基于群稀疏空间光谱总变分的高光谱混合噪声图像恢复北大核心CSCD

高光谱图像(HSI)在采集的过程中,由于受到环境和传感器的影响,图像会被大量混合噪声污染,会影响遥感图像后续应用的性能,因此从混合噪声中恢复干净的HSI成为了重要的预处理过程。而一些现有的张量模型,在去除含有条带和死线的混合噪声时,并不能取得很好的效果。为此,提出了一种基于群稀疏空间光谱总变分的高光谱混合噪声图像恢复算法(FRTCSSTV);为了避免过度平滑,该算法利用群稀疏空间光谱全变分正则化来增强空间谱维的稀疏性,同时为了保持HSI原有的结构,采用直接对张量纤维秩进行约束的方法来表示HSI的全局低秩。在模拟和真实的高光谱图像实验中,与其他模型相比,FRTCSSTV方法在去除含有条带和死线噪声的混合噪声时具有更好的性能。     

基于光谱相似度量的高光谱图像多任务联合稀疏光谱解混方法

基于图像中存在的邻域以及非局部相似等图像空间特征和联合稀疏解混思想,该文提出一种基于高光谱图像光谱相似性度量的多任务联合稀疏解混方法。通过高光谱图像的光谱特性统计值设定光谱度量阈值,对高光谱图像中相似的像元光谱进行光谱相似性度量分组,再对分组像元光谱数据进行多任务联合稀疏光谱解混模型的构建和求解,得到最终的丰度系数。模拟数据实验结果表明,该方法一定程度上提升了现有联合稀疏光谱解混方法的丰度估计精度,真实数据结果也验证了方法的有效性。     

基于低秩结构提取的高光谱图像压缩表示

为实现高效、精准的高光谱图像分类,该文利用低秩矩阵恢复从原始数据中提取低维特征,实现高光谱图像的压缩表示。针对高光谱应用的特殊性,该文算法基于结构相似性度量(Structural Similarity Index Measurement, SSIM)对矩阵恢复过程提出了信噪分离约束,有助于选择更优的模型参数,增强表示的准确性。实验证明,相比现有相关方法,该文算法能够有效去除高光谱图像中的噪声,表示结果更为鲁棒;在仅使用低维特征时,仍能达到较高的分类精度。     

基于全局结构和自相似性约束的高光谱多光谱图像融合

光谱信息丰富的高光谱图像被广泛应用于航海、军事、农业等领域,但其空间结构信息较为匮乏、图像空间分辨率较低。鉴于此,提出了一种基于耦合稀疏表示策略的高光谱和多光谱图像融合方法。该策略首先将高光谱图像进行光谱学习得到完备字典,其次把多光谱图像的全局结构和光谱自相似性作为约束条件,实现空间结构信息和光谱信息的充分利用,最后进行全局凸优化求解得到高质量融合图像。通过开展非盲融合及盲融合实验,进一步验证上述算法对于高光谱图像重建空间分辨率的提升效果。实验结果表明,本算法的峰值信噪比(PSNR)、全局相对误差(ERGAS)、均方根误差(RMSE)的值分别为46.78 dB、0.77、1.39。相较其他算法而言,基于此算法的融合效果图具有更丰富的纹理细节、重建误差更小。     

基于局部联合偏度-峰度的高光谱图像波段选择方法北大核心CSCD

偏度和峰度能够较好地表达高光谱图像的非高斯性,突出目标、纹理等异常信息,很好地应用于波段选择。为了更好地突出局部异常信息,在全局联合偏度-峰度指数模型基础上,提出了局部偏度-峰度的高光谱图像波段选择方法。利用全局联合偏度-峰度指数对原始图像进行波段子空间划分,然后选择适当大小的模板窗口,计算窗口内的局部联合偏度-峰度指数,并以此方法遍历所有波段,求出累积局部联合偏度-峰度指数,最后进行波段选择。波段选择结果表明,局部联合偏度-峰度指数方法所选择波段分布更加广泛,效果更好。异常检测实验结果和融合结果表明,本文方法所得图像在客观指标评价中具有较大优势。     

基于主成分分析与局部二值模式的高光谱图像分类北大核心CSCD

提出了两种基于主成分分析与局部二值模式的高光谱图像分类算法。利用主成分分析去除高光谱图像的谱间冗余信息,对降维后的图像利用局部二值模式进行空间纹理特征分析,采用稀疏表示分类和支持向量机分别对提取的特征进行分类。其通过将主成分分析与局部二值模式相结合对高光谱图像进行特征提取,保证了高光谱图像的谱间冗余的有效去除,同时保护了高光谱图像的空间局部邻域信息,因此,此类算法不但能充分挖掘高光谱图像的谱间-空间特征,在较大程度上提高分类精度和Kappa系数,而且在高斯噪声环境中和小样本情况下也具有良好的分类性能。     

