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.     

粒子群优化的加权核范数低秩矩阵补全算法

针对加权核范数最小化矩阵补全方法存在阈值决策函数单一、收敛精度不高等问题,提出一种粒子群优化的加权核范数最小化低秩矩阵补全算法。改进算法利用粒子群的启发式智能搜索能力,为待恢复矩阵的奇异值自适应地匹配恰当的阈值,以提升算法的收敛性能。改进工作主要包括：（1）设计多种奇异值阈值决策函数,为矩阵提供多种阈值分配策略;（2）改进粒子群的速度迭代公式,提出基于余弦函数的速度惯性调节公式以增强粒子群的全局搜索性能;（3）利用改进的粒子群优化算法为阈值决策函数搜索最优的参数组合,然后再通过阈值决策函数生成奇异值的阈值,重构恢复结果并提升算法的收敛精度。在人工数据和图像数据上的实验结果表明,与加权核范数最小化方法、奇异值阈值化方法以及低秩矩阵拟合方法相比,改进方法具有收敛精度更高、恢复结果更清晰等优势。     

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.     

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.     

基于低秩近似与非局部稀疏的图像去噪

基于低秩近似方法进行图像去噪逐渐成为图像处理领域研究的热点。将图像块分解成一个低秩矩阵和噪声矩阵,利用矩阵的秩来约束图像块的相似性,且现有的非局部稀疏表示算法利用图像块的自相似性进行去噪。鉴于此,提出低秩近似与非局部稀疏的图像去噪模型。该算法加强了图像分解的全局稀疏性约束,更好地保留了图像的细节和边缘信息。     

?_1范数极小化的稀疏表示模型与算法

现有?1范数极小化的稀疏表示算法可大致分为三类:约束优化算法、Proximal算法及Homotopy算法,其中主要有交替方向法、增广拉格朗日算法和LASSO Homotopy算法.算法的特点有:(1)对简单场景的数据处理效果显著,但对复杂场景的数据处理效果甚微;(2)运行时间较长;(3)普遍稳定性较差,算法准确性和鲁棒性都有待加强;(4)初始值的选择较单一;(5)参数选择对该类算法影响甚大,但有关参数选取的研究很少.因此,该算法广泛应用于信号处理、图像处理、机器学习、计算机视觉中,特别是在图像去噪、去模糊、修复、超分辨率,视频跟踪,图像分类,图像分割等方面,尤其在视频跟踪方面具有很大潜力.     

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。     

粗糙核向量值奇异积分算子的几个加权赋范不等式

向量值奇异积分算子的核决定着算子的性质和加权不等式．标准核向量值奇异积分算子的研究内容已经日趋完善,弱Dini型核以及粗糙核向量值奇异积分算子也有所研究,但研究内容不够完善,现继续研究粗糙核向量值奇异积分算子,得到了这类算子的几个加权赋范不等式,丰富了向量值奇异积分算子的理论．     

改进的稀疏表示超分辨率图像重建

为了能从单幅低分辨率图像中利用超分辨率技术重建出高分辨率图像,提出一种基于稀疏表示的改进算法。首先求出在低分辨率图像过完备字典上的稀疏表示系数,将稀疏表示系数与高分辨率图像的过完备字典相结合,得到高分辨率图像块,再联合输入的低分辨率图像块与生成的高分辨率图像块,求解出其在高低分辨率字典对上的稀疏系数,最后结合高分辨率图像字典,得到更加精确的高分辨率图像块。经仿真实验验证,该改进方法有效提升了重建图像质量,增强了重建图像的还原度。     

改进的流形学习图像稀疏降噪方法

本文将稀疏重构与流形学习算法两算法结合运用于图像降噪方面,提出了基于拉普拉斯图谱嵌入的稀疏编码。该方法利用拉普拉斯图谱的局部相关性,通过对权重矩阵的改进,增强数据间的关系表示,同时又通过稀疏理论进一步优化代表低维数据点的稀疏系数进行数据压缩,从而进一步提高图像降噪效果。     

一种用于图像识别的稀疏增强概率协同表示分类算法

稀疏表示分类方法在图像遮蔽、弱光等情况下具有良好的应用及识别效果,但在测试样本少的环境下仍具有一定局限.将稀疏表示分类算法联合概率协同表示分类算法,以稀疏表示系数增强概率系统表示分类算法的表示系数,采用FERET、Multi-PIE与FRGC人脸数据库进行实验测试.结果显示,稀疏增强概率协同表示分类算法能够显著提升人脸...     

