基于稀疏和冗余表示的图像融合方法

为了产生能提供更多信息的融合图像,提出了一种基于SRR(Sparse and Redundant Represent,稀疏和冗余表示)理论的图像融合方法。该方法首先采用训练所得的冗余字典对原始图像进行稀疏表示,然后对系数矩阵采用1-范数取大融合规则进行融合,最后对融合系数矩阵和冗余字典进行重建以得到融合图像。将该方法与拉普拉斯变换、PCA(Principal Component Analysis,主成分分析)、DWT(Discrete Wavelet Transform,离散小波变换)、CVT(Cur Velet Transform,曲波变换)和NSCT(Non-Subsampled Contourlet Transform,非下采样轮廓波变换)等方法在几组图像上进行比较,实验结果表明,该方法在一定程度上提高了融合图像的质量,在主观和客观上都具有较好的性能。     

基于卷积稀疏表示的图像融合方法

图像融合是图像处理领域中比较重要的一门技术,传统的图像融合方法会降低图像融合质量。针对稀疏表示在图像融合中存在一定的缺陷,提出了一种基于卷积稀疏表示的图像融合方法。首先,对高频子带系数进行合理有效处理,利用相似度分析和视觉显著性进行融合。然后,将低频子带系数整体融合改进为使用Butworth低通滤波对低频子带进行分解,得到低频近似子带和强边缘子带。最后,再用改进的脉冲耦合神经网络(Pulse Coupled Neural Network,PCNN)对强边缘子带进行融合。实验结果表明,与其它传统的图像融合方法相比,信息熵(Information Entropy,IE)提高了将近3%,标准差(Standard Deviation,SD)提高了将近9%,空间频率(Space Frequency,SF)提升了将近30%,互信息(Mutual Information,MI)提升了将近25%。同时,时间效率也有了一定程度地提升。     

基于稀疏表示的图像混合噪声抑制算法

中值滤波能有效地抑制脉冲椒盐噪声,但它对于图像中的高斯噪声的去除效果不佳;而简单地使用针对高斯噪声的方法,对混合噪声也不能起到较好的抑制效果。稀疏是图像的重要特性,是进行图像处理的重要先验。本文提出了基于稀疏表示的混合噪声抑制算法。实验表明,本文算法可以有效地滤除混合噪声,且较好地保护了图像细节特征。     

基于迁移学习的SAR目标超分辨重建

针对合成孔径雷达(SAR)目标超分辨重建问题,提出了一种基于迁移学习的超分辨方法。在光学图像梯度域中联合训练超完备字典与稀疏编码映射,利用半耦合字典联系SAR图像与光学图像,寻找SAR图像在半耦合字典下的稀疏编码,并在高分辨率字典下完成重建。结合SAR图像的先验信息,使用正则化方法对SAR目标进行特征增强。所提方法在TerraSAR-X数据和MSTAR数据上进行了仿真实验,重建结果表明,相比目前的插值方法和稀疏表示方法,所提方法空间分辨率可提高0.5~1.5个像素。正则化增强结果表明,引入稀疏先验的正则化增强能够进一步提高空间分辨率并抑制杂波比,最后分析了正则化参数的选取对图像质量的影响。     

基于稀疏表示的多雷达信号二维融合处理

多雷达信号融合通过对多视角和多频带雷达信号进行相干融合,可以提高图像的距离和方位向分辨率.为了克服基于谱估计的多雷达信号融合方法稳健性严重依赖于散射点个数估计精度和二维极点配对精度的问题,在深入研究逆合成孔径雷达(ISAR)信号的基础上,构造了多雷达信号二维融合的线性表示模型,将融合处理转化为一个信号表示问题;充分挖掘...     

