一种改进的图像压缩感知稀疏恢复算法

稀疏信号的分布模型是影响基于近似信息传递（AMP）的压缩感知(CS)信号重建效果的关键因素。因实际图像的小波近似系数、各级的水平细节系数、垂直细节系数以及对角细节系数的模型参数存在较大差异,现有基于拉普拉斯、贝努力高斯(BG)和高斯混合等模型的AMP方法因未考虑此差异而影响重建效果。为了提高模型估计的准确性,将各级小波系数的BG模型参数分开估计,进而提出了一种改进的图像压缩感知稀疏重建的新方法,即期望最大分段贝努力高斯近似信息传递算法（EM-SSBG-AMP）。仿真结果表明,相同采样率下,新算法的峰值信噪比（PSNR）明显高于5阶期望最大高斯混合近似信息传递算法(EM-GM-AMP),重建时间与5阶EM-GM-AMP相当。     

一种基于Lasso回归与SVD融合的深度学习模型压缩方法

针对深度学习模型所需的海量参数及强大的计算资源而导致其不能很便捷地应用于嵌入式设备或移动端的问题,在Lasso（Least Absolute Shrinkage and Selection Operator）回归通道挑选法的基础上,提出了Lasso+奇异值分解（Singular Value Decomposition,SVD）的融合压缩法。使用VGG-16为初始模型,分别在不同的小型数据集上进行迁移学习,使用迁移学习后的模型在不同的加速率下进行测试。实验结果表明,相对于传统的模型压缩算法,Lasso+SVD的融合压缩法实现了在加速和参数压缩两方面的优势,进而以目标检测为应用方向,在保证准确率的同时不仅降低了模型存储需求,而且也较大提升了模型的实时性。     

基于均值坐标的场景感知图像融合简介

图像融合是将两幅或者两幅以上的数字图像通过各种技术融合在一起的过程。为了满足设计或人文的需要,本文将延续前人的工作处理好图像无缝融合,并在此基础上实现场景感知的融合,同时实现亮度与环境保持一致,从而解决了颜色随着亮度的变化而导致的失真。     

一种基于覆盖表融合的移动群智感知协作算法

在集中性较高的感知区域中,移动群智感知网络节点在无控制的模式下,容易产生感知数据冗余度大幅升高的问题,降低了网络感知质量。针对这种情况,首先对感知区域进行时空域划分,并对感知过程进行建模;然后引入单元格充足感知覆盖概念,设计了一种基于覆盖表信息融合的移动节点协作感知数据收集算法。实验仿真表明,相较于原始感知模式和本地控制模式,该算法能大幅消除感知冗余数据,从而提高感知网络的数据质量,同时节约移动节点代价。     

基于空谱特性的高光谱图像压缩感知重构

针对现有的高光谱图像压缩感知重构算法对图像的空谱特性利用不够充分,导致重构图像质量不够高的问题,提出了一种高光谱图像变投影率分块压缩感知结合优化谱间预测重构方案。编码端以频段聚类方式将高光谱图像的所有频段分成参考频段和普通频段,对不同频段单独采用不同精度分块压缩感知以获取高光谱数据。在解码端,参考频段直接采用稀疏度自适应匹配追踪(SAMP)算法重构,对于普通频段,则设计了一种优化谱间预测结合SAMP算法的新模型进行重构：首先通过重构的参考频段双向预测普通频段,并对其进行压缩投影,然后计算预测前后普通频段投影值的残差,最后利用SAMP算法重构该残差,以此修正预测值。实验表明,相比同类算法,该算法充分考虑了高光谱图像的空谱特性,有效改善了重构图像质量,且编码复杂度低,易于硬件实现。     

