模拟视觉系统的稀疏编码神经网络模型

神经生物学研究表明,视感知系统V1层神经元的感受野对刺激图像采取稀疏表示的策略.本文模拟视感知系统对视觉信息的处理提出了稀疏编码的神经网络模型.该模型用快速ICA算法得到的特征基模拟感受野,反馈网络的输出模拟简单细胞的响应.对自然图像的编码实验说明该模型在生物学上的合理性和计算上的可行性.     

基于稀疏编码的语音增强方法研究

本文利用带噪语音经特征基函数矩阵转换后所具有的稀疏特性,用最大似然估计方法对转换后得到的稀疏分量进行非线性压缩去噪,然后再经过反变换和重构恢复出原始语音信号的估计.特征基函数矩阵反映了语音数据本身的统计特性,因此具有很好的合理性和可取性.仿真结果表明利用稀疏编码方法能极大程度地抑制背景噪声,与小波消噪法相比优势明显.     

基于稀疏编码的TPM通信噪声抑制分析

基于独立成分分析(ICA)时域滤波的时相调制(TPM)通信系统中的噪声干扰对系统性能有很大的影响。采用稀疏编码方法对TPM通信中的噪声进行抑制。首先对观测信号采用稀疏编码方法进行稀疏编码,然后对处理后的信号使用压缩方法处理,从而将ICA过程中对噪声所代表的小的变元值变小或置零,最终达到对噪声的削弱。仿真表明,稀疏编码方法对TPM通信中的噪声确实有较好的抑制,与不采用所提方法相比,大约有1 dB的系统误码性能提高。     

基于全变分和梯度域卷积稀疏编码的稀疏角度CT重建算法

对于不完全的扫描数据,传统算法无法保证医学电子计算机断层扫描(CT)重建图像满足诊断要求.根据压缩感知理论,可以从不完全的扫描数据中重建出具有稀疏表示的医学CT图像,这可为诊断提供可靠的信息.从重建的角度出发,提出了一种基于全变分和梯度域卷积稀疏编码的图像重建算法.梯度域卷积稀疏编码是对特征图施加梯度约束,采用梯度正则...     

图像过完备稀疏表示理论及应用综述

超完备字典稀疏表示作为一种有效表示模型,广泛应用于各种信号和图像处理任务中.介绍了稀疏表示的理论框架以及主要研究方向,分别从稀疏表示的可重构性和区分性两方面对其在图像处理及图像分析领域的应用进行综述.     

基于低秩分解和卷积稀疏编码的多源图像融合

针对卷积稀疏编码能够较好地保留图像信息特征的这一特点,提出基于低秩分解和卷积稀疏编码的多源图像融合方法.为了避免图像分块处理对图像结构的影响,将每幅待融合图像进行全局处理.首先,通过低秩分解将图像分解成低秩和稀疏两部分;接着,对稀疏部分进行卷积分解,可以训练得到一组稀疏滤波器字典,再将卷积稀疏编码应用到图像的融合中;然...     

稀疏编码在静息态核磁共振图像中的应用

为了提取静息态的默认网络,降低核磁共振图像中的数据运算量,本文提出了数据降维和非线性变换的方法。首先,对核磁共振图像进行主成分分析,降低运算维度和数据复杂度。然后,对静息核磁数据进行稀疏编码学习,提取默认网络。实验结果表明,稀疏编码学习的效果优于传统的独立成分分析,且前者提取默认网络更加迅速,噪声更低。     

基于稀疏码收缩的图像去噪

数据的描述方法对提取数据特征至关重要,通常这种描述方法是基于数据的线性变换。传统的的傅立叶变换、离散余弦变换、主分量分析等线性变换方法都是基于全局变换的思想,无法反映图像在时频域的局部特征。独立分量分析是一种多维数据线性变换的方法,它从数据间的高阶统计特性出发,提取的图像数据特征基函数在空间频域中体现了方向性和局部性,能很好的自适应图像数据,并且其所得系数具有稀疏分布的特性。用它对无噪声图像数据进行学习,利用得到的稀疏码变换矩阵对噪声图像数据进行稀疏码变换,得到稀疏成分,并结合最大似然估计得到的软门限算子对该稀疏成分进行收缩,从而达到了去除图像噪声的目的。试验表明该方法在去噪效果和保存图像细节方面明显优于传统的维纳滤波方法。     

基于稀疏表示的密写编码

密写编码技术以占用较多的载体数据为代价来减少对载体数据的修改量,从而降低信息隐藏引起的失真.本文首先将密写编码方法的构造转化为一个数据的稀疏表示问题,然后提出密写编码构造算法.利用该构造算法可得到一系列密写编码方法,并进一步研究密写编码的组合形式,在不同占用率条件下获得了良好的编码性能,优于矩阵密写编码和游动密写编码.     

