基于多尺度字典的红外与微光图像融合

基于人类视觉系统及信号的过完备稀疏表示理论,提出了一种基于多尺度字典的红外与微光图像融合方法。首先把输入的红外与微光图像按照高斯金字塔模型分解,用DCT字典作为初始字典按照四叉树的结构进行分解,对于各尺度的字典按照K-SVD算法独立训练更新,构造出多尺度学习字典。其次在该字典下利用改进的OMP算法得到输入源图像各自的稀疏系数,然后按照最优化融合图像与输入源图像的欧氏距离、融合图像方差的准则,建立一个融合图像稀疏系数的最优化函数,最后通过求解该函数的l1范数得到融合图像。实验结果表明:该算法的融合效果优于小波变换法、Laplacian塔型方法以及PCA方法等传统融合方法。

基于多尺度字典学习的图像融合方法

将小波域多尺度分析的思想和图像域单尺度稀疏表示的思想有效结合,提出基于多尺度字典学习的图像融合方法。首先将训练图像变换到小波域,分别对各个子带系数训练字典;根据训练的字典求解并融合源图像各个子带的稀疏表示系数;经过逆小波变换重构融合图像。提出的方法综合了学习字典的稀疏特性和小波分析的多分辨率特性。实验结果表明较现有基于图像域字典学习的融合方法和基于小波域多尺度分析的融合方法均具有更优的融合效果。

多尺度字典学习的高光谱图像压缩算法

结合小波变换及字典学习提出了一种针对高光谱图像的压缩算法。该算法首先通过小波变换构建多尺度样本集,在小波域使用K-均值奇异值分解(K-SVD)方法学习得到原子尺寸不同的多尺度字典,然后在稀疏表示的过程中,定义一个原子使用频次筛选因子,通过统计局部最优波段稀疏表示时原子使用情况,结合筛选因子对字典原子进行优化筛选,使用精简后的字典对其余波段进行稀疏求解,最后针对不同尺度的表示系数采用自适应的量化编码。实验结果表明,与目前常用的3D-SPIHT和其他的多尺度字典学习算法相比,本文算法在中低比特率下,具有更好的重建性能。

基于多尺度自适应稀疏字典的小弱目标检测方法

针对单尺度固定函数的滤波器难以有效剔除杂波和提高小弱目标检测性能的不足,文中研究建立多尺度自适应稀疏字典,提出了一种多尺度自适应形态稀疏字典检测小弱目标方法。首先根据图像信号内容建立多尺度自适应形态稀疏字典,并将图像信号在多尺度稀疏字典中进行稀疏分解;然后在分析小原子稀疏表示系数的基础上建立稀疏表示系数直方图,并利用指数函数拟合小尺度原子的稀疏表示系数直方图;最后,根据指数函数拟合参数在杂波、噪声和目标表现出的差异检测小弱目标。该多尺度稀疏字典利用大尺度原子描述图像背景杂波,小尺度原子捕获图像细小特征。实验结果表明,与小波算法和Contourlet算法相比,文中方法能更为有效地抑制背景杂波,减少背景残留,从而提高小弱目标检测性能。

多尺度脊波字典的构造及其在图像编码中的应用

在变换域图像编码技术中,图像的稀疏表示是编码的关键。该文在分析了脊波函数的缺陷的基础上,首先提出了一种多尺度脊波字典的构造方法,并通过树形结构对原子进行组织,加快了图像稀疏分解中最匹配原子的搜索速度;然后提出了一种基于树形多尺度脊波字典的匹配追踪静态图像编码方法;最后通过对量化失真与编码速率的分析,结合稀疏分解系数的分布,提出了系数的自适应量化和编码方案。实验结果表明,多尺度脊波字典能够对图像进行有效的稀疏表示;与JPEG2000相比,新的编码算法具有更好的编码性能,尤其在低比特率条件下。

基于多尺度冗余字典稀疏分解的纸病图像背景补偿方法

对于纸病检测中纸张图像背景不均匀以及图像灰度特征不明显等造成纸病测量精度低的问题,建立多尺度冗余字典,采用正交匹配追踪算法(OMP)对纸病图像进行稀疏分解,并根据纸病背景图像和纸病图像不同形态特征,对背景进行补偿,从而增强纸病特征。实验表明,该方法能够有效地重构并补偿纸病背景图像,突出灰度特征较弱的纸病,提高纸病检测的准确性。

