基于混合高斯稀疏编码的图像超分辨率重建方法

在基于稀疏表示的超分辨率重建过程中,当对图像进行稀疏编码时由于其分解残差并不是简单的符合高斯分布或拉普拉斯分布,针对这一问题提出混合高斯稀疏编码模型。模型基于最大似然估计准则,首先定义目标函数为加权l2范数逼近问题,根据分解残差定义其权值,采用迭代重加权稀疏编码算法进行求解。然后基于此模型建立超分辨率重建模型和算法,利用此方法学习训练出同构的高/低分辨率过完备字典并求得图像的稀疏表示,最后对重建过程进行改进以提高算法对噪声的鲁棒性。实验结果验证了本文方法的有效性。

用于超分辨率重建的同构过完备字典学习方法

构造合适的过完备字典是基于稀疏表示的超分辨率重建中的关键问题之一。在最大似然估计准则下,建立基于混合高斯的同构过完备字典学习模型。模型采用加权的l2范数来刻画分解残差,由分解残差设计权值矩阵,并且将同构的双字典学习问题转化为单字典的学习。采用稀疏编码和字典更新的交替迭代策略完成目标函数的求解,由内点法进行稀疏编码,采用拉格朗日对偶法完成字典更新。最后将学习得到的字典用于超分辨率重建实验,并与其他方法进行比较。实验结果验证了该模型和算法的有效性。

基于结构信息建模和判别稀疏的红外小目标跟踪方法

为了提高背景杂波和成像噪声等干扰下红外小目标的跟踪精度,提出了一种基于结构信息建模和判别稀疏的红外小目标跟踪方法。小目标信号在广义高斯目标超完备字典上被稀疏分解,以便从受噪声干扰和杂波污染的红外图像中提取出小目标的空间结构信息;设计了转移受限粒子滤波跟踪算法,以提高粒子的采样概率;在转移受限粒子滤波框架下,基于判别稀疏表示和L1范数最小化框架求解候选目标的稀疏系数,实现小目标的跟踪。基于各种红外序列对所提方法进行实验论证,实验结果表明,所提方法能够在杂波和噪声较大的干扰下稳定地跟踪小目标,其中心误差、重叠率和平均视频播放帧率分别为3pixel、0.7和40fps,均优于其他对比方法,且具有较强的鲁棒性。

基于改进的特征提取方法和稀疏表示的单幅图像超分辨率重建算法

为了改善单幅图像的超分辨率重建效果,在基于过完备字典图像的超分辨率重构算法的架构上,应用改进的高斯Laplace算子来提取低频图像的特征,应用于图像重建。该算子主要用于在重建图像的预处理阶段,有效地提取各个方向的边缘特征,既不会造成漏检,也不会加重噪声。实验表明,与现有的几类算法相比较,使用该算子提取特征后,重建图像的效果无论在峰值信噪比还是结相似性都有所提高。