基于稀疏编码的视频序列超分辨率重构

把学习型算法用于稀疏编码的重建算法中来实现视频序列图像的超分辨率重构。该算法无需显式求取运动向量,能够克服传统方法对精确运动估计的要求,通过稀疏编码便能够自动利用邻近帧中最相关的那些样本块进行重构;另外,算法通过设置最大运动窗口,利用帧间运动的连续性特点,在相邻帧已经重建的基础上,提取其运动窗口内的高、低分辨率图像块来构建样本库,从而实现减小所需样本库的尺寸的目的。     

Learning Sparse Overcomplete Codes for Images

Images can be coded accurately using a sparse set of vectors from a learned overcomplete dictionary, with potential applications in image compression and feature selection for pattern recognition. We present a survey of algorithms that perform dictionary learning and sparse coding and make three contributions. First, we compare our overcomplete dictionary learning algorithm (FOCUSS-CNDL) with overcomplete independent component analysis (ICA). Second, noting that once a dictionary has been learned in a given domain the problem becomes one of choosing the vectors to form an accurate, sparse representation, we compare a recently developed algorithm (sparse Bayesian learning with adjustable variance Gaussians, SBL-AVG) to well known methods of subset selection: matching pursuit and FOCUSS. Third, noting that in some cases it may be necessary to find a non-negative sparse coding, we present a modified version of the FOCUSS algorithm that can find such non-negative codings. Efficient parallel implementations in VLSI could make these algorithms more practical for many applications.

基于图像导数框架和非负稀疏编码的颜色恒常计算方法

 本文通过模拟初级视皮层神经元感受野在视觉信息处理中的功能,提出了一种基于图像导数框架和非负稀疏编码思想的颜色恒常性计算模型,以实现对色偏图像的颜色矫正.从解决工程问题的角度,本文提出的基于生理机制的计算模型在处理效果上可与目前最好的颜色恒常性算法相媲美;从计算神经科学的角度,本文模型支持了大脑初级视皮层在视觉颜色恒常性中扮演重要角色的观点.     

一种基于稀疏编码的多核学习图像分类方法

本文提出一种基于稀疏编码的多核学习图像分类方法.传统稀疏编码方法对图像进行分类时,损失了空间信息,本文采用对图像进行空间金字塔多划分方式为特征加入空间信息限制.在利用非线性SVM方法进行图像分类时,空间金字塔的各层分别形成一个核矩阵,本文使用多核学习方法求解各个核矩阵的权重,通过核矩阵的线性组合来获取能够对整个分类集区分能力最强的核矩阵.实验结果表明了本文所提出图像分类方法的有效性和鲁棒性.对Scene Categories场景数据集可以达到83.10％的分类准确率,这是当前该数据集上能达到的最高分类准确率.     

盲源分离技术及其应用

盲源分离技术是盲信号处理领域的一个重要的分支20世纪90年代中期,盲源分离技术得到了迅猛的发展,并在语音处理、生物电信号处理、图像处理、金融数据分析以及移动通信等领域得到了广泛的应用。对盲源分离的相关理论、算法和应用进行了介绍和探讨。     

基于多视角融合稀疏表示的恐怖视频识别

现有的基于多示例学习的恐怖视频识别算法都是假设示例间是相互独立的,而忽略了恐怖视频中存在的上下文信息和示例包的统计特性.因此,本文提出了一种多视角融合稀疏表示模型.该模型分别从集合视角、上下文视角以及统计特性视角三个不同的视角来看待一个视频片段,并利用联合稀疏表示框架将三个不同视角融合到一个分类框架中,用来进行恐怖视频的识别.在恐怖视频库上的实验结果验证了算法在恐怖视频识别中比现有的其它算法有更好的性能和稳定性.     

网络编码技术及其在卫星通信中的应用

网络编码是网络通信的一种新技术,可以优化网络的传输性能,其基本思想是网络节点不仅可以进行存储转发,还可以进行编码处理,有别于传统路由的传输方式.文章介绍了网络编码的基本概念,分析了其在卫星通信中的研究和应用,并对其发展进行了展望.     

基于信号规整和稀疏变换的语音与音频分层编码方法

基于语音和音频信号的固有周期性特征,本文构建了一种适合语音和音频信号的统一分析/合成模型,并分别在24kbps和32kbps码率下,实现了对宽带语音和音频信号的高质量分层编码.首先,本文将具有时变周期的输入信号规整为具有固定周期的信号,并对规整后的周期信号构建规整矩阵;其次,对规整矩阵的行和列分别进行调制叠接变换(MLT)和离散余弦变换(DCT),完成规整矩阵的稀疏化;最后,利用分带量化和矢量哈夫曼编码完成稀疏矩阵元素的量化和编码.主客观测试结果表明,本文所提方法的语音、音频及其混合信号的编码质量均优于同等速率下的ITU-T G.722.1和AMR-WB编码器.