基于伪Wigner-Ville分布和Rnyi熵的显著图目标检测

在复杂背景中,往往难以实现目标的自动检测,依据Wigner-Ville分布能够对图像在空间域/空间频率域上联合表示的特性.研究了图像经伪Wigner-Ville分布后Rnyi熵的统计特性,分析了人造目标的出现会引起自然场景中Rnyi熵统计特性的变化,并在此基础上提出了一种新的基于伪Wigner-Ville分布和Rnyi熵的显著图生成方法.之后对显著图进行简便的阈值分割,完成目标检测.实验结果表明,所提出的方法能够有效地检测复杂地面背景中的军用车辆.     

基于卷积高斯混合模型的统计压缩感知

高斯混合模型被广泛应用于统计压缩感知中信号先验概率分布的建模.利用高斯混合模型对图像的概率分布进行建模时,通常需要先对图像分块,再对图像块的概率分布进行建模.本文提出卷积高斯混合模型对整幅图像的概率分布进行建模.通过期望极大化算法求解极大边缘似然估计,实现模型中未知参数的估计.此外,考虑到在整幅图像上计算的复杂度较高,本文在卷积高斯混合模型和压缩测量模型中引入循环卷积,所有的训练和恢复过程都可以利用二维快速傅里叶变换实现快速运算.仿真实验表明,本文所提的MMLEconvGMM算法的恢复性能要优于传统的压缩感知算法的恢复性能.     

一种混合模糊含噪图像的参数辨识方法

在航空摄影、景象匹配导航等领域,由光学相机采集的图像往往同时存在着运动模糊和散焦模糊。成像中的噪声进一步加大了混合模糊图像点扩展函数的参数辨识难度。提出了一种双谱混合模糊含噪图像的点扩展函数参数辨识方法。首先计算出经混合模糊后的标准测试图像所对应的运动和散焦模糊的双谱,然后通过曲线拟合出双谱中各自的统计特性与运动模糊尺度或散焦半径之间的函数关系,由此训练出的BP神经网络可以完成对其它含有噪声的混合模糊图像点扩展函数的参数辨识。实验结果表明,该方法适用于含有噪声的一定模糊参数范围内的混合模糊图像。在信噪比为25dB的情况下,辨别出的模糊参数偏差不超过0.5个像素。     

Hopfield neural network-based image restoration with adaptive mixed-norm regularization

To overcome the shortcomings of traditional image restoration model and total variation image restoration model, we propose a novel Hopfield neural network-based image restoration algorithm with adaptive mixed-norm regularization. The new error function of image restoration combines the L2-norm and L1- norm regularization types. A method of calculating the adaptive scale control parameter is introduced. Experimental results demonstrate that the proposed algorithm is better than other algorithms with single norm regularization in the improvement of signal-to-noise ratio （ISNR） and vision effect.