电容屏稀疏触控检测方法研究

电容触摸屏是一种应用非常广泛的电子产品,但常规方法实现大屏幕电容屏的快速触控检测需要的硬件电路成本昂贵、且能耗高.首先给出电容测量的预充电转移电路,分析电容屏被触控瞬间的稀疏特性,并给出了电容屏触控稀疏检测原理,还讨论测量矩阵的硬件实现.提出了基于压缩感知理论的电容屏稀疏触控检测算法和实现策略.仿真实验结果表明了触控稀疏检测的有效性.所提算法在实现高效触控检测的同时,降低了触控检测电路成本和功耗.     

稀疏长时延水声信道的压缩感知估计(英文)

提出一种基于压缩感知框架下的长时延水声信道估计算法.用传统的自适应算法如最小二乘(LS)算法处理典型的长时延水声信道的估计问题时,会导致其收敛速率下降,即跟踪能力有限,而使用时延多普勒函数则加大了计算量和复杂度.通过训练序列构建一个Toeplitz矩阵作为测量矩阵,将长时延信道估计问题转为压缩感知问题,并利用信道的稀疏结构特性进行稀疏估计.与传统的l1范数或基于指数形式的近似l0范数稀疏恢复策略不同,所提出的是一种新的似l0范数稀算法(简称AL0),该算法通过融合最陡梯度和迭代投影寻优进行求解.仿真与海试数据结果验证了所提算法的优越性.     

基于稀疏表示的目标追踪算法

针对目标在运动过程中会发生光照和姿态变化,背景干扰,遮挡等因素造成目标偏移甚至丢失的问题,提出了一种基于稀疏表示的目标追踪算法.在粒子滤波框架下,采用目标在超完备字典下的稀疏表示作为观测模型,通过l1范数优化求解稀疏表示系数,并利用重构残差更新粒子权重,可以有效地减小背景杂波和噪声对追踪算法的不利影响.实验结果表明,该算法有较好的稳定性和鲁棒性.     

稀疏矩阵三元组表压缩存储方法的改进

在计算机图形学领域、产品优化设计及先进制造技术研究中,矩阵及稀疏矩阵的应用非常普遍．结合稀疏矩阵顺序存储方法和C／C＋＋语言的特点。提出一种稀疏矩阵压缩存储的改进方法——二元组压缩存储方法,把稀疏矩阵中的非零元素按一定规律用二元组表存储到顺序表（或链表）中．该方法继承了三元组顺序存储（或链表存储）方法的优点,方便进行矩阵的各种运算,比如矩阵转置、加战或乘法等操作,又节约了存储空间,是一种实用的压缩存储方法．     

一种去除图像混合噪声的新方法

某一种去噪方法通常只对某一类噪声的滤除较为有效,为了抑制混合噪声,提出一种结合中值滤波与小波去噪的图像去噪算法.该算法首先检测出脉冲噪声点,并采用自适应窗口对脉冲噪声点进行中值滤波处理,然后用基于高斯混合模型的小波去噪法滤除图像中的高斯白噪声.仿真实验表明,对于被高斯、脉冲混合噪声污染的图像,该算法的去噪效果显然比单一的中值滤波和小波去噪法好得多.     

基于联合稀疏压缩感知的频-空二维谱空穴检测

针对单维谱空穴检测过程中存在较大漏检率、易损失频谱接入机会等问题,提出了1种基于结构化压缩感知理论的频-空二维谱空穴检测算法。首先给出了接收无线电信号的频-空二维数据模型,然后利用联合稀疏结构化压缩感知理论给出频-空二维谱空穴检测模型,求解二维稀疏矩阵,并利用此矩阵中的元素检测主用户信道的占用状态,从而进一步获得各认知用户与活跃主用户之间的距离。最后,给出了频-空二维谱空穴判决准则。仿真结果表明:与标准压缩感知方法相比,所提方法不仅能够有效减少认知用户配备的滤波器数目,进一步证实了,当网络中认知用户的数目增加时,适当减少单个认知用户配备的滤波器个数,仍然能够达到预计的检测精度。     

