基于低秩三分解的红外图像杂波抑制

针对红外图像中对比度较低、目标信号较弱且受背景噪声杂波干扰较大的特点,结合信号的稀疏表示理论提出了一种基于低秩三分解模型的红外图像背景杂波抑制算法。首先,分别对红外图像中目标、背景和噪声3种成份进行建模描述,得到低秩三分解模型。然后,采用二维高斯模型构造红外小目标超完备字典,利用所提出的低秩三分解模型将分块重置的图像数据矩阵分解为背景、噪声和目标3种成份。最后,对于目标分量进行阈值处理从而得到突出红外小目标的重构图像,实现杂波抑制。在3种不同情况下的实验结果表明:本文算法能够使红外图像局部信噪比提高2倍以上;与其他经典算法相比,抑制因子至少提高15%。得到的结果表明,所提算法能够有效抑制杂波,在提高红外图像信噪比的同时,对不同噪声干扰也具有较强的鲁棒性。     

基于自适应超完备稀疏表示的图像去噪方法

基于超完备字典的图像稀疏表示是一种新的图像表示理论,利用超完备字典的冗余性可以有效地捕捉图像的各种结构特征,从而实现图像的有效表示.当前稀疏表示的理论研究主要集中在稀疏分解算法和字典构造算法两方面.本文提出一种新的超完备字典构造算法:K-LMS算法,该算法由K均值聚类算法泛化获得,可用于超完备字典的自适应更新,以实现图像的有效表示.针对图像去噪问题,本文给出一种基于超完备稀疏表示的去噪方法,该方法利用图像在超完备字典上的自适应稀疏分解,通过阈值处理的方法实现了图像去噪,实验结果证实了本文所提方法的有效性.     

改进的稀疏表示遥感图像超分辨重建

为了进一步提高遥感图像超分辨效果,提高超分辨重建速度。针对以往稀疏超分辨算法中更容易丢失边缘信息和引入噪声的问题,本文改进了特征提取算子,以对称近邻滤波(SNN)代替高斯滤波,重点解决特征空间中的字典学习问题。首先,根据遥感图像退化模型生成训练样本图像,并分别对高、低分辨率遥感图像进行7×7分块,生成字典训练样本。然后,建立连接高、低分辨率图像空间的双参数联合稀疏字典,将字典学习过程中的稀疏系数分解为系数权值和字典原子的乘积,依据字典原子指标训练和更新字典,得到高低分辨率联合字典映射矩阵。最后,进行遥感图像超分辨稀疏重构。实验结果表明:与当前最先进的稀疏表示超分辨算法相比,本文算法得到的超分辨重建遥感图像的主观效果更好,恢复出更多的地物细节信息;客观评价参数峰值信噪比(PSNR)提高约1.7dB,结构相似性(SSIM)提高约0.016。改进的稀疏表示超分辨算法可以有效地提高遥感图像超分辨效果,同时降低重建时间。     

基于内容的双字典学习及稀疏表示的图像重构

提出了一种基于内容的双字典学习和稀疏分解结合起来的算法.针对待复原图像内容间的差异性,将训练图像块采用聚类的方法得到多个分类式的字典,从中选择最合适的内容分类来进行图像的恢复,这样做使算法更具区分性,提升了图像的自适应能力.在此基础上,将高频信息分为主要高频和次要高频,并训练双重字典,结合稀疏表示的方法对图像进行重构,这比传统的基于字典学习的算法捕获了更多的图像高频信息,进一步提升了图像重构的质量.方法采用了K-SVD算法以提高稀疏字典编码的计算效率.与其他方法相比,该算法获得了更为精细的图像细节,在PSNR测试数据和主观视觉上都获得了理想的提升.     

近似稀疏正则化的红外图像超分辨率重建

针对红外图像分辨率低、受噪声影响严重等问题,引入近似稀疏正则化和K-奇异值分解（K-SVD）法,提出了基于近似稀疏表示模型的红外图像超分辨率重建方法。考虑到红外图像受到噪声污染,首先建立了稳健近似稀疏表示模型。针对已有字典训练方法时间消耗巨大问题,在假定低分辨率图像空间和高分辨率图像空间具有相似流形的前提下,联合近似稀疏表示模型和K-SVD方法,提出近似稀疏约束的基于K-SVD的高低分辨率字典对学习算法。最后,通过高分辨字典和对应的红外图像群稀疏表示系数重建得到高分辨率的红外图像。为了验证算法的性能,对提出的算法与稀疏性正则化的图像超分辨模型（SRSR）和Zeyde算法进行了实验比较。结果表明,本文方法能够较好地减少红外图像中的噪声,同时获得更好的超分辨率重建效果。     

基于自适应稀疏表示的宽带噪声去除算法

为了有效地去除信号中的宽带噪声,提出了一种基于自适应稀疏表示的宽带噪声去除算法.根据噪声成分与信号特征成分之间的不相关或弱相关特点,自适应地确定稀疏分解的终止条件,实现信号的稀疏表示.降噪过程中使用染噪信号构造学习样本,由信号的自适应稀疏表示和原子库的更新迭代实现原子库的训练.染噪信号在训练后的原子库上进行自适应稀疏表示,实现信号的噪声去除.仿真信号和齿轮振动信号的降噪试验表明:该方法具有比小波阈值降噪、匹配追踪降噪方法更好的降噪性能,能够有效地去除信号中的宽带噪声.     

