河北省自然科学基金(F2012202027)
- 作品数：17 被引量：72H指数：6
- 相关作者：马杰张婷婷张志伟刘新艳王晓云更多>>
- 相关机构：河北工业大学华北理工大学中国石油更多>>
- 发文基金：河北省自然科学基金国家自然科学基金河北省高等学校科学技术研究指导项目更多>>
- 相关领域：自动化与计算机技术电子电信更多>>
- 一种基于卡通纹理分解的X光图像恢复方法被引量：1
- 2016年
- 针对X光图像去噪时在抑制噪声的同时会模糊图像边缘的情况,提出采用图像卡通纹理分解和基于全变分的增广拉格朗日算法进行图像恢复。图像可以分解为卡通部分和纹理部分,噪声信息及图像的快变信息被分离到图像的纹理部分。通过基于增广拉格朗日算法的全变分去噪模型对纹理图像进行去噪处理,将卡通图像与处理后的纹理图像加权合成得到恢复图像。仿真实验结果表明,该方法不仅可以对图像进行快速处理,而且能够较好地保持图像的边缘信息,获得较高的输出信噪比。
- 陈凤华马杰戴静
- 关键词：图像分解全变分去噪
- 基于低秩描述的特征提取算法被引量：1
- 2016年
- 低秩表示算法是通过最小化矩阵核范数来求解低秩表示系数,然而待求解的低秩表示系数的稀疏性低的要求导致求解不稳定的情况。针对这个问题,在基本的图像低秩表示算法中引入一个约束条件来保证系数的最稀疏性,在特征提取过程中来获取图像数据在各个空间中的整体几何结构。通过对不同的加噪图像进行去噪恢复和分类识别,并与现有算法对比,证明改进算法的低秩特性更具有效性和判别性。在ORL库和Yale B库人脸库上的实验结果证明,改进的算法比原算法在图像去噪效果上更有效,具有较高的识别率。
- 郭海红马杰刘建龙
- 关键词：特征提取
- 结合核相关滤波和Kalman预测的运动目标跟踪被引量：11
- 2018年
- 核相关滤波(kernelized correlation filter,KCF)目标跟踪算法的跟踪过程容易受到快速运动和运动模糊、遮挡及相似物干扰等因素影响,导致跟踪效果不佳.针对以上问题,本文提出了一种结合KCF框架和Kalman预测器的运动目标跟踪算法.该算法首先将原始图像映射到CN(Color-Name)特征空间,使跟踪器能够处理多通道颜色特征的图像;其次在跟踪过程中,加入Kalman滤波器来预测图像目标位置,根据预测位置确定待检测区域进行检测,并利用检测结果更新Kalman滤波器,提高跟踪检测精度.在OTB-2013数据集上对改进的算法多次进行实验,并与其他6种较先进的跟踪算法进行对比,分析实验结果可知在目标发生快速运动、遮挡及相似物干扰等复杂情况下,本文方法均有较强的鲁棒性.
- 田亚蕾马杰杨楠
- 关键词：目标跟踪KALMAN滤波
- 基于联合正则化的稀疏磁共振图像重构被引量：1
- 2015年
- 基于压缩感知的MRI图像重构是利用图像稀疏性,从数量非常有限的观测数据集合中重构出图像,通常L1范数能够产生稀疏解,但它往往与真实稀疏解(L0的解)差距甚大,重构效果不理想,而且在一些图像重构的应用中,单一正则项的作用有限并不能很好地完成复原任务。针对此问题,引入待重构图像的L1/2范数作为新正则项,与TV范数构成联合正则项,采用交替增广拉格朗日乘子法进行求解。为考察方法的稳定性和重构效果,结合不同参数等评价标准与现有的图像重构模型进行比较。实验结果表明,联合正则项的图像重构模型相对于原有模型,图像重构结果稳定性好,可以获得更高的信噪比。
- 葛岭岭张志伟张婷婷
- 关键词：磁共振压缩感知
- 一种改进的K-SVD字典学习算法被引量：8
- 2016年
- 提出了一种ALM-KSVD字典学习算法,通过稀疏编码和字典更新两步迭代学习得到训练样本的字典.为了提高字典训练速度与性能,在稀疏编码引入增广拉格朗日乘子法(ALM,Augmented Lagrange Multipliers)求解,更新字典则使用经典K-SVD的字典更新算法.为考察算法的字典训练速度和平均表示误差(RMSE),选取了不同样本数和噪声标准进行数据合成实验,结果表明本文算法比经典的K-SVD算法字典训练速度快、RMSE低.进一步考察算法的图像去噪能力,选取不同的输入图像噪声标准和字典原子数进行仿真,实验结果表明本文算法比经典的K-SVD算法获得更高的峰值信噪比(PSNR),具有良好的去噪性能.
