国家自然科学基金(60972124)
- 作品数：10 被引量：36H指数：4
- 相关作者：齐春景明利陈晓璇马祥李玉花更多>>
- 相关机构：西安交通大学西安邮电学院长安大学更多>>
- 发文基金：国家自然科学基金国家高技术研究发展计划国家教育部博士点基金更多>>
- 相关领域：自动化与计算机技术电子电信更多>>
- 一种鲁棒的稀疏信号重构算法被引量：1
- 2015年
- 针对稀疏信号重构性能不稳定的问题,结合半阈值迭代算法,提出了一种鲁棒的稀疏信号重构算法。该算法首先对随机信号采用半阈值迭代算法进行重构,以获得初步的重构信号,然后改变迭代初值和参数初值进行新的迭代计算,同时增加一个新的循环终止条件,在保证算法稳定性与收敛速度的同时,使迭代结果跳出相对误差较大的局部极小点而收敛于误差较小的点成为可能,提高了重构信号的成功率。对该算法进行了信号重构和图像重构2个方面的实验,结果表明,与半阈值算法及相关算法比较,无论是对高斯信号、符号信号还是自然图像信号,该算法重构信号的成功率都有明显提高,较半阈值算法平均提高了约30%-40%,表现出较强的鲁棒性。
- 郝雯洁齐春
- 关键词：稀疏信号鲁棒局部极小点
- 基于线性映射的灰度级超分辨率人脸识别方法被引量：3
- 2011年
- 针对现有低灰度级分辨率人脸识别算法的识别率不高、计算复杂度高的问题,提出了一种基于特征域线性映射的灰度级超分辨率人脸识别算法。选择Principal Components Analysis(PCA)为人脸识别特征空间,根据流行学习的相关理论,假定高、低灰度级人脸图像识别特征之间存在线性的映射关系,并通过Procrustes分析建立了从低灰度级到高灰度级特征的线性映射,根据该线性映射,即可得到输入低灰度级分辨率人脸图像所对应的高灰度级分辨率识别特征,并通过最近邻分类器进行识别。实验结果表明,同现有算法相比,该算法识别率最高、耗时最短,并且识别率对特征的维度不敏感。
- 张琳彦吴宁齐春
- 关键词：人脸识别主成分分析
- 全局重建和位置块残差补偿的人脸图像超分辨率算法被引量：6
- 2010年
- 针对传统基于学习的人脸图像超分辨率算法存在高频细节信息损失过多问题,提出一种全局重建和位置块残差补偿相结合的人脸图像超分辨率新算法.首先利用高、低分辨率训练集所有样本,使用基于权值学习的全局重建算法得到初步的人脸图像,再结合图像模糊和下采样过程,产生高、低分辨率残差图像训练集,最后使用基于位置块的残差补偿算法,对初步的人脸图像进行高频细节补偿得到最终结果.对比实验结果表明,相比同类基于学习的人脸图像超分辨率算法,在将人脸图像分辨率提高4×4倍的情况下,新算法的平均峰值信噪比可提高0.65～3.55dB,可以更好地重建出局部高频细节信息.
- 马祥齐春
- 关键词：人脸图像超分辨率
- 一种采用矩阵分解的正交4抽头多小波无损压缩算法
- 2011年
- 针对4抽头多小波整数变换算法在图像无损压缩中加权熵较大的问题，提出了一种利用矩阵奇异值分解和三角分解的4抽头正交多小波整数变换算法．首先把多小波系数矩阵组成的右循环变换矩阵分解为两个块对角阵与一个置换阵之积，并对块对角阵中的块矩阵进行基本三角分解，其次对输入图像中的每一列依次与基本三角阵相乘，并对每一次相乘的结果进行取整运算，最后在输入图像列变换结果的基础上对每一行再重复上述对图像的列运算．因为在整个变换过程中该算法实现了原位计算，所以减少了运算的存储空间和运算时间．对CL、DGHM、SA4、SA4—1、SA4—2、SA4-3、OPTFR多小波的实验结果表明：相对于4抽头多小波VanFleet算法，该算法对图像压缩的加权熵减少了1．9～2．8b．
- 景明利齐春
- 关键词：多小波整数变换奇异值分解
- 低分辨率几何矩尺度不变量的波动分析被引量：2
- 2015年
