基于Tetrolet Packet变换的SAR图像稀疏表示

Tetrolet变换作为多尺度几何分析的一种,能够对平滑的自然图像进行有效的稀疏表示。SAR图像具有丰富的细节纹理信息,因此经过Tetrolet变换后的高频系数依然具有较大的幅值,从而严重影响了稀疏表示SAR图像的性能。该文针对此问题提出了一种新的变换方法Tetrolet Packet,该算法将高频子带系数进行重新排序后,使用熵作为代价函数对不同的高频子带进行不同层次的Tetrolet分解得到Tetrolet最优分解树,从而使系数能量更加集中同时尽量减少方向信息,以便于后续SAR图像压缩。实验比较了Tetrolet和Tetrolet Packet两种算法,用相同个数的变换系数来进行图像重建,无论是主观视觉质量还是客观参数PSNR评价,Tetrolet Packet稀疏表示SAR图像的性能都优于Tetrolet。最后针对两种算法的变换系数均具有类似零树结构的特性,提出分别使用SPIHT和Modified-SPIHT算法对Tetrolet和Tetrolet Packet变换系数进行编码,并探讨了该两种算法对SAR图像的压缩性能。     

基于小波字典稀疏表示的SAR图像目标识别

针对稀疏表示识别算法在图像域构造冗余字典时过分依赖预处理及原子维数较大的问题,提出基于小波字典的SAR图像稀疏表示识别算法。首先采用二维离散小波变换将原始图像变换到小波域,建立小波域SAR图像特征模型,得出小波域低频成分可充分表征目标类别信息的结论。然后取小波域低频成分进行2DPCA特征抽取构造小波字典,最后由改进OMP算法稀疏分解系数得到识别结果。SAR MSTAR数据的实验结果表明,在无预处理的情况下识别率高达99%,并且在含噪比10%的情况下识别率仍达96%。     

基于小波字典稀疏表示的SAR图像目标识别

针对稀疏表示识别算法在图像域构造冗余字典时过分依赖预处理及原子维数较大的问题,提出基于小波字典的 SAR图像稀疏表示识别算法。首先采用二维离散小波变换将原始图像变换到小波域,建立小波域 SAR图像特征模型,得出小波域低频成分可充分表征目标类别信息的结论。然后取小波域低频成分进行2DPCA特征抽取构造小波字典,最后由改进 OMP 算法稀疏分解系数得到识别结果。SAR MSTAR数据的实验结果表明,在无预处理的情况下识别率高达99％,并且在含噪比10％的情况下识别率仍达96％。     

基于稀疏表示的SAR地面目标分割技术

提出了一种引入先验约束的合成孔径雷达(SAR)图像的目标分割技术,以解决强杂波背景干扰下的目标分割困难问题。不同于基于统计理论的目标检测,文中利用目标图像切片在图像域的稀疏性,通过稀疏分解的方法构建目标特征窗函数实现目标的检测,并引入目标的形状先验对目标区域进行修正;然后,利用目标阴影的空间约束对基于统计检测的阴影区域进行修正,实现目标的分割;最后,基于实测数据验证了算法的有效性。     

基于非负稀疏表示的SAR图像目标识别方法

针对合成孔径雷达(SAR)图像目标识别中存在物体遮挡的情况,该文提出一种基于非负稀疏表示的分类方法。通过分析L0范数和L1范数最小化在求解非负稀疏表示问题上的区别,证明在一定条件下,L1范数最小化方法除了保持解的稀疏性还能得到与输入信号更加相似的原子集合,因此也更加适用于分类问题中。在运动和静止目标获取与识别(MSTAR)数据集上的识别实验结果表明,采用L1范数的非负稀疏表示分类方法能达到较好的识别性能,并且相对传统方法对存在遮挡情况下的识别问题更稳健。     

图像的超小波稀疏表示

图像表示是图像处理领域研究的基础,对后继各种处理具有重要影响。寻找简洁有效的图像表示方法,对于推动图像处理领域的研究发展意义重大。针对二维可分离小波变换在稀疏表达图像中存在的问题,研究了各种超小波稀疏表示方法,并对未来发展进行预见性研究。     

基于张量投影的多特征非局部动态核稀疏表示的SAR图像分类

为了解决多特征空间非线性不可分问题,充分考 虑不同类型特征局部信息的共性和个性,以及非局 部信息差异性,提出一种基于张量投影的多特征非局部动态核稀疏表示方法。在SAR图 像多特征基础 上,将核变换、张量投影理论和动态核稀疏表示进行融合,实现SAR图像分类,并在SAR数据 集上验证了所提方法有效性。     

