基于L_(1/2)正则化的超分辨率图像重建算法

为提高图像重建质量,研究超分辨率图像重建技术与稀疏表示理论,提出一种基于L1/2正则化的超分辨率图像重建算法。将L1/2正则化理论运用到字典学习中,利用学习得到的字典重建高分辨率图像。实验结果表明,该算法的图像重建效果优于基于L1正则化的超分辨率图像重建算法。

声学法电站锅炉温度场重建算法的研究与比较

为了声学法电站锅炉温度场测量的需要,重点论述了一种利用正则化方法对电站锅炉炉膛温度场进行重建的算法,并与最小二乘法温度场重建算法进行了比较。该算法与最小二乘法温度场重建算法的主要区别是通过在温度场重建中加入火焰先验信息,提高测量数据较少时温度场的重建精度。通过仿真考察了该算法与最小二乘法算法对不同温度分布函数的重建效果,结果表明该算法比最小二乘法温度场重建算法具有较高的重建精度,用该算法可通过较少测量数据快速而较高精度地实现电站锅炉炉膛二维温度场的重建。

利用MATLAB实现二维图像傅立叶变换算法

M atlab语言环境下的算法实现,比在其它语言(如C语言)环境下的算法实现更简便、更快速、设计质量也更高。平行投影的傅立叶变换算法是图像重建中最基本的一种算法,也是其它算法的基础,通过用M atlab编程,完成傅立叶变换算法,实现二维图像重建。

基于自适应分块和联合优化光滑l_(0)范数的二维压缩感知算法

传统的压缩感知模型和重构方法,虽能有效减少数据量,但压缩和重构性能不佳,故该文提出一种基于自适应分块和联合优化光滑l_(0)范数(SL0)的2维压缩感知算法。压缩过程利用灰度熵和四叉树算法进行自适应分块和采样率分配,同时对压缩模型改进,使用混沌循环矩阵作为测量矩阵,提升了压缩性能。重构过程基于SL0算法,采用陡峭性更高的拟合函数,结合拟牛顿法和动态迭代的方案提高重构质量和效率。该算法峰值信噪比和结构相似性指数相比现有算法平均提升了5.44 dB和21.08%,平均计算时间仅需1.59 s,表明该算法能稳定、快速地实现图像的压缩感知和精确重构,为压缩感知和图像重构提供了新方法。