一种基于混沌系统的压缩感知测量矩阵的构造

针对压缩感知中随机测量矩阵的不确定性及硬件上难以实现等缺点,提出一种基于混沌系统压缩感知图像处理算法,该算法首先对图像进行分块,经DCT变换稀疏化,其次再由基于混沌系统测量矩阵感应采样,最后经由OMP算法重构。实验仿真得出,在分块压缩感知的基础上,混沌系统构造的测量矩阵与一般随机测量矩阵重构效果类似,所构造混沌测量矩阵是确定的、硬件上易于实现。     

矩阵在并行计算中的通信优化研究

为了提高并行应用系统的效率,研究了针对大型稀疏矩阵的压缩通信问题。通过对矩阵压缩通信过程中矩阵稀疏度、网络带宽、处理器计算能力之间的关系进行定量分析,推导出稀疏度下界计算公式。通过对不同稀疏度情况下算法所取得的效率进行分析,总结出压缩通信中稀疏度与通信效率之间的函数关系。结果表明本算法在稀疏矩阵通信方面效率有明显的提高。     

压缩感知在脉冲超宽带穿墙雷达中的应用

传统的超宽带穿墙雷达数据采样需要满足 Nyquist 采样定理,超宽带大数据量增大了 A/D 转换时的硬件压力,压缩感知理论突破了传统 Nyquist 采样的限制,它是基于信号的稀疏性,测量矩阵的随机性和非线性优化算法来对信号进行压缩采样和重构.文章针对超宽带穿墙雷达的具体工作过程和穿墙雷达目标成像空间的稀疏性提出了一种基于压缩感知理论的成像方法,并通过仿真表明了该方法的可行性和有效性.     

测量矩阵及其在超声检测系统中的应用研究

近年来提出的压缩感知(CS)理论指出可以从很少的采样点中以很大的概率准确重建原始的未知稀疏信号。在压缩感知的过程中,测量矩阵在数据采样和信号重建环节中发挥着至关重要的作用,本文详细介绍了现在几种常用的随机测量矩阵和两种实时性比较强的测量矩阵,并且提出了随机测量矩阵在工超声波工业检测系统中应用必须克服的技术难题,为压缩感知理论在超声波工业检测系统中的应用指明了一个可能的方向,在技术难题的解决方案上,最后用实验说明了从探头的发射的超声波信号进行改变的可行性。     

基于稀疏重构的多用户MIMO网络联合反馈策略

为解决多用户MIMO-OFDM网络反馈链路所面临的反馈链路开销大与频谱效率低的问题,提出了一种基于稀疏重构的多用户MIMO网络联合反馈策略。该策略将压缩感知应用于多用户MIMO-OFDM网络有限反馈,首先在接收端对由信道估计得出的信道状态信息进行稀疏重构,以最大程度降低反馈链路开销,然后观测矩阵自适应地反馈到发送端,在发送端通过压缩感知重构策略重构原始信道信息,有效降低了反馈链路处理复杂度和传输的数据量。仿真结果表明,在反馈量相同的前提下,该策略的反馈开销和频谱率性能都优于传统有限反馈机制,降低了通信链路的整体开销,并一定程度上改善了网络拥塞。     

基于稀疏压缩感知的医学图像重构算法的研究

为了更好地适应压缩图像技术的发展,针对图像重构对于资源的需求,本文提出了一种基于稀疏压缩医学图像方法,首先描述压缩感知图像中组成部分,然后在稀疏变换方面引入了字典学习概念,同时引入SCAD函数,有效提高了稀疏变换的要求,对于图像的降噪具有一定的促进,在重构算法部分引入了加权系数概念,使得改进后的算法使得回复重构具有更强的约束,通过测试函数证明,本文的算法在医学图像具有比较好的压缩效果,优于传统的重构算法。     

基于线性迭代的高光谱图像压缩方法

为了实现对高光谱遥感影像的高效压缩,提出了一种基于线性迭代聚类的高光谱遥感影像分割算法。首先,采用线性迭代聚类算法对图像过分割,在得到不同尺度上的超像素后,用联合稀疏表示分类方法对多尺度超像素进行分类。其次,通过选择合适大小的超像素,来构造相应空间下的图像中像素之间的特征差异;最后,通过线性迭代聚类算法把具有相似性特征的像素聚类。实验结果表明该方法能够得到较好的效果。     

