检索结果-南通市图书馆

云南民族大学学报（自然科学版） 2020年第1期29卷 59-64页

作者：朱晨杨欣谢堂鑫周大可南京航空航天大学自动化学院江苏南京210000

在基于稀疏表示的图像超分辨率方法中,字典的选择对最终重建质量具有重要影响.目前K-SVD作为基于外部样本学习的过冗余字典在图像重建领域取得广泛的成功,但同时也限制信号输入维度,带来信号降维过程的信息损失.针对这一问题,提出引入... 详细信息

在基于稀疏表示的图像超分辨率方法中,字典的选择对最终重建质量具有重要影响.目前K-SVD作为基于外部样本学习的过冗余字典在图像重建领域取得广泛的成功,但同时也限制信号输入维度,带来信号降维过程的信息损失.针对这一问题,提出引入一种双稀疏模型,结合结构化字典和非结构化字典优点,避免降维过程信息损失同时保证训练精度;重建阶段引入非局部自相似性约束,迭代求解稀疏系数,降低编码噪声,最终重建高分辨率图像.实验结果表明,该算法在图像质量客观评价指标上优于对比算法,并且在主观视觉效果上获得更清晰的边缘等细节信息.

关键词：超分辨率双稀疏模型非局部自相似性

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于双稀疏模型的音调信号频谱感知方法研究

引用

科技通报 2021年第4期37卷 62-65页

作者：王红梅商洛学院陕西商洛726000

为了提升音调信号频谱感知方法的感知性能,本文提出基于双稀疏模型的音调信号频谱感知方法。通过双稀疏模型,分析用户授权数量的稀疏性以及授权用户传输功率谱密度的稀疏性,构建音调信号频谱感知模型。通过音调信号频谱感知模型将音调... 详细信息

为了提升音调信号频谱感知方法的感知性能,本文提出基于双稀疏模型的音调信号频谱感知方法。通过双稀疏模型,分析用户授权数量的稀疏性以及授权用户传输功率谱密度的稀疏性,构建音调信号频谱感知模型。通过音调信号频谱感知模型将音调的宽频带频谱感知问题转换为对授权用户发射信号功率密度的估计,重构音调信号功率谱密度向量,实现音调信号频谱感知。仿真实验结果表明,所提方法能够有效提升音调信号频谱感知的性能。

关键词：双稀疏模型音调信号频谱感知方法

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

可见光与红外图像结构组双稀疏融合方法研究

引用

红外技术 2020年第3期42卷 272-278页

作者：姜晓林王志社太原科技大学应用科学学院山西太原030024

传统的可见光与红外稀疏表示融合方法,采用图像块构造解析字典或者学习字典,利用字典的原子表征图像的显著特征。这类方法存在两个问题,一是没有考虑图像块与块之间的联系,二是字典的适应能力不够并且复杂度高。针对这两个问题,本文提... 详细信息

传统的可见光与红外稀疏表示融合方法,采用图像块构造解析字典或者学习字典,利用字典的原子表征图像的显著特征。这类方法存在两个问题,一是没有考虑图像块与块之间的联系,二是字典的适应能力不够并且复杂度高。针对这两个问题,本文提出可见光与红外图像结构组双稀疏融合方法。该方法首先利用图像的非局部相似性,将图像块构建成图像相似结构组,然后对图像相似结构组进行字典训练,采用双稀疏分解模型,有效结合解析字典和学习字典的优势,降低了字典训练的复杂度,得到的结构字典更加灵活,适应性提高。该方法能够有效提高红外与可见光融合图像的视觉效果,经对比实验分析,在主观和客观评价上都优于传统的稀疏表示融合方法。

关键词：图像融合非局部相似性结构组双稀疏模型

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

可见光与红外图像组稀疏融合方法研究

可见光与红外图像组稀疏融合方法研究

引用

作者：姜晓林太原科技大学

学位级别：硕士

图像融合是提高可见光与红外成像传感器探测水平的关键技术。可见光传感器是通过接收物体的反射光成像,获得的图像景物细节清楚,空间分辨率和对比度较高,但是成像过程易受恶劣天气、烟雾、气溶胶或遮挡等影响,难以实现全天时、全天候工... 详细信息