引入稀疏原子特征融合的滑动轴承摩擦故障状态监测

从信息融合理论出发,将特征的稀疏表达作为特征融合参数,提出一种结合K奇异值分解(KSVD）和最大相关最小冗余准则(mRMR）的轴承摩擦故障特征融合算法。该算法采用KSVD对信号稀疏化,将稀疏系数对应的字典原子作为特征融合的参数,用以表达非线性故障信息;针对字典原子集的优化选择问题,基于互信息的mRMR提出一种确定最优原子集的原子数目的准则;最后,通过最大化原则融合稀疏系数,提取故障状态监测的有效信息。轴承摩擦故障模拟实验的结果表明,所提方法能够更好地融合不同特征的故障信息,相比于单特征和其他融合特征方法,提高了约12%的故障识别率。      

红外与可见光图像融合的空间碎片识别方法

针对暗弱空间环境中空间碎片的识别问题,提出了一种光照不均匀环境中的空间碎片识别方法。不同于现有识别方案,该方法从光照不均匀导致空间碎片图像源细节丢失造成识别性能下降的角度出发,首先将空间碎片的红外和可见光图像进行深度融合,并建立空间碎片融合图像数据库,然后基于训练样本采用深度学习技术训练得到空间碎片识别模型。算法分析表明,该图像融合方案具有高度的细节保留能力,识别模型具有在暗弱环境中高精度目标识别能力。最后进行了仿真实验,实验结果表明,该识别方案在姿态变化、图像源亮度变化等干扰条件下都具有较好的鲁棒性。     

基于稀疏表示的双基地MIMO雷达多目标定位及幅相误差估计

 基于稀疏表示理论,提出一种新的双基地多输入多输出(MIMO)雷达收发角度及幅相误差估计算法。利用接收数据,分别构造发射和接收协方差矩阵,并以列向量化后的发射和接收协方差矩阵为量测信号建立2个一维稀疏线性模型,构造模型求解的 L₂-L₁ 混合范数优化目标函数,通过交替迭代寻优获得目标角度估计和幅相误差估计,最后给出了本文算法的收敛性分析。与现有算法相比,该算法充分利用了目标发射和接收空域的稀疏特性,且能够通过对噪声功率的预估计来抑制噪声。仿真结果表明:在低信噪比(SNR)条件下,本文算法仍能够得到较好的估计精度,且对幅相误差具有一定的稳健性。     

基于稀疏自动编码器的飞参数据异常检测

为了改善人工判读飞参数据效率低且易出现误判和漏判的不良状况,本文提出一种基于稀疏自动编码器(Sparse auto-encoder,SAE)的飞参数据异常检测方法。首先构建了SAE的基本框架,然后以滑动窗口的形式生成训练样本。其次,用正常样本并结合BP算法对整个网络模型进行训练和优化以得到相应的正常样本重构误差分布阈值。最后,根据测试样本的重构误差对飞参数据中的典型异常进行检测。实验证明,该方法可在样本不平衡的情况下,仅利用正常样本构建参数空间,并得到正常样本重构误差分布门限,准确检测出飞参数据中的异常,实现飞参数据机器判读。     

基于弹性网稀疏编码的空间目标识别

 传统的特征袋(BoF)模型在目标识别过程中假设每个局部特征点只关联特征词典中一个视觉单词。此外,l₁范数约束下的稀疏编码对于具有较强成对相关性的特征通常只选择一个特征,而不关注哪一个特征被选择。本文提出一种基于弹性网稀疏编码的特征袋模型。该模型利用尺度不变特征变换(SIFT)特征描述子构建特征字典,再通过弹性网回归模型求解每个描述子所对应的稀疏系数向量,最后将目标图像内的稀疏系数向量合并用于分类。与传统的特征袋模型和基于l₁范数稀疏编码的特征袋模型相比,该模型有较好的识别性能,并对视角变化具有较强的鲁棒性。在空间目标图像数据库上的实验验证了该模型的有效性。     

基于Contourlet的SSIM图像融合质量评价方法

利用contourlet能有效表示图像的边缘和轮廓信息的特点,并将其引入到图像融合后的评价中,提出了一种基于Contourlet的结构相似度(SSIM)图像融合质量评价方法。以失真信道模拟融合过程,通过对标准参考图像与融合图像之间的结构相似度来实现对融合方法、融合规则性能优劣的评判。实验表明该方法与主观评价方法有很好的一致性,且与经典的SSIM算法相比具有更好的区分度。     

