一种基于解析稀疏表示的图像盲分离方法.pdf
佳宁****么啦
在线预览结束,喜欢就下载吧,查找使用更方便
相关资料
一种基于解析稀疏表示的图像盲分离方法.pdf
一种基于解析稀疏表示的图像盲分离方法,首先利用图像信号的解析稀疏先验,采用子集追踪算法,通过学习得到源图像的解析字典;然后利用Bregman距离作为目标函数,采用分裂Bregman算法进行恢复源信号;再利用最小二乘法来估计混合系统,循环进行以上三个步骤得到最终源图像。本发明为学习字典提供了比较快速有效的方法;将分裂Bregman算法应用于源信号的恢复中,加快了算法的迭代速度;通过对解析字典、源信号和混合矩阵的迭代估计过程,得到最优的分离结果,这个迭代过程提高了分离的有效性。在无线电通信、雷达与声纳信号处理
基于稀疏表示的模糊图像盲复原方法.pdf
本发明涉及一种基于稀疏表示的模糊图像盲复原方法,用于解决现有的模糊图像盲复原方法复原的图像效果差的技术问题。技术方案是利用模糊图像在模糊冗余字典下的稀疏系数与清晰图像在清晰冗余字典下的稀疏系数一致的特性,将模糊图像在模糊字典下稀疏表示,然后在清晰字典下重构出清晰图像下复原图像。避免了反卷积过程中的病态性,减少了复原图像在强边缘的振铃效应,获得了更加清晰的图像。
一种基于组稀疏表示的图像盲复原方法.pdf
本发明公开了一种基于组稀疏表示的图像盲复原方法,以实现模糊图像的盲复原。上述方法包括:构建图像金字塔,由粗到细估计模糊核;在降采样图像中搜索相似图像块,将当前块与其跨尺度相似块合并为相似图像块组,在目标函数中建立组稀疏表示正则项;交替迭代更新模糊核和清晰图像,在清晰图像更新步骤中,利用组稀疏表示对前一次迭代中估计的清晰图像进行重建,作为下一次更新清晰图像的参考图像。由于降采样图像的边缘与清晰图像有更强的相似性,利用组稀疏表示与低秩矩阵的关联,通过约束表示系数的稀疏性来实现组矩阵的低秩性,迫使重建图像的边缘
基于稀疏表示的非一致图像盲复原方法.pdf
本发明公开了一种基于稀疏表示的非一致图像盲复原方法,包括:根据相机三维抖动模型,并结合自然图像的过完备字典表示构建非一致图像模糊退化模型;输入待复原的模糊图像和过完备字典,求得初始稀疏系数,并对参数进行初始化设置;将自然图像的过完备字典表示,以及模糊核和稀疏系数的稀疏性作为模型的正则约束,并采用交替迭代方法将非一致盲复原模型的求解转化为多个简单的子问题,从而实现对模糊图像y的盲复原。本发明提出的算法对自然条件下获取的模糊图像有更好的复原效果,复原图像细节明显、不失真、噪声低,具有更好的视觉效果,且求解方法
一种基于稀疏表示和盲估计联合的SAR图像降噪方法.pdf
本发明涉及一种基于稀疏表示和盲估计联合的SAR图像降噪方法,包括:S1:选取字典并初始化字典参数;S2:获取待降噪SAR图像,并使用盲估计算法估计得到待降噪SAR图像的图像噪声;S3:根据图像噪声,利用OMP算法计算稀疏编码,对字典进行迭代更新,得到更新的字典和稀疏编码;S4:利用更新的字典和稀疏编码对待降噪SAR图像进行稀疏分解并重构,得到去噪图像。本发明的方法能够很好的去除SAR图像中的噪声,并保留图像的细节。