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。     

移动机器人环境视觉图像小波稀疏压缩传感与恢复重构

基于最新压缩传感技术理论,采用小波稀疏方法和正交匹配跟踪算法,对移动机器人常规环境视觉图像压缩传感存储与恢复重构进行了研究.结果表明：进行小波稀疏的压缩传感编码可以大大减少机器人环境视觉图像信息量,降低存储与传输代价,通过正交匹配追踪算法恢复的视觉图像,可以满足机器人常规环境视觉探测.     

基于压缩传感的图像过完备字典设计

压缩传感(CompressedSensing,CS)能够通过对信号的观测得到待采集的信号,由于观测频率远低于奈奎斯特采样频率,这个方法特别适合于高数据量的图像采集和处理.压缩传感理论中过完备字典的设计对图像信号的稀疏程度和重建效果有重要影响.主要研究图像信号过完备字典的自适应设计方法,将K-SVD算法与MP,BP和FOCUSS等稀疏编码算法结合使用,加快算法收敛速度.测试图像的实验结果显示,采用本方法训练的过完备字典在丢失像素的补偿方面得到了很好的实验效果.与基于离散余弦变化(DCT)的过完备字典设计方法相比,训练的字典可以更好的去除图像噪声,保留图像细节信息.     

基于改进回溯线搜索的二维梯度投影法

压缩感知的二维与一维方法相比,在对图像进行压缩观测时可以更好地保持其结构信息,因而能够提高压缩观测图像的重构质量.通过改进基于全变差正则化的二维梯度投影压缩感知算法,对该算法中全变差最小化进行求解,提出了一种改进的回溯线搜索方法以优化其中梯度下降法的步长选择方法,从而提高了重建图像的质量和算法的收敛速度.实验结果表明,将改进的步长选择方法应用于二维梯度投影算法之后,重建图像的主观质量和峰值信噪比都得到提高,同时算法的迭代次数减少,收敛速度更快.     

压缩感知的天文图像去噪算法

针对压缩感知迭代收缩阈值算法在图像处理中存在收敛速度慢和去噪性能差的缺陷,提出了一种改进的高性能迭代收缩阈值天文图像去噪重建算法.首先,使用经典最速下降法中的BB线性搜索步长算子加快迭代收缩阈值算法的收敛速度;其次,为了进一步提高重构天文图像的质量,在传统Visu Shrink收缩阈值的基础上,提出一种下降Visu Shrink收缩阈值对图像信息进行筛选;由于阈值去噪方法在迭代重建的过程中会导致重建的图像中出现伪吉布斯效应,最后采用循环平移的方法在每次迭代过程中对获取的重建图像进行调整.多次的试验结果表明,与传统的压缩感知迭代收缩阈值算法相比,所提出的算法不仅能够获得较优的去噪性能和较快的收敛速度,同时可以有效地保护天文图像的特征和纹理等细节信息.此外,当选取的压缩采样比较低时,本算法也可以获得相对较高的峰值信噪比和视觉质量,进一步验证了本算法在天文图像去噪中的有效性.     

一种最速下降的贪婪迭代算法

压缩传感应用于图像压缩重构的算法通常有凸优化算法和贪婪迭代算法两大类.一般而言,凸优化算法重构概率高、速度较慢,贪婪迭代算法具有较快的重构速度,但损失了重构质量.结合凸优化算法中的最速下降法及贪婪迭代算法中的正交匹配算法(OMP),提出了一种新的算法,并应用于一维信号和二维图像信号的压缩重构实验,且深入对比分析了不同降采样矩阵对新算法的影响.结果发现,对同一降采样矩阵,即使图像的纹理不同,新算法在重构质量及重构时间上都优于原始的OMP算法.     

三维动态人脸图像的高精度填充重构算法设计

现有的图像重构算法未进行立体匹配处理,导致重构的图像与原图像相比在细节方面差距较大,甚至出现失真.为此,进行了三维动态人脸图像的高精度填充重构算法设计.采集二维人脸图像,进行相机标定、图像灰度化、图像滤波等预处理;利用算子提取人脸图像特征点并根据特征点分布进行立体匹配;对立体匹配后的特征点进行划分,得到人脸特征网格组成的三维模型;将二维图像中的纹理映射到三维模型上,实现三维重构.结果表明:所设计的算法减少了重构图像与原图像在细节上的差距,解决了重构图像的失真问题.     

