-
公开(公告)号：CN104392412B
公开(公告)日：2017-03-01
申请号：CN201410571392.7
申请日：2014-10-23
Applicant: 西安电子科技大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于进化正交匹配追踪的信号恢复方法，主要解决压缩感知中传统追踪算法过于贪婪，回溯能力差和恢复准确率低的问题。其技术方案是：将进化计算的框架引入到压缩感知信号恢复当中；将原子选择的问题转化为基于启发式搜索的种群寻优的过程；结合传统贪婪追踪算法中观测误差与原子的相关性，定义了一种活性函数来度量每个原子被选择的可能性；通过活性函数，设计出了弱贪婪的交叉和变异算子，从而使得更多的原子有可能被选择，增加了信号恢复中原子搜索的可达空间。实验表明，对于信号的压缩感知恢复，本发明比传统的贪婪追踪算法有更高的恢复概率和更小的恢复误差，可用于一维信号和二维图像信号在低采样率随机观测下的恢复问题。
-
Patent Agency Ranking
公开(公告)号：CN104299201B
公开(公告)日：2017-02-15
申请号：CN201410571138.7
申请日：2014-10-23
Applicant: 西安电子科技大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于遗传稀疏优化的图像重构方法,主要解决现有方法对压缩感知图像的分块重构中，存在的边界模糊和块效应明显的问题。本发明将图像块分为光滑和非光滑两类，分别对其建模重构；根据光滑块的统计特性，直接采用伪逆解对其直流分量和变化分量进行快速重构；对于非光滑块，利用遗传算法在PCA字典中选择一组原子来对其进行最优重构。实验结果表明，利用本发明重构的图像比传统的正交匹配追踪方法OMP和统计压缩感知方法SCS具有更好的边界和区域一致性，细节信息更加清晰，并且块效应明显减少，可用于低采样率下图像获取中的重构。
-
公开(公告)号：CN104952051B
公开(公告)日：2017-10-24
申请号：CN201510394919.8
申请日：2015-07-07
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于高斯混合模型的低秩图像修复方法,主要解决现有方法在图像修复中没有兼顾图像整体的低秩结构和局部的相似性，造成修复图像的模糊与失真问题。本发明将图像建模成低秩项和非局部相似性算子之和，其中：低秩项由核范数构成，用于捕捉修复图像整体的低秩结构；非局部相似性算子是基于高斯混合模型来构造，它能够根据相似图像块的统计特性来完善修复图像的局部细节。实验结果表明，与其它传统方法相比，本发明的修复结果无论在数值评价指标上还是在视觉效果上，都明显优于其它方法。可用于对具有低秩结构的受损自然图像修复。
-
公开(公告)号：CN104952051A
公开(公告)日：2015-09-30
申请号：CN201510394919.8
申请日：2015-07-07
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于高斯混合模型的低秩图像修复方法,主要解决现有方法在图像修复中没有兼顾图像整体的低秩结构和局部的相似性，造成修复图像的模糊与失真问题。本发明将图像建模成低秩项和非局部相似性算子之和，其中：低秩项由核范数构成，用于捕捉修复图像整体的低秩结构；非局部相似性算子是基于高斯混合模型来构造，它能够根据相似图像块的统计特性来完善修复图像的局部细节。实验结果表明，与其它传统方法相比，本发明的修复结果无论在数值评价指标上还是在视觉效果上，都明显优于其它方法。可用于对具有低秩结构的受损自然图像修复。
-
公开(公告)号：CN104392412A
公开(公告)日：2015-03-04
申请号：CN201410571392.7
申请日：2014-10-23
Applicant: 西安电子科技大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于进化正交匹配追踪的信号恢复方法，主要解决压缩感知中传统追踪算法过于贪婪，回溯能力差和恢复准确率低的问题。其技术方案是：将进化计算的框架引入到压缩感知信号恢复当中；将原子选择的问题转化为基于启发式搜索的种群寻优的过程；结合传统贪婪追踪算法中观测误差与原子的相关性，定义了一种活性函数来度量每个原子被选择的可能性；通过活性函数，设计出了弱贪婪的交叉和变异算子，从而使得更多的原子有可能被选择，增加了信号恢复中原子搜索的可达空间。实验表明，对于信号的压缩感知恢复，本发明比传统的贪婪追踪算法有更高的恢复概率和更小的恢复误差，可用于一维信号和二维图像信号在低采样率随机观测下的恢复问题。
-
公开(公告)号：CN104299201A
公开(公告)日：2015-01-21
申请号：CN201410571138.7
申请日：2014-10-23
Applicant: 西安电子科技大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于遗传稀疏优化和贝叶斯估计模型的图像重构方法,主要解决现有方法对压缩感知图像的分块重构中，存在的边界模糊和块效应明显的问题。本发明将图像块分为光滑和非光滑两类，分别对其建模重构；根据光滑块的统计特性，直接采用伪逆解对其直流分量和变化分量进行快速重构；对于非光滑块，利用遗传算法在PCA字典中选择一组原子来对其进行最优重构。实验结果表明，利用本发明重构的图像比传统的正交匹配追踪方法OMP和统计压缩感知方法SCS具有更好的边界和区域一致性，细节信息更加清晰，并且块效应明显减少，可用于低采样率下图像获取中的重构。
-
-
-
-
-
Search Results
6
records
(took 0.026 seconds)
