基于稀疏表示的SAR图像压缩方法研究

基于过完备字典的图像稀疏表示是一种新的图像表示理论,利用过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。采用基于过完备字典稀疏表示的方法实现SAR图像的压缩。为了得到表示图像所需要的信息,只需要存储稀疏分解的系数极其对应的坐标,实现压缩的目的。采用K-SVD算法实现过完备字典的构造。K-SVD算法是一种基于学习的算法,由于训练样本全部来自于图像本身,因此字典能够更好地逼近图像本身的结构,实现稀疏表示。仿真表明对于SAR图像的压缩,算法是有效的,并且优于基于DCT的Jpeg算法和基于小波变换的EZW和SPIHT算法。     

基于快速稀疏表示的医学图像压缩

随着数字医学图像数据量的日益增大,有必要采取一定的图像压缩技术进行压缩存储。为此,提出基于快速稀疏表示的医学图像压缩方法。使用K-奇异值分解算法构造医学图像过完备字典,采用批量正交匹配追踪(Batch-OMP)算法进行稀疏编码。该方法只需要存储稀疏编码非零位置的系数信息,利用过完备字典即可实现原始医学图像的重构。实验结果表明,该方法可提高图像稀疏编码的速度,与正交匹配追踪(OMP)算法相比可提速40%左右,并且图像重构效果优于联合图像专家组(JPEG)算法和多级树集合分裂(SPIHT)算法的压缩效果,相对JPEG压缩的图像峰值信噪比平均提高18%,相对SPIHT算法平均提高50%。     

基于多尺度稀疏表示的图像融合方法

针对目前基于稀疏表示的常用图像融合算法计算复杂度高以及忽略图像局部特征的问题,提出多尺度稀疏表示(multi-scale sparse representation,MSR)的图像融合方法.充分利用小波多尺度分析较好突出图像局部特征的特点,将其和过完备稀疏表示有效结合;待融合图像在小波解析域中进行小波多层分解,对每个尺度的特征运用K-SVD (kernel singular value decomposition)多尺度字典进行OMP (orthogonal matching pursuit)稀疏编码,并在小波域中各个尺度中进行融合.实验结果表明,与传统的小波变换、轮廓波变换、稀疏表示融合算法相比,该算法更能保证图像局部特征的完整性,实现更好的性能.     

稀疏表示和字典学习方法探讨

稀疏表示理论的重点在于求解稀疏系数,MP算法选择单一原子投影,会出现重复投影情况,改进的OMP算法通过对已选择原子构成的超平面投影求残差克服该问题,加快迭代速度,成为常用的稀疏分解方法。文中也通过对比实验发现基于学习方法得到的字典适应性强于固定字典,而字典学习方法中,K-SVD在求解字典D时,使用逐列更新的方法减少差值,该方法迭代效率优于MOD方法。     

基于稀疏表示方法的短期风电功率预测

针对短期风电功率预测,提出一种基于稀疏表示特征提取的建模方法.为了构建预测模型,将历史风电功率数据构成具有时延的输入-输出数据对,将时延输入数据向量作为初始字典,由K-均值奇异值分解(K-SVD)算法将其进行稀疏分解与变换至稀疏域以得到学习后的字典,由正交匹配追踪(OMP)算法获取相应的稀疏编码向量,再将该向量作为极限...     

一种基于核K-SVD和稀疏表示的车辆识别方法

车辆分类与识别是智能交通的重要研究内容.针对车辆识别中的两类监督分类问题,提出一种基于核KSVD字典训练结合稀疏表示的分类方法.该方法首先利用PCA对训练图像(车辆类、非车辆类)进行特征提取及降维,然后对所得矩阵利用核函数映射到高维空间,应用K-SVD方法训练高维特征矩阵,分别得到相应的两类特征字典.最后在对测试图像进行分类时,利用基于l1最小化稀疏系数训练图像线性表示测试图像.文中给出该方法与其他几种经典方法的实验比较,重点是遮挡情况下的分类效果.实验结果表明,该方法识别率有明显改善,能够有效消除部分遮挡对车辆识别的影响.     

