广义高斯核模型在心电信号稀疏分解中的应用

稀疏分解得到的心电信号表示结果对心电信号的压缩、特征提取等非常有利。根据心电信号的波形特点,提出了新的基于广义高斯函数的核模型。新的核模型通过正交最小二乘算法进行逐步回归建模,每一个核函数的中心,尺度及形状参数由重复加权提升搜索算法优化得到。为了避免过拟合,运用交叉验证的方法进行迭代终止时的阈值选择。实验数据来自MIT-BIH心电数据库,结果表明,对于心电信号,新的核模型具有稀疏性好,泛化能力高等优点。     

基于蒙特卡罗方法的图像修复快速算法

图像修复指的是这样一个病态问题,图像的某些局部区域数据丢失了,要从周围的有效数据把这些区域填充起来,以恢复图像的完整性和视觉效果。本文讨论用蒙特卡罗随机模拟的方法进行图像修复,针对较窄的带状区域和较宽的块状区域分别提出两种不同的修复算法,对前者用随机游动的方法进行修复,而对后者则采用随机模拟边界积分的方法进行修复。笔者的算法比现有的基于扩散的修复方法要快的多,并且能够保持强边缘。     

基于曲线曲面演化的图像插值方法

如果把平面曲线隐式地表示成曲面的水平线,由这些平面曲线的演化可得到相应的曲面的演化.本文将这个方法应用于图像插值.图像插值是指对图像中数据丢失的局部区域进行填充,以恢复图像的完整性和视觉效果.本文用Snake的内部能量作为图像水平线的先验模型,由它的梯度下降流得到关于图像曲面的演化方程.用这个方法进行图像插值的几何意义就是用光滑曲线连接图像的水平线.已有的基于偏微分方程的图像插值方法只能用直线水平线模型,用Euler弹性曲线模型刻画水平线又因为次数太高而不能直接优化.Snake的内部能量模型和Euler弹性模型的几何意义是相似的,但前者可以直接优化.试验表明,本文的插值方法在相当的时间内可以的到更逼真的插值结果,对边缘有很好的保持.     

基于边缘自适应小波变换的图像修复算法

本文提出一种基于边缘自适应小波变换的多尺度图像修复算法,对非纹理图像有比较好的修复效果。边缘自适应小波变换的基本思想是,先检测出图像的主要边缘,这些边缘把图像分割成几个平滑区,然后对图像进行不跨越边缘的小波分解,即在各平滑区内部进行小波变换,得到图像的多尺度表示,并且同时计算边缘的多尺度表示。这样的小波分解使高频信息基本都集中在边缘上,而高频系数则非常稀疏,而且都接近于零。在此基础上进行图像修复,就只需要对低频部分与边缘图像进行修复,然后重构得到修复图像即可。经过小波分解,低频部分破损区域大大缩小,用比较简单的插值方法就可进行修复,大大降低了计算量。对边缘图则可用曲线拟合的方法进行修复。     

基于Bivariate模型的非抽取小波域图像复原

将Bivariate模型引入到图像复原中,以Bivariate概率分布函数作为自然图像小波系数向量的先验模型。从图像复原的Bayesian理论出发,提出基于Bivariate概率分布函数非抽取小波域的图像复原算法,并从自适应规整化的角度来分析该算法的有效性。通过对4幅标准测试图像复原实验,并将该算法复原结果与其他3种人们熟知的图像复原算法效果进行对比来证明该算法的有效性。     

多尺度Kalman滤波图像复原

提出了一种小波域多尺度Kalman滤波图像复原方法。根据信号的降晰退化模型在各个尺度上的频域表现形式,建立了Kalman滤波的观测方程,以及小波重构在频域上的形式而建立尺度之间的状态转移方程。将大尺度上得到的复原结果作为多尺度Kalman滤波状态变量的初始值,然后在分解后的各个低频子带上预测复原,最后得到在小尺度(最高分辨率)上的频域复原结果,经过傅立叶逆变换就可以得到最终的复原结果。实验结果表明多尺度Kalman滤波图像复原算法能够产生比较好峰值信噪比。