图像融合是提高可见光与红外成像传感器探测水平的关键技术。可见光传感器是通过接收物体的反射光成像,获得的图像景物细节清楚,空间分辨率和对比度较高,但是成像过程易受恶劣天气、烟雾、气溶胶或遮挡等影响,难以实现全天时、全天候工作;红外传感器通过接收环境中的热辐射成像,获得的图像目标较为突出,但图像纹理细节模糊,对比度较低。因此可见光与红外图像的获取方式及图像特点均具有互补性,可以提取两类图像的有用信息并进行融合,获得信息全面、视觉效果较好的融合图像,从而进一步提高探测系统对目标定位、识别、跟踪的能力。稀疏表示融合方法从图像信号稀疏的角度,通过图像的结构特点构造学习字典,利用字典原子表征图像的显著特征,表现出良好的融合性能。但是,目前稀疏表示融合方法仍存在不足:首先,传统的稀疏表示方法将图像进行分块,在计算过程中以块为单位,块与块之间是相互独立的,忽略了图像块之间的相似性,导致字典原子表征图像显著特征能力不足;其次,字典学习过程是一个大规模、高度非凸的问题,计算复杂度较高。针对目前传统稀疏表示融合方法的不足之处,论文以可见光与红外图像为研究对象,将图像的非局部相似性特征应用于融合过程,探究图像相似组构造方式,研究可见光与红外图像组稀疏融合方法,主要研究内容如下:(1)分析了传统稀疏表示融合方法的优势,指出了目前存在的问题。结合可见光与红外图像的成像特点,分析了两类图像的非局部相似性结构;以图像块的非局部相似性为依据,构建图像相似组,建立了图像块的局部与非局部结构之间的联系。研究过程中采用两种方式对相似组进行变形构建,为稀疏表示融合方法提供了新的理论依据。(2)针对传统稀疏表示没有考虑图像块之间相似性的问题,提出可见光与红外图像相似组组K-SVD融合方法。该方法以图像非局部相似性特征为度量依据,以欧式距离为度量准则,构造相似块对应的相似组。将相似组内的图像块采用块向量化,组矩阵化的方法构建图像相似组矩阵。从源图像中提取训练样本并采用改进K-SVD训练字典,以相似组矩阵为单位在字典上进行组稀疏分解,采用绝对值取大的合并规则对稀疏系数进行融合。实验结果表明,与其他融合方法相比,该方法的融合图像细节信息清晰、目标显著,得到了较好的融合效果。(3)针对稀疏表示融合过程中忽略图像块之间相似性以及字典训练复杂度高的问题,研究可见光与红外图像结构组双稀疏融合方法。该方法通过对相似组进行块向量化,组向量化处理,构建图像结构组。结合解析字典和学习字典的优势,研究结构组对应的双稀疏模型,探究结构组双稀疏字典训练方法和稀疏分解。对结构组对应的稀疏系数采用分组、对应组系数绝对值取大的规则进行融合。实验结果表明,与实验中的其他融合方法相比,该方法在主观和客观评价方面均取得较好的融合效果。

关键词：图像融合非局部相似性相似组结构组改进K-SVD 双稀疏模型

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

时变信号中突变成分的分析方法研究

时变信号中突变成分的分析方法研究

引用

作者：戎晓汇哈尔滨工业大学

学位级别：硕士

现如今,信息成为了信息化时代中最为重要的资源之一,而这些信息通常对应于信号当中的成分,从信号中能否有效准确地获取到需要的信号成分便是目前一类重要的研究问题。在众多的信号种类当中,时变信号一直是备受关注的研究对象,如脑电信... 详细信息

现如今,信息成为了信息化时代中最为重要的资源之一,而这些信息通常对应于信号当中的成分,从信号中能否有效准确地获取到需要的信号成分便是目前一类重要的研究问题。在众多的信号种类当中,时变信号一直是备受关注的研究对象,如脑电信号和音频信号,这两者都是时变信号中的典型代表,有着非线性非平稳的特征。多数情况下,可以认为时变信号是由两种成分组成:稳态成分和突变成分,其中的突变成分便是通常所需要的信号成分,包含着关键的信息。为此,本文提出一套用于分析时变信号中突变成分的方法,具体分为三个环节:突变成分检测方法、突变成分表示方法和突变成分识别方法。突变成分检测方法,能够有效精确地检测出时变信号中的突变成分。在方法的实现中,首先明确了稳态成分与突变成分的含义及区别,进而提出了启发式掩模经验模态分解方法用于时变信号的分解,能够有效地避免模态混叠现象和维度不一致问题,配合希尔伯特变换可以得到由瞬时频率和瞬时能量组成的检测特征。检测特征作为训练支持向量机的特征向量,同时结合窗长自适应更新策略,能够有效地将时变信号中的突变成分检测出来。通过在脑电信号和音频信号上的实验验证了该检测方法有效可行,同时能够达到较高的检测精确率和检测召回率。突变成分表示方法,能够有效精准地表示出时变信号中的突变成分。在方法的实现中,利用了稀疏建模在成分有限的信号中进行表示的优势,提出了基于双稀疏模型的稀疏字典初始化方法,能够在增强字典结构可解释性的同时,加速字典的学习优化速度。将时变信号中的稳态成分与突变成分分别训练得到对应的稀疏字典,再与一定的稀疏表示系数矩阵结合得到用于学习调优的初始化字典。在对结构化字典学习调优时,对传统的基于奇异值分解的字典学习方法进行调整,对其中的惩罚项引入稀疏性能指数,在字典学习结束后能够得到准确表示突变成分的稀疏字典和稀疏表示系数矩阵。通过在脑电信号上的实验验证了该表示方法有效可行,同时能够达到较小的信号重构误差。突变成分识别方法,能够有效精确地识别出时变信号中的突变成分。在方法的实现中,研究了基于稀疏表示分类器的应用及实现方式。对于识别特征的提取,提出了基于局部稀疏表示系数的提取方法,需要对已有类别的各个样本集单独训练出对应的稀疏字典,并将其简单合并,将待识别信号样本利用正交匹配追踪算法计算得到稀疏表示系数向量,通过局部保留函数的处理,得到仅保留某一分量的稀疏表示系数向量,结合已经合并的字典进行重构,重构误差最小的对应分量即可判断出类别。此外,为了避免由于训练数据集中错误的标签信息给识别分类器带来的负面影响,设置了去除阈值与置入阈值。通过在音频信号上的实验验证了该识别方法有效可行,同时能够在一定程度上降低错误标签信息给识别分类器造成的干扰。本文提出了一套应用于时变信号中突变成分的分析方法,具体为突变成分检测方法、突变成分表示方法和突变成分识别方法,方法中综合利用了时变信号中稳态成分与突变成分的属性特征及区别,在脑电信号和音频信号中均达到不错的效果。此外,在已提出的突变成分分析方法的基础上,将该分析方法进行了系统化整合,实现了自动智能化的系统处理,为时变信号中突变成分的后续处理和方法发展奠定了理论和实践基础。

关键词：时变信号突变成分掩模经验模态分解双稀疏模型基于稀疏表示的分类器

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：