基于小波变换的多规则图像融合方法

针对红外和可见光图像各自特征,提出了基于小波变换多分辨率的不同规则图像融 合方法。首先对原图像进行多级小波分解,产生多频带小波系数,利用像素的局部区域方差 、平均梯度及掩膜滤波等方法对不同频带小波系数计算融合权重,最后将小波融合系数逆变 换实现图像的融合处理。实验结果表明,融合图像特征显著,易于观察。     

一种鲁棒的SAR图像匹配方法

针对合成孔径雷达（Synthetic Aperture Radar,SAR）图像匹配中虚假匹配和鲁棒性欠缺的问题,提出了一种鲁棒的SAR图像匹配方法。首先通过正射校正来进行预处理,从而消除SAR图像的旋转;然后利用相关匹配方法初步提取同名点;最后根据同名点的空间位置来筛选同名点并计算仿射矩阵进行匹配,提高了SAR图像匹配的精度和鲁棒性。实验证明了所提方法的有效性。     

一种新的基于二尺度分解的图像和谐融合方法

介绍了一种新颖的图像融合算法。该方法首先将图像的亮度通道进行分解,然后对分 解后的层使用不同的方式进行处理。该方法使用均值插值法来解决图像融合问题。实验表明 ,该方法在外观不同的图像上能够获得比较满意的结果,融合结果和目标图像的细节纹理匹 配完好且无缝。此外,基于图形处理器（GPU）的并行实现提高了算法的效率。     

JBIG-2——二值图像压缩技术与标准的进展

简介即将成为新一代二值图像压缩国际标准的ＪＢＩＧ－２进展状况。     

一种考虑传感器精度的数据自适应加权融合算法

为增强多传感器测量数据融合效果,在综合考虑传感器初始精度与实际测量精度的基础上,提出了一种改进的自适应加权融合算法。将证据理论中的修正证据距离引入传感器实际测量数据间距离计算,基于计算得出的测量数据间距离生成各数据融合时的测量权重值。当传感器精度已知或者能够计算得出时,将基于传感器精度生成的固定权重与测量权重相综合,生成最终权重;当传感器精度未知且无法计算得出时,将测量权重作为最终权重。基于多种典型算例对所提融合算法进行验证,结果表明所提算法融合效果较好,具有一定的理论意义和较好的工程实用价值。     

基于压缩感知的分布式协同估计算法

为了降低分布式协同估计算法的计算量并改善其收敛性能,提出了基于压缩感知(CS)和递归最小二乘(RLS)的分布式协同估计算法。该算法在传统RLS分布式协同估计算法的基础上引入压缩感知技术,首先在压缩域中进行递归最小二乘运算,然后利用压缩感知重构算法得到未知参数向量的估计值。提出的算法能够在增量式策略和两种模式的扩散式策略下实现对未知向量的有效估计。理论分析和仿真结果表明,该算法一方面降低了RLS分布式协同估计算法的计算量,另一方面保持较快的收敛速度与良好的均方误差性能。     

基于块稀疏度与自适应迭代的压缩感知方法

针对分块压缩感知算法在平滑块效应时损失了大量的细节纹理信息,从而影响图像的重构效果问题,提出了一种基于块稀疏信号的压缩感知重构算法。该算法先采用块稀疏度估计对信号的稀疏性做初步估计,通过对块稀疏度进行估算初始化阶段长,运用块矩阵与残差信号最匹配原则来选取支撑块,再运用自适应迭代计算实现对块稀疏信号的重构,较好地解决了浪费存储资源和计算量大的问题。实验结果表明,相比常用压缩感知方法,所提算法能明显减少运算时间,且能有效提高图像重构效果。     

基于Chirplet变换和压缩感知的空中颤振目标稀疏成像

针对在逆合成孔径雷达（ISAR）成像过程中目标非合作性机动导致的方位孔径稀疏现象与目标主体颤振引起的微多普勒效应相叠加对成像造成的影响,建立了颤振目标稀疏ISAR成像模型,分析了孔径稀疏和目标颤振对成像造成的影响,提出了一种基于Chirplet变换和压缩感知（CS）重构的成像方法,获得了颤振目标的高质量成像结果。仿真实验验证了该方法的有效性。     