基于稀疏表示的SAR图像属性散射中心参数估计算法

考虑目标频率-方位2维观测数据在属性散射中心模型参数空间上的稀疏性,该文提出一种基于稀疏表示的属性散射中心提取与参数估计方法。由于模型参数维数较高,构造的高维联合字典将消耗较多系统资源。该算法通过分别构建包含位置信息与方位属性参数信息的两个低维字典代替高维的联合字典实现距离特性与方位特性的解耦合,以降低资源需求,并通过正交匹配追踪(OMP)-RELAX联合算法求解l0优化问题,从而实现在频率-方位角域上位置参数与方位属性参数的联合估计。根据提取的属性散射中心可以有效地估计目标或目标重要部件的几何尺寸。基于电磁计算数据和实测数据的实验结果验证了该算法的有效性。     

多极化SAR图像联合稀疏去噪

给出了一种基于联合稀疏表示的多极化合成孔径雷达(SAR)图像滤波算法。首先,利用三个极化通道(HH、HV、VV)的部分SAR图像数据进行字典联合训练;然后,对极化SAR的三个通道图像构建联合稀疏描述模型;最后,采用正交匹配追踪算法求解联合稀疏系数,重构每个通道的图像。文中采用美国AIRSAR实测半月湾数据进行实验,并与每个通道图像单独稀疏去噪再合成的功率图像结果进行比较,结果表明:该算法不仅对图像的斑点噪声抑制效果明显,而且边缘特性和强散射点目标幅值特征保持效果良好。     

基于复Bandelets的自适应SAR图像相干斑抑制

针对SAR图像统计特性,构建具有良好的平移不变性、方向选择性和自适应近似最优匹配性能的复Bandelet基函数,并提出一种相干斑抑制算法.该算法基于全变差构建复Bandelet寻优的目标函数;采用广义交叉验证准则,在不需要估计噪声方差的情况下,自适应获取各个分解层的渐进最优阈值.实验与经典空域滤波、基于小波、双树复小波和Bandelets的滤波方法进行了比较,结果表明基于复Bandelets的滤波方法在有效滤波的同时更好地保护了图像的几何结构信息,客观衡量指标和视觉效果都有较明显的改善.     

改进的基于稀疏表示的多聚焦图像融合

针对基于稀疏表示(Sparse Representation,SR)的融合算法存在冗余性和残余量丢失,提出一种改进的基于稀疏表示(Improved Sparse Representation,ISR)的多聚焦图像融合算法。该算法通过对源图像块去平均后再进行稀疏分解,解决了信息冗余问题;对稀疏表示中的残余量进一步采用小波变换进行融合,保证了信息的完整性;采用加权平均的融合规则,从而获得更多的信息量。实验结果表明,与其他的方法相比,本文提出的算法能实现更好的性能。     

基于卷积稀疏表示的红外与可见光图像融合

稀疏表示是以块为单位进行编码的,因此破坏了图像块间的相关性。针对上述问题,提出了基于卷积稀疏表示的红外与可见光图像融合算法。该算法采用交替方向乘子算法(ADMM)求解非下采样轮廓波变换(NSCT)域强边缘子带的卷积稀疏系数,完成特征响应系数的融合。同时,采用脉冲耦合神经网络(PCNN)模型的点火图完成NSCT域高频子带的融合。实验结果表明:该算法解决了稀疏表示的“块效应”问题,同时又兼具PCNN模型的视觉特性,可以有效地捕捉源图像的特征信息。另外,在主观视觉评价和客观质量评价方面均优于现有算法。     

基于块分类稀疏表示的图像融合算法

针对基于单一字典训练稀疏表示的图像融合算法忽略图像局部特征的问题,提出了基于块分类稀疏表示的图像融合算法。此算法是根据图像局部特征的差异将图像块分为平滑、边缘和纹理三种结构类型,对边缘和纹理结构分别训练出各自的冗余字典。平滑结构利用算术平均法进行融合,边缘和纹理结构由对应字典利用稀疏表示算法进行融合,并对边缘结构稀疏表示中的残余量进行小波变换融合。实验结果证明,该算法相对于单一字典稀疏表示算法,在融合图像的主观评价和客观评价指标上都有显著改进,并且算法速度也有提高。     

基于第二代Bandelet变换的SAR图像去噪压缩

从SAR图像的统计特性出发,构造了对比度塔(CP),对SAR图像进行相干斑抑制和对比度调整,并将第二代Bandelet变换用于SAR图像压缩.在bpp值较高的情况下,该方法提高了SAR图像的压缩性能,适用于方向信息比较丰富、背景复杂的SAR图像的压缩处理.     

