基于单层小波变换的压缩感知图像处理

根据图像小波变换系数层的特点,提出了基于单层小波变换的压缩感知算法,保留图像低频系数,只对高频系数进行测量。重构时,利用正交匹配追踪算法(OMP)对高频系数进行恢复,再进行小波反变换重构图像。仿真结果表明,与原有压缩感知算法相比,重构图像质量得到极大提升,在相同的测量点数下,PSNR平均提高2～4dB。

基于单层小波变换的自适应压缩感知图像处理

文章在未知二维图像的稀疏度的情况下,提出了基于单层小波变换的自适应压缩感知算法,保留其中的低频系数,只针对高频系数进行测量。在小波变换把二维图像分成低低、低高、高低和高高的4块之后,利用稀疏度自适应匹配追踪算法,分别对其中包含在低高块中的列、高低块中的行、高高块整体中的那些高频系数进行恢复,再进行小波逆变换重构图像。仿真结果表明,与原来的单层小波变换的非自适应压缩感知算法相比,该算法解决了稀疏度未知情况下的图像恢复问题,而且重构图像质量也得到很好的保证,例如在相同的采样率下,新算法与原算法之间的PSNR相差不过2dB。

基于单层小波变换的视觉传感图像超分辨率重建

针对目前图像重建方法去噪效果不佳,导致重建后图像分辨率较低的问题,提出基于单层小波变换的视觉传感图像超分辨率重建方法。建立低分辨率和高分辨率两种识别空间,分别计算含有噪声干扰区域、正常区域以及信道噪声参数三者间的欧式距离。利用二维平滑函数定义单层小波变换,有效去除视觉传感图像中的噪声,根据多尺度特性对图像中处于边缘微值的分辨率进行具体检测。对所有高分辨率点实行编码,再将编码后的图像系数按照分辨率的高低顺序整理为集合,输出图像完成重建。仿真实验证明,所提方法重建后图像清晰度较高,且结构相似性(Structural Similarity Index Measurement, SSIM)与峰值信噪比(Peak Signal to Noise Ratio, PSNR)的值均高于对比方法,最高值分别为0.95 dB与34.57 dB,说明所提方法的重建效果较好。

基于单层小波变换的图像融合压缩感知研究

提出了一种将单层小波变换与压缩感知相结合的图像融合新方法,仅通过测量图像的高频小波系数且保留了低频小波系数,利用不同的方案对低频小波系数和高频小波系数的测量进行融合。结合总变分(TV)最小化算法和融合测量来恢复高频小波系数,运用逆小波变换对融合图像进行重建。实验表明,该方法具有良好的融合性能和较低的计算复杂度。

基于单层小波变换的加权压缩感知图像处理

针对简单正交基不能足够稀疏表示信号问题,提出了一种基于单层小波变换改进的加权压缩感知算法。根据图像小波变换的特点,对图像进行单层小波分解,保留低频系数,对高频系数进行测量;并提出设置加权系数矩阵,作用于信号小波正交变换后的高频稀疏系数,增强其系数的稀疏性,增强图像的重构质量;重构算法采用贪婪算法中的OMP算法。实验结果表明该算法对重构精度有进一步提高。

基于小波变换的压缩感知在图像加密中的应用

利用单层小波变换的压缩感知算法的特点,提出了一种基于斜帐篷映射的混沌图像加密系统的改进方法。加密时,首先应用基于单层小波变换的压缩感知算法对图像进行初始化,然后对初始化后的图像加密。解密时,首先进行加密映射的反变换解密,然后利用正交匹配追踪算法(OMP)对高频系数进行恢复,最后再进行小波反变换重构图像。仿真结果表明,该算法不仅继承了原有系统的优良密码学特性,而且在相同时间条件下,在图像较小失真的情况下大大增加图像加密的安全性。

基于自适应小波基和Smoothed-l_0的压缩感知图像重构算法

使用压缩感知进行图像重构的意义在于能显著减少采样次数,节约系统资源。从提高图像重构质量和算法执行速度角度出发,在已有的算法基础上加以改进,提出了基于自适应小波基和Smoothed-l0的图像重构算法(AWSL0),即根据测量矩阵行向量的个数,自适应地选择合适的小波基进行图像稀疏化,并使用Smoothed-l0算法进行图像重构。仿真结果表明,该算法在图像重构质量上和执行速度上都比原算法有较大的提升,且在鲁棒性上也有明显的改善。