并行稀疏滤波在轴承声信号下的故障诊断

振动信号是航空发动机故障监测的常用信号。由于航空发动机结构复杂，对振动传感器的布置要求日益严格。声学信号以其非接触式、易布置、低成本的优点，在轴承智能故障诊断中引起了广泛的关注。然而，由于航空发动机内声信号所处的环境噪声较强，传统的轴承故障诊断方法无法实现精确的特征提取。为此，研究有效的特征提取方法实现轴承声信号下的智能故障诊断显得尤为重要。稀疏表示是智能故障诊断中的一个研究热点，在稀疏特征提取方面显示出强大的力量。对强噪声下的声信号进行有效的稀疏特征提取，可为轴承的非接触式故障诊断提供解决路径。提出一种基于并行稀疏滤波的轴承故障诊断方法，能够实现对轴承声信号的稀疏特征提取。并行稀疏滤波通过在传统稀疏滤波的基础上增加另一个归一化方向来实现进一步的稀疏特征提取，然后采用权值归一化方法约束训练得到的权值矩阵。最后，通过仿真和实验数据验证了所提方法的优越性。结果表明，并行稀疏滤波能够实现轴承声信号的有效稀疏特征提取和精准分类，可用于声学信号下的轴承智能故障诊断。     

基于区域分割的红外与可见光图像融合算法的研究(英文)

由于红外图像和可见光图像的成像特点不同,因此在航空监视领域红外图像和可见光图像融合有重要的研究意义。由于非下采Contourlet变换具有更好的方向性、较高的逼近精度和更好的稀疏表达性能,能有效的提取图像的特征信息。因此我们在非下采Contourlet域,以空间频率为度量标准对红外图像进行阈值分割,经过分割将红外图像和可见光图像分别划分为目标区域以及背景,随后对红外图像和可见光图像进行边缘检测从而得到边缘区域,针对三个不同区域分别选择不同的融合规则进行融合。通过两组不同灰度差异的红外与可见光图像的实验,将基于像素点,窗口策略的融合算法和本文所提出基于区域算法进行了主观和客观的对比,试验结果表明基于区域分割的红外与可见光图像融合算法不仅能有效提取出红外图像中的目标信息还能有效的保持可见光图像的所反映的光谱信息,因此本文提出的算法是一种有效且可行的图像融合算法。     

基于稀疏表示和近似(e)0范数约束的宽带信号DOA估计

针对宽带信号的波达方向(DOA)估计问题,在稀疏框架下提出一种近似(e)0范数约束的宽带信号DOA估计新算法.首先对宽带信号进行预处理,得到同一参考频率点下的接收数据,然后对其协方差矩阵元素进行加和平均运算,得到一个低维的观测向量,并在稀疏框架下进行稀疏表示,最后利用截断(e)1函数设定权值,构造逼近(e)0范数约束的稀疏重构方法,进而重构信号,获得宽带信号的DOA估计.仿真结果表明,相比于传统的宽带信号DOA估计算法,所提算法具有更高的分辨率和估计精度.     

非完备先验知识下的滑动轴承摩擦状态识别

针对监测系统通常无法全部获取轴承摩擦退化状态的先验知识,无法建立全摩擦状态的识别模型,从状态间的相似性出发,提出一种无先验知识下的基于灰色B型绝对关联度（AGRDB）和稀疏编码的滑动轴承状态识别方法。针对稀疏表示不具有监督性的缺陷,在稀疏编码的目标函数中引入AGRDB算法,训练类间距离最大、类内距离最小的正常润滑和严重摩擦的编码;在相同字典下建立具有一致判别性的稀疏表示模型,通过比较当前状态与正常润滑、严重摩擦的稀疏编码与重构误差,进一步识别当前轴承的状态,仿真信号和柴油机轴承实验的结果表明:所提方法能够在较少先验知识下识别出滑动轴承的早期摩擦状态（100~216min）和严重摩擦状态（216~384min）,且算法简单,适合较少样本下的滑动轴承摩擦故障在线监测。      

