基于联合过完备库的信号分离及重构

在信号稀疏分解理论的基础上,提出了构建联合过完备库的思想。通过对包含不同特征成分的过完备子库进行联合构建联合过完备库,它包含丰富的待分解信号的信息,复合信号在其上具有更好的稀疏性,同时由于每个分量信号在各自的过完备子库上均具有稀疏性,利用基追踪算法实现各个分量信号的分离和重构。仿真结果表明:联合过完备库对复合信号的重构以及分量信号的分离和重构具有较好地效果。

基于回归函数结合局部自相似的单帧图像超分辨率算法

启发于过完备字典中稀疏线性组合的高分辨率图像的块与其对应的低分辨率局部块能很好地匹配,提出一种回归函数结合局部自相似的单帧图像超分辨率算法;该算法结合了实例图像块的学习和局部自相似图像块的学习,实例图像块的局部回归避免了从低分辨率到高分辨率图像块映射的病态性问题;通过局部自相似实例图像块学习获得非线性映射函数的一阶近似,从而获得低分辨率图像块相对应的高分辨率图像块,克服了实例图像块算法不足的问题;实验采用峰值信噪比(Peak Signal to Noise Ratio,PSNR)和均方误差(Root-mean-square error,RMSE)比较各算法效果;从实验结果数据可以看出,大多数情况下,提出的算法具有最高的峰值信噪比和最低的均方根误差,从实验结果图可以看出,提出的算法的纹理保留的最好,图像自然性最好,且运行时间也少于其他几种较新的算法,表明提出的算法更适合用于解决实际问题。

联合过完备库下的信号稀疏分解

针对具有多个特征成分的复合信号在单一特征过完备库下无法实现稀疏分解的问题,提出构建联合过完备库的思想.联合过完备库由多个具有单一特征的过完备库联合构成,包含复合信号中各分量信号的信息,使得复合信号在其上具有稀疏性.利用稀疏分解算法,对多个复合信号在相应的联合过完备库上进行稀疏分解和信号重构,并与单一特征过完备库的分解结果进行了对比分析.仿真结果表明了构建联合过完备库思想的合理性和有效性.