基于原子库结构特性的信号稀疏分解

在matchingpursuit(MP)方法的基础上,利用信号稀疏分解中使用的过完备原子库结构特性,提出了一种新的信号稀疏分解算法。新算法兼顾了稀疏分解过程中计算量和存储量,信号稀疏分解的速度是常规的MP方法的15. 9倍.实验结果证明了算法的有效性.

基于稀疏分解的图像去噪

基于稀疏分解的图像去噪处理是将被噪声污染的图像分解成图像的稀疏成分和其他成分。稀疏成分对应于图像中的有用信息,其他成分对应于图像中的噪声。由图像的稀疏成分重建图像,可达到去除图像噪声的目的。实验结果表明基于稀疏分解的图像去噪处理具有一定的效果。

利用FFT实现基于MP的信号稀疏分解

该文研究基于Matching Pursuit(MP)方法实现的信号稀疏分解算法,通过对信号稀疏分解中使用的过完备原子库结构特性的分析,提出了一种新的信号稀疏分解算法。该算法首先通过利用原子库的结构特性,很好地处理了稀疏分解过程中计算量和存储量之间的关系。在此基础上,把信号稀疏分解中计算量很大的内积运算转换成互相关运算,最后用FFT实现互相关运算,从而大大提高了信号稀疏分解的速度。算法的有效性为实验结果所证实。

基于GA和原子特性的信号稀疏分解

信号稀疏表示在信号处理的许多方面有着重要的应用,但是求得信号稀疏表示的稀疏分解计算量十分巨大,是阻碍其实时应用的主要因素。本文研究基于MatchingPursuit(MP)方法实现的信号稀疏分解算法,采用遗传算法(GA)快速寻找MP过程中每一步分解的最佳原子。根据稀疏分解中使用原子的特性,提出了对基于GA和MP的信号稀疏分解的一种优化方法。算法的有效性为实验结果所证实。

一种新的图像稀疏分解快速算法

图像的稀疏表示特别适合于图像的处理,而求得图像稀疏表示的图像稀疏分解的计算量十分巨大。利用基于MatchingPursuit(MP)方法实现的图像稀疏分解算法,采用遗传算法快速寻找MP过程中每一步分解的最佳原子。根据寻找最佳原子的遗传算法的内在特点,提出了一种优化的快速算法。算法的有效性为实验结果所证实。

在低维空间实现的基于MP的图像稀疏分解

研究利用MatchingPursuit(MP)方法实现的图像稀疏分解算法,针对其中关键难题,提出利用在低维空间的搜索实现高维空间的搜索的快速方法。算法的有效性为实验结果所证实。

基于原子能量特性的快速图像匹配追踪(英文)

稀疏分解在图像处理中应用的关键障碍之一是图像稀疏分解速度十分缓慢。针对这一问题,提出了一种新的图像稀疏分解的匹配追踪快速算法。研究了图像稀疏分解中使用的原子的能量分布特性,根据原子能量的分布特性,图像匹配追踪中的绝大部分的计算可以省略,因而极大地提高了图像匹配追踪的计算速度。实验结果表明,新的算法比传统的图像匹配追踪算法速度提高了许多倍,而恢复图像的质量没有任何的降低。

分形插值图象放大和压缩编码

本文讨论了随机分形插值方法及其在图象放大和图象压缩编码中的应用。实验结果表明，用分形插值方法实现图象放大和压缩编码能获得良好的结果。

图像稀疏分解中原子形成的快速算法

针对图像稀疏分解中原子生成速度慢的难题,本文提出了原子生成的一种快速算法。首先根据原子的尺度把原子分成两大类,一类是小原子,一类是大原子。在此基础上,对于小原子,由于其能量集中分布在一个小的范围,所以利用一个小范围生成的局部原子代替整个原子。对于大原子,先生成一个相对应的较小原子,然后通过插值方法生成大原子。实验结果表明,在重建图像的质量没有任何改变的条件下,当图像大小为256×256时,提出的算法使原子生成的速度提高了20多倍。

DCT域分形图像压缩编码方法

首先研究了一般分形图像压缩方法存在的缺陷，然后对它进行改进。最后在ＤＣＩ域做进一步的改进。实验结果表明，和原来方法相比较，ＤＣＴ域分形图像压缩编码方法具有明显的优越性。

由图像的稀疏分解重建图像的快速算法

针对由图像的稀疏分解结果重建图像的速度极其缓慢这一问题,研究了表示图像的原子的能量分布特性。利用了表示图像内容的绝大部分原子的能量分布具有非常集中的特点,提出了由分解后的原子参数重建图像的快速算法。该算法对于一个原子的计算只限于原子能量集中的区域,并在此基础上实现了原子能量及原子归一化的快速计算。采用快速算法使图像重建的速度提高了约32倍,同时保证快速重建图像的质量保持不变。

