This paper proposes a model for image restoration by combining the wavelet shrinkage and inverse scale space （ISS） method. The ISS is applied to the wavelet representation to modify the retained wavelet coefficients...This paper proposes a model for image restoration by combining the wavelet shrinkage and inverse scale space （ISS） method. The ISS is applied to the wavelet representation to modify the retained wavelet coefficients, and the coefficients smaller than the threshold are set to zero. The curvature term of the ISS can remove the edge artifacts and preserve sharp edges. For the multiscale interpretation of the ISS and the multiscale property of the wavelet representation, small details are preserved. This paper illustrates that the wavelet ISS model can be deduced from the wavelet based on a total variation minimization problem. A stopping criterion is obtained from this minimization in the sense of the Bregman distance in the wavelet domain. Numerical examples show the improvement for the image denoising with the proposed method in the sense of the signal to noise ratio and with fewer details remained in the residue.展开更多
针对齿轮故障诊断中采集到的振动信号常伴有噪声干扰且故障特征难以提取的问题,以傅里叶-贝塞尔级数展开(Fourier-Bessel series expansion,FBSE)为基础,提出了一种将FBSE和基于能量的尺度空间经验小波变换(energy scale space empirica...针对齿轮故障诊断中采集到的振动信号常伴有噪声干扰且故障特征难以提取的问题,以傅里叶-贝塞尔级数展开(Fourier-Bessel series expansion,FBSE)为基础,提出了一种将FBSE和基于能量的尺度空间经验小波变换(energy scale space empirical wavelet transform,ESEWT)相结合的齿轮振动信号降噪方法,即FBSE-ESEWT。首先,将采集到的齿轮振动信号利用FBSE技术获得其频谱,以替代传统的傅里叶谱,接着凭借能量尺度空间划分法对获取的FBSE频谱进行自适应分割和筛选,以精确定位有效频带的边界点。随后通过构建小波滤波器组得到信号分量并进行重构,以减小噪声和冗余信息干扰;然后,为捕捉到更全面的特征信息将处理后的信号进行广义S变换得到时频图,输入2D卷积神经网络进行故障诊断验证算法可行性。通过对Simulink仿真信号和实际采集信号进行实验,结果表明,相对于原始经验小波变换(EWT)、经验模态分解(EMD)等方法,FBSE-ESEWT具有更好的降噪效果,信噪比提高了13.96 dB,诊断准确率高达98.03%。展开更多
针对不同模态图像存在严重的几何差异和非线性辐射差异(NID)等问题导致的匹配难题,提出了一种结合多尺度特征与局部采样描述的多模态图像配准方法。首先,引入非线性扩散方程构建非线性尺度空间,然后结合相位一致性与ORB(oriented FAST a...针对不同模态图像存在严重的几何差异和非线性辐射差异(NID)等问题导致的匹配难题,提出了一种结合多尺度特征与局部采样描述的多模态图像配准方法。首先,引入非线性扩散方程构建非线性尺度空间,然后结合相位一致性与ORB(oriented FAST and rotated BRIEF)算法获得多尺度的稳定特征点。接着提出了一种旋转不变的双重高斯采样描述符,可以在NID存在的情况下鲁棒地跨越[0°,360°)的旋转差异。最后,引入了一种图像恢复策略。通过初次匹配获得最优的几何变换模型,修正图像间存在的几何差异,再进行二次匹配提升匹配精度。在遥感、医学和计算机视觉等领域的多模态数据集上进行实验,当图像存在尺度、旋转等几何差异时,所提方法均方根误差平均可达到1.5个像素以内,正确匹配率达到98%以上。表明该方法能够克服图像间非线性辐射差异的影响,可以实现高精度配准。展开更多
现有大多遥感图像超分辨率方法,无法充分挖掘图像中混合尺度的自相似性信息和跨尺度区域间的关联信息,且忽略了频率域对感知图像高频信息的能力。针对这一问题,本文提出了一种空间自适应及频率融合网络(Spatial Adaptation and Frequenc...现有大多遥感图像超分辨率方法,无法充分挖掘图像中混合尺度的自相似性信息和跨尺度区域间的关联信息,且忽略了频率域对感知图像高频信息的能力。针对这一问题,本文提出了一种空间自适应及频率融合网络(Spatial Adaptation and Frequency Fusion Network,SAF2Net)。SAF2Net首先引入一种混合尺度空间自适应特征调制模块,采用类似于特征金字塔的方式获取不同尺度下的判别特征,丰富多尺度特征的表达能力。随后,设计了一个全局多尺度感受野选择块,挖掘跨尺度区域间的关联特征。在此基础上,引入空间自适应选择块和频率分离选择块,融合空间-频率互补信息以增强局部特征,提高模型对图像高频内容的建模能力。在两个公开遥感图像数据集上进行多组实验,SAF2Net获得的定量评价指标结果均优于其他对比方法。以UCMerced数据集3倍超分辨率为例,本文方法相较于次优方法HAUNet,PSNR和SSIM分别提升了0.11 dB和0.0033;在主观视觉质量方面,SAF2Net能够恢复出更多清晰的纹理细节。实验结果表明,本文所提出的SAF2Net能够从两个不同的角度挖掘混合尺度全局信息,并有效融合空间-频率互补特征,在遥感图像超分辨率任务中表现出具有竞争力的重建性能。展开更多
