压缩感知框架下的太阳图像重建方法

研制对日成像天线阵的主要困难体现在有限的预算和天线数目之间的矛盾,如何减少天线数目即降低采样率是重要目标之一.鉴于压缩感知理论能够以远低于奈奎斯特采样定律要求的数据恢复出原始信号和太阳图像的稀疏性,提出了基于压缩感知框架的太阳图像重建方法.通过仿真太阳图像和实际天文图像的成像实验例证了方案的有效性,表明在天线阵天线元数目和阵型确定的情况下,该方案在对相邻点源的分辨能力、对展源的保形能力以及动态范围方面有较优的性能.     

基于TV范数的压缩感知光偏折层析重建

针对光偏折层析的稀疏投影重建问题,本文将偏折角转化的迭代算法与TV范数的压缩感知相结合重建被测场.该算法使用被测量场的全变差作为稀疏度的先验模型,并结合最速下降法来调整全变差,稍微调整梯度下降法的步长,并用一致性控制步长以使梯度下降.在8个方向投影的条件下,模拟了三峰高斯温度场,用不同步长的算法进行了重建,并在同一条件下对不同的算法进行了比较.实验结果表明,一致性控制步长算法的重建质量更好,可以更有效地抑制噪声.     

基于深度卷积生成网络的冲击波信号压缩感知方法

因信号的重构效果受到稀疏矩阵选取或设计的影响,传统压缩感知技术在处理冲击波信号时要求信号在某个变换域上满足稀疏先验性.为了避免稀疏矩阵不易选取的问题,提出了一种基于深度卷积生成网络与压缩感知技术相结合的算法.该算法将固定的随机信号作为网络输入值,网络的输出结果为重构信号,利用文中设计的损失函数对网络中的参数进行优化,实现信号端到端的恢复,并通过仿真验证了重构结果误差的减少.在15 psi和5 psi传感器实测冲击波信号的实验结果中表明,本文算法相比于传统压缩感知技术具有更好的重构结果,重构误差在稳定时约为DFT-OMP算法和DCT-OMP算法在M为2400时误差值的0.5倍.     

基于梯度压缩的色阶重建算法

为了能够在传统的显示设备上显示高动态范围图像,探讨基于梯度压缩的色阶重建算法,以其对高动态范围图像进行压缩。该算法通过对图像的梯度进行衰减来修改亮度图像的梯度域,并在修改后的梯度域上求解泊松方程,结果得到一个新的低动态范围图像。实验证明,该算法对动态范围进行压缩的同时能保留图像很好的细节,可避免传统方法所出现的光晕和梯...     

基于压缩感知的红外与可见光图像融合

针对机载实时融合需求,本文提出了基于CS域的图像融合框架,并提出基于NSCT分解的压缩感知图像融合算法。算法采用服从高斯分布的测量矩阵,对经NSCT分解的图像的高频子带系数进行量测得到比高频子带系数更稀疏的测量值,对测量值采用最大值融合规则得到融合测量值,采用子空间追踪SP算法对测量值进行重构得到近似精确的方向子带融合系数,逆变换融合的高频与低频子带系数得到融图像。通过多组图像融合实验,比较融合评价指标和算法消耗时间证实本文所提的算法在保证融合质量的同时有效的提高了运算效率,有利于满足机载实性。     

基于自适应重启方法的快速压缩感知算法

NESTA是一种解决压缩感知问题的快速准确一阶优化算法.提出了一种自适应重启方法来提高NESTA算法的收敛速度.新方法自动检测目标函数在优化过程收敛速度减缓的趋势,重置算法的参数,并使算法从当前步骤重新开始运行.实验结果表明该方法能够显著提高经典算法的收敛速度,从而提升算法运行效率.     

