检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

稀疏表示下的噪声图像超分辨率重构

光学精密工程 2017年第6期25卷 1619-1626页

作者：韩玉兰赵永平王启松陈欣欣王晓飞哈尔滨工业大学自动化测试及控制系黑龙江哈尔滨150000 哈尔滨学院工学院黑龙江哈尔滨150000 黑龙江大学电子工程学院黑龙江哈尔滨150081

为了能够完成噪声图像的超分辨率重构,提出了一种基于稀疏表示的噪声图像超分辨率重构方法,可以同时完成图像去噪和超分辨率重构。首先,对样本图像和低分辨率图像进行块划分,建立样本库。其次,建立图像退化模型,采用相似样本加权平均的... 详细信息

为了能够完成噪声图像的超分辨率重构,提出了一种基于稀疏表示的噪声图像超分辨率重构方法,可以同时完成图像去噪和超分辨率重构。首先,对样本图像和低分辨率图像进行块划分,建立样本库。其次,建立图像退化模型,采用相似样本加权平均的方式对输出的高分辨率图像块进行表示。根据输入的低分辨率图像块,计算样本块与输出的高分辨率图像块之间的相似性。提出了一种相似性描述方法,能够很好地解决噪声带来的影响。然后,采用相似性对稀疏编码优化模型进行惩罚,提出一种权值求解模型。模型可以自适应的搜索相似样本块而不需要预先设定相似块的个数。最后,求解权值,根据权值和样本块重构高分辨率图像块,并重构高分辨率图像。实验结果表明:所提出的方法较其它常见超分辨率算法的峰值信噪比可提高0.5dB左右,重构的图像细节更丰富,去噪效果更好,更适合实际应用。

关键词：超分辨率噪声图像稀疏表示权值模型

在线全文

学校读者我要写书评

暂无评论

稀疏表示与多任务学习的复杂核素识别

哈尔滨工业大学学报 2018年第10期50卷 72-78页

作者：张江梅季海波王坤朋冯兴华中国科学技术大学信息科学技术学院合肥230027 西南科技大学信息工程学院四川绵阳621010

为提高核探测器在复杂环境下测量的适应性,提出了一种能谱校正和核素识别方法.针对核信号探测过程中,由于环境温度的交替变化会出现γ能谱偏移导致多核素识别率低的问题,提出了一种基于稀疏表示和多任务学习的核素识别方法.首先建立一... 详细信息

为提高核探测器在复杂环境下测量的适应性,提出了一种能谱校正和核素识别方法.针对核信号探测过程中,由于环境温度的交替变化会出现γ能谱偏移导致多核素识别率低的问题,提出了一种基于稀疏表示和多任务学习的核素识别方法.首先建立一个用于描述环境变量对于当前测量能谱影响的迁移矩阵,其次对测量能谱进行建模,该模型可以表示为标准能谱中独立核素能谱的瞬时叠加,由此核素识别问题就转化为多种核素能谱稀疏分解的问题,为求解该非凸优化问题采用交替方向乘子法(ADMM)的多任务学习方法同时优化迁移矩阵并进行稀疏分解,实现多核素识别.为验证该方法的可行性和有效性,利用高低温交变试验箱对Cs I(Tl)探测器的测量环境进行模拟,分别测量得到11种核素和典型混合核素的实际放射性元素能谱数据,以及基于蒙特卡洛分析软件Geant4仿真IAEA规定的27种核素的单一与混合核素数据进行实验.结果表明,提出的方法即使在温度为:-20℃~50℃的环境下依然可以准确地识别多种常用核素.

