小波高频子带变换裁剪阈值SAMP算法研究

文中首先针对离散小波变换(DWT)破坏了低频逼近系数之间的相关性,导致重构质量变差的问题,提出小波高频子带变换(HFSBWT)的稀疏表示方法。其次针对稀疏度自适应匹配追踪(SAMP)算法的原子候选集在每次迭代时成倍增加造成存储空间浪费和重构时间变长等问题,提出裁剪阈值稀疏度自适应匹配追踪(CTSAMP)算法。最后仿真结果表明:对于同一重构算法,小波高频子带变换的图像重构峰值信噪比提高3 dB左右。在小波高频子带变换稀疏表示后采用裁剪阈值稀疏度自适应匹配追踪算法,重构图像的性能有了明显的提高,重构时间缩短一半。

基于模糊裁剪阈值的SAMP压缩感知算法（英文）

稀疏度自适应匹配追踪(SAMP)算法是压缩感知(CS)中一种主流的图像重构算法。随着迭代次数的增加,SAMP算法的原子候选集将成倍增加,会导致系统空间的浪费和重构时间的增长。为此,提出了一种模糊裁剪阈值稀疏度自适应匹配追踪(FPTSAMP)算法。由于离散小波变换(DWT)在CS稀疏处理过程中破坏了低频逼近系数间的相关性,对信号的重构质量产生了一定的负面影响,因而采用小波高频子带变换(HFSBWT)来替代DWT,实现对信号的稀疏表示。仿真实验结果表明,相比于同一重构算法,采用HFSBWT方法得到的峰值信噪比更好;与SAMP算法相比,与HFSBWT相结合的FPTSAMP算法的重构效果有了明显提高,重构时间也减少了一半。

改进型CLAHE图像增强算法及其FPGA实现

为解决CLAHE算法硬件资源消耗量大的问题,从硬件实现的角度对算法进行两方面改进。针对裁剪阈值,提出了一种普适性裁剪阈值确定方法,基于信息熵和结构相似性构造了品质因数,以品质因数最佳作为评判标准确定硬件实现中的裁剪阈值,在平衡图像增强对比度和失真度的同时,避免消耗硬件资源对图像数据本身进行大量计算。针对超阈值像素再分配,提出了一种改进型分配方法,将超阈值像素仅均分给未超阈值的灰度级,且若其再次超阈值则停止分配,在降低图像失真度的同时,避免反复像素分配带来的硬件开销。在改进型CLAHE算法的基础上,完成基于FPGA的低照度图像增强系统实现,实验结果表明,在普适性裁剪阈值下,增强后的图像能够普遍获得更高的品质因数,具有更佳的综合效果;改进型像素再分配方法对比常规方法,图像在信息熵平均损失3.28%的代价下结构相似性可平均提升8.88%;低照度图像增强系统可实现640×480@60 fps的图像采集与处理。本设计可为图像增强算法的硬件实现提供一种新的参考。

基于确定性测量矩阵与变阈值SAMP的超高次谐波检测算法

随着电网中采用高频电力电子器件制造的设备逐渐增多,配电网中的超高次谐波现象已经成为了一种亟需解决的新型电能质量问题。相较于传统谐波检测方法采样超高次谐波信号时产生的巨大数据量,压缩感知作为一种新型信号处理方法,在使用测量矩阵对稀疏信号进行亚采样后通过重构算法用较少的数据就能精确地恢复原始信号,有效降低了对采样端硬件的要求。提出了一种基于确定性测量矩阵与变阈值SAMP算法的压缩感知超高次谐波检测算法。首先该方法采用了一种由确定性随机序列构造的测量矩阵,这种确定性测量矩阵的结构与随机测量矩阵相比更易于传输与存储,同时具有和高斯随机矩阵相同的重构性能。其次,针对SAMP重构算法在频谱泄露时易发生稀疏度过估计的问题,提出了一种改进的变阈值SAMP算法,设置一个动态的阈值来控制算法中内积的选取,减少迭代中的误选。改进算法提高了超高次谐波检测的精度,降低了因频谱泄露和噪声造成的误差且更容易硬件实现。最后,通过仿真和实测结果证明了改进算法的准确性和有效性。