检索结果-南通市图书馆

基于多尺度结构稀疏表示的SAR与可见光图像融合

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

基于多尺度结构稀疏表示的SAR与可见光图像融合

作者：田佳君西安电子科技大学

学位级别：硕士

图像融合作为图像处理的一个重要分支,具有极高的地位和研究价值。由于研究技术和成本的限制,目前所存在的各种传感器都具有各自的局限性,不能总是获得高质量的图像。图像融合技术可通过一定的算法,将同一场景的来自不同传感器的两幅或... 详细信息

图像融合作为图像处理的一个重要分支,具有极高的地位和研究价值。由于研究技术和成本的限制,目前所存在的各种传感器都具有各自的局限性,不能总是获得高质量的图像。图像融合技术可通过一定的算法,将同一场景的来自不同传感器的两幅或多幅图像的互补信息有机地结合起来,从而得到一幅具有更加丰富、可靠信息的融合图像。合成孔径雷达（SAR）具有全天时、全天候和一定穿透性的工作特性,被广泛地应用于军事侦察及国民经济等领域。因为SAR是利用相干原理进行成像的,所以会在SAR图像中形成相干斑噪声。该噪声会对目标的分辨与识别产生一定的影响。另外,SAR图像为灰度图像,丢失了目标的光谱信息,不利于人眼观测。而光学传感器可收集到物体的光谱信息,但易受天气等外界因素影响。将SAR与可见光图像进行融合,可得到一幅同时具有丰富细节和光谱信息的图像。传统的基于稀疏表示（SR）的融合方法,虽可在一定程度上减弱噪声,但其主要针对加性噪声,不能从根本上解决融合图像中的噪声问题。另外,由传统的SAR与彩色可见光图像融合方法得到的融合图像存在严重的光谱失真,不利于人眼和机器的后续处理。针对以上存在的问题,本文研究了基于多尺度结构稀疏表示的SAR与可见光图像的融合方法。本文的工作主要包括以下两个方面:（1）针对因为对具有不同结构特征的图像块使用同一个过完备字典进行稀疏表示而造成的细节信息丢失问题,本文提出了一种基于自适应结构稀疏表示的SAR与可见光图像融合方法。首先,需要通过一个高质量的图像数据集来构造一系列可以准确表示各种结构特征的子字典;然后,根据图像块各自的结构特征选择合适的子字典,并进行稀疏表示;接着,利用稀疏系数的活动水平和稀疏程度,制定相应的融合规则;最后,将融合得到的稀疏系数与对应的子字典相乘,即可得到最终的融合图像。通过对多组实验结果的分析与讨论,证明该方法可在保留较多细节结构信息的同时有效消除融合图像中的相干斑噪声。（2）传统的基于HSI变换得到的融合图像存在严重的光谱失真,其主要受亮度分量中的高频信息影响。为了在保证不丢失细节结构信息的同时降低光谱扭曲度,本文提出了一种基于多尺度稀疏表示和光谱校正的SAR与彩色可见光图像融合方法。该方法首先通过鲁棒主成分分析（RPCA）将图像分解为低秩和稀疏分量;然后分别对低秩和稀疏分量采用基于稀疏表示和多尺度各向异性的融合规则,得到初始的融合亮度分量;随后,根据初始融合亮度分量的结构特征进行光谱校正;最后通过HSI逆变换即可得到最终的彩色融合图像。通过对五组实测图像的仿真实验与分析,证明了该方法相较于常见的基于多尺度和稀疏表示的融合方法,在结构保持度和光谱扭曲度上综合表现最优。

关键词： SAR图像可见光图像图像融合结构稀疏表示光谱校正

基于非负结构稀疏表示的光谱图像超分辨率重建

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于非负结构稀疏表示的光谱图像超分辨率重建

作者：孟贵宇西安电子科技大学

学位级别：硕士

高光谱图像在诸如异常检测、目标识别和图像分类等很多领域均有非常重要的应用。相对于普通的二维图像,高光谱图像增加了光谱维信息,谱段数增多,谱间分辨率更高。高光谱图像中的每个像素点包含一个连续谱,可以用来精确和详细的描述场景... 详细信息