遥感图像薄云薄雾的去除处理方法

分析云雾对图像的影响,对相关文献进行了分析总结,分别介绍了现有的各种薄云薄雾去除方法的主要原理及研究现状等,包括有基于物理模型和基于图像处理的薄雾去除方法,光谱图像去云、图像融合去云、同态滤波去云方法,并讨论了各处理方法的优势及局限。最后,对云雾去除图像处理方法进行了展望。     

基于稀疏表示的人脸表情识别算法研究

针对基于局部纹理特征的人脸表情识别算法不能有效表达不同表情状态下人脸运动单元差异性的问题,提出一种改进的稀疏表示人脸表情识别算法,将人脸纹理特征与全局位置特征用稀疏表示模型相结合,得到人脸表情的稀疏系数矩阵,并作为支持向量机表情识别的输入。人脸表情库BU_3DFE实验结果表明,该算法提高了表情识别的准确率。     

基于稀疏表示的视网膜眼底图像血管检测

一般情况下,通过在血管中注入造影剂在X光下所显示的影像来检测血管会受背景噪声、血管形态模糊和目标混杂等影响,鉴于此,提出一种基于过完备字典的图像稀疏表示的血管检测方法。该方法先建立一个关于血管图像的背景图像的过完备字典,然后用SRC算法会得到一个系数矩阵,并利用系数矩阵与字典矩阵相乘,便能重构出一个底板图像。为了突出血管,只需将重构的底板图像与原图像做相减,这样得到的新图像就能去除噪声,使血管能在视网膜眼底图像中更清晰地显示出来。实验结果表明,该方法对于视网膜眼底图像处理效果良好,使视网膜眼底图像中的血管能更容易被检测到。     

基于局部稀疏表示的目标跟踪算法

目标跟踪是计算机视觉领域重要的研究方向之一。基于l1最小化稀疏表示的目标跟踪算法跟踪精度高,但是在跟踪部分遮挡目标或当背景中存在与目标相似的干扰物时会发生漂移。这主要是因为算法仅关注目标的整体特征,而忽略了目标局部特征的变化情况。为了解决该问题,提出基于目标外观局部稀疏表示的跟踪算法。首先,对待选样本进行分块,然后利用采集得到的模板对各分块进行稀疏表示并计算重构误差,最后选取累积误差最小的待选样本作为跟踪目标。实验结果表明,该算法在跟踪被部分遮挡的目标时相比l1跟踪算法有更高的准确度。     

基于稀疏表示与密写的数字图像分存

提出了一种基于稀疏表示与密写的数字图像分存方法.将稀疏表示、信息隐藏、分存技术三者有机结合,利用的(r,n)门限方案生成n份影子图像;再用稀疏表示及密写编码的方案分别将它们伪装在n幅有意义的载体图像中.与传统的基于拉格朗日插值以及LSB(Least Significant Bit,最不重要比特位)替换的方法相比,在嵌入秘密信息量相同的情况下,该方法在很大程度上减少了对载体图像的修改量,极大地降低了信息隐藏引起的失真,并通过实验验证了该算法的有效性和优越性.     

一种新的基于感知字典的稀疏图像重建算法研究

针对已有图像重建算法分辨率低、需要大量计算的问题,本文提出了一种基于感知字典和数据自适应性的稀疏重建算法.首先,针对图像的数据结构,对样本数据进行超完备字典的训练,继而通过针对性的字典对图像进行稀疏重建.同时,为进一步改善算法的重建性能,并充分利用图像的有效信息,本文构造了数据自适应的感知字典.实验表明,该算法在不影响图像重建精确度的前提下可以减少计算复杂度,并具有良好的鲁棒性和较高的效率.     

预估稀疏度的压缩感知超宽带信道估计算法研究与仿真实验

设计了信道估计算法实验的一个拓展内容——预估稀疏度的压缩感知超宽带信道估计算法研究与仿真实验,提出一种预估稀疏度的压缩感知超宽带信道估计算法。该算法引入稀疏度预估计,在自适应匹配之前快速估计出信号的稀疏度,避免自适应匹配时步长选择不合理对信道估计结果产生影响。在稀疏度预估计和匹配追踪两个阶段挑选原子时使用广义Dice系数准则来进行每一阶段的最优原子选择工作,并在匹配最优原子阶段引入正则化对已选原子进行二次筛选。     