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。     

基于遗传算法的圆柱阵列稀疏方法

由于共形阵列所具有的特性,使其正得到日益广泛的应用,但其耗用较多的阵元,方向图具有相对主瓣较高的旁瓣电平。为此,针对基本的共形阵列——圆柱阵列的天线阵元,应用经典遗传算法,以阵元的工作状态为优化参量,对其进行稀疏。减少了阵元数量,仿真结果表明,该方法能有效地降低圆柱阵列的旁瓣电平。     

基于稀疏近邻表示的分类方法

稀疏表示分类方法(SRC)在人脸识别方面取得了当前最好的分类结果,针对SRC存在的问题,提出稀疏近邻表示方法(SNRC).在局部线性嵌入方法前提假设成立的条件下,SNRC通过稀疏近邻表示实现目标分类.在几个不同数据集上的实验结果显示,SNRC适用于呈非线性分布的数据集,并取得了较好的效果.进一步的分析表明,SNRC能够较好的适用于那些通过降维方法得到的低维数据的分类问题,尤其适用于基于近邻保持的一类降维方法得到的低维数据,并且具有较低的时间复杂度.     

基于稀疏表示的人脸识别方法

分析了稀疏表示的数学本质就是稀疏正规化约束下的信号分解,研究了一种正交匹配追踪的稀疏表示算法并利用矩阵Cholesky分解简化迭代过程中矩阵求逆计算来快速实现算法,将该算法应用在人脸识别中,利用训练样本构建冗余字典,将测试样本看成冗余字典中训练样本的线性组合,通过在不同人脸库上的实验证明了该方法的有效性.     

一种新的高分辨率常规声波测井系统

高分辨率声波测井对于划分薄油气储层具有重要作用。为解决通过增加声波接收探头提高常规声波测井仪器分辨率这种方法带来的工作模式复杂、投入成本高等问题,根据信号稀疏表示理论,在分析常规声波响应信号采集原理的基础上,构建相应的信号稀疏变换矩阵,在实际测量值构成的观测矩阵的约束下,采用基追踪优化算法,求解稀疏表示系数,得到反映原始薄地层的高分辨率声波测井信号。地层模型仿真与SL油田4口井实际资料处理的结果表明,高分辨率声波信号与地层模型的平均误差为2.41%,且与裸眼井微电极曲线具有良好的薄层对应性。同时,将软件算法植入SL6000型的地面数据采集处理DSP模块,形成新的高分辨率常规声波测井系统。结果表明,此方法较传统方法在不添加任何硬件装置的情况下,同样具备较强的薄层分辨能力,因此具备更大的推广应用价值。     

交叉偶极阵列声波测井仪控制和处理电路的设计与实现

针对交叉偶极阵列声波测井信号的特点,设计了一种以DSP+FPGA架构为核心的控制和处理电路。详细介绍了电路的硬件结构和软件设计流程,重点描述了测井数据通信接口和逻辑控制模块的实现,并给出了一种首波提取算法。实验结果表明,该电路在井下高温高压恶劣环境中能够稳定可靠地长时间工作,完全满足工业生产作业的需要。     

复杂电磁环境下基于信号稀疏表示的干扰抑制与通信信号重构方法

在复杂电磁环境下,通信信号与干扰在时频域重叠而难以分离,针对这一问题,提出了一种基于信号稀疏表示的干扰抑制与通信信号重构方法.首先,通过K阶奇异值分解（K-Singular Value Decomposition,K-SVD）算法,分别构造通信信号与干扰的过完备子字典;然后,对过完备子字典进行联合构建联合字典,利用正交匹配追踪（Orthogonal Matching Pursuit,OMP）算法实现信号的分离和重构;最后,对时频重叠下的2ASK信号和2PSK信号的干扰抑制和重构过程进行了计算机仿真,再对OFDM信号的干扰抑制和信号重构过程进行了实验验证.仿真及实验结果表明：该方法可以实现时频重叠情况下通信信号的干扰抑制与信号重构.     