自适应加权中值滤波图像去噪算法

中值滤波是常用的降噪算法，本文提出了一种基于窗口拟合曲线的斜率信息的自适应加权算法。该算法具有较好的边缘保持特性及去噪性能。     

基于Curvelet变换和均值滤波的图像去噪方法

针对图像中的高斯噪声干扰,提出一种改进的图像去噪方法．首先利用Curvelet变换将含噪声图像分解成多个子频带,再根据子带系数的高斯分布特性,利用阈值去噪和加权平均滤波相结合的方法对高频子带进行去噪处理,最后利用Curvelet反变换得到去噪后的图像．为了验证该方法的有效性,与传统的硬阈值、软阈值、基于小波变换的方法相比较,实验结果表明,该方法能够获得较好的峰值信噪比和视觉特性,保留较多的细节信息．同时也说明了Curvelet变换比小波变换能够得到更好的去噪效果．     

基于小波分析的图像去噪

针对图像去噪展开研究,结合均值滤波技术和小波分析技术,提出了使用高斯平滑滤波与小波局部阈值处理相结合的方法。首先对图像进行高斯平滑滤波,然后选取适当的小波阈值对小波系数进行处理、重构得到新的图像,并将去噪图像的峰值信噪比作为性能指标,仿真实验结果表明文中所用的方法去噪效果更佳,图像有着更好的视觉效果。     

基于组稀疏残差去噪的磁共振图像重构

为了克服磁共振图像重构精度低的问题,方便医生诊断与治疗,提出一种将组稀疏残差去噪和近似消息传递相结合的磁共振图像重构算法.在基于迭代软阈值的去噪近似消息传递(D-AMP)重构算法中,滤波的去噪算法将使用基于组稀疏残差约束(GSRC)的图像去噪实现.实验结果表明,基于组稀疏残差去噪的磁共振图像重建算法可有效缓解重建图像局...     

认知加工中的表象表征与命题表征

表象是人认知加工构建的基础,不同材料（字符、数字、汉字和图形）在认知加工中存在表象表征与命题表征的方式,根据加工材料难易的不同,表象表征与命题表征在认知加工中所占比例不同,二者可以进行相互的转化。表象表征的容量有限,大小为4个组块。     

双变量模型下的非下采样Contourlet变换图像去噪

该研究利用非下采样Contourlet变换的平移不变性和多方向选择性,考虑变换域内子带系数尺度间和尺度内的双重相关性,自适应地调节双变量模型下子带系数的收缩量,使子带系数的收缩量与子带含有图像细节内容的多少成比例.仿真结果表明,与仅考虑子带系数尺度间相关性的去噪算法相比,该算法在去除噪声的同时能有效保持原图像中的细节和纹理信息,改善恢复图像的主观视觉效果,提高恢复图像的PSNR值.     

基于小波变换及子带阈值的彩色图像降噪

提出了一种对彩色图像降噪的新方法,该方法先把彩色图像分解为红、绿、蓝3个基色图像,然后利用小波变换分别对3个基色图像进行多尺度分解,求出其各个尺度三个方向高频系数的子带阈值,并组成1个子带阈值矩阵,对单基色图像的各个尺度3个方向的高频系数进行阈值处理,实现对单基色图像的降噪,最后把降噪后的3个基色图像融合为一幅彩色图像。实验结果表明该方法可以很好地消除噪声,又可以较好地保持图像细节。