基于深度学习的遥感图像超分辨率重建方法综述

基于深度学习的遥感图像超分辨率重建方法是计算机视觉中的重要方法之一。传统的遥感图像超分辨率重建方法已无法满足地物目标识别和土地检测等应用的需求,如何利用深度学习来重建遥感图像的分辨率是目前要解决的问题。结合国内外最新研究现状,将基于深度学习的遥感图像超分辨率重建方法分成3大类：单幅遥感图像超分辨率重建方法、多幅遥感图像超分辨率重建方法和多/高光谱遥感图像超分辨率重建方法。系统梳理了基于深度学习的单幅遥感图像超分辨率重建方法,包括基于多尺度特征提取的方法、结合小波变换的方法、沙漏状生成网络的方法、边缘增强网络的方法以及可跨传感器的方法。总结了基于深度学习的多幅遥感图像和多/高光谱遥感图像超分辨率重建方法中目前主流的方法。通过实验结果分析了遥感图像超分辨率重建方法目前效果最好的单幅图像超分辨率重建方法是基于GAN的方法,但是多幅遥感图像和多/高光谱遥感图像超分辨率重建效果仍然不佳,存在配准融合、多源信息融合等问题。最后,对基于深度学习的遥感图像超分辨率重建方法未来可能的发展趋势进行了展望,指出构建针对遥感图像特点的神经网络结构,无监督学习的遥感图像超分辨率重建方法,以及多源遥感图像的超分辨...     

一种基于压缩感知的卫星图像观测矩阵优化

卫星图像分辨率高,包含信息量大,采用压缩感知对卫星图像进行观测和恢复,能够用少量数据完成图像重构。针对压缩感知观测矩阵随机波动大,鲁棒性不强,随机矩阵结构复杂的特点,本文提出了一种优化的部分确定高斯矩阵,作为压缩感知的观测矩阵,对卫星图像进行观测并重构。实验表明,与常用的高斯矩阵、贝努力矩阵等观测矩阵相比,采用优化的部分确定高斯矩阵,不但提高了重构图像的质量,而且增强了信号的鲁棒性和抗干扰能力。     

基于压缩感知和DNA编码的图像加密算法

采用后稀疏化方案对待加密的明文图像做压缩感知处理,利用DNA编码规则与帐篷映射产生的混沌矩阵做规则运算,将单一编码多元化,对图像进行像素扩散,最后将扩散矩阵进行分割合并处理形成密文图像. 实验结果表明,提出的图像加密方案具备强的抗攻击特性和较好的重构效果.     

基于压缩感知和图像分块的遮挡人脸识别

针对基于压缩感知的SRC算法对遮挡人脸识别效果不够理想的问题, 提出一种先将图像分块再进行识别的方法。将遮挡分散在尽可能少的分块中以降低遮挡对人脸识别的不利影响, 从而提高识别率。在AR人脸数据库上的实验结果表明, 使用该方法的遮挡人脸识别率可超过80%, 显著高于基本SRC算法40%~50%的识别率。       

RIS辅助通信系统中基于深度压缩感知的信道估计

针对可重构智能表面(RIS)辅助多用户通信系统中信道估计导频开销大和精度有限的问题,提出一种基于深度压缩感知的信道估计算法。为了降低传统正交匹配追踪(OMP)算法的导频开销,利用级联信道特有的双结构稀疏性质,提出改进OMP算法,获得级联信道的粗估计值;为了进一步提升信道估计的精度,设计了一种深度学习模型,将粗估计信道矩阵视为低分辨的图像,通过多路卷积网络最大程度地隐式学习噪声特征;最后,提出了基于残差连接的多路卷积网络(RMCN)结构,利用噪声的空间特性和可加性,去除噪声对信道矩阵的影响,输出一个高分辨率的级联信道矩阵,从而完成信道估计。仿真结果表明,相比于传统OMP算法,所提RMCN-OMP算法的归一化均方误差减小了约2.5 dB,在降低导频开销的同时,具有更高的估计精度。     

基于压缩感知和位平面多重置乱的图像加密算法

提出了一种基于压缩感知和位平面多重置乱的图像加密算法.算法采用二维混沌系统和非线性函数生成测量矩阵,利用该测量矩阵对原始图像的离散余弦变换压缩采样,得到该变换图像的测量值矩阵,将其组合成压缩加密图像.再对压缩加密图像位平面分解,得到压缩加密图像的位平面图.对该位平面图切割重组、置乱和扩散,将压缩加密图像的像素位置置乱,...     

