一种改进的稀疏度自适应匹配追踪算法

压缩感知理论是一种充分利用信号稀疏性或可压缩性的全新信号获取和处理理论。针对未知稀疏度信号重构,提出了一种改进的稀疏度自适应匹配追踪算法。该算法首先利用一种基于原子匹配测试的方法得到信号稀疏度的初始估计,然后在稀疏度自适应匹配追踪(SAMP)框架下采用变步长分阶段思想实现稀疏度的逼近,在初始阶段利用大步长实现稀疏度的快速粗接近,以提高收敛速度,在随后的迭代中逐渐减小步长,实现稀疏度的精逼近,最终实现信号的精确重构。理论分析和仿真结果表明,该算法在一定程度上解决了SAMP算法在大稀疏度条件下运算量较大以及固定步长导致的欠估计和过估计问题,较好地实现了未知稀疏度信号的精确重建,并且重建性能和重建效率均优于现有的同类算法。      

一种改进的颜色匹配对图像检索算法

以子块直方图彩色图像检索算法为基础， 分析了进一步利用图像空间相似信息的颜色匹配对检索算法的性能。在子块直方图的构成、直方图距离值的归类等方面提出了行之有效的改进方法；给出了子块大小、相似度阈值等参数选择的优化原则，使查准率、查全率等检索性能指标得到了较大的提高，得出了几个有用的结论并形成了实验系统。     

一种基于正交匹配追踪的压缩感知信号检测算法

针对当前压缩感知信号检测算法没有充分利用稀疏系数幅值信息的不足,提出了一种新的检测算法。从正交匹配追踪算法切入,通过深入分析归一化残差的变化信息,提出归一化余差概念,建立了一种基于归一化残差和归一化余差二维判决的信号检测算法。仿真结果表明,算法的有效检测阈值区间随着信噪比的降低而不断减小,且在信噪比为-8 dB、压缩比为0.25时,该算法的检测概率仍能满足要求,具备较好的适应性。     

基于分层匹配追踪的快速图像检索

为从海量的图像资源中既准确又快速地检索出目 标图像,在传统的 图像检索模型中,图像的特征通常是从固定尺度的图像上提取出的,这将不可避免地降低整 个系统 实际应用能力。为解决这一问题,本文引入分层稀疏编码模型, 提出一种基于分层匹配追踪(HMP)的快速图像检索技术,实现多尺度情况下的图像检索。本 文方法从图像中提取的低层稀疏编码特征传递 到高层,并将提取的高维稀疏编码特征转换为改进后的PCAH特征,利用哈希特征的汉明距 离度量, 实现图像的快速检索。在公共数据集Caltech256和Corel5K上的实验 结果可以看出,本文方法的查 准率和查全率较其他哈希法分别提高了5%和10%以上,而且所用时间 也最短,表明本文方法不仅具有较高的准确率,还能保持较高的时间效率。     

基于图像直方图混合度量匹配的图像检索

本文通过分析图像的空间信息和颜色之间的相关性，提出一种基于直方图混合度量的图像检索方法。实验证明本文提出的方法其检索效果明显优于传统直方图方法。     

基于二维压缩感知和分层特征的图像检索算法

为了保留图像分析时的像素点位置关系及降维处理,把一维压缩感知理论推广到二维,建立了二维可稀疏信号的压缩测量模型,研究了一种二维信号的自适应梯度下降重构AGDR(Adaptive Gradient Descent Recursion)算法,由此提出了一种图像分层特征提取与检索方法.首先对图像在RGB颜色空间上进行网格离散划分,通过分层算子对图像进行分层映射,定义一种基于颜色网格空间的扩展灰度共生矩阵,采用二维测量模型获取图像的分层测量特征、纹理特征与分层颜色统计特征,图像分层测量特征综合反映出图像的颜色及像素点位置的关系,扩展灰度共生矩阵反映纹理特征.其次用AGDR算法计算检索图像之间的原始信号差量及其稀疏值.最后结合两类分层特征差量、稀疏值和颜色统计特征,融合计算图像间整体相似度度量指标.仿真实验表明,应用分层二维压缩感知测量与AGDR算法的图像检索方法在检索时间、查全率和查准率等指标上具有优越性能,为图像检索提供了新思路.     

一种改进的稀疏度自适应弱选择匹配追踪算法

针对实际水声信道无法获知先验稀疏度和导频资源问题,提出一种改进的稀疏度自适应弱选择匹配追踪算法(MSASWOMP)。将稀疏度初始估计作为初始支撑集的大小,对原子进行阈值弱选择得到的原子支撑集作为回溯筛选的候选集;再以初始支撑集大小为回溯开始初始条件值进行二次筛选;最后利用变阶段步长方法进行稀疏度逐步精确估计,自适应更新回溯开始条件值。仿真实验分析了阈值参数、稀疏度估计步长和导频数目对于MSASWOMP算法的影响,结果表明,该算法能以更少的导频数目获得更精确的信道估计值,节省导频资源的同时,其均方误差(MSE)优于传统算法。     

基于匹配追踪算法的电能质量研究

为了解决电能质量信号采集数据量大的问题,提出基于匹配追踪重构算法的压缩感知方法,并首次应用于电能质量信号压缩采样研究。文中通过采用不同的稀疏基和重构算法的方法,来提高原始电能质量信号重构效果。当采样数据空间稀疏基分别选取傅里叶变换基和小波变换基,重构算法分别采用正交匹配追踪(OMP)和压缩采样匹配追踪(CoSaMP)时,仿真结果表明,压缩采样比为20%时,两种重构算法的均方误差都低于3%,重构信噪比大于30dB,为电能质量信号压缩采样研究提供了一种新的思路。     