交叉偶极阵列声波测井仪信号处理电路的抗干扰设计

针对交叉偶极阵列声波测井仪高温、强背景噪声的作业环境,通过深入分析噪声源,采取信号滤波和优化的布局布线等技术手段设计交叉偶极声波信号处理电路。着重阐述了恶劣环境下前置预放大电路、高精度带通滤波器和逻辑控制等功能模块的抗干扰设计。试验结果表明,该处理电路能在井下恶劣环境中稳定可靠工作,有较强的噪声抑制能力,完全满足工业生产作业的需要。     

基于K-PSO稀疏表示的故障分类方法研究

针对现代复杂生产过程中不能准确识别、分类多种故障的问题,提出一种改进的稀疏表示故障分类方法。该方法依据信号的稀疏表示来判断故障所属类别。其具体实现过程首先是利用K-均值奇异值分解(K-SVD)算法构造过完备字典,使其包含原信息的主要特征,再通过粒子群(PSO)算法有效地搜索并寻找稀疏分解中产生的在过完备字典范围中的最匹配原子,最后利用以该匹配原子为基础的稀疏表示结果实现对多故障问题的分类识别。运用数值仿真验证了该算法的可行性和有效性。同时,针对柴油机燃油系统的故障分类,将该方法与基于BP神经网络和SVM的分类识别方法进行比较,实验表明该算法在故障分类上具有更好的效果。     

虚拟阵列Khatri-Rao积与子空间联合稀疏表示的DOA估计方法

利用目标信号在空域分布的稀疏性,该文提出了一种基于虚拟阵列Khatri-Rao(KR)积与信号子空间联合稀疏表示的单快拍DOA估计方法;该方法利用单次快拍的采样数据,构造出双向虚拟阵列数据,并对虚拟阵列数据的协方差矩阵进行KR积变换处理,然后对向量化后的数据进行顺序重构,利用重构矩阵的大奇异值对应的左奇异向量为估计信号子空间;最后,利用凸优化工具箱对稀疏模型进行二阶凸规划的优化求解,得到高精度的DOA估计值;仿真实验验证了算法的有效性,在低信噪比下比传统MUSIC和OMP算法具有更高的估计精度。     

基于稀疏表达的图像超分辨率算法实现*

基于学习的超分辨率算法利用样本先验信息重建高分辨率图像,在遥感、刑侦和医学图像领域有着广泛应用。论文分析了前沿的基于稀疏表达的图像超分辨率算法,实现了该算法功能,为了便于基于稀疏表达超分辨率算法的应用,论文设计并实现了基于对话框和参数调节控件的图像超分辨率算法框架,实验结果表明论文实现的算法框架具有良好的可用性和拓展性。     

声波测井数据压缩算法的研究与实现

声波测井会产生庞大的数据量,当测井电缆数据传输速率较低而无法满足实时传输要求时,可采用存储式仪器对这些数据进行井下存储。为了减小仪器的存储压力,需要对数据进行压缩处理,为了提高压缩比从而增大数据存储量,本文在经典的LZW压缩算法基础上,进一步提出一种基于MED预测的LZW数据压缩系统,并采用OK6410微处理器及Linux操作平台,完整实现该系统对声波测井数据的压缩、存储、传输以及数据解压恢复功能。系统测试和实验结果表明,该系统的数据压缩比达到30%,可实现数据的无损压缩,系统性能稳定可靠,因此基于MED预测的LZW数据压缩系统及其实现方法可在声波测井仪中进行推广应用。     

基于IP互连的DSP水声阵列信号并行处理实现方法

设计并实现了一种基于IP网络互连的、可扩展的声纳阵列信号并行处理系统。该系统采用二片TI公司高性能网络多媒体处理器TMS320DM642组成的板上流水线并行结构作为一个处理节点,并借助IP网络实现板间互连并行处理,可根据换能器阵元和处理速度的要求适当增减处理节点的数目。声纳系统的每个处理节点与数据采集转换部分采用TCP/IP网络连接,可以通过物理上添加一个或多个处理节点,提高系统的数据处理能力。