基于多尺度稀疏表示的图像融合方法

针对目前基于稀疏表示的常用图像融合算法计算复杂度高以及忽略图像局部特征的问题,提出多尺度稀疏表示(multi-scale sparse representation,MSR)的图像融合方法。充分利用小波多尺度分析较好突出图像局部特征的特点,将其和过完备稀疏表示有效结合;待融合图像在小波解析域中进行小波多层分解,对每个尺度的特征运用K-SVD(kernel singular value decomposition)多尺度字典进行OMP(orthogonal matching pursuit)稀疏编码,并在小波域中各个尺度中进行融合。实验结果表明,与传统的小波变换、轮廓波变换、稀疏表示融合算法相比,该算法更能保证图像局部特征的完整性,实现更好的性能。

结合多尺度学习的无线体域网数据处理机制

无线体域网进行生理信号长期非间断观测过程中,为捕捉生理数据动态特征以提升信号压缩率,增强网络能量有效性,综合考虑压缩感知和多尺度在线字典学习,提出了一种能量有效数据处理机制。首先依据各尺度系数能量占比设计观测矩阵,以提高观测数据有效性;其次,节点对多尺度小波系数进行随机投影,以深入削减数据量;最后,结合多尺度鲁棒字典学习,高质量恢复原始数据。数值结果表明,所提机制在重构精度、数据压缩率方面表现尤佳,有助于提升网络能量有效性。当压缩率高达85时重构信号仍满足医疗诊断要求。

基于MED和WMSDL的滚动轴承内圈故障特征诊断

针对滚动轴承早期内圈故障特征较为微弱,并伴随环境噪声的干扰,微弱的故障特征信息易被环境噪声所淹没的问题,课题组提出基于最小熵解卷积(MED)和加权多尺度字典学习(WMSDL)的滚动轴承早期故障诊断方法。课题组通过设置一个滤波器使故障特征信号峭度最大实现解卷积,利用WMSDL对解卷积后的信号稀疏分解后进行平方包络解调突出内圈故障特征频率。仿真分析和实例分析结果表明:解卷积后信号的信噪比明显提高,内圈冲击成分明显增强。课题组的研究可有效提取滚动轴承故障特征频率。

基于NSST和稀疏表示的多源异类图像融合方法

针对SAR、红外和可见光图像的灰度差异性大,融合图像感兴趣目标不突出的问题,提出一种基于NSST和稀疏表示的多源异类图像融合方法。首先将训练图像进行NSST变换,在低频系数上构建多尺度学习字典;对SAR、红外和可见光图像进行NSST变换,利用滑动窗口分解低频系数为图像块序列,对图像块序列零均值化后再稀疏分解,采用稀疏系数绝对值取大的融合规则;高频子带系数采用局部方向信息熵显著性因子取大的融合规则;最后对融合系数进行NSST逆变换得到最终的融合图像。

指纹图像多尺度分类字典稀疏增强

目的自动指纹识别系统大多是基于细节点匹配的,系统性能依赖于输入指纹质量。输入指纹质量差是目前自动指纹识别系统面临的主要问题。为了提高系统性能,实现对低质量指纹的增强,提出了一种基于多尺度分类字典稀疏表示的指纹增强方法。方法首先,构建高质量指纹训练样本集,基于高质量训练样本学习得到多尺度分类字典;其次,使用线性对比度拉伸方法对指纹图像进行预增强,得到预增强指纹;然后,在空域对预增强指纹进行分块,基于块内点方向一致性对块质量进行评价和分级;最后,在频域构建基于分类字典稀疏表示的指纹块频谱增强模型,基于块质量分级机制和复合窗口策略,结合频谱扩散,基于多尺度分类字典对块频谱进行增强。结果在指纹数据库FVC2004上将提出算法与两种传统指纹增强算法进行了对比实验。可视化和量化实验结果均表明,相比于传统指纹增强算法,提出的方法具有更好的鲁棒性,能有效改善低质量输入指纹质量。结论通过将指纹脊线模式先验引入分类字典学习,为拥有不同方向类别的指纹块分别学习一个更为可靠的字典,使得学习到的分类字典拥有更可靠的脊线模式信息。块质量分级机制和复合窗口策略不仅有助于频谱扩散,改善低质量块的频谱质量,而且使得多尺度分类字典能够成功应用,克服了增强准确性和抗噪性之间的矛盾,使得块增强结果更具稳定性和可靠性,显著提升了低质量指纹图像的增强质量。

基于多原子快速匹配追踪的图像编码算法

该文提出一种多原子快速匹配追踪信号稀疏分解算法,并将其应用于静态图像编码。多原子匹配追踪通过每次迭代选取多个原子的形式,实现信号的快速稀疏分解。在此基础上,通过构造多尺度脊波字典实现图像的稀疏分解,并对稀疏分解的数据进行自适应量化和编码。实验结果表明,多原子匹配追踪获得了与匹配追踪相当的逼近性能,同时极大地提高了稀疏分解的速度。新的编码算法在低比特率情况下,获得了比JPEG2000更理想的编码性能。