基于压缩感知的图像混沌加密算法

为实现图像的同步加密与压缩,将压缩感知理论与混沌理论相结合,提出了一种兼顾压缩性能与安全性能的加密方案。该加密算法采用置乱-测量矩阵观测-置乱-双向扩散四级加密,采用离散小波变换(DWT)并设定合适的阈值对明文图像进行稀疏化操作,然后进行置乱-测量矩阵观测-置乱-双向扩散操作,得到密文图像,加密过程中,将混沌参数作为密钥,通过混沌系统产生伪随机序列作为置乱、构造测量矩阵和扩散过程中的密钥流,实验结果表明:图像在加密过程中,在保证图像信息质量的前提下,提高了加密和解密的速度,验证了本方案的可靠性、安全性以及鲁棒性。     

三维图像人物运动形态重构技术

针对传统三维图像重构方法无法确定人物运动形态三维位置,重构过程效率低,精度低等弊端,提出一种基于自标定的三维图像人物运动形态重构技术,通过不同位置的两台摄像机移动或旋转拍摄同一场景,得到三维图像对。使摄像机平面标志点的坐标和其成像对应点符合齐次转换关系式,依据单应性矩阵的特性获取两个约束条件,获取相机内参数与外参数,完成初步估计后,对空间三维测量点进行塑造。通过投影矩阵求出空间点三维坐标,为了避免成像畸变,成像极线需满足一定的约束条件,对像素点是否处于摄像机定位模块坐标中进行判断,通过三维图像重构精度评价函数对得到结果进行评价。仿真实验结果表明,所提方法具有很高的精度和效率。     

浅谈压缩感知的理论及运用

Compressive sensing(CS)又称Compressived sample,中文翻译"压缩感知",可以理解为在采集信号的时候(模拟到数字),同时完成对信号压缩。本文阐述感知过程的三个步骤:信号的稀疏表示、观测矩阵的设计以及信号的重构算法。最后举例说明压缩感知在现实中的运用实例。     

王者归来

想要购买世界上第一台48毫米中画幅数码单反相机？你需要有足够的经济实力，好在它的成像质量一定会让你感到物有所值——哈苏H3D有2200万像素和3900万像素两种版本。除了戴上“首款48毫米中画幅数码单反相机”的光环之外，H3D所采用的快速核准机制IAA同样使它耀眼夺目。     

一种新的压缩感知FO-COSaMP算法

近年来,压缩感知因其打破传统采样理论的瓶颈从而吸引了许多领域的研究人员的关注。信号重构算法是整个压缩感知的核心内容,也是研究人员研究的重点方向,决定着压缩感知能否成功的广泛运用于信号处理领域的具体实际问题中。文章在COSa MP(压缩匹配采样)算法的基础上引入果蝇优化算法思想,对传感矩阵中部分原子进行优化,从而实现更高精度,更少迭代次数的信号重构,提出一种新的改进算法——FO-COSaMP算法。仿真结果表明,在同等的条件下,与COSa MP算法等同类算法的性能参数作对比,新的算法运行的时间相仿,显示出的重构性能较优。     

压缩感知稀疏信号重构算法研究

压缩感知理论是利用信号的稀疏性,采用重构算法通过少量的观测值就可以实现对该信号的精确重构。SL0（Smoothed l0）算法是基于l0范数的稀疏信号重构算法,通过控制参数逐步逼近最优解。针对平滑函数的选取问题,文章提出一种新的平滑函数序列近似l0范数,实现稀疏信号的精确重构。仿真结果表明,在相同实验条件下文章算法较传统算法有着较高的重构概率。     

让影像更靓丽

索尼在其XR520V高清数码摄像机中融入了多项创新技术,首当其冲的就是一块在烛光下也能拍摄到清晰影像的CMOS图像传感器。通常,图像传感器中的电路会阻挡一些光线到达像素中的成像二极管,而索尼则将这些线路转移到了芯片的背面,从而让更多的光线参与成像,同时在每个二极管前还安置了更灵敏的微透镜,以保证光线不会溢出到相邻的二极管中。     