基于数据驱动紧框架的含泊松噪声的图像恢复

首先提出了基于数据驱动紧框架的含泊松噪声的图像恢复变分模型。在该模型中,赋权的l2范数项作为保真项,包含数据驱动紧框架的l1范数项作为正则项。然后,又提出了解该模型的重新赋权的分裂Bregman算法。另外,又将所提出的模型与算法拓展应用到了含泊松高斯混合噪声的图像恢复中。最后,利用仿真实验以及PSNR指标对该模型的图像恢复效果进行评估,评估结果表明该算法可行、有效。     

基于自适应图像分割的中药光谱图像检测北大核心CSCD

利用自适应图像分割算法处理中药光谱检测中得到的中药光谱图像,通过运动检测、差分图像的自动选取及光谱曲线中心波长统计对中药图像的像素点进行分类,将中药光谱图像自动分割成不同的区域,提取中药材光谱图像不同区域的光谱信息并消除背景噪声对实验结果的影响。以中药黄连及其混合粉末为例进行实验。实验结果表明该算法能够自动准确地提取出有效区域,并分割出有效区域的光谱图像,较好地消除了噪声干扰并且没有产生无意义的区域。     

基于正交指数局部保留投影的高光谱图像特征提取

针对高光谱图像,在判别局部保留投影(Discri minant Locality Preserving Projection,DLPP)的基 础上,提出了一种名为正交指数判别局部保留投影(Orthogonal Exponential Discriminan t Locality Preserving Projection,OEDLPP)的特征提取方法。该算法不但保留了DLPP算法的有监督特性,还利用 了指数矩阵(the matrix exponential)来获取更有效的样本信息,避免了小样本问题。同时,OEDLPP 对投影矩阵进行 施密特正交化,解决了特征的冗余性问题。应用OEDLPP算法对高光谱图像进行特征提取后, 并采用支持 向量机(SVM)对降维后的数据进行分类。与主成分分析(PCA)、局部保留投影(LPP)、 判别局部保 留投影(DLPP)、指数判别局部保留投影(EDLPP)、正交判别局部保留投影(ODLPP)等对 比实验结 果表明,本文算法对样本有效信息的获取具有一定的优越性,分类精度提升了2%~3%左右。     

基于非局部全变差模型的图像复原方法

面向图像复原问题,本文提出一种非局部的全变差图像复原方法。该方法将传统的全变差模型拓展为非局部变差模型,充分利用非局部子块对结构的保持作用,进一步提高复原图像的质量。此外,为了解决上述的非局部全变差模型,本文引入算子运算简化目标函数, 再利用迭代的Splitting算法对其进行交替求解,提高收敛精度。实验结果表明,本文算法在视觉效果和客观评价指标两方面均优于传统算法。     

Efficient a priori SNR estimation based on parameter adaptive spectral method

The a priori signal-to-noise (SNR) is one of the most important parameters in the short-time spectrum estimation techniques in speech enhancement. A new and convenient algorithm to estimate the priori SNR is involved in this paper. In this paper, the priori and posterior SNR of intra-frame are defined which can trace the variation of the a priori SNR of each frame better and can solve the problem of delay involved by the traditional approaches. Simulation shows that, the performance of the proposed algorithm is better than the traditional estimators in terms of log-spectral distance and the improvement segmental SNR, especially in the no stationary noise environments.     

Speech enhancement using constrained spectral amplitude subtraction based on noncausal a priori SNR

Two gain forms of spectral amplitude subtraction are derived theoretically without neglecting the correlation of speech and noise spectrum during the period of a fralne. In the implementation, the constrained gain is expressed as a function of noncausal a priori SNR （Signal-to-Noise Ratio）. Noise and noncausal a priori SNR are estimated from the multitaper spectrum of the noisy signal with algorithms modified to be suitable for the multitaper spectruln. Objective evaluations show that in case of white Gaussian noise the proposed method outperforms some methods based on LSA （Log Spectral Amplitude） in terms of MBSD （Modified Bark Spectral Distortion）, segmental SNR and overall SNR, and informal listening tests show that speech reconstructed in this way has little speech distortion and musical noise is nearly inaudible even at low SNR.     