块稀疏广义正交匹配追踪算法

基于广义正交匹配追踪,提出了一种在压缩感知框架下,适用于任意块稀疏信号重构的算法。该算法以贪婪迭代为核心,在迭代过程中利用一种新的方法寻找非零块,达到了非零块估计方法优化的目的,提升了算法重构概率。理论分析表明在恰当的受限等距特性常数约束下,该算法能够保证重构原始信号。仿真实验从稀疏度、算法估计步长、测量值数目、迭代次数等方面证明了该算法的有效性与优越性。     

一种有效的基于内容的图像检索方法

本文针对基于内容的图像检索中特征和相似度问题，提出新的距离模式，并以彩色空间中扩展共发矩阵作为纹理描述，在测试系统iPhoto上，数据库为56600幅图像时，实验结果显示，本文方法优于传统方法。     

一种基于HVS加权颜色特征的图像检索算法

提出一种基于人类视觉系统(HVS)的加权颜色特征图像检索算法.首先对图像进行分块,提取各分块的主色作为颜色特征,然后利用人类视觉特性,对所获取的颜色特征进行加权处理,获得加权"主色"颜色特征.实验结果表明,基干所提出的加权"主色"颜色特征的图像检索算法较单纯依靠直方图和分块主色法具有更好的检索精度.     

基于改进正交匹配追踪的FBG传感信号处理方法

针对光纤布拉格光栅(FBG)传感信号易受外界噪声干扰从而导致信号丢失的问题,提出了一种改进型正交匹配追踪(OMP)算法。围绕FBG传感信号波长随应力漂移的本质特征,在压缩感知理论的框架下,通过去除稀疏系数中的虚部,并利用指数饱和法对非零元素进行拟合与排序,从而获取FBG信号的有效稀疏度。在此基础上,通过改进经典OMP算法迭代过程中的原子选择策略与终止条件,有效降低算法复杂度并提高信号的重构精度。对比实验结果表明,所提出的算法在时间复杂度、信噪比与信号重构精度等方面均具有突出的优势。     

一种基于颜色连通的图像纹理检索新方法

提出并实现一种结合图像颜色连通区域信息及其纹理特征的图像检索新方法.首先提取图像的分块主颜色,根据提出的相关颜色定义,搜索确定图像中的颜色连通区域集.然后,提取图像中各颜色连通区域对应的四种颜色共生矩阵特征,利用针对该特征设计的图像相似性度量函数实现基于内容的图像检索.实验结果表明,该方法能有效结合图像的纹理信息及其颜色构成和分布信息,具有良好的检索效果和性能.     

自适应阈值SSDA图像匹配拼接算法的研究

传统的模板匹配算法计算量大,匹配速度慢。序贯相似性检测算法SSDA虽可以减少计算量,但其固定阈值的合适选取存在很大的困难。针对这种情况,提出了一种自适应阈值的序贯相似性检测图像匹配拼接算法。选定阈值初值后,在后续匹配计算中不断自适应更新,遵循超过当前阈值就不再匹配计算的原则,寻尽可能的减少计算量,找最佳匹配点的位置。实例表明,这种算法速度快,匹配准确,图像匹配拼接效果好。     

基于改进哈希算法的图像检索方法

当前主流图像检索技术所采用的传统视觉特征编码缺少足够的学习能力,影响学习得到的特征表达能力。此外,由于视觉特征维数高,会消耗大量的内存,因此降低了图像检索的性能。文中基于深度卷积神经网络与改进的哈希算法,提出并设计了一种端到端训练方式的图像检索方法。该方法将卷积神经网络提取的高层特征和哈希函数相结合,学习到具有足够表达能力的哈希特征,从而在低维汉明空间中完成对图像数据的大规模检索。在两个常用数据集上的实验结果表明,所提出的哈希图像检索方法的检索性能优于当前的一些主流方法。     

一个基于MPEG-7颜色与形状的图像检索系统

结合MPEG-7的颜色与形状两种描述符设计出了一个新的图像检索系统,利用MPEG-7提供的主颜色描述符及基于区域的形状描述算法--角放射变换(ART)对图像进行特征提取、描述.实验用MPEG-7的评价准则进行评判,由包括花卉、自然风景及商标组成的图像库进行测试,结果表明,综合这两种特征进行检索比使用单一特征取得的检索效果更佳.     

基于变步长的正则化回溯自适应追踪算法

在压缩感知重构算法中,稀疏度未知及步长大小固定是影响算法精度及运行时间的因素.针对以上不足,本文提出一种基于变步长的正则化回溯自适应追踪算法.该算法首先通过原子匹配测试的方式获得信号的稀疏度估计;将正则化思想和子空间追踪算法的回溯思想相结合,实现原子的二次筛选并筛除不合适的原子;最后,利用变化的步长选择候选集中的原子,帮助完成信号的完整重构.通过仿真实验证明,本文提出的重构算法在重构速度和重构精度上均优于同类算法.     

基于仿生形象思维方法的图像检索算法

在人类对图像的理解过程中,认知结果是由人脑形象思维活动得到的.模仿人脑从形象思维角度,本文提出了一种图像特征提取方法,设计了一种图像检索算法.把每幅图像都映射为高维特征矢量（每个矢量都被看作是高维特征空间中的一个点）,计算高维特征空间中点与点的距离判别函数即可得到图像之间的关系.与其他检索算法比较,实验结果表明该方法在检索效率和检索速度具有优越性.