一种新的分形图象压缩编码方法

本文首先研究了一般分形图象压缩方法存在的缺陷,然后对它进行了改进.最后在DCT域进行进一步改进。实验结果表明,与原来方法相比较,改进后的方法具有明显的优越性。

分形快速高效图像数据压缩

研究了分形图像压缩编码和分形图像插值方法，提出了综合利用分形插值和分形图像编码方法进行图像数据高效压缩的方法。实验结果表明，该法在恢复图像信噪比为２８．７ｄＢ时。

图像分形压缩用于级进式传输和无损压缩

ＤＣＴ域分形图像压缩编码方法，其压缩后恢复的图像具有很好的图像质量，文中提出一种新的基于ＤＣＴ域分形图像有损压缩的图像级进式传输和无损压缩方案。实验结果证明了该方案的可行性。

稀疏分解及其在图像压缩中的应用研究

主要针对涉及图像稀疏分解及其在压缩中应用的关键问题进行研究,研究内容集中在图像稀疏分解的快速算法、图像稀疏分解的效果及如何更好地把稀疏分解的结果数据应用到图像压缩编码中。在理论上,提出了稀疏分解中过完备原子库的集合划分。基于集合划分方法提出了基于FFT的稀疏分解算法和改进算法。针对基于FFT的稀疏分解算法的不足,提出了基于FHT的稀疏分解算法。利用智能计算方法(如遗传算法、蚁群算法、量子遗传算法和粒子群算法等)实现图像稀疏分解。使计算速度基本能够满足需要。在稀疏分解的基础上,分析了分解数据的分布规律,针对其分布和低比特率图像压缩的要求,提出了多种压缩编码方案,如对结果数据排序差分编码方法和指数预测编码方案。

基于块结构稀疏度的自适应图像修复算法

现有基于稀疏性的图像修复算法采用固定大小的待填充块和邻域一致性约束,且在全局搜索待填充块的最优匹配块,既降低了待修复区域的结构连贯性和纹理清晰性,又增加了算法的时间复杂度.针对上述问题,根据破损区域特性和块结构稀疏度间的关系,提出基于块结构稀疏度的自适应图像修复算法.根据最大优先权值点的块结构稀疏度值,设定不同参数以自适应选取待填充块大小、邻域一致性约束权重系数和局部搜索区域大小,并通过仿真实验分析讨论了各参数选取.实验结果表明本文算法较文献算法在峰值信噪比上提高0.3dB～1.2dB,并且提高算法速度3～7倍.

信号稀疏分解中过完备原子库的集合划分

信号稀疏分解中使用的过完备原子库对分解效果十分重要,但同时它也是造成稀疏分解计算非常复杂的关键因素。为此,本文提出了利用信号集合划分研究过完备原子库的新方法。利用原子之间的等价关系,可以把过完备原子库划分成互不相交的子库,而每一个原子子库只需要用一个选出的相对应的原子即可代表。利用过完备原子库的集合划分,在信号稀疏分解效果不变的条件下,可以使信号稀疏分解过程的计算复杂度大为降低。本文所提方法的可行性和有效性为实验结果所证实。

基于Curvelet方向特征的样本块图像修复算法

能否保持修复后图像的结构连贯性和邻域一致性决定了修复性能的优劣.为提高现有样本块修复算法性能,本文提出基于Curvelet变换的样本块图像修复算法.首先利用Curvelet变换估计待修复图像的4方向特征.然后利用颜色信息与方向信息共同衡量样本块间的相似度,在此基础上构造颜色-方向结构稀疏度函数.同时根据构造的加权颜色-方向距离寻找合适的多个匹配块,并利用多个匹配块在构造的颜色和方向空间内的邻域一致性约束下稀疏表示目标块,同时根据目标块所处区域特性自适应确定误差容限.实验结果表明提出算法较现有算法可获得更优的修复效果,尤其是在修复富含结构纹理破损类型的图像时.

基于主动发送/串口监听模式的实时数据采集

针对数据采集中的实时性问题,提出了一种新的数据采集方案.该方案建立智能设备主动向串口发送数据,应用计算机多线程技术建立串口监听线程.去掉了传统数据采集方案串口通信中握手和断开连接的过程,同时也保证了数据传输的可靠性.实验结果表明,每次传输20字节时,传输时间可以缩短到原来的约20%。该方案方案已经得到了实际应用.

基于contourlet模极大值的图像边缘检测

现存的基于空间域或小波变换域图像边缘检测算法只能有效检测出图像有限方向的边缘。本文提出在contourlet变换子带上搜索模极大值的图像边缘检测算法。通过适当地调节变换各尺度上的分解级数得到具有抛物线型尺度的基,另使其满足方向消失矩条件,则contourlet变换获得对图像中分片光滑边缘的最佳逼近。对原图像进行非下采样contourlet变换,然后对各子带进行阈值处理。由于contourlet变换子带不同于小波子带的全新特点,根据各方向子带代表的方向及其梯度方向,子带上各样本点与其梯度方向上相邻点比较模值即得变换系数模极大值。该算法不需经过复杂的连接模极大值点操作,亦可得到较高的边缘检测性能,较大地降低了计算复杂度。实验显示本文算法所提取的边缘更加逼近图像真实边缘,且具有较低的计算复杂度。