基于双树复数小波的快速二步迭代混合范数算法

以双树复数小波基为稀疏基,局部哈达玛矩阵为观测矩阵,在IST算法的基础上提出一种改进的快度二步迭代混合范数算法,目标函数采用混合范数模型,二步迭代加速了目标函数的优化,二步迭代混合范数算法收敛于混合目标函数的最小值。改进的算法重构速度高于IST算法的2.5倍,图像的均方误差减小50%以上。与以DCT为稀疏基、高斯矩阵为观测矩阵、快速二步迭代混合范数算法为重构算法的压缩感知重构系统相比,改进算法的峰值信噪比提高了约1dB,表明改进算法具有更好的图像重构质量和重构速度。

基于K-means算法的二步迭代道路检测算法

为增强现有基于机器视觉的自动导引车AGV对非结构化路面的适应能力,提出一种基于K-means聚类分析算法的二步迭代道路检测算法。算法实现了自动选择路面样本区域与自主动态添加路面样本,克服了基于其它机器学习算法的道路识别方法需要人工收集大量路面样本进行训练的缺陷。实验仿真结果显示,该方法能有效降低光照、阴影、车道线等对道路识别的影响,能够适应含有多种不同障碍物的道路场合。

基于卡尔曼滤波的双约束CUP-VISAR压缩图像重构算法

针对从基于压缩超快成像(Compressed Ultrafast Photography,CUP)的任意反射面速度干涉仪(Velocity Interferometer System for Any Reflector,VISAR)中获得的压缩图像中重构出冲击波二维条纹图像的问题,提出一种基于卡尔曼滤波的双约束图像重构算法。该算法首先基于条纹图像具有的稀疏性和平滑性,将问题转化为基于小波与全变分双先验约束的优化问题,然后,考虑到实际成像的噪声问题,采用加权卡尔曼滤波对图像已有信息进行预测和调整,最后将卡尔曼滤波引入二步迭代阈值算法的迭代过程中,进而求解该双约束优化问题,实现压缩图像的精确重构。在大噪声仿真实验中,该算法重构图像的峰值信噪比和结构相似度分别提高了4.8 dB和14.81%,显著提高了图像重构质量。在实际实验中,该算法重构出了清晰的冲击波条纹图像,且将冲击波速度最大相对误差降低了9.57%和平均相对误差降低了2.2%,验证了该算法的可行性。

抗混叠轮廓波域采用压缩感知的云图融合方法

提出一种采用压缩感知的云图融合方法.该方法针对传统轮廓波存在频谱混叠的缺点,结合抗混叠塔式滤波器组和方向滤波器组,构造出一种抗混叠的轮廓波变换,并将其引入压缩感知中的稀疏表示环节,将云图分解成稠密和稀疏两部分;对稠密成份采用传统方法进行融合,而对稀疏成份,则在压缩感知框架下,通过少数线性测量的融合,并采用二步迭代收缩的图像重构算法,在迭代时利用前面两个估计值更新当前值,得到融合结果.实验表明,该方法的融合结果无论在视觉质量及定量指标上都明显优于传统方法,有利于揭示全面的天气信息.

基于广义最小二乘法三参数对数正态分布的渐近参数估计(英文)

通过二步迭代和广义 Gauss- Markov定理 ,给出了三参数对数正态分布参数的一种渐近估计 .这种方法既适合于全样本场合又适合于一般缺失数据场合 .模拟结果表明

基于TwIST-TV约束的图像去模糊方法

传统的基于频域和小波域的去模糊算法所得的复原图像总是存在比较明显的边缘振铃及模糊效应，而较为有效的空域迭代优化去模糊算法速度通常比较慢。为了解决上述问题，提出了基于二步迭代阈值收缩（TWIST）与总变分（TV）约束相结合的图像去模糊算法（TWIST—TV）。首先在去模糊目标函数中加入对图像的TV正则化约束，其次在对图像小波系数的每次二步迭代之前，加入对图像的TV优化去噪约束，最后迭代获取去模糊图像。实验结果表明：相对于基于频域和小波域的模糊图像恢复算法，TWIST—TV能有效抑制边缘模糊和振铃效应，复原图像的信噪比（SNR）、峰值信噪比（PSNR）高出1—7dB，平均结构相似度指标（MSSIM）可高出0．05，相对于空域解卷积算法在保证求解精度相当的情况下具备6倍以上的速度优势。