关键词：核素识别能谱校正多任务学习稀疏表示 ADMM

在线全文

学校读者我要写书评

暂无评论

稀疏表示下的非监督显著对象提取

电子学报 2012年第6期40卷 1097-1102页

作者：李仲生李仁发蔡则苏赵乘麟邵阳学院信息工程系湖南邵阳422000 湖南大学网络与信息安全湖南省重点实验室湖南长沙410082 哈尔滨工业大学计算机学院黑龙江哈尔滨150001

针对现有显著对象提取算法时间复杂度高和未考虑显著对象的完整性等问题,提出了一种能适应资源有限环境的显著对象提取算法.首先建立了稀疏表示的数学模型,归纳出了显著对象与稀疏表示的对应关系、区域间的边能近似模式和邻接区域间的... 详细信息

针对现有显著对象提取算法时间复杂度高和未考虑显著对象的完整性等问题,提出了一种能适应资源有限环境的显著对象提取算法.首先建立了稀疏表示的数学模型,归纳出了显著对象与稀疏表示的对应关系、区域间的边能近似模式和邻接区域间的渐变模式.然后依据对应关系确定候选区域,依据渐变模式和边能近似模式实现显著对象的局部提取.对比实验证实:本文算法高速、精确地捕捉到了显著对象,并能在一定条件下保持显著对象的完整性.

关键词：时间复杂度对象局部提取稀疏表示渐变模式边能近似模式

在线全文

学校读者我要写书评

暂无评论

稀疏表示的超像素在线跟踪

电子与信息学报 2014年第10期36卷 2393-2399页

作者：程旭李拟珺周同驰周琳吴镇扬东南大学信息科学与工程学院南京210096

目标表观变化的处理是视觉跟踪领域极具挑战性的问题,该文针对这一问题,在粒子滤波框架下提出一种高效的基于超像素的L1跟踪方法(SuperPixel-L1 tracker,SPL1)。首先利用具有结构性信息的中层视觉线索(超像素)构造字典来对目标的表观建... 详细信息

目标表观变化的处理是视觉跟踪领域极具挑战性的问题,该文针对这一问题,在粒子滤波框架下提出一种高效的基于超像素的L1跟踪方法(SuperPixel-L1 tracker,SPL1)。首先利用具有结构性信息的中层视觉线索(超像素)构造字典来对目标的表观建模;然后求解由粒子表示的候选目标状态的L1范数最小化,把重构误差最小的候选状态作为跟踪的结果;最后进一步改进了字典的在线更新策略,不论目标发生遮挡与否,字典都被学习更新;为了降低目标发生漂移的可能,更新时保留初始帧的信息。仿真结果验证了SPL1在目标发生长时间遮挡、尺度和光照变化时依然能够稳定地跟踪目标。

关键词：视觉跟踪在线学习表观变化稀疏表示超像素

在线全文

学校读者我要写书评

暂无评论

稀疏表示中稀疏系数的l1范数的特性分析

系统工程与电子技术 2019年第12期41卷 2692-2696页

作者：宗静静邱天爽大连理工大学电子信息与电气工程学部辽宁大连116024 大连交通大学电气信息工程学院辽宁大连116028

稀疏表示模型被广泛应用于计算机视觉和模式识别领域,该数学模型中参数稀疏系数的l1范数作为图像块的活跃度度量(activity level measurement,ALM)特征被成功应用于稀疏表示图像融合领域,但该参数的物理意义至今没有明确的解释。以此问... 详细信息

稀疏表示模型被广泛应用于计算机视觉和模式识别领域,该数学模型中参数稀疏系数的l1范数作为图像块的活跃度度量(activity level measurement,ALM)特征被成功应用于稀疏表示图像融合领域,但该参数的物理意义至今没有明确的解释。以此问题为出发点,首先,从广义的角度出发,将图像块的稀疏系数向量的l1范数定义为奇异度;其次,在理论上定性说明了该定义的合理性;第三,通过实验,以图形化方式侧面展示了该参数的物理意义。理论与实验分析结果表明:信号向量的稀疏系数可看作该向量在字典基函数下的投影坐标,稀疏系数的l1范数可用来描述信号的奇异性特征。

关键词：稀疏表示图像融合稀疏系数的l1范数奇异度

在线全文

学校读者我要写书评

暂无评论

基于稀疏表示的地面磁共振信号提取方法

地球物理学报 2018年第8期61卷 3446-3456页

作者：王琦田宝凤张健蒋川东吉林大学通信工程学院长春130012 地球信息探测仪器教育部重点实验室(吉林大学) 长春130061 吉林大学仪器科学与电气工程学院长春130061

