吴国庆
- 作品数：12 被引量：13H指数：3
- 供职机构：重庆大学更多>>
- 发文基金：中央高校基本科研业务费专项资金国家自然科学基金重庆市自然科学基金更多>>
- 相关领域：电子电信自动化与计算机技术机械工程更多>>
- 基于变换域稀疏系数估计的SAR图像降噪
- 合成孔径雷达（SAR, Synthetic Aperture Radar）以其全天时、全天候、强穿透力、高分辨率成像的独特优势在国民经济和国防军事的各个领域中发挥着不可替代的作用。然而SAR相干成像机理使所获得的SAR图...
- 吴国庆
- 关键词：合成孔径雷达图像降噪图像分类图像压缩
- 基于Shearlet域系数处理的SAR图像降噪被引量：5
- 2015年
- 结合图像在Shearlet域中系数的特点,提出了一种基于Shearlet系数稀疏表示与投影总变分(total variation,TV)相结合的合成孔径雷达(synthetic aperture radar,SAR)图像去噪算法。有效解决了稀疏表示在图像去噪时存在的边缘细节损失与TV去噪时存在的光滑区域阶梯效应。首先,利用SAR图像Shearlet系数的稀疏性,结合系数稀疏表示模型,采用分段正交匹配追踪方法求解优化解,从统计意义上实现稀疏表示后的系数均值为真实图像系数均值的无偏估计;其次,为弥补稀疏表示中丢失部分系数在图像细节上的损失,同时结合这部分系数对应的Shearlet函数有利于表征图像边缘细节的特性,针对图像在丢失系数对应的Shearlet函数空间中投影重构的结果,结合TV方法迭代去噪。实验结果表明,该方法充分利用Shearlet域系数的特性,采用稀疏去噪与投影TV相结合的方法以弥补各自缺陷,在去噪的同时能有效保持图像纹理细节,并具有更优的图像视觉效果。
- 刘书君吴国庆张新征徐礼培
- 关键词：合成孔径雷达图像去噪总变分
- 一种基于非本地分类稀疏表示的SAR图像降噪方法
- 本发明公开了一种基于非本地分类稀疏表示的SAR图像降噪方法。属于数字图像处理技术领域。它是一种基于分类系数估计与稀疏表示相结合的SAR图像降噪方法。首先按照图像的同质区和异质区进行分类，而后分别采用非本地均值方法和3D变...
- 刘书君吴国庆张新征杨婷徐礼培
- 文献传递
- 一种基于剪切波系数处理的SAR图像降噪方法
- 本发明公开了一种基于剪切波系数处理的SAR图像降噪方法。属于数字图像处理技术领域。它是利用图像剪切波变换后系数具有的稀疏特性，首先建立基于图像剪切波系数的稀疏表示模型，而后通过分段正交匹配追踪StOMP算法实现统计均值意...
- 刘书君吴国庆张新征徐礼培
- 文献传递
- 一种基于剪切波系数处理的SAR图像降噪方法
- 本发明公开了一种基于剪切波系数处理的SAR图像降噪方法。属于数字图像处理技术领域。它是利用图像剪切波变换后系数具有的稀疏特性，首先建立基于图像剪切波系数的稀疏表示模型，而后通过分段正交匹配追踪StOMP算法实现统计均值意...
- 刘书君吴国庆张新征徐礼培
- 文献传递
- 一种基于群稀疏系数估计的图像重构方法
- 本发明公开了一种基于群稀疏系数估计的图像重构方法。属于数字图像处理技术领域。它是一种基于相似块集合稀疏系数估计的图像重构方法。首先通过欧氏距离寻找相似图像块，并对相似图像块集合进行局部与非局部稀疏表示，以获得更稀疏更准确...
- 刘书君吴国庆沈晓东张新征曹建鑫
- 文献传递
- 基于群稀疏系数估计的图像重构算法被引量：1
- 2015年
- 基于稀疏表示的图像先验信息模型被广泛用于实现图像的重构中。针对稀疏表示中字典选择与系数估计的关键问题,提出了基于稀疏表示与非局部自相似性相结合的图像重构方法。首先通过欧氏距离的块匹配寻找相似图像块,并利用左右字典分别对相似图像块集合进行局部稀疏与非局部稀疏表示,以获得更稀疏准确的稀疏表示系数。进一步针对传统阈值收缩法对稀疏系数估计精度不足的问题,利用伯格曼迭代算法快速有效地求解重构模型,并采用线性最小均方误差估计准则(LMMSE)实现稀疏系数的估计,以保证对包含图像纹理细节信息的小系数的精确估计。实验结果表明,本文方法不仅在PSNR等客观指标上达到了目前先进水平,而且重构后图像拥有更为丰富的细节信息,整体视觉效果更加清晰。
- 刘书君吴国庆徐礼培沈晓东曹建鑫
- 关键词：图像重构线性最小均方误差
- 一种基于非本地分类稀疏表示的SAR图像降噪方法
- 本发明公开了一种基于非本地分类稀疏表示的SAR图像降噪方法。属于数字图像处理技术领域。它是一种基于分类系数估计与稀疏表示相结合的SAR图像降噪方法。首先按照图像的同质区和异质区进行分类，而后分别采用非本地均值方法和3D变...
- 刘书君吴国庆张新征杨婷徐礼培
- 文献传递
- 基于线性最小均方误差估计的SAR图像降噪被引量：4
- 2016年
- 针对合成孔径雷达(synthetic aperture radar,SAR)图像降噪过程中容易引起细节纹理信息损失的问题,该文结合SAR图像相干斑噪声的统计特性,提出了一种基于变换域系数线性最小均方误差(linear minimum mean-square error,LMMSE)估计的SAR图像降噪方法。首先通过SAR场景下的Kmeans聚类算法将相似图像块聚类;然后针对每一类相似图像块集合进行奇异值分解(singular value decomposition,SVD),得到同时包含图像块集合行列相关信息的含噪奇异值系数;为从含噪奇异值系数中更准确地估计出真实图像奇异值的系数,先通过加性独立信号噪声(additive signal-dependent noise,ASDN)模型将乘性噪声转化为加性噪声,再利用LMMSE准则对奇异值系数进行估计,最后将估计结果重构得到降噪后的图像块集合。实验结果表明,该方法充分利用相似图像块集合奇异值系数稀疏的特性,采用LMMSE准则估计奇异值系数,既保证了系数中噪声分量的去除又避免了图像纹理细节对应小系数的丢失,不仅去噪效果明显,同时能有效地保持图像纹理细节,具有良好的图像视觉效果。
- 刘书君吴国庆张新征沈晓东李勇明
- 关键词：聚类奇异值分解最小均方误差估计
- 一种基于群稀疏系数估计的图像重构方法
- 本发明公开了一种基于群稀疏系数估计的图像重构方法。属于数字图像处理技术领域。它是一种基于相似块集合稀疏系数估计的图像重构方法。首先通过欧氏距离寻找相似图像块，并对相似图像块集合进行局部与非局部稀疏表示，以获得更稀疏更准确...
- 刘书君吴国庆沈晓东张新征曹建鑫