高光谱图像在诸如异常检测、目标识别和图像分类等很多领域均有非常重要的应用。相对于普通的二维图像,高光谱图像增加了光谱维信息,谱段数增多,谱间分辨率更高。高光谱图像中的每个像素点包含一个连续谱,可以用来精确和详细的描述场景中的物体。然而,由于传感器的限制,直接获得高分辨率的高光谱图像是非常具有挑战性的,当代的高光谱成像技术严重的缺失空间分辨率。为了提高光谱图像的空间分辨率,改进硬件设备的方法仍具有一定难度和限制,因此,人们更倾向于基于软件的方法获得高分辨率的高光谱图像。压缩感知理论是一种新型信号获取理论,确保可以从少量的观测样本中准确的重构出原始信号,从而节省资源及减小对硬件设备的要求。最近,在压缩感知理论的框架下,利用同一个场景的低分辨率高光谱图像和高分辨率的彩色图像联合求解得到高空间分辨率高光谱图像的方法已经显现出不错的效果。在这些方法中,稀疏非负矩阵分解技术(SNNMF)利用了彩色图像和光谱图像的相关性,得到了较好的重构结果。然而,这些方法只考虑了光谱间的相关性,忽略了高光谱图像丰富的空间结构相关性和图像自身光滑性特征。本文对高光谱图像的超分辨率重建算法进行了系统的研究,所取得的主要研究成果为:1.通过对光谱图像的非局部相似性的研究,把高光谱图像的结构稀疏性这一特点作为先验信息与非负矩阵分解技术相结合,提出基于非负结构稀疏表示的高光谱图像超分辨重建算法。结构稀疏表示的利用比起传统稀疏性的1范数约束,更稳定。光谱图像的结构稀疏表示不仅利用高光谱谱间的信息,还挖掘了光谱图像的空间信息,谱线的非局部自相似性,得到更好的重构效果。实验结果表明,该算法较其他方法的重建效果明显提高,尤其是一些细节部分的视觉效果更好。2.通过对光谱图像的光滑性的研究,把高光谱图像的光滑性和稀疏性作为先验信息与非负矩阵分解技术相结合,提出基于非负全变差正则化的高光谱图像超分辨重建算法。TV正则项和稀疏性作为先验知识的加入,使得该算法既利用高光谱图像分解系数的稀疏性,同时各向异性全变差正则项对高光谱图像的光滑性这一先验信息有效的利用,进一步提高了超分辨算法的性能和视觉效果。实验仿真验证了该算法的有效性和可靠性,无论在定量评估和视觉效果都优于其他算法。

关键词：高光谱图像重建非局部相似性压缩感知结构稀疏表示非负矩阵分解

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于结构稀疏表示的高光谱图像解混

基于结构稀疏表示的高光谱图像解混

作者：李殊瑶西安电子科技大学

学位级别：硕士

高光谱解混是高光谱数据理解中的一个重要问题。它旨在将光谱成像仪收集到的混合光谱信号用纯净光谱成分（端元）的叠加来表示,对应的权重就是所求的丰度向量。线性高光谱解混是比较流行的一种解混建模方法,它假设端元之间的相互作用是... 详细信息