在多孔隙含水层中地面磁共振(surface nuclear magnetic resonance,SNMR)信号呈现多弛豫衰减特性,常规盲源分离方法和单指数拟合方法引起信号严重失真和信息缺失等问题.本文提出了基于稀疏表示的随机噪声背景下多弛豫SNMR信号的提取方法... 详细信息

在多孔隙含水层中地面磁共振(surface nuclear magnetic resonance,SNMR)信号呈现多弛豫衰减特性,常规盲源分离方法和单指数拟合方法引起信号严重失真和信息缺失等问题.本文提出了基于稀疏表示的随机噪声背景下多弛豫SNMR信号的提取方法.根据SNMR信号的衰减特征,设计了精确刻画SNMR信号且与随机噪声不相关的离散衰减余弦冗余字典.其次,针对多弛豫SNMR信号稀疏度未知的问题,通过设置合理的残差比阈值控制迭代次数,改进了广义正交匹配追踪(generalized orthogonal matching pursuit,gOMP)算法,使得该方法应用于SNMR信号的提取时,具有更好的自适应性和普适性.再次,鉴于SNMR测量数据为多次独立重复采集的结果,提出了基于数据流的SNMR信号提取策略,在提高算法鲁棒性的同时,保证了信号提取结果的唯一性.最后,通过仿真和实测数据证明了基于gOMP算法的稀疏表示方法可以显著地提升多弛豫SNMR信号的提取质量,降低随机噪声对含水层反演结果的影响,提高SNMR探测能力.

关键词：核磁共振稀疏表示广义正交匹配追踪冗余字典

三尺度分解和稀疏表示的红外和可见光图像融合

在线全文

学校读者我要写书评

暂无评论

光谱学与光谱分析 2024年第5期44卷 1425-1438页

作者：冀鲸宇张玉华邢娜王长龙林志龙姚江毅陆军工程大学石家庄校区河北石家庄050003

为提高对含噪声源图像的处理效果,以及提高融合图像的对比度、结构信息等,提出一种基于三尺度分解和稀疏表示的红外和可见光图像融合算法。首先,为增强对噪声的去除效果,并且维持源图像的结构和边缘特性,利用滚动引导滤波器对源图像进... 详细信息

为提高对含噪声源图像的处理效果,以及提高融合图像的对比度、结构信息等,提出一种基于三尺度分解和稀疏表示的红外和可见光图像融合算法。首先,为增强对噪声的去除效果,并且维持源图像的结构和边缘特性,利用滚动引导滤波器对源图像进行分解,将源图像分解为基础层和细节层;其次,为充分利用基础分量中的细节和能量,同时降低模型的复杂性,构造结构-纹理分解模型,将基础层再次分解为基础结构层和基础纹理层。然后分析三个分量的不同特点,使用不同的融合规则对三个分量分别进行融合,针对细节分量,其含有主要的噪声成分,但含噪声程度又不一样,因此根据图像含噪声的程度自适应确定稀疏融合去噪参数,从而同时实现对细节分量的融合和去噪,并且能够有效地提高计算效率;针对基础结构分量,其包含的细节特征较少,直接采用基于视觉显著图的加权平均技术进行预融合;针对基础纹理分量,由于其包含了视觉上重要的信息或图像特征,如边缘、直线和轮廓等活动信息,能够反映出原始基础图像的主要细节,因此采用主成分分析方法进行预融合,最终通过重构细节、基础结构和基础纹理层来得到融合图像。为验证所提方法的有效性,选取了多组红外和可见光图像进行试验,并与近期的五种方法CNN、FPDE、ResNet、IFEVIP、TIF进行了对比,采用主观和客观的形式对结果进行分析。实验结果表明,同其他图像融合算法进行对比分析,该方法能够兼顾含噪声和无噪声图像的融合,在有无噪声的情况下均能够将源图像的细节、亮度和结构保留到融合图像中,而且能有效地消除噪声。

