一种基于压缩感知的目标DOA估计方法

对于水下目标的波达方向估计(DOA)问题,提出一种基于压缩感知的估计方法。压缩感知(CS)是近年来出现的一种新的数据获取方法,能以低于Nyquist的采样率对稀疏数据或可压缩数据进行采样并以高概率对采样数据恢复重构。以水下目标的方位信号为估计对象,采用CS的正交匹配跟踪(OMP)技术估计稀疏信号中能量较强的位置,从而实现对目标的定向。为了验证基于CS技术的DOA估计方法的性能,将其与传统的MUSIC算法进行了对比,仿真验证的结果表明,新方法在估计角分辨率和有效性方面均优于MUSIC算法。     

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。     

一种基于压缩感知与混沌系统的比特级图像加密方法

近年来受到了国内外学者广泛关注的压缩感知技术,在突破Nyquist采样理论的同时,为信息安全提供了一种新的加密机制。为了避免密钥过大和消耗问题,将混沌参数作为密钥,通过控制参数映射生成观测矩阵和加密控制矩阵。利用观测矩阵对原始图像在稀疏基进行观测,再用加密控制矩阵对观测值的比特面进行置乱。解密过程为置乱算法逆运算和压缩感知的重构算法。实验仿真表明,该方法具有良好的加密抗攻击特性,且能在加密图像的同时压缩数据。     

一种基于小波变换的图形压缩方法研究

将小波理论应用于视频和图像压缩是目前国内外十分重视的图像压缩技术。小波分析技术和多分辨分析理论改善了基于分块DCT变换的压缩编码技术的方块效应和飞蚊噪声的不足；而分形压缩编码方法，由于其可以获得极高的压缩比而得到广泛关注。本文在借鉴前人的图像压缩编码算法的基础上，提出了一种图像压缩方法：该方法首先将图像进行小波分解，然后对不同的频带特征采用不同量化、压缩方法进行编码。实践表明，该方法不仅能够大大提高图像的压缩比，而且在网络信道不稳定的情况下，能在一定程度上克服数据传输出错，从而避免数据丢失造成的恢复图像质量下降。     

JPEG压缩后图像小波特征分析

以认证水印为研究背景,提取图像第三层小波分解近似子带系数作为水印信息。考察了不同品质的JPEG压缩对图像小波近似子带系数影响,实验结果表明：小波近似子带系数值在大于标准压缩品质因子JPEG压缩前后有较好的鲁棒性,且其差值小于等于某个较小的阈值。     

基于压缩感知的电能质量信号重构算法研究

为解决传统电能质量信号在采样时面临的采样率高,采样资源浪费和硬件成本高的问题,压缩感知理论被引入到电能质量信号的采样与重构过程。信号的稀疏表示是压缩感知理论中的关键问题,一般选择正交基作为压缩感知中的稀疏变换基。基于多重扰动的电能质量信号,本文提出了基于不同干扰的电能质量模型来选择不同的信号稀疏变换基的压缩感知重构算法。实验证明与整个信号采用单一DCT变换基或FFT变换基的压缩感知重构算法相比,本文提出的方法具有更好的信号重构性能。     

一种求解压缩感知问题的新方法

本文主要研究一种求解压缩压缩感知问题的新算法。通过将压缩感知问题等价转化为新形式的线性互补问题,构建了一种通过求解线性规划来得到最优解的新算法。最后证明了算法的全局收敛性。本文通过数值实验,进一步验证了算法的合理性以及稳定性。     

一种综合小波和分形方法的图象压缩方案

提出一种综合小波和分形方法的压缩方案：先对图象用小波进行多尺度分解，再确定相临尺度间的图象的自相似性，结合熵编码，实现对图象的压缩．这种方案能够有效地去除单纯用分形方法所造成的方块效应，缩短分块搜索匹配的编码时间     

一种基于小波变换和边缘信息的地理图象压缩方法

利用小波变换的多尺度特性,根据压缩比的要求,选择恰当的小波函数和分解尺度,用此来检测出图象的边缘点,对一幅图象只存贮边缘点及左右码。如果要求较高的压缩比,则进一步用直线段或园弧段进行拟合,只存贮端点等及左右码,解码特别快。     

一种基于视觉感知模型的小波域图像盲水印方案

提出了一种基于视觉感知模型的小波域图像盲水印方案.该水印方案充分利用了人类的视觉感知特性,根据人眼对图像不同局部特征敏感程度的不同,自适应地调节水印的嵌入强度.水印的嵌入强度由图像的视觉临界差异决定,水印的提取不需要载体图像.仿真实验表明,该水印方案具有很强的抗攻击能力,并且水印的嵌入不影响图像的视觉质量.     