基于压缩感知的声纳图像处理

本文利用小波基对声纳图像进行稀疏化,选取高斯随机测量矩阵作为观测基得到其观测值,再利用正交匹配追踪算法(OMP)对声纳图像进行重构。实验结果表明,重构图像质量得到极大提升,其信噪比PSNR得到大幅度提高,为声纳图像的水下传输提供了便利。     

基于比尔定律遍历像素矩阵的水下光学图像颜色恢复算法

由于水介质的物理特性,光在其中传播会发生漫衰减作用,并且不同波长范围的光在其中的漫衰减程度会不同,所以水下图像的颜色会发生偏蓝偏暗的现象。而恢复水下图像颜色的关键就是计算该水介质对不同波长光线的衰减系数,从而通过逆衰减运算得到普通条件下的图像颜色。本文提出了一种遍历像素矩阵算法来计算漫衰减因子,该方法可减少计算漫衰减因子过程中的累积误差、扩宽光波计算范围,从而使待恢复图像的未恢复像素盲点率低、误差小。本文运用噪点比值评价颜色恢复好坏,在用遍历像素矩阵算法计算各像素点的漫衰减系数时,无法计算的像素点个数与总像素点个数之比即为噪点比。通过实验发现,该方法用于颜色恢复中得到较好的效果,实验的噪点比为3.614%。     

基于多元正态概率模型的贝叶斯概率矩阵分解研究

传统的概率矩阵分解技术,忽视了信息消费者间的信任关系和关注关系,使其推荐性能和推荐质量不断下降,针对以上问题,提出基于多元正态概率模型的贝叶斯概率矩阵分解算法,以多元正态概率模型作为先验分布,实验中通过计算Gibbs sampling过程中迭代次数来达到数据的稀疏性。在联合概率未知和条件概率易得等情况下,引用Gibbs sampling技术进行计算,实验中引用MAE、RMSE两种方法进行误差评价。实验结果表明:在稀疏矩阵的检测中,改进的贝叶斯概率矩阵分解算法的预测精密度更加稳定,对缓解矩阵稀疏性问题更加有效。     

一种基于图像超分辨率技术的图像质量提升技术

<正>在飞行试验中,由于视频遥测带宽限制,飞机上加装的相机或者机载视频数据在有限带宽下,需要进行低码流压缩,导致视频信息失真、受损或者不够清晰,影响视频监控效果。因此,需要进行失真图像的超分辨率重构或图像清晰度提升技术研究,提升图像的质量。本文的研究主要是通过图像超分辨技术,建立失真图像及低分辨率图像与高分辨率图像之间的映射关系,通过深度学习方式构建超分辨率学习网络,对大量LR-SR图像进行训练与学习,     

红外模拟干扰环境下超广角波导光栅直透镜设计

为解决传统的光栅直透镜在红外模拟干扰环境下敏感和成像效果不好的问题,设计了一种改进的红外模拟干扰环境下超广角波导光栅直透镜,利用单自由曲面的折光能力实现光线准直出射,构建固定目标面均匀照明微分方程,采用切面迭代法求解单个自由曲面上的点坐标,根据能量守恒确定光源发光角,进行双自由曲面均匀准直照明,分析各接收面上的照度分布和光斑尺寸,在红外模拟干扰环境下,根据点到线模型中成像空间,构建红外模拟干扰下的超广角透镜模型,提高可透镜在红外模拟干扰环境下的成像能力和透射能力。仿真结果表明,该设计方案满足红外成像准线性区域范围要求,成像的像素保真度较好,克服了光学敏感性能,改进了成像效果,性能优越。     

基于稀疏张量分解的高光谱图像压缩

针对高光谱图像带来的大量数据存储和传输的问题,本文提出了一种基于稀疏张量分解的高光谱图像压缩方法。首先,将高光谱图像作为三阶张量进行分析。其次,通过核心张量和压缩比的关系进行张量分解。最后,对数据进行稀疏编码处理。实验结果证明本文方法相对于现有方法来说,重构图像可以获得更高的信噪比,压缩时间更短,具有更好的压缩效果。