稀疏表示下的噪声图像超分辨率重构

为了能够完成噪声图像的超分辨率重构,提出了一种基于稀疏表示的噪声图像超分辨率重构方法,可以同时完成图像去噪和超分辨率重构。首先,对样本图像和低分辨率图像进行块划分,建立样本库。其次,建立图像退化模型,采用相似样本加权平均的方式对输出的高分辨率图像块进行表示。根据输入的低分辨率图像块,计算样本块与输出的高分辨率图像块之间的相似性。提出了一种相似性描述方法,能够很好地解决噪声带来的影响。然后,采用相似性对稀疏编码优化模型进行惩罚,提出一种权值求解模型。模型可以自适应的搜索相似样本块而不需要预先设定相似块的个数。最后,求解权值,根据权值和样本块重构高分辨率图像块,并重构高分辨率图像。实验结果表明:所提出的方法较其它常见超分辨率算法的峰值信噪比可提高0.5dB左右,重构的图像细节更丰富,去噪效果更好,更适合实际应用。     

基于稀疏超完备表示的目标检测算法

基于视觉超完备机制的图像稀疏表示是一种新的图像表征方法.针对目标检测问题,提出了一种基于视觉稀疏超完备表示的计算模型,实现了非结构化场景中的目标检测.该方法首先基于能量模型和评分匹配(score matching)方法建立稀疏超完备计算模型,进而设计了基于神经元响应以及动态阈值策略的目标检测算法,最后通过多类型交通图像验证算法有效性.结果表明,该方法与计算机视觉方法比较具有较高的准确率,能够利用少样本实现大交通流量中目标的检测.     

联合块匹配与稀疏表示的卫星云图修复

针对卫星云图在接收及传输过程中受噪声、大气湍流、太阳风暴及卫星轨道漂移等影响造成的云图数据破损,提出了一种联合块匹配与稀疏表示的卫星云图修复方法。首先,根据破损区域的优先权值确定待修复像素,对该像素的邻域进行分块处理。然后,利用待修复块与各匹配块之间的结构相似度,建立相应的冗余字典;通过求解稀疏表示问题修复该破损区域。最后,沿着等照度线不断更新优先权值,实现整幅图像的修复。实验结果表明,提出的方法不仅能避免传统偏微分方程(PDE)修复法所导致的结构丢失,也能很好地改善基于纹理填充修复方法所导致的修复不足及块效应现象。测试结果显示:在云图存在局部区域缺失时,修复后云图的峰值信噪比(PSNR)比匹配追踪法及总变分法的修复结果平均提高了8.50dB和0.28dB,而且在纹理细节及边缘区域具有更好的视觉效果。     

基于手背静脉图像多特征稀疏表示的身份识别

为了准确地对人的身份进行识别,提出了一种对采集静脉图像的全局特征和局部特征进行稀疏表示的识别算法.该算法首先应确定静脉样本库中所有的静脉对象,并在不同光强下对每一手背静脉进行采集,此外将采集图像进行适当压缩与旋转,并将变换后的所有图像作为库中描述该静脉对象的样本;其次,分别提取该静脉对象所有样本的全局特征与局部特征,并通过求解每一特征系数向量的最小1范数,对未知静脉图像的全局与局部特征进行稀疏表示;最后,融合稀疏表示结果,完成静脉识别的过程.通过在3种光强下对200个人的手背静脉进行采集,并经过图像压缩与旋转调整后建立实验所需的静脉样本数据库,识别实验表明该识别方法正确识别率达到98％以上,并且对于采集时出现多种不合作因素具有较好的鲁棒性,同时具有较好的实用价值.     

基于非下采样双树复轮廓波变换和稀疏表示的红外和可见光图像融合

提出了一种基于非下采样双树复轮廓波变换(NSDTCT)和稀疏表示的红外和可见光图像融合方法,以改善传统的基于小波变换的图像融合方法的不足。该方法首先利用形态学变换处理源图像,利用NSDTCT变换进行图像分解得到低频子带系数和高频子带系数。根据高低频系数的不同特点,提出改进的稀疏表示(ISR)的融合规则用于低频子带;然后将改进的空间频率作为脉冲耦合神经网络的外部输入,提出基于自适应双通道脉冲耦合神经网络(2APCNN)的融合策略用于高频子带。最后通过NSDTCT逆变换获得融合后的图像。实验结果表明:本文方法在客观指标和视觉效果方面均优于传统图像融合的方法。与传统的NSCT-SR方法相比,实验的两组图像中4个客观指标:互信息(MI)、边缘信息保留量QAB/F,平均梯度(AG)和标准差(SD)分别提高了9.89%、6.39%、104.64%、55.09%和9.53%、17.77%、95.66%、52.89%。     

