基于自适应多尺度压缩感知的语音压缩与重构

本文针对语音信号的压缩感知问题,在系数总长度不超过原信号长度的前提下,推导了Sym小波分解合成的矩阵形式,提出了语音信号多尺度压缩感知(MCS)框架.进一步分析语音信号在小波基下不同级的稀疏性,提出了自适应多尺度压缩感知(AMCS)方法,把该方法运用到语音压缩与重构中,对重构语音进行了主客观评价,并进行了说话人识别验证,得出结论:基于AMCS比三层MCS重构语音的性能好.

医学影像多尺度压缩传输方法的研究

医学影像数字化后需要的存储量很大且要求的精确度高,为了保证医学影像的使用质量,现在的医学影像在传输时常需采用无损压缩。但是,这样的医学影像传输方法会占用相当大的带宽,也大大降低了传输速度。提出一种对医学影像的感兴趣区域和非感兴趣区域进行多尺度压缩的方法实现有损压缩传输,获得了良好的效果,并且把实验结果与其他方法进行了对比,结果表明该方法可以有效提高压缩率,提高传输速率。

遮挡情况下多尺度压缩感知图像识别算法

本文提出一种多尺度压缩感知图像识别算法(Multi-scale compressed sensing with occlusion,MCSO)。该算法采用加权核范数来描述误差图像的低秩结构,对编码系数增加l2,1范数约束;然后利用交替方向乘子法优化求解目标函数。在Ex Yale B公开人脸数据库上的实验结果表明,MCSO对于遮挡图像的分类识别能力优于RRC、HQ_A和HQ_M算法。

兴趣区域优先的多尺度压缩感知渐进编码算法

针对面向目标探测识别的无线图像传输应用,为了解决探测识别任务对图像质量的高要求和无线信道带宽约束之间的冲突,提出一种感兴趣区域(ROI)优先的多尺度压缩感知(CS)渐进编码算法。首先,选取多尺度CS测量技术进行图像压缩,在相同压缩比情况下,可以保持更多的图像的细节信息;其次,针对目标探测识别对重构图像纹理、边缘信息完整保持的需求,选取基于小波的轮廓变换(WBCT)作为CS的稀疏表示方法,可更多地提取方向信息,从而可以较完整地保持边缘轮廓信息;最后,针对重构图像ROI与背景区过度划分、ROI周边相关信息损失过多的问题,给出ROI边界平滑处理的方法,可有效改善重构图像的主观视觉质量。实验结果表明:在ROI压缩率高达0.4的情况下,总的压缩率降至0.18,既保护了ROI信息又显著提高了压缩比,基本满足目标探测识别任务的需求。

利用边缘信息的多尺度分块压缩感知自适应采样方法

在小波域多尺度压缩感知框架下,被完整保留的低频系数存在着许多可利用的图像信息。本文在分析了不同尺度之间、以及同一尺度之内的系数块存在能量差异的基础上,提出了利用边缘信息的多尺度分块压缩感知自适应采样方法(EAS)。该方法首先利用低频系数提取出边缘信息,然后将边缘信息分块,加权计算每个块的边缘信息度,根据边缘信息度判断每个系数块的能量大小,将其转换成每个子块的自适应采样率,从而实现多尺度分块压缩感知的自适应采样。采用医学图像,含有复杂纹理的自然图像和含有严重噪声的SAR图像三类测试数据,验证了EAS方法的性能。数值实验结果表明,EAS方法对不同的压缩感知算法均有很大的提升,能够显著提高图像的重构质量和视觉效果。

结合图像的局部相关性及非局部相似性的多尺度分块压缩感知

标准的图像压缩感知算法未利用像素间的邻域结构信息和图像子块的自相似性。针对这一问题,本文将图像分成重叠的图像子块,用冗余字典自适应地稀疏表示图像,同时将用自回归模型表示的图像局部相关性和非局部相似性作为先验知识运用到压缩感知图像重构中,提出了结合图像的局部相关性和非局部相似性的多尺度分块压缩感知方法。实验结果表明,本文算法可以有效提高图像重构的视觉效果和峰值信噪比。

适于可压缩多尺度流动的紧致型激波捕捉格式

针对可压缩多尺度流动数值模拟特点,研究一种五阶高分辨率紧致型激波捕捉格式——紧致重构加权基本无振荡(CRWENO)格式。该格式利用非线性权系数将低阶紧致格式加权组合以达到高阶精度。在光滑区域蜕化成具有高分辨率的五阶线性紧致格式,在间断附近则能保持计算稳定无振荡。对CRWENO格式、目前广泛使用的加权基本无振荡(WENO)格式及两格式对应的线性格式(即五阶线性迎风格式和五阶紧致格式)进行数值性能研究,评估非线性权系数对格式耗散及频谱特性的影响。使用一维、二维、三维典型算例进行数值试验,探讨线性/非线性、紧致/非紧致格式在可压缩多尺度流动模拟中的优势和不足。结果表明,CRWENO格式在强压缩性流场模拟中能够稳定地捕捉激波,其紧致特性则改善了非线性格式普遍存在的耗散过大、分辨率较差的问题,使其能够清晰捕捉多尺度流动结构。因此,该格式在可压缩多尺度流动模拟中具有较大优势。

求解线性积分方程的压缩投影离散的Landweber算法

研究了求解线性积分方程的多尺度压缩投影离散的Landweber算法,提出了Landweber迭代终止指标的停止准则,与传统的投影算法比较,减少了计算量,确保了近似解的最优收敛性.算例表明了该方法的有效性.

自适应多尺度分块压缩感知算法

目的基于小波域的多尺度分块压缩感知重构算法忽略了高频信号在重构过程中的作用,丢失了大量的边缘与细节信息。针对上述问题,提出一种自适应多尺度分块压缩感知算法,不仅合理利用低频信息还充分利用图像的高频信息,在图像细节复杂度提高的情况下保证图像重构质量的提高。方法首先进行3层小波变换,得到一个低频信号和9个高频信号,分别进行小波逆变换后分成大小相同互不重叠的块,对低频部分采用2维邻块边缘自适应加权滤波的方法进行处理,对高频部分采用纹理自适应分块采样,最后利用平滑投影Landweber(SPL)算法对其进行重构。结果与已有的分块压缩感知算法、基于边缘和方向的分块压缩感知算法和基于纹理和方向的分块压缩感知算法相比,本文算法在不同的采样率下,性能均有所提升,代表细节信息的高频信号得到充分重建,改进的算法所得到的重建图像具有较高的分辨率,尤其对细节较为丰富的图像进行重建后具有较高的峰值信噪比;2维邻块边缘自适应加权滤波有效的去除了重建图像的块效应,且重建时间平均减少了0.3 s。结论将三层小波变换后的高频分量作为纹理部分,利用自适应多尺度分块重建出图像的轮廓与边缘;将低频分量直接视为平坦部分,邻块边缘自适应加权滤波重建出图像细节,不仅充分利用了图像的高低频信息,还减少了平坦块检测过程,使得重建时间有效缩短。经实验验证,本文算法重建图像质量较好,尤其是对复杂图像明显消除了块效应,边缘和纹理细节较清晰。因此主要适用于纹理细节较复杂的人脸图像、建筑图像和遥感图像等。