基于稀疏表示的单幅图像超分辨率重建研究

针对传统超分辨率重建方法计算复杂度高、重建效果差等问题,提出一种基于稀疏表示的图像超分辨率重建模型。该模型利用稀疏表示方法,结合自回归原理将原始图像表示为若干个图像块的线性组合,并根据图像边缘特征将图像块进行划分,以提高算法效率,最后结合分治思想、变量分离技术以及增广拉格朗日方法对模型进行求解。实验结果表明,与传统插值算法相比,该算法对图像重建效果更好。     

基于ANFIS的自适应噪声抵消技术研究

在分析模糊神经网络的模型、系统结构和学习算法的基础上,提出了基于自适应神经模糊推理系统(ANFIS)的自适应噪声抵消算法,并对算法进行了仿真和分析.仿真结果表明,在合理选取隶属度函数类型及其数目的条件下,ANFIS能够根据训练样本对隶属度函数参数等系统参数进行优化设计,从而大大提高模糊滤波输出的信噪比.     

基于深度学习模型与稀疏表示的绝缘子状态分类

在输电线路中绝缘子的状态直接影响整个输电系统的可靠性,然而复杂背景和不同光照条件下对于绝缘子的状态检测十分困难。如今计算机视觉辅助方法已被广泛应用于电力系统中。提出一种基于深度学习模型与稀疏表示进行绝缘子状态分类的方法,对于待检测的绝缘子图像,通过Faster-RCNN定位后,采用深度残差网络（ResNet）提取图像特征,最后利用稀疏表示进行绝缘子状态分类。该方法与传统方法相比,对于绝缘子的状态分类具有更高的准确率,准确率可达98.67%。     

基于小波变换的压缩感知算法在交通监控中的应用研究

针对交通监控各个节点数据采集压缩环节存在数据量大、采样压缩存储负荷大等问题,提出了基于小波变换的压缩感知算法在远低于奈奎斯特采样率的情况下能够大幅降低采样压缩图像数据量,并采用了多种其他小波变换改进算法进行对比实验,对比重构图像的PSNR值和各还原图像数据,验证了此改进型算法能够降低并缓解监控数据采集压缩等环节负荷大的问题。     

基于稀疏约束的离焦图像多尺度去模糊方法

由于传统方法没有充分考虑加性噪声对图像处理效果的影响,导致去模糊处理后图像易丢失细节信息,峰值信噪比较小以及图像清晰度较差的问题.为此提出基于稀疏约束的离焦图像多尺度去模糊方法.通过建立观测模型,判断图像斑点位置,消除离焦图像中因噪声引起的序列斑点,降低加性噪声的影响程度.进而分离离焦图像中的前景聚焦和离焦背景区域,提取出离焦图像的深度图.最后通过稀疏约束获取模糊核,并运用该模糊核实现对离焦图像的去模糊处理.实验结果表明,所提方法在图像细节保留、清晰度提升和峰值信噪比方面均具有优越性,有效提升了图像的感官效果.     

基于方差估计的快速稀疏表示目标跟踪算法研究

针对粒子滤波框架下稀疏表示跟踪算法存在的粒子规模大以及复杂的L1范数最小化计算等问题,提出一种基于方差估计的快速稀疏表示目标跟踪算法.该算法首先在运动估计阶段应用方差估计优化采样粒子的分布;然后利用L2范数代替L1范数对判别目标函数进行稀疏求解计算,并进一步从重构误差的度量形式做出改进来增强L2范数的稀疏性;最后利用在...     

基于精确字典稀疏表示算法的高光谱图像目标检测

目标检测是高光谱图像处理领域的主要研究内容之一。目前,稀疏表示算法已经在这方面取得了较好的检测效果。但传统的稀疏表示(SR)算法中的字典既包含目标信息又包含背景信息,且比例不确定,导致数据处理难度很大。针对传统稀疏表示(SR)算法的不足,提出了精确字典稀疏表示算法(ADSR)。该算法通过构造仅包含目标信息的目标字典和仅包含背景信息的背景字典,分别求解稀疏向量并恢复稀疏图像,继而利用目标与背景残差值不同这一特性区分图像中的目标与背景。在保证检测精度的同时,减小了数据处理的复杂度,缩短了运算时间。仿真实验将ADSR算法与RX算法、SR算法进行性能比较,证明了改进算法在检测效率上的优势。