空间自适应正则化的图像超分重建算法

为提高稀疏表示系数的精度和图像的分辨率,提出一种基于稀疏表示和正则化技术的超分重建算法.首先引入自回归正则化项,通过样本图像来训练出描述图像局部结构的自回归模型,每个图像块自适应选择一个自回归模型用以调节解空间,实现图像局部的自适应性控制.然后,引入非局部相似正则化项作为自回归正则化项的补充,用于保持图像边缘清晰度.从而,完整构造出一种基于自回归正则化和非局部相似正则化的稀疏编码目标函数.为了进一步恢复图像,实现图像去噪、去模糊,利用总变分正则化实现全局优化.实验结果表明,与L1SR、SISR、ANR、NE+LS、NE+NNLS、NE+LLE和A+(16 atoms)等算法相比,无论在主观视觉效果还是客观评价指标上,提出的算法都取得了更好的超分重建效果.

联合稀疏表示和总变分正则化的超分辨率重建方法

为提高基于稀疏表示的图像超分辨率重建的质量,该文提出了联合稀疏表示与总变分正则化的超分辨率重建算法。首先,在字典训练阶段,从具有相似统计特征的训练图片中获取图像块,作为训练字典的样本,并用K-SVD算法进行字典训练,得到高、低分辨率的字典。在稀疏编码阶段,根据局部稀疏编码模型求解出低分辨图像的稀疏表示系数,再利用稀疏表示系数和高分辨率字典对输入低分辨率图像进行重建,得到高分辨率图像。最后,将重建得到的高分辨率图像进行总变分正则化优化,进一步提高重建效果。仿真实验结果表明,该算法在客观评价指标和主观视觉效果上,图像质量都有明显提高。

《移动通信》课程教学改革与实践

《移动通信》是电类专业重要的专业选修课,当前教学中存在部分内容陈旧和理论脱离实际的现象,提出课程改革,通过理论教学改革和实践教学改革取得了较好的成效。

基于云控制的运动控制卡硬件设计与实现

该文针对现有运动控制卡价格高、操作不够便捷等缺点,设计了基于云控制的运动控制卡硬件平台。该设计采用DSP+ARM双处理器架构,DSP主要负责运动控制算法的实现,ARM充当管理者的角色,主要负责硬件资源的调度;引入以太网技术,通过以太网传输取代传统运动控制卡基于PCI总线或ISA总线传输。该设计能够实现多个运动控制卡共享一台PC主机,从而降低成本;同时由于以太网技术的引入,使运动控制系统范围扩大,实现多个运动控制卡构成一个多层次的运动控制系统,也便于实现远程诊断功能。

正则化技术和低秩矩阵在稀疏表示超分辨率算法中的应用

为了有效地利用图像的特征作为指导重建的先验知识,解决常规超分辨率算法对边缘与结构等细节恢复不足的问题,提出一种改进的超分辨率算法.对待重建图像进行低秩分解,得到不同特征的低秩子图像和稀疏子图像;对于低秩子图像,提出采用基于正则化技术的稀疏表示超分辨率算法进行重建,先通过在低秩子图像中寻找相似图像块构造非局部相似正则化项,得到图像的非局部冗余,以保持边缘信息;再通过局部线性嵌入方法构造流形学习正则化项,获得图像的结构先验知识,以增强结构信息.对于稀疏子图像则不参与稀疏表示超分辨率重建,而是采用双三次插值法进行重建.实验结果表明,与其他算法相比,无论在主观视觉效果上,还是在峰值信噪比和结构相似性指标上,文中算法都有显著的提高.

相关滤波目标跟踪算法研究

近年来,相关滤波目标跟踪在视觉领域中受到了越来越多的关注,并取得了令人瞩目的成果。该文对目前基于相关滤波的跟踪算法进行分析研究,首先提出了一个通用的相关滤波目标跟踪框架,然后讨论几种经典的跟踪算法,并对其改进算法进行分析归类,主要分为尺度更新、背景遮挡;最后通过仿真实验对几种算法性能进行分析,并提出相关滤波跟踪技术存在的问题。

一种改进的人工蜂群算法

人工蜂群算法是一种模拟蜜蜂群智能搜索行为的随机优化算法,已被成功用于解决许多优化问题。该文针对基本人工蜂群算法在收敛速度和局部寻优方面存在的缺点,提出了一种具有平衡能力的改进算法。此算法在观察蜂阶段引入惯性权重,使用随着迭代次数动态变化的惯性权重因子来平衡种群的局部搜索和全局探测能力,防止算法陷入局部最优和加快寻优速度;在侦察蜂阶段(scout bees),则利用正弦函数搜索操作,正弦函数服从均匀分布,能很好地搜索全部范围,以提高种群多样性。通过对5个基准测试函数进行仿真实验,并与原算法进行比较,结果表明,改进的算法在收敛速度和搜索精度上基本优于人工蜂群算法。

非局部相似和双边滤波的图像超分重建

为了提高重建图像的分辨率,提出一种改进的稀疏表示超分重建算法.在稀疏编码阶段,引入非局部相似正则化以改进稀疏编码目标函数,并通过非局部相似正则化获得图像非局部冗余,以保持图像边缘信息.为了进一步恢复图像的边缘细节信息,提出一种基于改进双边滤波的全局误差补偿模型,以实现重建图像的误差补偿.实验结果表明:与Bicubic,L1SR,SISR,ANR,NE+LS,NE+NNLS,NE+LLE和A+(16atoms)等算法相比,无论在主观视觉效果,还是在峰值信噪比和结构相似性指标上,所提算法都有显著的提高.