高光谱解混是高光谱数据理解中的一个重要问题。它旨在将光谱成像仪收集到的混合光谱信号用纯净光谱成分（端元）的叠加来表示,对应的权重就是所求的丰度向量。线性高光谱解混是比较流行的一种解混建模方法,它假设端元之间的相互作用是线性的,这样就使对混合像元建模变得简洁,并且使解决方案不依赖于观测到的物质的物理特征。然而,线性高光谱解混方法也存在一定的问题。首先,由于空间分辨率不足的局限以及混合物质普遍存在的现象,在高光谱图像数据中不可能找到完全纯净的物质信号（端元）。其次,线性混叠模型本身并不包含空间信息,事实上,空间信息和谱间信息是解决高光谱解混问题的重要信息来源。本文对基于光谱库的高光谱图像解混算法进行了系统的研究,光谱库中的数据是在地面或者实验室中收集得到的,这样就避免了从观测数据中提取端元信号。随着光谱库的广泛应用,高光谱解混问题需要对更有效的稀疏正则化方法进行研究,由此产生的方法叫做稀疏解混,这是高光谱解混中的一个全新领域。本文所取得的主要研究成果为:1.我们对高光谱图像具有非局部相似性这一特点进行了深入的研究,提出了一种基于结构稀疏的高光谱图像解混算法。该算法的核心思想是把高光谱图像的结构稀疏性这一特点作为先验信息应用到线性稀疏解混模型中。相比于传统的1范数模型,结构稀疏约束更充分地运用先验信息,比如光谱图像的空间信息和谱线的非局部自相似性等信息。实验结果也表明,相比于其他算法,该算法的解混效果明显提高。2.通过对高光谱图像低秩特性的研究,把结构稀疏与低秩逼近理论相结合,提出一种基于低秩逼近的高光谱图像解混算法,低秩约束的加入既充分利用高光谱图像的非局部自相似性,同时提高丰度向量的稀疏性。仿真实验定量地验证了该算法的有效性和可靠性。

关键词：高光谱图像解混丰度估计非局部自相似性结构稀疏表示低秩方法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于结构稀疏表示与联合模型的目标跟踪

基于结构稀疏表示与联合模型的目标跟踪

作者：刘晶晶华南理工大学

学位级别：硕士

目标跟踪广泛应用于军事制导，智能交通，视频编码，人机交互等众多领域。而且目标跟踪是智能视频分析的必要的和基本的任务，为高层视觉分析提供可靠的依据。则目标跟踪算法的研究具有重要的市场价值和理论价值。本文对目标跟踪算法进... 详细信息

目标跟踪广泛应用于军事制导，智能交通，视频编码，人机交互等众多领域。而且目标跟踪是智能视频分析的必要的和基本的任务，为高层视觉分析提供可靠的依据。则目标跟踪算法的研究具有重要的市场价值和理论价值。本文对目标跟踪算法进行总结并深入研究基于稀疏表示相关的目标跟踪算法，并且在总结前人的研究成果的基础上，针对目标跟踪领域中的挑战性问题，我们提出基于结构稀疏表示与联合模型的目标跟踪算法。为了有效的应对跟踪过程中外观的变化和利用目标的空间结构和局部信息，在外观模型方面本文首先通过结构稀疏表示对目标内的局部图像块进行稀疏表示获得稀疏编码系数。然后在判决模型中，我们利用得到的稀疏编码系数通过朴素贝叶斯模型计算分类函数的值，与稀疏表示的重构残差相乘得到目标候选者置信值，这样能够有效的区分前景和背景并给与不同的置信值。在生成模型中，我们将得到的稀疏编码系数进行平均化、抗遮挡、对齐汇集和加权一系列操作，这样保留目标的空间结构和局部信息来提高目标定位的精度与跟踪的鲁棒性。本文结合判别模型和生成模型两者的优点定义联合模型的似然函数，以获得更加精确可靠的目标位置。除此之外，我们考虑到目标和背景的外观变化使用结合增量子空间学习方法和稀疏表示的抗遮挡的字典更新策略，从而能够有效减轻目标外观变化所带来的漂移等影响。在运动模型方面，我们根据最新的跟踪结果实时更新仿射运动的联合高斯分布的协方差矩阵，实现自适应的运动模型用于运动状态的准确分析。最后，结合基于结构稀疏表示与联合模型表示的外观模型和自适应仿射运动模型形成粒子滤波目标跟踪的框架，实现鲁棒的目标跟踪。通过在大量的挑战视频中进行测试，实验结果表明本文提出的算法能够有效的应对光照变化，大面积的局部遮挡，复杂背景等挑战，而且可以与当前一流的目标跟踪算法的表现媲美。

