Quality assessment of screen content images based on multi-stage dictionary learning

In this paper, we propose an effective method for quality assessment of screen content images (SCIs) based on multi-stage dictionary learning. To simulate the brain’s layered processing of signals, we proposed a hierarchical feature extraction strategy, which is called multi-stage dictionary learning, to simulate the hierarchical information processing of brain. First, the standard deviation of normalized map obtained from training image is used to select the training data in a certain proportion, which can ensure the learning efficiency and reduce the training burden. Next, the reconstructed map is weighted as the input of the next-stage dictionary learning. Then using the trained dictionary, the sparse representation is applied to extract features. Meanwhile, considering that some important features may be ignored in the process of multi-stage dictionary learning, we use Log Gabor filter to extract feature maps, and then calculate the correlation between feature maps as another kind of compensation features. Final, for the two feature sets, we choose SVR and feature codebook to learn two objective scores, and then use the adaptive weighting strategy to get the final objective quality score. Experimental results show that the proposed method is superior to several mainstream SCIs metrics on two publicly available databases.     

基于改进的Cabor 原子结构的快速稀疏分解

针对稀疏分解过完备字典中原子数量庞大导致稀疏分解计算复杂的缺点,文中提出了一种基于改进的Gabor 原子结构的快速稀疏分解。该稀疏分解根据Gabor 原子本身的特点,通过理论推导,证明了位移因子和频率因子的变化会导致Gabor 原子本身相位的变化,其变化范围包含了Gabor 原子相位因子的变化。所以它的相位因子在稀疏分解中可以不用考虑,从而减少了计算量,提高了稀疏分解速度。仿真结果表明,对比采用没有去掉相位因子的Gabor 原子构建的过完备字典,基于改进的Gabor 原子结构的稀疏分解速度提高了11. 7 倍,并且该算法没有智能计算的随机性缺陷。     

基于联合字典的无参考真实失真图像的质量评价

针对真实失真图像提出一种基于联合字典的无参考 (NR)图像质量评价(IQA)方法,分为训练和测试两个阶 段。在训练阶段,首先对真实失真图像提取美学特征和自然场景统计特征,然后对图像特征 和标签进行联 合字典学习,训练得到特征字典和质量字典。在测试阶段,根据特征字典和质量字典计算真 实失真图像的 质量值。在LIVE Challenge数据库上的实验结果表明,本文方法的评价结果与主观评价结果 有较好的相关 性,符合人类视觉系统的感知,相比较传统的无参考方法,具有更好的优越性。     

基于均值hash的图案织物疵点检测

图案织物的疵点检测是织物瑕疵自动化检测的难 点,论文提出以均值hash特征描述子表示图案织 物的均值hash特征和灰度特征,实现了图案织物的疵点检测。首先,基于图案织物的周期性 ,构建了无疵 点织物的均值hash特征词典;然后,提取测试织物图像块中的均值hash特征和灰度特征;通 过图像块的 均值hash特征与词典进行匹配,利用汉明距离表示差异度,获得了结构显著图;将图像块的 灰度特征与全 局灰度平均值比较,得到灰度显著图;最后,融合显著图,定位了缺陷位置。大量图案织物 的实验结果表 明,均值hash特征描述子能有效地表示周期性图案织物的结构特征,算法结合灰度特征,提 高了织物疵点检测的成功率,并具有良好的视觉效果。     

无线传感器网络数据自适应稀疏变换

针对无线传感器网络节点位置移动及传输干扰等因素可导致数据稀疏结构改变的问题,提出一种基于字典学习的无线传感器网络自适应稀疏变换方法。根据网络数据稀疏结构变化,自适应构建最优稀疏变换基,同时在字典学习问题中引入无线传感器网络数据稀疏基的可压缩约束,以满足无线传感器网络中大规模数据处理特点及稀疏变换的高实时性要求。理论分析和仿真结果表明,所提算法可有效提高无线传感器网络数据稀疏变换算法的顽健性,同时具有良好的实时性。     

基于Fourier原子的基追踪方法在SAR超分辨成像中的应用

将基追踪方法的应用扩展到SAR图像的超分辨问题上来.首先在相位历史域依据SAR目标属性散射模型构造了一类具有快速算法的Fourier原子;其次利用Fourier原子的可分离特性,分别在图像的行和列的方向上构造相应的字典,降低了字典的维数和计算复杂度,并且设计了一种新的迭代算法进行快速求解基追踪优化问题;最后对得到的表示系数作IFFT变换以得到更高分辨率的SAR图像.仿真算例和MSTAR实测数据计算表明,基于Fourier原子的基追踪方法能够快速稳定实现,同时具有良好的超分辨性能.     

基于稀疏表达的图像去噪方法研究

提出一种基于混合字典的图像稀疏分解去噪方法。使用小波包函数和离散余弦函数构成混合字典,采用匹配追踪算法对图像进行稀疏分解,提取含噪图像中的稀疏成分,最后利用稀疏成分进行图像重构,达到去除图像中噪声的目的。实验中与单一字典稀疏分解去噪算法进行了对比,结果表明,所提出的混合字典稀疏去噪算法可有效提取图像中的稀疏结构,改善重构图像的主客观质量。     

基于稀疏表示的船体检测方法研究

为进一步强化航道安全，解决海事CCTV人工值守、非自动化问题，提出了基于稀疏表示的船体检测方法。利用稀疏表示实现对船体的检测时，首先构建样本特征矩阵，然后利用K-SVD算法对样本特征矩阵进行学习，得到冗余字典，最后对测试样本进行重构，根据马氏距离判断测试样本属性。通过与传统方法的试验比较，实验结果表明，该算法实时性好、检测准确率高，可以很好地对CCTV视频监控的船体进行检测与跟踪，解决CCTV人工值守、非自动化问题，节省大量人力资源。     

基于稀疏表示的脑电棘波检测算法研究

 提出了一种基于稀疏表示的脑电棘波检测算法,首先以高斯函数及其一、二阶导数为原子的生成函数构建了一个冗余多成份字典,再应用匹配追踪算法获取脑电信号在此字典下的M项稀疏逼近,由该逼近的导数信息与原子的结构参数可准确度量瞬时波形的形态结构特征,进而提出基于形态结构匹配的棘波检测算法,克服了Gabor字典不能识别周期化棘波序列的缺点,同时能够有效去除背景节律与伪迹的影响,检测结果表明该算法针对临床EEG信号的检测率高达93.9%,正确率高达88.0%.     

扫描电镜中的算法进展

在过去的二十年中,同透射电镜一样,在扫描电镜上也取得了许多硬件的进展,如浸没式物镜、减速模式和新型探测器技术.测试技术的进步包括硬件和软件两方面内涵.伴随硬件的进步,借助信息科学(包括人工智能(AI)和其他统计数学方法),人们在成像和光谱学方面也有了新的机遇.硬件与软件结合,可以实现更高精度、更高通量的表征,也使得如今...