基于核Fisher判别字典学习的稀疏表示分类

在基于稀疏表示分类的模式识别中,字典学习(DL) 可以为稀疏表示获得更为精简的数据表示。最近的基于Fisher判别的字典学习(FDDL)可以学 习到更加判别的稀疏字典,使得稀疏表示分类具有很强的识别性能。核空间变换可以学习到 非线性结构信息,这对判别分类非常有用。为了充分利用 核空间特性以学习更加判别的稀疏字典来提升最终的识别性能,在FDDL的基础上,提出了两 种核化的稀疏表示DL方法。首先原始训练数据被投影到高维核空间,进行基于Fisher 判别的核稀 疏表示DLFDKDL;其次在稀疏系数上附加核Fisher约束,进行基于核Fisher判别的核稀疏表 示DL(KFDKDL),使得所学习的字典具有更强的判别能力。在多个公开的图像数据库上的稀疏 表示分类实验结果验证了所提出的FDKDL和KFDKDL方法的有效性。     

基于稀疏采样与级联字典的微波辐射图像重构方法*

针对微波辐射测量成像系统在一次观测中所采集的数据量大,基于奈奎斯特采样的常规,微波辐射成像方法难以实现高分辨率要求。本文在挖掘微波辐射图像多结构信息可压缩的基础上,利用随机观测矩阵对微波辐射图像进行线性压缩投影,减少数据采集量,降低系统的复杂性。考虑微波辐射图像具有多结构形式,采用单一的正交基难以稀疏表示复杂场景的微波辐射图像,利用全变差分和小波的级联字典对微波辐射图像进行稀疏表示,然后用OMP 算法重构微波辐射图像。仿真实验结果表明:级联字典重构微波辐射图像的性能优于单一正交基。     

基于分类学习字典全局稀疏表示模型的图像修复算法研究

基于稀疏重构的图像修复依赖于图像全局自相似性信息的利用和稀疏分解字典的选择,为此提出了基于分类学习字典全局稀疏表示模型的图像修复思路.该算法首先将图像未丢失信息聚类为具有相似几何结构的多个子区域,并分别对各个子区域用K-SVD字典学习方法得到与各子区域结构特征相适应的学习字典.然后根据图像自相似性特点构建能够描述图像块空间组织结构关系的全局稀疏最大期望值表示模型,迭代地使用该模型交替更新图像块的组织结构关系和损坏图像的估计直到修复结果趋于稳定.实验结果表明,方法对于图像的纹理细节、结构信息都能起到好的修复作用.     

基于自相似性约束的视频稀疏超分辨率重建

通过研究帧间自相似性对图像重建的影响,提出一种自相似性约束的单视频稀疏超分辨率重建算法,以达到保持图像局部结构完整性的同时有效去噪的目的。该算法运用主成分分析PCA训练出适应图像不同局部结构的分类词典;通过帧间光流场的粗略运动估计和帧内帧间的精确块匹配,搜索自相似信息,运用非局部均值NLM滤波,并以此约束稀疏模型。仿真实验表明,提出的算法无论是客观指标,还是主观视觉上都超过了进行比较的几种分辨率提高算法。     

基于过完备结构字典的跳频信号稀疏分解

过完备字典下的信号稀疏分解能够充分利用信号的结构特征,具有更好的稀疏分解性能。主要研究了跳频信号在过完备字典下的稀疏分解,提出了过完备结构字典下的跳频信号稀疏分解方法。利用跳频信号固有的结构特性,构造更加接近跳频信号结构特征的过完备字典,并采用FFT改进的匹配追踪算法对跳频信号进行稀疏分解。仿真结果表明该方法在分解效果和分解所需时间方面都有很大改善。     

基于CANopen的轻轨牵引变流器网络控制系统

轻轨以其舒适、快捷、便利等特点成为人们出行的一种重要运输工具,为缓解城市交通拥堵做出突出贡献。轻轨牵引变流器负责为车辆提供牵引力,其可靠运行关系整个车辆的安全行驶。文中采用CANopen通信技术,针对轻轨车辆牵引变流器设计了新型的网络控制系统,负责车辆各牵引单元的实时控制和数据通信,详细阐述了CANopen网络控制系统的设计过程,并通过CAN分析仪对网络控制系统的运行数据进行监测,验证了CANopen网络控制系统的可行性及其通信的正确性。     

基于滑窗和原子字典的压缩域跳频信号参数估计算法

现有跳频信号参数估计算法大多没有考虑跳频信号的结构特性,在低信噪比下存在计算复杂度高或估计精度低的缺点,针对这一问题,该文提出一种基于滑窗和原子字典的压缩域跳频信号参数估计算法。用滑窗法对所处理的跳频信号进行整周期滑动压缩采样,粗略估计出跳频信号的跳变时刻,以块对角化的傅里叶正交基作为稀疏基精确估计出跳变前后的频率,在此基础上构建可以表示跳频信号局部时频特性的原子字典,通过匹配追踪算法准确估计出跳频信号的跳变时刻。实验结果表明,该算法在显著降低信号采样数据量和计算复杂度的同时,保持了跳频信号参数的高精度估计。     

一种基于稀疏分解的窄带信号频率估计算法

针对窄带多分量信号频率估计问题,该文提出一种基于稀疏分解的频率估计算法,能够同时对多个窄带信号的频率进行估计。首先利用传统方法进行频率预估计,然后根据频率预估计的结果建立冗余字典,对信号进行稀疏表示,最后通过匹配追踪算法得到精确的频率估计。该算法极大地减小了字典的长度和稀疏分解的运算量,而且在迭代过程中利用了全局信息更新残差向量,估计结果更为精确,在低信噪比情况下性能也较为稳健。仿真结果验证该算法的有效性和正确性。     

基于非局部稀疏编码的超分辨率图像复原

基于压缩感知的超分辨率图像复原方法通常采用局部稀疏编码策略,对每一图像块独立编码,易产生人工的分块效应。针对上述问题,该文提出一种基于非局部稀疏编码的超分辨率图像复原方法。该算法在字典训练和图像编码过程中分别运用图像的非局部自相似先验知识,即利用低分辨率图像的插值图像训练字典,并通过计算相似块局部编码的加权平均,得到每一图像块的非局部稀疏编码。仿真实验表明,所提算法能够获得更优的复原效果,并且对于含噪图像具有较强的鲁棒性。     

融合内外特征的图像超分辨率算法

针对单一先验知识不足以约束病态严重的图像超分辨率问题,本文提出了融合内外特征的图像超分辨率算法.针对图像的自相似性,通过采用基于内部特征的深度卷积网络学习来增强输入图像的细节纹理,去除超分辨率图像伪影;同时,使用基于外部图像的稀疏约束方法来学习图像结构信息,并结合高频残差字典来解决超分辨率重建中的高频信息缺失问题;最后通过卷积稀疏方法分别从基础层和细节层来融合内外特征的重建图像,以获得细节清晰、去伪影的超分辨率图像,进一步提高图像质量.与传统算法相比,本文算法在重建图像的纹理特征和质量上都得到了增强,且视觉效果与峰值信噪比较传统算法有所改善.