基于L1范数正则化的四元数信号重建（英文）

提出了一种通过求解L1范数最小化问题来重建四元数信号的算法,并且同时考虑了有噪声和没有噪声2种应用场景.该算法首先将四元数域的L1范数最小化问题转化为实数域的二次锥规划问题,然后通过工具包如SeDuMi来解决这个二次锥规划问题.为了验证所提出算法的正确性和有效性,进行了相关的数值试验.试验结果表明:在没有噪声的情况下,在某些实际可接受的条件下原始信号的精确重建是可以实现的;在有噪声的情况下,所提出的算法对于测量中的加性噪声具有鲁棒性.该算法可以被应用于四元数域基于压缩感知理论的信号重建中.     

改进的邻域均值滤波去噪算法研究

邻域均值滤波算法作为图像去噪算法的经典方法,不仅可以有效地消除噪声对图像的干扰程度,并且能够快速平滑图像,但它的缺点是会使图像边缘模糊,窗口越大,模糊程度越明显。本文针对椒盐噪声,分析原邻域均值滤波算法,通过与能量最小化原理相结合,提出新的改进的邻域均值滤波算法,这个算法构造了两个不同能量最小化函数模型,即E1模型和E2模型。两个模型均从图像像素点局部邻域出发,通过求解局部邻域能量最小判断是否利用邻域均值替换原像素灰度值。这个新的去噪算法不仅改变了原邻域均值滤波算法单一的替换灰度值的做法,降低了将非噪声点误判为噪声点的可能性,并且可以根据图像的大小自适应调节阈值,最后达到去除噪声的效果。通过与邻域均值滤波算法进行实验对比,取得较好的去除噪声效果。     

一种改进的图像盲复原算法

针对迭代盲反卷积算法恢复图像在内部灰度对比鲜明的地方、图像边界都出现的"振铃"效应和迭代盲反卷积算法通常去模糊效果好而去噪效果不理想等情况,本研究提出两点改进:首先,迭代盲解卷积算法恢复图像之前对模糊带噪的退化图像进行改进的中值滤波去噪;其次,对恢复出来的图像,通过找到内部灰度变化大的部分和边界并把其像素设置为0,进行去除"振铃"效应.改进后的算法简单,不仅复原了图像的细节,而且很好地去除了噪声.实验结果表明,改进算法取得了比较好的复原效果.     

改进的神经预测控制及其应用

广义神经预测控制是一种滚动时域控制方法,需要使用最小化代价函数来实现对控制输入的优化,而最小化代价函数需要较大的计算量,该文将时滞神经网络用于神经预测控制,改进了传统广义神经预测控制的学习算法,仿真实验结果表明了所提方案的优越性．     

结合加权低秩表示和L_1范数的图像混合去噪

由于图像在获取、发布或传输过程中受到噪声的污染,导致图像质量下降.现有的大部分图像去噪方法仅针对高斯噪声情况进行图像恢复,一般来说,现实中图像容易同时受到高斯噪声和椒盐噪声的污染.针对这一情况,文章提出基于加权低秩表示和L_1范数的混合噪声去除算法.该算法首先采用加权低秩表示来刻画图像的全局特性,同时利用L_1范数来描述稀疏噪声,设计了图像混合去噪模型.然后采用交替方向乘子法对混合去噪模型进行求解.最后对含混合噪声的图像进行了仿真实验分析,结果表明提出的算法能够较好地去除图像中的混合噪声,进一步提高图像的视觉感知质量.     

对l_p-TV模型在图像复原中p值的研究

文中提出通过加性半二次各向同性正则化方法恢复高斯模糊加噪声处理之后的图像,然后引入辅助矢量扩充原成本函数得到最小值,再进一步利用广义Krylov子空间投影进行计算求解,得到真实图像的近似解.最后通过实例选取不同的p值进行图像恢复,观察图像恢复的效果.     

基于加权核范数最小化的泊松噪声图像恢复

本文提出了一种基于加权核范数最小化的泊松噪声图像恢复方法,通过Anscombe变换把泊松型数据转化为Gaussian型噪声数据.然后,用加权核范数最小化方法对变化后的Gaussian型噪声数据进行去噪.实验结果表明,我们的方法是有效的.     