压缩感知的高分辨率天文图像去噪

为提高高分辨率天文图像的重构质量,在传统压缩感知(compressed sensing,CS)迭代小波阈值算法的基础上,提出了一种基于小波维纳滤波的压缩感知去噪重构算法.该算法的设计方法为:在每次迭代过程中,使用设计的小波维纳滤波算子替代传统的小波阈值算子对获得的天文图像小波系数进行筛选,从而对小波阈值去噪方法重建图像过程中出现的伪吉布斯现象进行有效地抑制;然后使用全变差方法对去噪重建后的天文图像进行调整,以进一步提高重构图像的质量.仿真实验结果表明,与传统的迭代小波阈值算法相比,本算法可以获得较优的去噪重建性能,并且能有效地保护高分辨率天文图像的细节特征信息.此外,在压缩比较高的情况下,该算法仍然可以获得相对较高的视觉质量和峰值信噪比.     

一种保持图像细节的自适应的去噪平滑算法

针对三维相干切片数据所形成的二维图像,提出一种新的自适应的保持图像边缘细节的图像平滑算法。该算法通过平滑区域及灰度均匀度来选择受噪声干扰的最小区域,并以此来对目标像素进行相应处理。实验证明,本算法能在有效去噪平滑的同时,很好地保持了图像边缘细节,具有很高的实用价值。     

基于稀疏表示的人脸图像压缩方法

基于稀疏表示的人脸图像压缩算法首先对人脸图像进行分块,其次利用K-SVD字典学习算法,训练一个图像的冗余字典,最后用OMP算法对其进行稀疏编码,得到压缩的图像.由于OMP算法复杂度较高,为了降低复杂度,提高算法效率,提出了一种基于稀疏表示理论的新的人脸压缩算法.该算法在稀疏编码阶段,用基于块坐标松弛(Block Coordinate Relation)字典学习算法对人脸图像进行稀疏编码,最后用重构算法对压缩数据进行重构.通过实验仿真,与JPEG压缩方法及OMP算法比较,所提方法在同等压缩比下,重构的图像质量有所提高.     

基于稀疏表示与矩阵填充的多帧超分辨率图像重建

针对现有算法在通用图像分辨率要求较高时重建效果不稳定的问题,提出一种基于稀疏表示与矩阵填充的多帧超分辨率图像重建算法.对自然图像库进行训练建立过完备词典对,并将低分辨率图像分成若干图像块,根据局部先验约束建立稀疏表示模型,通过线性规划的方法求得过完备词典对下图像块的稀疏系数;利用多帧图像序列的相似性,采用非精确增广拉格朗日乘子法对全局约束构建的观测矩阵进行矩阵填充和矩阵恢复,最终获得高分辨率图像.实验结果表明,与其他主流算法相比,重建后的图像保留了更丰富的图像边缘与细节信息,不会过于平滑而导致图像模糊,并且不易受过完备词典选择范围的影响,具有较好的稳定性和更高的峰值信噪比,可应用于遥感图像超分辨率重建等图像应用领域.     

基于局部约束线性编码的单帧和多帧图像超分辨率重建

基于稀疏表示的超分辨率图像重建是当前典型的算法之一,引入约束性更强的局部约束线性编码(LLC:Locality-constrained Linear Coding)对其进行了改进。首先依据一个高分辨率图像集训练出成对的高分辨率和低分辨率词典,然后根据低分辨率词典对输入的低分辨率图像用LLC方法进行编码,再依据高分辨率词典及编码系数初步重建高分辨率图像,最后添加全局约束重建高分辨率图像,并将该算法推广到多帧图像超分辨率重建层面。分析和对多幅图像的实验结果都表明,新算法相对原算法不仅提高了图像重建的质量还降低了计算复杂度,取得了满意的效果。     