联合深度置信网络与邻域回归的超分辨率算法

为了提高重建的质量和速度,提出一种联合深度置信网络与邻域回归的超分辨率算法.一方面,结合字典学习与神经网络表示的联系对传统的深度置信网络进行调整,采用该网络模型实现字典学习,充分利用该模型突出的学习能力,使字典具有更好的特征表达能力,从而提高图像的重建质量.另一方面,在基于字典学习的超分辨率框架中融入邻域回归思想.首先,利用最近邻域算法确定字典原子的最近邻域映射关系;然后以此为基础,结合邻域回归方法,离线计算高、低分辨率投影矩阵;最后在重建过程中将该投影矩阵应用于图像重建.该方法避免了字典学习中的系数求解过程,降低了计算的复杂度,提高了重建的速度.实验表明,算法具有更高的峰值信噪比和结构相似度,同时极大地提高了图像的重建速度。

等离子表面处理装置的设计

等离子表面处理技术在生活中应用越来越广泛,包装盒表面通过等离子表面处理器加工后,有效解决粘不牢,容易开胶问题。文章主要对等离子表面处理技术进行研究并设计等离子表面处理装置,使用压缩机输出空气气体作为工作气体,产生常温等离子体射流。本装置由二倍整流滤波模块、IGBT模块、STM32F334R8T6单片机主控模块、SG3525频率、脉宽调制模块(PFM+PWM模块)、PC929驱动模块、高压输出变压器模块、空气压缩机供气模块和等离子喷枪模块等部分组成。

抗遮挡的相关滤波目标跟踪算法

针对传统的核相关滤波目标跟踪算法遮挡判断失败的问题,提出一种抗遮挡的核相关滤波目标跟踪算法.首先,在核相关滤波器框架上根据最小二乘分类器获得目标位置.然后,引入一个多尺度滤波器,并通过计算滤波器的响应最大值进行尺度预测.最后,在目标模型更新方面,根据目标位置置信图峰值尖锐度的差异性,正确更新模型.实验结果表明:文中算法的平均位置误差为6.18px,在阈值为20px时,平均距离精度为97.68%,平均帧率为30.8帧·s^(-1);其能在复杂背景下有效地解决目标尺度变化、完全遮挡等问题,具有更高的鲁棒性和精确性.

“知识图解”在物联网程序设计课程中的应用

物联网技术对于当代信息科技产业的发展至关重要,在物联网专业人才的培养方面,由于物联网程序设计类课程理论知识抽象、程序代码繁杂,学生需花大量时间琢磨与吸收,学习效率不高,教学效果不尽人意。为了完善该问题,提出一种“知识图解”的教学方法。理论教学方面,通过图解可将抽象理论转化为直观细致的运行机制;实践教学方面,可以引导学生快速上手开发工具与项目实践,建立程序代码和文件以及代码内容之间的联系,突出核心代码,强化语法的学习与应用。此外,该教学方法对于教师而言,可以促使教师深入浅出地传授程序的语法和技术,不断提高教学水平;对于学生而言,能够更快更好地吸收程序语法知识,更好地掌握程序设计的实践操作,提高学习效率。

改进的自适应核相关滤波目标跟踪

利用核相关滤波器跟踪框架,提出一种改进的自适应颜色属性的目标跟踪方法.首先,构建循环样本矩阵,引进颜色属性作为特征描述目标;然后,采用流行学习局部线性嵌入(LLE)算法自适应地对特征向量进行降维,得到低维特征空间;最后,根据正则化最小二乘分类器获得目标位置.实验结果表明:文中算法的平均中心位置误差减少了21.29px;在阈值为20px时,平均距离精度提高了27.9%,平均跟踪速度为38帧·s^(-1);与传统核相关滤波(KCF)算法相比,文中算法具有良好的光照不敏感性及更高的跟踪精度和鲁棒性.

Application of regularization technique in image super-resolution algorithm via sparse representation

To make use of the prior knowledge of the image more effectively and restore more details of the edges and structures, a novel sparse coding objective function is proposed by applying the principle of the non-local similarity and manifold learning on the basis of super-resolution algorithm via sparse representation. Firstly, the non-local similarity regularization term is constructed by using the similar image patches to preserve the edge information. Then, the manifold learning regularization term is constructed by utilizing the locally linear embedding approach to enhance the structural information. The experimental results validate that the proposed algorithm has a significant improvement compared with several super-resolution algorithms in terms of the subjective visual effect and objective evaluation indices.