- 几何矩函数不变量的计算过程中,由于数字图像的离散化,图像本身尺度的缩放会带来计算误差,从而引起尺度不变量值的波动。通过分析较低分辨率下几何矩尺度不变量值的不规则波动,推断计算过程中常常会发生误差扩大现象,即离散化带来的较小误差被不合理地放大。从理论上分析了误差扩大现象产生的原因,并给出了具体的误差计算公式。结合几何矩函数的实际数据可知,在较低分辨率下,误差扩大将会引起不变量数值的大幅度波动,严重干扰其不变性;而高分辨率下,这种现象很不明显。之后,针对产生误差扩大的原因给出了一种几何绝对矩及其尺度不变量的定义,可以有效地克服误差扩大现象。对比的实验结果也表明,相对于传统的Hu不变矩,几何绝对矩不变量在低分辨率下可以保持更好的不变性。
- 张建飞齐春
- 关键词：几何矩低分辨率
- 利用位置字典对的人脸图像超分辨率方法被引量：4
- 2012年
- 针对基于稀疏表示的人脸超分辨率算法存在的字典尺寸大、训练时间长等问题,提出一种基于位置字典对的超分辨率重建方法.由于同一位置的人脸图像块具有相似的结构和内容,更有可能用相同的字典原子进行线性组合表示,因此把训练人脸图像按位置分块,首先为每个位置训练一个位置字典对,利用获得的多个位置字典对,对低分辨率测试人脸图像进行基本重建,然后应用残差补偿方法对位置块进行补偿.实验结果表明,由所提方法重建的人脸图像具有更好的视觉效果,与应用原始图像块进行稀疏表示的图像超分辨率算法相比,平均图像结构相似度指标值提高了0.082,同时字典训练时间缩短了约5倍.
- 李玉花齐春
- 关键词：人脸图像超分辨率
- 基于非局域样本块的图像修复算法
- 图像修复技术是当前图像处理和计算机视觉领域的一个研究热点,其目标是利用图像中已知区域的信息重建缺损区域。本文提出一种基于非局域样本块的图像修复算法,不同于传统图像修复算法中仅使用单个候选样本或者多个样本的非局域平均,文中...
- 史金钢齐春
- 关键词：图像修复局部线性嵌入
- 文献传递
- 基于全局和局部短期稀疏表示的显著性检测被引量：2
- 2014年
- 显著性检测是计算机视觉研究的一个重要问题。提出了一种由底向上的基于稀疏表示的显著性检测新算法。一般显著性检测主要包含两个部分,即图像特征提取和显著性度量。对于一幅给定的图像,首先利用独立成分分析(ICA)方法提取图像特征,然后用一个局部和全局模型对图像进行显著性度量。其中,利用一种低秩表示方法提取全局显著性,以及利用一种稀疏编码方法提取局部显著性。最后融合局部和全局显著图得到最终的显著图。在一个人眼关注数据库上与目前几种流行的方法进行了对比实验,实验结果显示所提出的方法能够得到更高的视觉关注预测准确率。
- 樊强齐春
- 关键词：显著性检测
- 采用遗传算法的分层贪婪字典训练算法被引量：1
- 2012年
- 针对稀疏表示残差过大的问题,提出了采用遗传算法的分层贪婪字典训练算法.该算法首先将数据样本变成一维信号,然后将问题划分为若干个子问题,采用贪婪算法思想分层训练字典.为了以一定概率寻找到每一层字典的最优值,使用遗传算法来训练每一层字典,最后将每层字典级联作为最终的字典.在训练每一层字典时,先采用号码矩阵对样本的分类进行表示,然后以平均低秩逼近的残差能量作为衡量适应度的参数,以联赛选择的方式选出优胜个体,通过单点交叉和变异方法产生新的个体.对二值序列的稀疏表示信号重建的实验结果表明,该算法在训练样本量较小的情况下,与传统的核奇异值分解算法相比,训练得到的字典在同样的稀疏度约束下重建信噪比提高了10倍以上.
- 徐健景明利齐春常志国
- 关键词：信号重建遗传算法
- 一种双约束稀疏模型图像修复算法被引量：4
- 2012年
- 针对图像处理中需要修复大面积缺损区域的问题,提出一种基于双约束稀疏模型的图像修复算法.该方法首先在已知区域内搜索与待填充目标块相似的样本,将每个样本块都视为一个高维向量,则相似的样本在高维空间中都在目标块的邻域内.假设邻域中的样本处于同一流形上,使用局部线性嵌入方法对未知区域进行估计,然后利用稀疏表示模型得到最终结果.实验结果表明,与传统的基于样本块的修复方法相比较,使用该算法修复后的图像纹理和结构信息更加清晰.
- 史金钢齐春
- 关键词：图像修复局部线性嵌入