关键词：目标跟踪结构稀疏表示贝叶斯分类器增量子空间学习粒子滤波

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于多任务结构稀疏表示的跟踪算法

传感器与微系统 2018年第10期37卷 140-142,146页

作者：王琳陈志国傅毅江南大学物联网工程学院江苏无锡214122 无锡环境科学与工程研究中心江苏无锡214153

针对目标快速运动引起的模糊和空间结构信息利用不足的问题,提出一种多任务结构稀疏表示的跟踪算法。算法预先将每帧图像调整到固定尺寸,通过对样本进行重叠分块,充分利用样本的整体、局部和空间结构信息。利用对齐池算法提取各图像块... 详细信息

针对目标快速运动引起的模糊和空间结构信息利用不足的问题,提出一种多任务结构稀疏表示的跟踪算法。算法预先将每帧图像调整到固定尺寸,通过对样本进行重叠分块,充分利用样本的整体、局部和空间结构信息。利用对齐池算法提取各图像块对应的多任务结构稀疏表示的系数信息,判断候选样本与目标的相似性。标准测试集上的实验结果表明,所提算法在处理遮挡和快速运动等因素时更具鲁棒性,跟踪精度更高。

关键词：运动模糊结构稀疏表示对齐池算法稀疏表示

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

基于结构稀疏的目标识别方法

基于结构稀疏的目标识别方法

作者：姜嘉琳西安电子科技大学

学位级别：硕士

随着计算机视觉的发展，目标识别在遥感、医学诊断、军事、人脸识别、文字和语音识别等诸多方面都有着广泛的应用。交通标志识别是目标识别领域中起步较晚的研究课题之一，是智能交通系统的重要组成部分，能智能地辅助驾驶员行驶，提高... 详细信息

随着计算机视觉的发展，目标识别在遥感、医学诊断、军事、人脸识别、文字和语音识别等诸多方面都有着广泛的应用。交通标志识别是目标识别领域中起步较晚的研究课题之一，是智能交通系统的重要组成部分，能智能地辅助驾驶员行驶，提高安全性。针对交通标志的特点和结构，设计合适的目标识别方法十分有意义。随着压缩感知理论在信号处理领域的深入研究，学者将稀疏表示应用到了目标识别领域。基于稀疏表示的分类方法的思想就是：将目标进行稀疏表示，使得我们求解得到的稀疏近似解既能满足分类的要求，又能对信号进行重构，从而提高方法对噪声的鲁棒性。随着压缩感知理论的发展和稀疏表示理论的进一步研究，结构稀疏理论受到了广泛的关注。基于结构稀疏的目标识别方法则是研究用训练字典中对应类的最少的数据块对测试样本进行重构，研究对目标识别的有效性和鲁棒性。本文通过设计空域模板，研究了基于模板的稀疏表示的人脸识别，当加入模板时，使得基于模板的稀疏表示的目标识别算法在人脸识别的结果中得到改善;提出基于模板的两级稀疏表示的交通标志识别方法，较传统的稀疏表示的交通标志识别方法的实验表明最高可将识别率提高27%。通过研究结构稀疏的目标识别的两种凸优化求解方法，人脸识别实验结果表明该方法在训练样本较少时，仍能获得较高的识别率，且比传统的稀疏表示的目标识别方法的识别率高了5%左右，同时当数据受到60%的随机噪声污染时，该算法的识别率最高仍高于80%。圆形交通标志识别的实验结果表明，结构稀疏的方法将传统的稀疏表示的分类方法得到的识别率提高了16%左右。基于结构稀疏的目标识别方法具有较高的识别率和较好的鲁棒性。

关键词：目标识别稀疏表示结构稀疏表示交通标志识别

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

高光谱图像结构稀疏编码与重建

高光谱图像结构稀疏编码与重建

作者：李广煜西安电子科技大学

学位级别：硕士

由于高光谱图像是三维立方体,相比于自然图像不仅具有二维平面信息,还具有光谱维信息。同时高光谱图像同以前的多光谱图像相比,具有更多的谱段数和更高的谱间分辨率,这使得高光谱图像在地质勘探、资源探查、水质评估、环境检测等领域都... 详细信息