- 刘雅莉马杰王晓云苑焕朝
- 关键词：字典学习ALM
- 一种改进的组稀疏表示图像去噪方法被引量：3
- 2017年
- 研究了一种匹配梯度分布的组稀疏表示图像去噪模型,将相似图像块构成的结构组作为稀疏表示单元并加入梯度直方图保持正则项匹配梯度分布,基于非精确增广拉格朗日乘子法进行求解得到恢复图像.仿真实验结果表明,该方法不仅可以减少图像处理的时间并可在有效去除噪声的同时保持图像精细纹理结构,获得了较高的峰值信噪比和结构相似性索引测度.在需要得到图像丰富细节的情况下,该方法具有实用价值和现实意义.
- 马杰武利涛张晓严
- 关键词：图像去噪纹理
- 融合密集卷积与空间转换网络的手势识别方法被引量：12
- 2018年
- 手势识别作为人机交互的方式之一,在人工智能日益发展的今天备受瞩目。针对手势旋转、平移、缩放等形变导致识别率偏低的问题,该文基于密集卷积网络(Densenet)与空间转换网络(STN)提出了一种新型的网络结构Densenet_V2,先利用空间转换网络对输入的样本和特征图进行空间变换和对齐,再利用密集卷积网络自动提取手势的有效特征,最后通过线性分类器对手势进行分类。为防止网络模型对样本数据集过度拟合,对网络进行训练时在损失函数中加入L2正则项以实现权重衰减。在Marcel手势库上进行多次实验。实验结果表明,Densenet_V2可以提高对静态形变手势的识别率。
- 马杰张绣丹杨楠田亚蕾
- 关键词：手势识别
- 结合低秩和结构化稀疏的大雾图像小目标检测
- 2018年
- 针对传统的低秩稀疏分解模型不能直接应用到单幅图像进行目标检测,且忽略了目标像素的空间结构性导致检测精度不高等问题,提出一种基于低秩和结构化稀疏的单幅大雾图像小目标检测算法。首先,对原始大雾图像进行预处理得到由局部子图像构成的大雾补片图像,将小目标检测问题转化为低秩和稀疏分解问题。然后,考虑到目标像素间的空间结构关系,在对大雾补片图像进行矩阵分解时,引入结构化稀疏诱导范数对目标进行约束。最后,将矩阵分解得到的补片图像进行后处理得到背景图像和目标图像。通过对单幅大雾图像实验仿真表明,所提算法确保了小目标检测的完整性并且提高了检测精度。
- 马杰杨楠张绣丹
- 关键词：小目标检测
- 联合矩阵F范数的低秩图像去噪被引量：7
- 2014年
- 目的低秩矩阵恢复是通过最小化矩阵核范数来获得低秩解,然而待恢复低秩矩阵相关性低的要求往往会导致求解不稳定的情况。方法针对该问题,研究一种基于变量分裂的低秩图像恢复去噪算法,引入待恢复矩阵的Frobenius范数作为新正则项,与原有低秩矩阵的核范数组成联合正则化项,对问题进行凸松弛后,采用变量分裂的增广拉格朗日乘子法求解。结果为考察方法的稳定性和去噪能力,选取了不同参数类型的加噪图像进行仿真,并结合恢复时间、信噪比、差错率等评价标准与现有低秩矩阵恢复算法进行对比。结论实验结果表明增加Frobenius范数的低秩矩阵恢复模型在保持原有低秩稀疏恢复的前提下,具有良好的去噪性能,对相关性强的低秩图像恢复结果稳定性好,获得了更高的信噪比。
- 刘新艳马杰张小美胡钊政
- 关键词：凸优化
- 基于过完备字典学习的全变分图像去噪方法被引量：1
- 2017年
- 为了改善低信噪比情况下去噪效果、边缘保持能力差的问题,提出一种联合全变分正则项的字典学习图像去噪方法.首先,把增广拉格朗日乘子法和正交匹配追踪这两种求解稀疏编码的方法跟经典的K-SVD思想相交融,改善字典性能;其次,将全变分去噪模型融入到基于字典学习的图像去噪理论中,在图像重构基础上,引入全变分约束项,作为改进去噪模型中新的一项,达到对噪声和图像边缘作后续优化处理、改善图像去噪性能的目的.实验结果表明,改进的去噪方法,在保持原有去噪效果前提下,在噪声标准差较大或者图片边缘信息丰富时,去噪图像更加自然,边缘更加清晰,视觉效果较好.
- 张晓严马杰武利涛
- 关键词：字典学习图像去噪正交匹配追踪全变分
