非局域自相似约束的Shearlet稀疏正则化图像恢复

提出一种结合非局部自相似和Shearlet稀疏性正则化的图像恢复变分模型。模型采用观测图像与待恢复图像的能量误差为保真项,联合Shearlet稀疏性和非局域自相似性为混合正则化项。正则化项同时兼顾图像的变换特性和自身结构全局特性。基于变量分裂增广拉格朗日法提出了求解该变分模型的数值算法。以图像去模糊和图像修复为例,对算法性能进行了测试。实验结果表明,该模型和所提算法能够较好地恢复图像,与其他算法相比,可获得更高的峰值信噪比(PSNR)和结构自相似指标(SSIM),具有更好的视觉效果。     

GPS导航仪与卫星电视的跨界使用

随着汽车进入家庭时代的到来,GPS卫星导航也不再是新鲜事,但与卫星电视联系起来加以研究,倒是一件颇感兴趣的新鲜事.以往调星都要用显示器对信号质量进行监测,高端的使用厂家生产的寻星仪,结果价格之高把我们挡在门外,低端的便是发烧友DIY寻星LCD屏一体机,但总有杂牌军的感觉.     

多星手动极轴座上的天籁之音

亚太上空Ku波段卫星最值得接收广播节目有134°E亚太6号、108.2°E新天11号、95°E新天6号和76.5°E亚太2R号等卫星.以上卫星由于采用DVB-S/MPEG-2编码标准(此标准是由MPEG工作组;Moving Picture Experts Group发布的视频与音频压缩国际标准,俗称通用机),配合多星手动极轴座的使用更方便各星的信号迅速切换,应该为首选,何必受制于ABS-S自立门户的标准,相信发烧友多年的把玩,应该有不少的闲置卫视器材,为了物尽其用发挥余热,打造自己的"天籁之音"中心,何乐不为呢?     

中9和新天一锅一头双星共享——多星手动极轴座实战

中9直播卫星大功率全国覆盖,新天6号卫星在华南信号质量也不错,实现一锅一头共享双星得使用不同的接收机,双星信号切换比较麻烦,对于一户一卡厂电备案的"村村通"中9专机我们无法享受(今年春节后正版机在厂电"监控"下,已流入市场,要价350元),山寨中9机肯定已成为打击对象.我们只有选择观望,老百姓的钱特别是钱.上下五千年中国史上最大的清理门户之役自年初开始扫荡,经过N次升级,峰回路转,山寨老板也许看到了新的挑战与商机.     

小波域非参数贝叶斯估计图像去噪

提出一类新的非参数贝叶斯估计器,估计器利用正态反高斯(NIG)分布作为先验模型.与广义高斯分布(GGD)、alpha稳定分布和贝塞尔K分布(BKF)相比,正态反高斯分布能更加精确地对图像小波系数分布进行拟合.在二次型贝叶斯规则下,推导出基于正态反高斯分布的后验条件均值估计.最后,对图像进行去噪实验.实验结果表明,与最新提出的算法相比,该方法获得更高的峰值信噪比增益和好的视觉效果.     

一种新的基于噪声点检测的脉冲噪声去噪算法

中值滤波是广泛应用于去除脉冲噪声的一种非线性去噪方法,但是单一地使用中值滤波方法去除脉冲噪声会造成图像细节信息的丢失,从而使图像变得模糊。基于噪声点检测的脉冲噪声滤波方法可以在滤除噪声的同时有效地保持图像的细节信息。该文在此基础上提出了一种新的基于噪声点检测的脉冲噪声滤波算法,该算法在检测噪声点时用被检测点的中值滤波结果作为判定该点是否为噪声点的依据。而在滤除被检测到的噪声点时,采用的是迭代的中值滤波算法。从实验结果中可以看到,与其它中值滤波算法相比,该文的算法在去除脉冲噪声时能取得较好的效果。     

基于Finite Ridgelet变换的去噪算法研究

该文对Ridgelet变换以及FRIT(FiniteRidgeletTransform)变换作了介绍,并在此基础上提出了基于FRIT变换的平移不变去噪算法。实验证明该算法能有效地去除图像的高斯噪声,同时能很好地保留图像的细节信息。     

光谱加权协同稀疏和全变差正则化高光谱图像解混

针对传统稀疏解混方法对丰度的稀疏性表征不充分及空间信息利用率低等问题,本文在分析迭代加权稀疏解混方法的基础上,提出了一种基于光谱加权协同稀疏和全变差正则化的高光谱解混方法.该方法一方面在协同稀疏解混的基础上引入光谱加权因子进一步刻画丰度系数的行稀疏性,以促进所有像元之间的联合稀疏性;另一方面引入各向异性全变差空间正则化促进图像同质区域的平滑性,以提高解混的准确性.通过交替方向乘子法求解该模型,通过迭代,利用内外部双循环迭代方法对光谱加权因子和丰度系数进行优化.模拟和真实的高光谱数据实验结果均表明本文提出的算法与现有同类算法相比能大幅提高混合像元分解的精度,在稀疏解混方面展现出了巨大的潜力.     

基于Shearlet变换的红外与可见光图像自适应融合

提出一种基于Shearlet变换的红外与可见光图像自适应融合算法。算法首先对待融合图像进行Shearlet变换;然而采用粒子群优化算法确定出低频成分的最佳融合权值,自适应地对红外与可见光图像的Shearlet低频系数进行整合,利用Shearlet变换对边缘、轮廓等细节特征的准确定位,采用加权局部能量最大准则对Shearlet高频系数进行融合;最后对融合系数进行逆Shearlet变换得到融合图像。与现有的部分算法进行对比实验,结果表明本文算法获得较好地融合效果。     

Framelet变换高光谱图像光谱加权稀疏解混

空域中高光谱数据由于信息过于分散,冗余过多,且易受噪声的影响,其特征提取难度较大。为了提高高光谱图像解混的鲁棒性和稀疏性,提出了一种framelet变换高光谱图像光谱加权稀疏解混方法。介绍了高光谱稀疏解混和framelet变换方法的理论知识,接着利用framelet变换对高光谱图像解混建模,并且在该模型上加入变换域光谱加权稀疏正则项,提出framelet变换的高光谱图像光谱加权稀疏解混模型。最后,利用交替方向乘子法对模型进行求解。实验结果表明：信号与重建误差比（SRE）提高12.4%～1 045%,丰度重构正确率（Ps）保持在16%的误差内。与其他相关稀疏解混方法相比,本文提出的算法具有良好的抗噪性和稀疏性能,获得了更好的解混结果。