由于高光谱图像是三维立方体,相比于自然图像不仅具有二维平面信息,还具有光谱维信息。同时高光谱图像同以前的多光谱图像相比,具有更多的谱段数和更高的谱间分辨率,这使得高光谱图像在地质勘探、资源探查、水质评估、环境检测等领域都有着广泛的应用。但是成像系统的硬件设备性能由于技术水平和造价成本的限制,无法直接通过成像得到高质量的高光谱图像,这极大的限制了高光谱图像的应用。所以为了得到高质量的高光谱图像,近年来学者们针对如何从低质量高光谱图像恢复高质量高光谱图像的问题,提出了许多种不同的恢复算法。但是现有的算法仍主要采用自然图像上的全变差、非局部相似性等信息,没有有效的利用高光谱图像的光谱特征,使恢复效果无法得到进一步提高。而最近几年,随着张量概念在图像处理领域的推广,学者们开始用张量的概念刻画高光谱图像所表示的三维立方体,将自然图像的矩阵表示转化为了高光谱图像的张量表示,使高光谱图像的刻画更为准确,也为我们指引了研究方向。基于这些问题,本文充分挖掘高光谱图像的光谱特征,围绕高光谱图像这个三维立方体可以用张量进行表示作为切入点,针对高光谱图像恢复的两个问题提出了两种高光谱图像恢复算法。本文所取得的主要研究成果如下:通过对高光谱图像光谱维信息的充分挖掘,利用高光谱图像的聚类稀疏性的先验信息构造了一个结构稀疏约束项,并将其与非负矩阵分解技术相结合,提出了基于聚类的非负结构稀疏表示模型,然后用该模型刻画高光谱图像超分辨问题,再用交替迭代优化法求解该问题,重建得到高分辨率的高光谱图像。通过在模拟高光谱图像库和真实高光谱图像上进行的实验,证明了我们的算法相比于其它算法具有更好的处理效果。基于块的低秩逼近模型被证明在自然图像的恢复上是有效的,然而针对高光谱图像,二维的低秩逼近模型不能充分利用空间相关性,所以我们提出了基于加权一范数的低秩张量逼近模型。我们首先将相似的3维图像块重组为三阶张量,然后利用高阶奇异值分解对该三阶张量进行分解,然后对分解出来的张量系数用加权一范数进行低秩约束,最后得到了基于加权一范数的低秩张量逼近模型。然后针对高光谱图像去噪问题用该模型进行刻画,用迭代优化法进行求解,得到去噪后的图像。由于该算法是针对三维立方体的,并不单纯利用高光谱图像的先验信息,所以针对其它的高维图像也是可以适用的。在实验中,我们分别针对高光谱图像和核磁共振图像进行去噪实验,结果证明我们的算法相较于其它优秀的去噪算法具有更好的去噪效果。

关键词：高光谱图像恢复聚类结构稀疏表示张量低秩逼近

从原子到结构稀疏约束的鲁棒图像识别算法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

从原子到结构稀疏约束的鲁棒图像识别算法研究

作者：宋淑芬燕山大学

学位级别：硕士

图像识别一直是计算机视觉和模式识别领域的研究热点，在军用、民用、商用等诸多领域都有着广泛的应用。近年来信号稀疏表示的思路成功应用于图像识别，并成为新的关注点，如何构建精确鲁棒快速的稀疏表示识别模型成为亟待研究的问题，... 详细信息