自适应融合 RGB图像特征的稀疏深度修复

深度修复的目的是从稀疏深度图像中恢复出稠密的深度图像。现有方法通常是以稀疏深度图像及其对应的 RGB图像为输入,通过 1个卷积神经网络恢复出密集深度图像。然而,普通的卷积层在处理稀疏且不规则的深度信息时有较大的局限性,同时,RGB图像特征和深度图像特征属于不同的模态。针对这些问题,文章提出了自适应稀疏不变模块,根据输入像素的有效性来处理稀疏深度,并提出了结合注意力机制的多尺度特征融合模块,在关注有效特征的同时,抑制不必要的特征,进一步提高深度修复性能。文章在 NYUv2数据集上进行了一系列实验,实验结果表明了所提出算法和模块的有效性。     

双基地角时变下的ISAR稀疏孔径自聚焦成像

针对双基地角时变下的逆合成孔径雷达（ISAR）成像分辨率低以及稀疏孔径存在相位误差引起图像散焦等问题,提出了一种基于贝叶斯压缩感知（BCS）的双基地ISAR稀疏孔径自聚焦高分辨成像算法。在平动补偿后回波数据的基础上,首先构造补偿相位将由双基地角时变引起的多普勒偏移补偿掉,然后构造随双基地角变化的稀疏基矩阵,建立基于压缩感知的双基地ISAR稀疏孔径观测模型,并将相位误差作为ISAR成像的模型误差,接着假设目标图像各像元服从Laplace先验、噪声统计特性服从Gaussian分布,利用贝叶斯推理进行"分布式"迭代求解,在高分辨成像的同时实现了相位自聚焦,仿真结果验证了算法的有效性和优越性。     

隐格式并行直接求解方法研究

讨论了由CFD问题得到的大型稀疏线性方程组的并行直接法求解问题.介绍了三对角型方程组的SPP算法,将之推广来求解一般的带宽较窄的带状或者稀疏带状线性方程组.介绍一般稀疏的线性方程组的基于排序后再分解的并行求解方法的步骤及其中的一些关键问题.     

基于稀疏贝叶斯学习的字典失配杂波空时谱估计方法

杂波谱稀疏恢复空时自适应处理（STAP）是一种有效减少杂波样本数需求的机载雷达杂波抑制方法。然而,空时平面被离散地划分为若干个网格点来构建空时导向矢量字典,当字典在失配时,杂波脊不能准确落在预先离散化的网格点上,稀疏恢复STAP性能严重下降。提出了一种基于稀疏贝叶斯学习的字典失配杂波空时谱估计方法,首先利用二维泰勒级数建立空时动态字典模型,然后将字典失配误差作为待估超参数构建贝叶斯稀疏恢复模型,并利用失配误差估计值对空时导向矢量字典进行修正,最后利用修正后的空时导向矢量字典重构杂波协方差矩阵,进而计算杂波空时谱。实验证明,该方法能够有效提高字典失配情况下的杂波谱稀疏恢复精度,杂波抑制性能优于已有字典预先离散化的稀疏贝叶斯学习STAP方法。     

稀疏孔径ISAR机动目标成像与相位补偿方法

现代逆合成孔径雷达(ISAR)可实现多模式下对多目标的交替测量工作,但波束切换使得任一目标的方位孔径具有稀疏性,同时目标的机动性也使得目标的方位维信号具有高次调制特性,这均导致以连续采样信号模型为基础的传统ISAR运动补偿和成像方法难以直接应用。本文提出一种新的稀疏孔径(SA)ISAR机动目标相位补偿和成像方法。该方法首先建立了稀疏孔径ISAR机动目标的信号模型,然后通过求解2范数最大化的优化函数,实现对相位误差的精确估计,并且通过迭代处理提高了相位误差的估计精度。相位误差补偿后,根据压缩感知理论,构造了机动目标情况下的Chirp-Fourier字典,通过对稀疏优化问题的求解,能够较精确地从稀疏孔径信号中重构出机动目标的全孔径(FA)信号。仿真和实测数据处理结果证明了本文方法的有效性。