关键词：图像融合噪声图像融合滚动引导滤波三尺度分解稀疏表示

基于邻域分割的空谱联合稀疏表示高光谱图像分类技术研究

在线全文

学校读者我要写书评

暂无评论

光谱学与光谱分析 2016年第9期36卷 2919-2924页

作者：王彩玲王洪伟胡炳樑温佳徐君李湘眷中国科学院西安光学精密机械研究所光学成像重点实验室陕西西安710119 西安石油大学计算机学院陕西西安710065 中国人民武装警察部队工程大学陕西西安710086 中国科学院软件研究所北京100080 华东交通大学信息工程学院江西南昌330013

传统的高光谱遥感影像分类算法侧重于光谱信息的应用。随着高光谱遥感影像的空间分辨率的增加,高光谱影像中相同类别的地物在空间分布上呈现聚类特性,将空间特性有效地应用于高光谱遥感影像分类算法对分类精度的提升非常关键。但是,高... 详细信息

传统的高光谱遥感影像分类算法侧重于光谱信息的应用。随着高光谱遥感影像的空间分辨率的增加,高光谱影像中相同类别的地物在空间分布上呈现聚类特性,将空间特性有效地应用于高光谱遥感影像分类算法对分类精度的提升非常关键。但是,高光谱影像的高分辨率提供空间聚类特性的同时,在不同地物边缘处表现出的差异性更加明显,若不对空间邻域像素进行甄选,直接将邻域光谱信息引入,设计空谱联合稀疏表示进行图像分割,则分类误差较大,收敛速度大大降低。将光谱角引入空谱联合稀疏表示图像分类理论中,提出了一种基于邻域分割的空谱联合稀疏表示分类算法。该算法利用光谱角计算相邻像素的空间相似度,剥离相似度较低的邻域像素,将相似度高的邻域像素定义为同类地物,引入空谱联合稀疏表示模型中,采用子联合空间追踪算子和联合正交匹配追踪算子对其优化求解,以最小重构误差为准则进行分类。选取AVIRIS及ROSIS典型光谱影像数据进行实验仿真,从中可以看出,随着光谱角分割阈值的提高,复杂的高光谱影像分类精度和平滑区域的高光谱影像分类精度均逐步提高,表明邻域分割在空谱联合稀疏表示分类中的必要性。

关键词：高光谱影像处理稀疏表示邻域聚类邻域分割最小重构误差

在线全文

学校读者我要写书评

暂无评论

基于双向稀疏表示的鲁棒目标跟踪算法

物理学报 2014年第23期63卷 166-176页

作者：王保宪赵保军唐林波王水根吴京辉北京理工大学信息与电子学院北京100081

目前,基于稀疏表示的目标跟踪通常为在目标模板集上重构候选样本的正向模型或者在候选样本集上描述目标模板的反向模型.两个模型的共同点是均需计算候选样本与模板集合之间的稀疏相关系数矩阵.基于此,建立了一个双向联合稀疏表示的跟踪... 详细信息

目前,基于稀疏表示的目标跟踪通常为在目标模板集上重构候选样本的正向模型或者在候选样本集上描述目标模板的反向模型.两个模型的共同点是均需计算候选样本与模板集合之间的稀疏相关系数矩阵.基于此,建立了一个双向联合稀疏表示的跟踪模型,该模型通过L2范数约束正反向稀疏相关系数矩阵达到一致收敛.与之前的单向稀疏表示模型相比,双向稀疏表示跟踪模型在正反向联合求解框架下可以更加充分地挖掘所有候选样本与模板集之间的稀疏映射关系,并将稀疏映射表上对正负模板区分度最好的候选样本作为目标.基于加速逼近梯度(accelerated proximal gradient)快速算法,以矩阵形式推导了双向稀疏表示模型的求解框架,使得候选样本集和目标模板集均以矩阵方式并行求解,在一定程度上提高了计算效率.实验数据表明所提出的算法优于传统的单向稀疏表示目标跟踪算法.

关键词：稀疏表示目标跟踪贝叶斯框架