基于SURE估计的图像块稀疏收缩去噪算法

针对图像过完备稀疏收缩去噪的阈值选取问题,根据图像的常规稀疏模型,提出一种基于SURE无偏估计的自适应阈值选择算法。在一阶可导收缩函数的基础上,推导阈值选择的优化目标函数,证明该函数是关于阈值的凸函数,利用黄金分割法搜索其全局最小值。仿真结果表明,该算法选择的阈值接近峰值信噪比阈值曲线的极大值点,将该算法应用于图像的块稀疏模型,可取得比常规稀疏模型更好的去噪效果。

基于结构化稀疏表示的海上船舶视觉建模与跟踪

海上船舶视频跟踪一直是视觉跟踪中的重点课题。通用的目标建模和跟踪算法不适用于海上船舶,为获得鲁棒的跟踪效果,论文结合稀疏表示的思想,首先通过不同角度复杂采样,建立了海上常见目标的基函数字典,并提出一种对字典及测试样本进行块稀疏向量生成的方法,将结构化稀疏表示算法与目标稀疏系数之间相互关联信息进行调整。在块之间相关性足够小的情况下,采用块正交匹配追踪算法,解决了适当条件下编码复杂性的最优化问题,并将论文算法首次应用于海战场目标识别跟踪,采用论文目标跟踪测试集进行测试,并与近期提出的效果较好的跟踪算法进行对比,对比实验表明论文提出的算法具有较好的鲁棒性和稳定性。

采用非线性块稀疏字典选择的视频总结

针对基于稀疏表示的视频总结未充分考虑视频帧之间的非线性关系和关键帧的块稀疏特性,提出了一种采用非线性块稀疏字典选择的视频总结方法。首先考虑视频帧之间的非线性关系,通过核函数把原始视频样本映射到高维空间,使线性不可分的样本变得线性可分,从而实现非线性到线性的转化,建立非线性稀疏字典选择模型;然后考虑关键帧的块稀疏特性,将视频帧分成帧块,每个帧块内的内容具有一定的相似性,进一步建立非线性块稀疏字典选择模型来提取关键帧块;最后设计了一种核化的联合块正交匹配追踪算法对提出的模型进行优化。在基准视频数据集上的实验表明,所提算法能明显提升视频总结的性能指标F值,且计算复杂度较低,从而验证了联合使用非线性和块稀疏的有效性。

CVS中基于视频运动特征的多假设-双稀疏重构算法

针对目前视频压缩感知重构算法对不同特征的视频序列重构质量参差不齐的问题,结合双稀疏对轮廓、细节的高清晰重构以及多假设算法对高频噪声有效抑制的优点,本文提出一种基于视频运动特征的多假设-双稀疏重构算法(VF-MH-DSR).基本思路是基于每个视频组(GOP)的运动特征,采取相应的多假设-双稀疏重构策略.首先给出一种观测域多维度参考帧的多假设重构算法(MD-MRF-MH)及其最优相似块个数设置方案;然后给出一种像素域多假设参考帧的重构算法(PD-MRF-MH)及一种高性能双匹配准则;最后介绍了视频信号运动特征判定方案及多假设-双稀疏重构的具体实现方案.仿真实验表明,本文所提多假设-双稀疏重构算法相对于目前较好的多假设预测重构算法2sMHR及组稀疏重构算法SSIM-InterF-GSR,重构性能平均提升了1.98dB和0.84dB.

基于块非负稀疏重构嵌入的高光谱数据降维

为了在充分利用高光谱信息的同时减少因数据冗余带来的分类精度降低,提出一种块非负稀疏重构嵌入降维算法.首先,将传统超完备字典转化成超完备块字典;然后,通过计算每个超完备块字典对应样本的最小重构误差,得到块非负稀疏重构权重矩阵;最后,在低维嵌入时,通过同时最小化局部和最大化非局部高光谱数据的非负稀疏信息,得到全局最优的低维子空间高光谱数据.通过3组高光谱数据的实验结果验证了所提出方法的可行性和有效性.