决策可靠性分析及在SAR图像目标识别中的应用

决策融合是提高合成孔径雷达（Synthetic Aperture Radar,SAR）目标识别性能的重要手段,然而,可靠性较弱的决策往往会导致最终决策融合的效果变差。将可靠性分析引入基于决策融合的SAR目标识别方法中,分别计算各个决策的可靠性系数并选取可靠性的决策参与最终的决策融合。为了验证方法的有效性,分别将提出的可靠性分析应用于多特征决策融合以及多分类器决策融合并基于MSTAR（Moving and Stationary Target Acquisition and Recognition）数据集进行了目标识别实验。在基于主成分分析、线性鉴别分析和非负矩阵分解三种特征进行多特征决策融合的条件下,所提方法和直接进行决策融合的方法的识别率分别为97.47%和96.50%。在基于K近邻、支持向量机和稀疏表示分类器的多分类器决策融合中,所提方法和直接进行决策融合的方法的识别率分别为97.10%和96.28%。实验结果充分证明了所提方法的有效性。     

基于压缩感知的信道反馈重构

在大规模多输入多输出(Multiple-Input Multiple-Output,MIMO)系统中,基于压缩感知技术(Compressed Sensing,CS)开发高效的信道状态信息(Channel State Information,CSI) 反馈方案是现在研究的热点。针对现有的基于CS的信道反馈重构算法——正交匹配追踪(Orthogonal Matching Pursuit,OMP)算法存在重构时间长、数据量大可能会无法适用的不足,提出了一种改进的OMP算法,即广义正交匹配追踪(Generalized OMP,GOMP)算法对CSI进行高效重构。仿真结果表明,GOMP算法在重构精确度上高于OMP算法,特别是在较低的压缩比下优势更为突出;而且由于迭代次数减少,需要的重构时间也显著减少。     

基于残差重构的分布式视频压缩感知

为了改进分布式视频压缩感知方案的性能,提出了一种基于残差重构的分布式视频压 缩感知方案。该方案在编码端逐帧独立进行测量,在解码端依靠视频信号的时域相关性提升 重构信号质量。首先,对关键帧独立进行重构;其次,利用已重构关键帧做运动估计/运动 补偿以生成非关键帧的边信息;接下来,对边信息采用与编码端相同的测量矩阵进行测量并 计算测量残差值;最后,采用全变分最小化重构残差信号值并将其与边信息相加生成最终的 重构图像。实验结果表明,在相同采样率下,与已有的分布式视频压缩感知方案相比,提出 的方案可获得2.8 dB以上的峰值信噪比增益。     

一种基于压缩感知的信号重建新算法

在求解基追踪问题的线性化Bregman迭代方法基础上,结合了广义逆的迭代技术得到一种稀疏信号重构的新算法。该算法在计算Moore-Penrose广义逆时,采用了迭代计算的方式,与算法本身相结合使得仅有矩阵向量乘积运算,避免了奇异值分解的较大工作量。通过数值试验可知,新算法相对线性化Bregman算法在计算时间上约减少了2/3,同时信号的恢复效果也是稳定有效的。因此,新算法是一种有效可行的信号重建算法。     

采用压缩感知的标准测控信号处理

针对测控通信信号接收端存在数据大量冗余的问题,利用标准测控信号在频域上的稀疏性,采用压缩感知的理论进行前期处理。分别考虑了只存在测距音、只存在遥测信号和两类信号都存在等三种条件下的信号处理问题。通过改变稀疏度的大小,可以在不影响解调性能的条件下,大幅度降低接收端所需要的采样率,并且达到消除系统中不需要的谐波的目的。仿真验证了方法的有效性,同时说明利用压缩感知技术,将为测控通信系统的射频直接采样和处理提供一种高效的方式。