基于峰值变换的信号稀疏表示及重建

压缩感知(CS)近年来的出现引起了学术界的极大关注,其要求信号本身是稀疏的或者在某种正交基下可以稀疏的表示。该文针对信号本身及小波变换下均不稀疏的情况(如线调频信号),结合峰值变换(PT),提出了PTCS的信号压缩感知算法,对于PT变换产生的峰值变换点序列采用可逆数字水印中的数值扩展方法,将峰值变换点序列嵌入测量信号中,避免了由于引入PT变换而额外增加测量点。通过PT变换,可以将不稀疏的小波系数变为稀疏系数,从而大大提升信号重构效果。仿真结果表明,该文提出的PTCS算法恢复信号与已有的基于正交匹配追踪算法的CS算法相比较,恢复信号质量有着较大的提高。     

图像稀疏表示及图像超分辨应用分析

随着科学技术的进步,图像稀疏表示以及图像超分辨在当下的图像处理中得到了较为广泛的应用,对于图像高效率表示来说,具有十分重要的影响。图像稀疏表示技术以及图像超分辨应用对于促进图像应用发展起到了较为不错的效果,其在应用过程中,主要基于图像稀疏表示模型,对稀疏分解以及字典构造问题进行了表述。文章对图像稀疏表示及图像超分辨过程中的稀疏表示及图像超分辨应用上的图像去噪、修复以及识别问题进行了总结和分析,希望能够为图像稀疏表示及图像超分辨应用提供一些参考和建议。     

基于稀疏表示的超分辨率图像重建

针对单幅低分辨率图像的超分辨率重建,提出一种基于稀疏表示的改进算法。通过联合输入低分辨率图像块和对应生成的高分辨率图像块,求解其在高低分辨率字典对上的稀疏表示系数,再将系数与高分辨率字典结合,修正输出的高分辨率图像块。仿真实验表明,文中提出的算法有效提升了重建图像的质量。     

基于第二代Curvelet变换和特征量积的图像融合

文中提出了一种基于二代Curvelet和特征量积的图像融合算法.首先对融合图像进行快速离散Curvelet变换,在相应的尺度上由融合规则将Curvelet系数融合.采用平均策略融合低频系数;对于高频分量采用了小波的局部能量、局部梯度、局部的标准偏差组成的特征量积自适应地融合高频系数.最后利用Curvelet重构得到融合图像.对多聚焦图像和多光谱图像进行了实验.采用了标准差、平均梯度、信息熵作为评价标准,并与小波的融合结果做了比较..实验证明二代Curvelet所获得的融合结果更佳清晰、效果更佳且应用广泛.     

一种快速的基于稀疏表示和非下采样轮廓波变换的图像融合算法

为了提高图像融合的效率和质量,该文提出一种基于快速非下采样轮廓波变换(NSCT)和4方向稀疏表示的图像融合算法。该方法首先对源图像进行快速NSCT分解,生成一系列低通和高通子带。对于低频子带,利用自适应生成的DCT过完备字典进行快速的4方向稀疏表示和系数融合;对于高频子带,则利用高斯加权区域能量最大的融合规则进行系数融合。快速NSCT将传统NSCT的树形滤波结构转变为多通道滤波结构,能成倍提高分解效率;快速的稀疏融合则抛弃了传统的滑动窗口方法,以水平、垂直、对角线4个方向进行稀疏表示和稀疏融合,进一步提高算法效率。实验结果表明,提出的快速算法能在不影响融合质量的条件下将算法效率提高近20倍。     

基于方向性小波变换的图像稀疏修复

图像修复有着重要的应用价值,稀疏表示作为前沿的信号处理方法,也已经使用在图像修复中。但是,传统方法在稀疏图像的时候利用的是预先给定的图像基,不能自适应图像,因此稀疏表示能力有限。文中提出从参考图中估计出图像的最佳几何方向使得稀疏变换能自适应图像几何信息,提供更稀疏的图像表示方法。稀疏修复通过最小化1范数模型进行求解。实验结果表明,所提方法较传统的二维小波变换可以更好地保留图像中边缘和纹理,获得更高的峰值信噪比。