操作;然后,将高度抽象后的低维数据作为输入,利用softmax分类器进行入侵检测;最后,又在SSDA方法的基础之上提出了一种改进模型（ISSDA）,即在传统稀疏去噪自编码器的基础上增加新的约束条件,以此来提高深度网络对原始入侵数据的解码能力以及模型的入侵检测性能。实验结果证明,ISSDA方法与SSDA方法相比,对4种类型的攻击的检测准确率提高了将近5%,也有效地降低了误报率。     

基于块分类和字典优化的K-SVD图像去噪研究

基于K-奇异值分解（K-SVD）的图像去噪方法使用K-SVD算法训练得到的过完备字典对图像进行稀疏表示去噪,能够在去除噪声的同时较好地保持原始图像信息。但该方法缺少对图像结构特征的考虑;此外,K-SVD算法训练得到的字典中往往含有噪声原子,从而导致该方法在强噪声下去噪性能欠佳。针对这些局限性,提出一种新的去噪方法：基于块分类和字典优化的K-SVD去噪方法。首先通过图像块的分类训练得到与图像结构相适应的字典,能够更为稀疏地表示图像;然后通过噪声原子检测将字典原子分为噪声原子和非噪声原子,并对噪声原子进行替换,减弱噪声原子对去噪性能的影响,得到优化字典;利用优化字典对图像进行稀疏表示去噪。仿真实验表明,与非局部均值去噪、曲波去噪以及经典K-SVD去噪等算法相比,新方法能够取得更好的去噪结果。     

小波变换和稀疏冗余表示的混合图像去噪

为改进K-SVD方法抑制强噪声的效果,提出一种小波域稀疏冗余表示图像去噪方法——单尺度低频小波K-SVD(SLWK-SVD)。首先对含噪图像做单尺度小波变换,然后用K-SVD算法对变换后的图像逼近系数学习过完备自适应字典,而对于高频小波系数则简单置零,最后用逆小波变换得到恢复图像。实验结果表明,与K-SVD方法相比,所提方法具有良好的抑制强噪声能力,在所给强噪声下(方差介于50和100),恢复图像信噪比提高了约0.5—1.5 dB,并克服了K-SVD方法去噪后图像出现的明显波动效应,具有更佳的视觉效果。     

基于稀疏分解和聚类的自适应图像去噪新方法

随着信号稀疏表示原理的深入研究,稀疏分解越来越广泛地应用于图像处理领域。针对过完备字典构造和稀疏分解运算量巨大的问题,提出一种基于稀疏分解和聚类相结合的自适应图像去噪新方法。该方法首先通过改进的K均值(K-means)聚类算法训练样本,构造过完备字典;其次,通过训练过程中每一次迭代,自适应地更新字典的原子,使字典更适应样本的稀疏表示;然后利用正交匹配追踪(OMP)算法实现图像的稀疏表示,从而达到图像去噪的目的。实验结果表明：与传统的字典训练方法相比,新算法有效地降低了运算复杂度,并取得更好的图像去噪效果。     

基于稀疏表示与字典学习的彩色图像去噪算法

针对彩色图像在去噪时易产生模糊现象和伪色彩的问题,提出多信息结合字典算法。首先提出了基于RGB颜色空间各通道模值的加权梯度定义,并在此基础上建立了由彩色图像的亮度、加权梯度、颜色信息结合的一种过完备结构字典。其次利用噪声图像的稀疏性,通过不断更新迭代的字典训练过程,找到最优稀疏系数和最优学习字典,从而将噪声信息和图像有用信息分离开,精确重构图像并单求其颜色,进而得到去噪后的彩色图像。实验结果显示,与已有算法相比,本文提出的算法在不同的噪声强度下都取得了更好的视觉效果和更高的客观评价指标值,表明该算法具有良好的去噪性能。     

基于K-SVD的偏微分方程模型在毫米波图像恢复中的应用

在图像被大噪声污染或具有较低分辨率时,传统的偏微分方程(PDE)模型的稳态解会产生明显的阶梯效应,恢复图像质量较差。针对此缺点,提出了一种新的基于K-奇异值分解(K-SVD)的PDE图像恢复方法,并应用于毫米波(MMW)图像的恢复。K-SVD是一种图像稀疏表示方法,对图像进行稀疏估计的同时实现去噪,对噪声方差较大的图像具有较好的去噪鲁棒性。首先采用K-SVD对MMW图像进行去噪,对去噪图像再应用全变分(TV)模型的PDE方法进行恢复。对所提出的算法分别使用模拟的MMW图像和真实的MMW图像进行测试,并进一步和K-SVD、PDE方法比较,同时使用峰值信噪比(PSNR)对恢复图像进行评价。根据不同噪声方差下的PSNR数据和恢复图像的视觉效果,实验结果证明了所提方法能够有效地恢复MMW图像。     

一种基于新的小波阈值函数的图像去噪方法

在分析了硬域值、软域值小波去噪算法存在问题的基础上,提出了一个新的域值函数,该阈值函数在整个定义域内统一定义,表达式简单易于计算,同软阈值函数一样具有连续性,且是高阶可导的,便于进行各种数学处理.与硬软域值去噪方法相比,该改进的新阈值函数通过调节参数来调节阈值化小波系数与原始小波系数之间的恒定偏差以及过渡区内曲线的平滑...     

基于链路质量的无线传感器网络抗干扰路由协议

无线传感器网络在受灾环境下,局部区域受到干扰节点干扰,现有的路由协议信息的可靠传输受到影响。本文提出一种基于SNR的抗干扰的动态路由协议noise-aware-routing(NAR),应用物理层提供的信噪比作为选路代价,从而避开干扰区域。利用能量充足的目的节点基站,回复所有节点,从而减少了逐跳回复的路由开销,并且避免了性能良好的单向路径的丢失。最后用OPNET仿真验证了在不同源节点发包速率的情况下,NAR相对AODV协议在延迟、丢包率、路由开销等方面的性能提高。