星图的稀疏表示性能

分析了星图在不同表示方法下的稀疏性能,以便将更好的稀疏表示应用于星敏感器压缩成像过程中。采用两种方式对星图的稀疏性进行了分析:第一种方法利用离散余弦变换(DCT)、离散傅里叶变换(DFT)和离散小波变换(DWT)构造完备正交基,考察星图在不同完备基下的稀疏性;第二种方法则是通过选择DCT完备基构造超完备字典及训练学习字典来分析星图在不同表示方法下的稀疏性。仿真结果表明,在完备基表示下,星图相比一般场景图像的平均峰值信噪比(PSNR)值高出15~20dB,超完备字典和学习字典稀疏表示能够在各稀疏度下进一步提升峰值信噪比(PSNR值)2~20dB;对于星点的重构质量,各表示方法在10%以上稀疏度时基本能够保证星点重构成功率高于95%。得到的结果证明星图的稀疏性满足压缩成像的要求,其稀疏重构能够在很大程度上保持适用于姿态确定的星点质心位置,从而验证了压缩感知在星敏感器应用中的稀疏前提及可行性。     

基于张量低秩分解和稀疏表示的红外微小气体泄漏检测

为了检测石化工业生产过程中微小气体的泄漏,提出了一种应用红外成像技术的单帧红外小目标检测方法。研究了低秩稀疏分解理论和稀疏表示理论,并提出了一种新的基于张量低秩分解和稀疏表示的小目标检测方法。该方法基于张量分解的形式充分发掘背景矩阵所包含的信息;利用先验知识构造微小气体泄漏的目标字典;同时利用背景的低秩约束和小目标的稀疏表示约束分解出微小气体的泄漏目标。最后基于非精确增广拉格朗日乘子法(IALM),对本文算法进行最优化求解,并通过实验分析比较了本文方法和已有方法的优缺点。结果表明:本文方法的检测效果优于其他已有方法,并且具有较好的ROC(受试者工作特征)曲线,可以满足工业生产中对微小气体泄漏检测的要求。     

原油含水率红外光谱测量的超稀疏表示方法

油水混合物的光谱分析方法已经成为当前油水两相流测量的研究热点。然而,传统的油水混合物光谱分析中,一般是通过主成分分析、连续投影算法等降维技术实现其光谱特征提取,所提取光谱数大多在10条以上,这使得油水两相测量光纤式传感器的制造成本很高且工程实现难度很大。为提高基于光谱分析的油水两相测量光纤式传感器的实用性,需要实现油水两相红外光谱的超稀疏表示。为此提出了油水混合物光谱自-互相关联合(self-cross correlation,SCC)的光谱超稀疏表示方法。为了验证方法的有效性,搭建了油水混合物红外光谱含水率测量实验装置,从SCC算法筛选出的6个波段中,根据实际生产工艺选择了1 050 nm和1 650 nm波段进行动态实验,实验结果表明,1 050 nm和1 650 nm波段对油和水的混合流型响应良好,且两者呈现出了显著的互相关性。显然,本文研究有助于提升工业光纤式传感器的使用性能。     

纹理引导的稀疏张量表示及在肺CT图像中的应用

基于张量理论在高维图像处理中的应用,提出一种张量模式的稀疏表示方法,以便有效地去除肺部CT序列图像的噪声,增强图像的有用信息。首先,设计了张量模式的正交匹配追踪法(TOMP)来表达稀疏系数;构建了高维K-奇异值分解法(HOK-SVD)用于字典更新。然后,对张量乘法的参数进行优化,即通过构造三维灰度共生矩阵,建立三维纹理特征与张量乘法模式之间的数学模型。最后,将这种方法应用于LIDC数据库的150组CT序列图像的预处理,对各算法的稀疏表示效果进行评价。与当前应用的其他方法相比,本文提出的高维K-SVD算法的的峰值信噪比提高了1.5%,平均误差降低了1.2%;在此预处理基础上进行的图像分割结果表明:图像的边缘偏移误差下降了3.0%,体积重叠率提高了1.2%。上述结果显示基于张量的方法可以更精确地完成对三维CT图像序列的稀疏表示。     

一种抑制杂波的高精度车载雷达目标检测方法

针对FMCW毫米波车载雷达目标检测过程中易受杂波影响的问题,提出一种可有效抑制杂波的检测方法。首先运用压扩算法对三帧差法进行改进,使其能够较好分离回波中的杂波和目标信号;然后引入CFAR算法滤除回波中的杂波,并运用密度峰值聚类算法寻找目标簇;再将目标簇中目标点的功率值转换成对应的权重,实现对经典重心法的改进,从而有效提升目标定位的准确性。实验结果表明,在停车场、直线路段、城市街道和校园路等4种场景中,该方法的检测准确度分别达到96.5%、95.9%、95.6%以及94.4%。同时,在检测速度方面,单帧雷达回波信号的处理周期可达到0.3 s左右,可以满足实际应用的需求。