基于图像融合的深度图像修复算法

针对目前大多数深度相机采集到的深度图像中含有大量噪点以及大面积的空洞问题,提出一种基于图像融合的深度图像修复算法。采用改进分水岭算法提取彩色图像中的边缘信息,基于KD树近邻算法依据深度图像的梯度信息提取分类信息,将彩色图像的边缘信息与深度图像像素点的分类信息相结合,得到精确地图像分类结果,再对融合后的每一类进行最小二乘法算法拟合空洞,修复深度图像中出现的大面积空洞问题。实验结果表明,该方法在对物体边缘处小面积空洞进行较为准确地修复的同时,能够对深度图像中存在的大面积空洞问题进行有效修复。     

基于特征点的影像匹配

在数字摄影测量中,影像匹配代替了传统的人工观测,来达到自动确定同名像点的目的。影像匹配的理论与实践,是实现自动立体量测的关键,也是数字摄影测量的重要研究课题之一。本文中对基于特征点的影像匹配思路及特征点的提取与匹配中所涉及到的各种算法进行说明,并通过实验对算法展开分析。     

基于局部保持匹配的改进图像匹配算法

针对传统图像匹配算法存在误匹配率高、匹配耗时长等问题,提出一种基于局部保持匹配(LPM)的改进图像匹配算法.该算法首先对图像进行双边滤波,减少噪声干扰,之后在尺度不变特征变换(SIFT)算法下提取鲁棒特征点,并利用欧氏距离进行粗匹配得到初始匹配集;然后利用LPM算法对初始匹配集中具有相似局部邻域结构的特征点进行保留,剔...     

基于FPGA的数字图像匹配

FPGA在通信、数字图像的相关处理、网络、仪器、工业控制、军事和航空航天等众多领域得到了广泛应用。FPGA已经成为现代电子系统中非常重要的一员。FPGA作为一种专门的半定制电路而出现的,既解决了定制电路的不足,又克服了原有可编程器件门电路数有限的缺点。因而其在数字图像方面的应用的优势也越来越凸显出来,利用FPGA来实现数字图像的匹配已经是现代科技发展的趋势。本文通过采用FPGA技术来实现对数字图像的处理,将一般的RGB图像经过FPGA的处理运算单元转换成灰度图,且保证生成的灰度图像的灰度值是采用一个8位二进制数表示。然后设计并行处理的加法器来实现对灰度图像的每个像素点的灰度值的比较。对每次加法器的运算结果要进行保存,然后将所有的加法器所得的运算结果进行叠加处理,将叠加处理的值再进行存储。对每一幅图像都进行上述相应的处理,最后通过分析比较就可以得出最后的处理结果,最小的两幅图就是最匹配的图像。     

基于图像块先验的单帧红外自适应校正算法

红外焦平面阵列的非均匀性严重限制了红外成像系统对目标的灵敏度,降低了图像的成像质量。本文基于图像块统计特性的期望块对数似然概率(EPLL),提出了基于图像块先验的单帧红外图像非均匀性校正算法,可以完成单帧红外图像的非均匀性校正。该算法首先利用高斯混合模型完成对图像块训练分类,然后利用EPLL准则获取带有非均匀性噪声图像对应的最大似然概率对数期望图像来完成对图像的校正。仿真试验和真实红外图像实验结果表明该方法对单帧红外图像的非均匀性校正效果良好,校正速度快,可以避免鬼影的产生并且可以完成持续性工作。     

基于图像增强和复原的图像去雾方法研究

雾霭等天气下获得的图像存在对比度低、颜色退化、景物模糊等一系列图像退化的问题,直接影响了对图像信息的有效利用。因此,对雾天图像进行有效的去雾处理,有效改善降质图像的质量,具有一定的实际意义。分析讨论基于图像增强的多尺度Retinex算法和利用图像复原原理的基于暗原色先验理论的去雾算法,并对具有不同特点的单幅有雾图像进行去雾仿真。实验结果表明,不同理论基础的两种去雾算法各有特点,基于暗原色理论处理得到的图像去雾效果更显著,算法运行速度更快。     

基于小波变换的多尺度图像匹配算法

文中针对基于梯度算子的图像匹配方法通常存在的问题———收敛速度较慢、迭代易落入局部最优点,提出了一种基于小波变换的多尺度图像匹配算法。这一算法利用小波的良好的多尺度特征,先对低分辨率的子图像做匹配,将得到的结果作为初始值用于高分辨率图像的匹配运算,匹配运算都在位移矢量场上进行。实验表明该方法可节省计算时间,且减小迭代落入局部最优点的概率,算法鲁棒性得以提高。