基于最小二乘样本拟合的复信号时延估计方法

针对高斯随机信号在传统时延估计算法估计下出现性能下降的问题,提出一种基于最小二乘样本拟合的时延估计算法。首先给出互相关的代价函数,利用sinc内插公式采用有限数量的样本估计相关数值,再通过最小二乘（LS）准则最小化其代价函数求出估计值,该估计值接近于无偏。给出算法的克拉美罗下界（CRLB）表达式,并将该算法与互相关算法、基于最小均方误差（MMSE）的算法进行性能比较。理论分析与实验结果表明,所提出的基于最小二乘样本拟合的算法性能优于互相关算法与基于MMSE的算法,并且能更好地逼近克拉美罗下界值。     

基于分形的快速最大熵红外图像特征检测

文章针对红外图像目标检测问题,提出一种基于分形的快速最大熵的红外图像特征检测算法.该算法利用DBC方法计算分维数,根据人造物和自然背景分形维差异,确定目标区域;最后,通过二维最大熵原则确定最佳阈值,实现对单目标或者多目标图像分割.该算法能够较好实现红外图像特征检测,有效抑制背景和噪声.     

基于Arnold置乱及SVD的Contourlet数字水印算法(英文)

为了提高数字水印的鲁棒性和抗攻击能力,提出了一种基于Contourlet变换的新型数字水印算法.该方法从水印预处理和嵌入方式2个方面入手,用Arnold置乱来预处理水印数据,通过对载体图像进行奇异值分解(SVD)处理来寻找最合适的嵌入位置. 载体图像经过Contourlet变换后,对中频子带进行SVD分解以得到SVD数值,将Arnold置乱后的水印分散嵌入到中频子带的SVD参数中,再经过Contourlet反变换得到嵌入水印后的载体图像. 在提取端,Contourlet水印的提取采用半盲检测提取方法. 仿真结果表明,与传统Contourlet算法和结合SVD的Contourlet算法相比,所提出的算法具有更好的隐藏性能和鲁棒性. 同时,在保证安全性能的基础上,当嵌入的水印受到高斯噪声、椒盐噪声、图像扩展、图像剪裁等攻击时,所提算法具有良好的鲁棒性能.     

Blind-restoration-based blind separation method for permuted motion blurred images

A novel single-channel blind separation algorithm for permuted motion blurred images is proposed by using blind restoration in this paper. Both the motion direction and the length of the point spread function (PSF) are estimated by Radon transformation and extrema a detection. Using the estimated blur parameters, the permuted image is restored by performing the L-R blind restoration method. The permutation mixing matrices can be accurately estimated by classifying the ringing effect in the restored image, thereby the source images can be separated. Simulation results show a better separation efficiency for the permuted motion blurred image with various permutation operations. The proposed algorithm indicates a better performance on the robustness against Gaussian noise and lossy JPEG compression.     

Multiframe blind super resolution imaging based on blind deconvolution

As an ill-posed problem, multiframe blind super resolution imaging recovers a high resolution image from a group of low resolution images with some degradations when the information of blur kernel is limited. Note that the quality of the recovered image is influenced more by the accuracy of blur estimation than an advanced regularization. We study the traditional model of the multiframe super resolution and modify it for blind deblurring. Based on the analysis, we proposed two algorithms. The first one is based on the total variation blind deconvolution algorithm and formulated as a functional for optimization with the regularization of blur. Based on the alternating minimization and the gradient descent algorithm, the high resolution image and the unknown blur kernel are estimated iteratively. By using the median shift and add operator, the second algorithm is more robust to the outlier influence. The MSAA initialization simplifies the interpolation process to reconstruct the blurred high resolution image for blind deblurring and improves the accuracy of blind super resolution imaging. The experimental results demonstrate the superiority and accuracy of our novel algorithms.     

模糊车牌号数字图像盲复原中基于变分的偏微分方程模型的应用

介绍了正则化方法盲复原模型的原理,对高斯模糊盲复原和运动模糊盲复原的效果进行了比较,得出了正则化方法盲复原模型算法实现简单的结论,将基于变分的偏微分方程模型应用于模糊车牌号数字图像盲复原中,利用改造的代价泛函处理模糊车牌号码,获得较好的实验效果.     