基于冗余字典的高光谱图像超分辨率复原算法

为了提高高光谱图像的空间分辨率,将基于冗余字典的信号稀疏表示理论应用到高光谱图像的超分辨率复原领域,提出一种基于冗余字典的高光谱图像超分辨率复原算法.该算法通过训练一组高低分辨率相对应的冗余字典对,使得高低分辨率相对应的像元曲线在基于各自的冗余字典进行稀疏分解时,具有相同的稀疏表示系数.超分辨率复原过程中,将待复原的低分辨率高光谱图像基于低分辨率冗余字典进行稀疏分解,利用所得的稀疏表示系数和对应的高分辨率字典,重建高分辨率的图像.实验结果表明:与基于图像块字典的超分辨率复原算法及传统的双线性插值图像放大方法相比,重建图像的峰值信噪比(peak signal to noise radio,PSNR)得到了显著提高.该算法将高光谱图像沿光谱维方向进行整体稀疏分解,避免了传统算法逐波段进行超分辨率复原带来的波段间的光谱失真问题,显著降低了算法的运算量.     

结合自适应稀疏表示和全变分约束的图像重建

In view of the limitation of fixed complete orthogonal transformation, represented by two-dimensional wavelet transform and discrete cosine transform in compressed sensing high-resolution image reconstruction, this paper proposes a new method for high-resolution image reconstruction based on adaptive redundant dictionary sparse representation with the total variation constraint.The algorithm takes the intermediate image in the process of iteration as the training sample to get a redundant dictionary suitable for sample characteristics by adaptive learning. It makes full use of the correlation between dictionary atoms and the image to get an ideal complete sparse representation, thus reducing the sampling rate and improving the quality of image reconstruction. Finally, the algorithm takes the total variation as a constraint and uses the split Bregman iterative method to solve the sparse optimization problem. Simulation shows that the proposed method can reconstruct high quality images under a low sampling rate.     

结合自适应字典学习的稀疏贝叶斯重构

贝叶斯压缩感知是一种基于统计分析的压缩感知算法,具有很好的鲁棒性,能够充分利用信息间的相关性,它的重构依赖于图像的稀疏性表达.针对贝叶斯压缩感知的深层次稀疏化问题,笔者结合自适应字典学习思想,提出一种冗余自适应字典表示的稀疏贝叶斯学习算法.该算法对图像进行局部分块,从待重建图像的迭代中间图像分块中学习字典,并以该字典作为图像的稀疏变换基,通过稀疏贝叶斯学习算法获得稀疏解.实验结果表明,基于自适应字典的贝叶斯学习算法能提高稀疏化,明显改善图像的重构质量.     

一种稀疏孔径逆合成孔径雷达成像算法

针对逆合成孔径雷达成像在稀疏孔径条件下存在方位向分辨率低、易受噪声干扰等问题,利用目标二维分布的稀疏性将成像问题转换为多测量向量模型下稀疏信号的重构问题,采用零范数最小均方法并行处理以提高运行效率,使用最优步长公式代替固定步长以避免步长设置不当对收敛速度和性能的影响,并利用平滑零范数法逼近零范数以提高重构精度和抗噪性能。相较于已有算法,新算法能够获得更高质量的目标图像,对噪声鲁棒性强,并且计算量更低。仿真和实测数据的处理结果,验证了该算法的有效性。     

基于字典学习与稀疏表示的非结构化道路分割方法

针对野外环境自主车视觉导航问题,提出了一种新颖的基于字典学习与稀疏表示的道路分割算法。该算法以局部图像小片为处理单元,通过选取典型道路图像学习得到路面图像小片的一组字典,并利用车辆前方的一小块区域作为监督,通过在线字典学习对字典进行实时更新,使路面图像小片可在该字典上精确稀疏表示,而非路面图像小片则不能。因此建立了基于字典学习与稀疏表示的分类框架,利用局部图像小片在字典上的稀疏重构误差进行分类。大量实验结果表明,该算法能够适应多变的非结构化道路环境,且对光照、阴影及水坑等具有较好的鲁棒性。