压缩域遥感图像融合方法研究

给出了基于压缩感知的全色和多光谱图像融合方法.分块压缩感知实现速度快、存储需求小,为海量遥感数据的压缩测量提供了有效策略.同时,利用小波变换的多分辨率特性,实现了压缩采样的多尺度融合.最后采用全变分技术重构融合图像.实验结果表明,与传统小波融合方法相比较,所提方法融合结果具有更高的空间分辨率和更好的光谱相关性.     

基于小波变换的遥感图像融合方法

概述了图像融合技术的常用方法,着重介绍了基于小波变换的图像融合原理、融合算法与融合规则,并分析了不同的小波基及小波分解层数对图像融合效果的影响,最后总结了有效的图像融合结果的评价指标。     

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。     

基于压缩感知的织物疵点分类研究

针对织物疵点图像特征,提出了利用压缩感知提取织物疵点特征数据的方法.为了提取到疵点特征,需利用感知波形对图像的数据矩阵进行感知得到特征数据,同时对分类器进行并联设计,继而通过仿真和实验,检测出疵点类型信息.实验表明,该方法能有效地分类出织物疵点的数据信息.     

基于多尺度小波的城市遥感图像纹理特征提取

遥感技术为人们提供了大量的图像数据,如何从中提取所需信息,是遥感图像处理技术研究的热点。基于多尺度小波变换,可提取城市图像的纹理特征。根据城市影像中地物特征和小波技术的特点,确定合适的窗口大小,采用逐一滑动窗口的方法,对每一窗口提取相应的小波统计特征;应用小波变换的多尺度特性,在不同尺度上提取出子图像特征,构造出纹理特征矢量,为遥感图像的分类提供纹理特征。     

基于NTSS和压缩感知的人脸跟踪算法

提出基于NTSS和压缩感知的人脸跟踪算法,采用不同的搜索半径和步长双重采样,运用NTSS搜索方法作为目标的检测方法。通过国际标准的人脸数据库AFW和MALF视频序列进行算法的测试,并使用中心距离均值算法对压缩感知算法和基于NTSS压缩感知的人脸跟踪算法进行比对,得出基于NTSS和压缩感知的人脸跟踪算法最大可降低59. 01%的误差;此外NTSS压缩感知人脸跟踪算法在人脸发生遮挡再跟踪、人脸几何变换和在暗光条件下具有较好的鲁棒性。     

一种小波域K-Means遥感图像分类标注算法

由于合成孔径雷达图像（遥感）的相干斑噪声数据丰富,导致传统的遥感图像分割方法分割效果不佳,采用学习理论和神经网络改善图像处理性能。根据图像统计特征,采取神经网络语义提出一种高效的图像纹理特征分割方法。首先,利用K-means聚类提取遥感图像的纹理特征,然后根据遥感图像在小波域中的分布特征对其进行滤波,最后利用语义对滤波后的遥感图像纹理特征和灰度组成的矢量进行分割归类,在遥感图像分割中快速标注分类以便于视觉分析。利用区域一致性分割分类,由聚类样本特征匹配进行图像分类标注,对变化检测进行统计分析,过分割或欠分割误差聚类样本不做标注,选取最佳样本聚类k值标注分类结果。     

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。     

基于变换域的压缩感知快速重构算法

压缩感知是信号处理领域热门研究课题,其应用前提为原信号是稀疏或可压缩的。时域非稀疏信号可以变换为频域稀疏信号,但变换后的信号和传感矩阵表示形式为复数,增加了重构复杂度。为了降低复杂度,提高信号重构效率,提出一种基于实变换的重构算法,该算法将复数形式的稀疏信号和传感矩阵的实部和虚部分离后再参与重构。与传统重构算法相比,该算法改善了重构信号的均方误差,明显缩短了重构时间,极大提高了信号重构效率。