图像识别一直是计算机视觉和模式识别领域的研究热点，在军用、民用、商用等诸多领域都有着广泛的应用。近年来信号稀疏表示的思路成功应用于图像识别，并成为新的关注点，如何构建精确鲁棒快速的稀疏表示识别模型成为亟待研究的问题，鉴于此，本文在分析总结国内外相关研究工作的基础上，探讨以下三种改进的稀疏表示图像识别算法。首先，考虑到图像识别中全局与局部信息的互补作用，研究基于全局和分离部件融合的双L1稀疏表示人脸图像识别算法。先在L1稀疏表示的基础上，对人脸图像进行全局稀疏逼近;然后抽取并对齐几个重要的人脸部件，分别稀疏表示，并使用基于逼近残差的相似度投票方法，将各部件逼近结果综合;最后在决策层上将两者的稀疏逼近加权集成实现分类。实验结果验证了算法的有效性。其次，研究基于类别相关近邻子空间的最大似然稀疏表示图像识别算法。首先，基于测试样本的不同分布特性及训练样本选择的类别代表性原则，从各个类别中分别选取自适应数量的局部近邻构成新的字典;然后将稀疏表示的保真度表示为余项的最大似然函数，基于最大似然稀疏表示模型实现鲁棒的图像分类。实验结果证明了该算法的合理性。最后，针对稀疏准则的选择以及字典内块的划分两个问题，研究两种改进的结构稀疏表示图像识别算法。首先，研究结构稀疏与原子稀疏准则串行结合的思路，串行结合是在结构稀疏表示后重组字典，再进行原子稀疏表示分类;然后，研究基于最大线性块的结构稀疏表示识别算法，先将类内样本经过最大线性块的划分，再进行结构稀疏表示的识别。实验结果表明两种改进算法切实可行。

关键词：图像识别稀疏表示 L1范数优化部件信息类别相关子空间最大似然估计结构稀疏表示最大线性块

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于稀疏表示的目标跟踪算法研究

基于稀疏表示的目标跟踪算法研究

作者：王琳江南大学

学位级别：硕士

基于稀疏表示的目标跟踪算法是计算机视觉领域的热门研究课题,并得到许多领域专家学者的广泛研究。但是,由于在跟踪目标的运动场景中存在光照变化,复杂背景,遮挡和目标自身的形变,尺度变化等因素的影响,设计一个鲁棒性强,准确性和实时... 详细信息

基于稀疏表示的目标跟踪算法是计算机视觉领域的热门研究课题,并得到许多领域专家学者的广泛研究。但是,由于在跟踪目标的运动场景中存在光照变化,复杂背景,遮挡和目标自身的形变,尺度变化等因素的影响,设计一个鲁棒性强,准确性和实时性高的算法仍具有很大的挑战。为此,本文对基于稀疏表示的目标跟踪算法进行了较为深入的研究,目的是提高目标跟踪算法的鲁棒性,实时性和准确性。本文的主要研究内容包含以下几个方面:本文主要是在粒子滤波的框架下,构建基于稀疏表示的目标跟踪算法。针对l规范最小二乘稀疏方程计算复杂度高,导致跟踪算法速度慢的缺点,本文所有的算法都是基于多任务联合稀疏表示l基础的。为了处理由于目标快速运动引起的模糊,预先将每一帧图片调整到固定的尺寸。为了提高目标跟踪算法的鲁棒性,提出一种基于多任务结构稀疏表示的目标跟踪算法。算法首先通过对样本进行重叠分块,充分利用样本的整体信息,局部信息和空间结构信息,以提高目标跟踪结果的准确性。然后,采用l规范最小二乘求解各图像块对应的稀疏编码系数,并利用对齐池算法提取多任务结构稀疏表示的系数信息,判断候选样本与目标的相似性。最后,为了降低跟踪中由于目标的外观变化出现漂移的概率,采用结合增量子空间学习和稀疏表示的自适应模板更新策略。针对单一特征不能有效的处理各种复杂影响因素的问题,提出一种多特征融合的混合模型视频跟踪算法。该算法不仅通过像素特征的局部外观模型获取各候选样本内局部块之间的空间布局结构,还利用颜色特征的全局模型探寻粒子间的整体信息。为了处理运动目标外观和环境因素的随机变化,采用动态更新目标模板的算法。为了处理重采样过程中随机出现的离群任务,解决目标跟踪算法计算量大的问题,提出了一种融合离群值检测的混合模型目标跟踪算法。该算法将稀疏系数矩阵分成两个相关的部分,并采用多任务稀疏模型l规范求解。

关键词：目标跟踪粒子滤波稀疏表示结构稀疏表示特征融合离群检测