压缩感知的指静脉图像去噪

基于压缩感知理论的梯度投影稀疏重建(GPSR)算法对合成指静脉图像进行去噪预处理,运用Canny算子提取指静脉边缘验证了GPSR算法的去噪效果。实验结果表明,与全变分去噪算法(ROF去噪算法)相比,运用GPSR算法可以得到更高信噪比的指静脉图像、更清晰的指静脉边缘轮廓,解决了红外传感器提取指静脉信息时存在的静脉边界模糊、不易分割及提取边缘等问题。     

基于压缩感知的图像快速重构去噪算法

针对传统的压缩感知重构算法运算量大,图像质量低的缺点,提出一种新的图像快速重构去噪算法。首先对图像进行一级小波分解,分别提取近似分量子图像和细节分量子图像,并对细节分量子图像进行软阈值去噪处理,然后对近似分量子图像和处理后的细节分量子图像运用新的压缩感知重构算法进行恢复,最后将恢复的细节分量和近似分量进行小波逆变换,得到重构后的图像。实验结果表明,新方法可减少重构时的运算量,有一定的去噪效果,且可提高图像质量。     

基于光滑0范数的图像分块压缩感知恢复算法

结合维纳滤波器的光滑PL分块压缩感知恢复算法(BCS-SPL)可以去除图像分块压缩感知块效应,但是收敛速度慢,尤其是在低采样率条件下,为此将BCS-SPL算法与光滑0范数压缩感知算法(SL0)相结合提出一种基于光滑0范数分块压缩感知算法(BCSSSL0PL)。通过对不同图像对比BCS-SPL和BCS-SSL0PL算法的恢复效果和恢复时间、信号恢复迭代次数,可以证明BCS-SSL0PL在较低采样率条件下能以较少的迭代次数,较快的恢复时间获得与BCS-SPL相当的恢复效果,而且与BCS-SPL相比,BCS-SSL0PL对不同的采样率恢复时间变化不大,方便于不同场合的应用。对比两种算法恢复图像的细节,BCSSSL0PL算法还能改善低采样率条件下恢复图像的块效应。     

基于先验图像约束压缩感知 多能CT重建算法

由不同材质构成且材质之间密度相差较大的工件进行单一能量CT重建时无法获取完整内部结构.为获得结构信息完整的高质量CT重建图像,研究了基于先验图像压缩感知多能重建方法.首先从低到高依次采集多个能量下的投影数据,并用凸集投影-全变分最小化(POCS-TVM)算法对最低能量的投影数据进行CT重建,然后,将重建好的图像作为先验信息,利用先验图像压缩感知算法(PICCS)对下一组能量下的投影进行重建,重建后的图像再次作为新的先验信息重复以上步骤,依此类推直到最高能量的数据重建,以此达到完整重建.结果表明该方法可以有效减少因投影缺失而导致的伪影并保护低密度边缘.     

梯度投影法求解压缩感知信号重构问题

将结合Barzilai-Borwein步长和非单调线搜索的梯度投影法用于压缩感知信号重构.分析了Barzilai-Borwein步长计算方法,结合其特点给出了非单调线搜索方法,为降低线搜索对算法性能的影响,引入了自适应的策略,最后给出了算法收敛性分析.实验结果表明,该算法能很好地重构不同稀疏度的信号,且在相同条件下,计算效率优于经典的基追踪法、正交匹配追踪和其他梯度投影法.     

三项共轭梯度的电容层析成像图像重建算法

针对电容层析成像技术中的＂软场＂效应和病态问题,提出了一种三项共轭梯度的新电容层析成像算法.在分析电容层析成像基本原理的基础上,给出了三项共轭梯度法的迭代公式和计算步骤,并探讨了ECT应用该算法的可行性,算法满足收敛条件且重建图像误差小.仿真和实验结果表明,同LBP和普通共轭梯度算法相比,该算法兼备成像质量高、边界均匀稳定等优点.     

深度图像超分辨率重建技术综述

便携式消费级深度相机的问世和发展,加速了深度信息在无人驾驶、人机交互、三维重建等领域的应用,但低成本消费级相机所拍摄的深度图像通常具有较低的空间分辨率。深度图像超分辨率重建是一种能有效提高深度信息空间分辨率的方法,已经成为计算机视觉和图像处理领域的研究热点。在详细阐述深度图像超分辨率重建概念和必要性的基础上,从输入图像角度,全面梳理归纳了近年来深度图像超分辨率重建方法的研究现状,对其中的关键性问题和今后的研究方向做了较为深入的分析,最后对深度图像超分辨率重建的应用前景进行了展望。     

基于压缩感知的协作感知无线电频谱检测

在感知无线电中传统的频谱检测一般是基于奈奎斯特采样定理,在采样时会浪费采样资源产生一些冗余数据.为节约采样资源,采用压缩感知理论对感知无线电频谱进行检测.同时,还采用了多用户协作进行频谱检测来提升频谱检测的有效性.仿真实验表明,采用压缩感知进行多用户协作频谱检测是确实可行的,其既可以节约采样资源又可以增强频谱检测有效性...