OFDM系统基于导频的信道估计

提出了OFDM系统中一种新的基于软信息迭代处理的信道估计算法。该算法将面向判决最小二乘估计算法和盲估计算法相结合,在估计器中构造了一种新的置信度量函数,根据解码和软映射重构的反馈信号置信度大小在两种估计算法中自适应选择,这样估计的信道频响可以有效提高软信息迭代接收性能,大大降低信道估计训练开销。仿真结果表明,该文提出的算法能有效跟踪信道时变,限制传统面向判决估计的错误传播,达到好的系统性能。     

Multichannel blind CT image restoration via variable splitting and alternating direction method

Computed tomography(CT) blurring caused by point spread function leads to errors in quantification and visualization. In this paper, multichannel blind CT image restoration is proposed to overcome the effect of point spread function. The main advantage from multichannel blind CT image restoration is to exploit the diversity and redundancy of information in different acquisitions. The proposed approach is based on a variable splitting to obtain an equivalent constrained optimization formulation, which is addressed with the alternating direction method of multipliers and simply implemented in the Fourier domain. Numerical experiments illustrate that our method obtains a higher average gain value of at least 1.21 d B in terms of Q metric than the other methods, and it requires only 7 iterations of alternating minimization to obtain a fast convergence.     

基于交叠组合稀疏双正则项的全变分图像复原

为减少图像复原中产生的阶梯效应和边缘模糊现象,引入 Hessian 矩阵,设计带有交叠组合稀疏化的双正则项。采用一阶交叠组合稀疏的正则项保留边缘,同时采用二阶交叠组合稀疏的正则项缓解一阶正则项产生的阶梯效应;通过构造两个可分离算子最小化问题求解图像复原问题,在乘子交替方向法（ADMM）的框架下,得出求解各子问题的迭代形式,并提出新的复原算法。实验结果表明,峰值信噪比比传统方法至少提高了0.8dB,结构相似度指数最高达 0.9,最低为 0.72。新算法在去除噪声的同时,有效保留了图像纹理信息。     

基于生成对抗网络的图像盲去运动模糊算法

针对运动图像盲去模糊问题,基于生成对抗网络,提出利用一种端对端方式恢复模糊图像算法。运用生成对抗神经网络方法对运动模糊图像直接复原,跳过估计模糊核过程,增加感知损失作为损失项,使图片内容和全局结构接近。此外,增加结构相似性损失函数作为约束项,进一步提升生成图片与清晰图片的相似性。实验结果表明,新算法可有效去除运动图像模糊。与其它算法相比,所提算法获得的图像更加清晰。     

FCM改进方法在图像分割中的知识发现

考虑到图像存在异常像素,将邻域因素考虑在内对模糊C-均值聚类算法(FCM)和异常像素检测算法(APD)提出了改进。首先,提出了邻域因素的邻域-FCM(N-FCM),然后,提出了模糊异常像素检测算法(Fuzzy-APD)。实验过程中,选择噪声图像、彩色图像作为实验图像,对FCM和N-FCM算法进行性能比较,证实相比于FCM算法,N-FCM算法的收敛性明显提高,图像分割的正确率进一步改善;同时从图像中获取部分像素进行异常像素检测,实验证实相比于异常像素检测,Fuzzy-APD准确性更高。     

基于非凸低秩优化的压缩感知植株图像重构

目标植株图像压缩重构对于图像的高效传输及存储意义重大,同时为后期植株生长状态检测及病虫害识别奠定了基础。传统图像压缩感知方法大多是针对信号在某个特征空间的稀疏性进行的,并没有考虑信号的局部特征与结构化特性,存在重构效率不高、重构精度较低等问题。针对以上情况,提出一种基于非凸低秩优化的压缩感知植株图像重构算法。首先通过KinectV2.0采集植株图像深度数据并进行预处理,结合K-means与Mean-shift聚类算法提取目标植株有效区域,再考虑图像的非局部自相似性,采用加权[lp]范数最小化算法（WSNM）求解低秩优化问题,较好地保留了图像结构细节,最后采用Dog-leg最小二乘算法取代最快下降法进行迭代优化。试验结果证明,该算法在不同采样率下的植株图像重构质量优于其它同类算法,尤其在低采样率下重构效果更为突出。     

利用边缘信息的二值图像遗传恢复算法

多数遗传算法在进行图像恢复时并没有充分考虑图像本身的特点.本文提出了一种新的二值图像恢复算法.它利用二值图像具有0、1两个灰度值和明显的边缘信息的特点,并将该信息加入到遗传算法的变异算子中.变异时,只对非边缘信息点进行0或1改变.实验结果表明,该方法比简单遗传算法的恢复结果更准确,并在一定程度上保护了图像边缘;同时,该方法的恢复结果明显优于传统图像恢复方法.