针对低信噪比环境下复杂多类雷达信号调制识别准确率低的问题,提出一种基于时频融合特征与多尺度双重注意力网络的新方法。通过应用平滑伪Wigner-Ville分布、傅里叶同步压缩变换和基于变分模态分解的希尔伯特黄变换3种时频分析方法,并...针对低信噪比环境下复杂多类雷达信号调制识别准确率低的问题,提出一种基于时频融合特征与多尺度双重注意力网络的新方法。通过应用平滑伪Wigner-Ville分布、傅里叶同步压缩变换和基于变分模态分解的希尔伯特黄变换3种时频分析方法,并结合去噪预处理技术,将雷达信号转换为三通道时频特征图,显著增强了特征的稳健性与表达力。设计了一种多尺度双重注意力网络,通过多尺度通道注意力机制实现跨尺度信息融合与噪声抑制,同时利用多尺度空间注意力自适应感知雷达信号的时频结构,并通过门控融合与残差连接技术进一步整合信息。实验结果表明,在信噪比为-10 d B的条件下,新方法对12类典型雷达信号调制方式的平均识别率达到98.99%,显示出良好的稳健性。展开更多
近年来,雷达前视成像技术由于具备广泛的应用价值越来越受到重视,超分辨卷积反演技术是实现前视成像的一种重要技术途径。然而,基于阵列体制的扫描雷达在大范围扫描时会产生天线方向图空变,导致超分辨性能下降。针对该问题,提出了一种...近年来,雷达前视成像技术由于具备广泛的应用价值越来越受到重视,超分辨卷积反演技术是实现前视成像的一种重要技术途径。然而,基于阵列体制的扫描雷达在大范围扫描时会产生天线方向图空变,导致超分辨性能下降。针对该问题,提出了一种适用于阵列扫描雷达的前视稀疏超分辨成像方法。首先,考虑并分析了天线方向图空变性的产生原因,导出了修正天线卷积矩阵,实现了对扫描过程的精准表征;其次,在目标稀疏假设的前提下,构建了相应的目标函数;最后,采用基于重加权策略的交替方向乘子法(Alternating Direction Method of Multipliers,ADMM)方法求解目标函数,实现了稀疏目标有效重建。实验结果表明,所提方法能实现4倍左右的分辨率提升,能有效提升雷达对前视目标区域的探测感知能力。展开更多
基金supported by the National Natural Science Foundation of China (61101208)
文摘This paper proposes a model for image restoration by combining the wavelet shrinkage and inverse scale space （ISS） method. The ISS is applied to the wavelet representation to modify the retained wavelet coefficients, and the coefficients smaller than the threshold are set to zero. The curvature term of the ISS can remove the edge artifacts and preserve sharp edges. For the multiscale interpretation of the ISS and the multiscale property of the wavelet representation, small details are preserved. This paper illustrates that the wavelet ISS model can be deduced from the wavelet based on a total variation minimization problem. A stopping criterion is obtained from this minimization in the sense of the Bregman distance in the wavelet domain. Numerical examples show the improvement for the image denoising with the proposed method in the sense of the signal to noise ratio and with fewer details remained in the residue.
文摘针对齿轮故障诊断中采集到的振动信号常伴有噪声干扰且故障特征难以提取的问题,以傅里叶-贝塞尔级数展开(Fourier-Bessel series expansion,FBSE)为基础,提出了一种将FBSE和基于能量的尺度空间经验小波变换(energy scale space empirical wavelet transform,ESEWT)相结合的齿轮振动信号降噪方法,即FBSE-ESEWT。首先,将采集到的齿轮振动信号利用FBSE技术获得其频谱,以替代传统的傅里叶谱,接着凭借能量尺度空间划分法对获取的FBSE频谱进行自适应分割和筛选,以精确定位有效频带的边界点。随后通过构建小波滤波器组得到信号分量并进行重构,以减小噪声和冗余信息干扰;然后,为捕捉到更全面的特征信息将处理后的信号进行广义S变换得到时频图,输入2D卷积神经网络进行故障诊断验证算法可行性。通过对Simulink仿真信号和实际采集信号进行实验,结果表明,相对于原始经验小波变换(EWT)、经验模态分解(EMD)等方法,FBSE-ESEWT具有更好的降噪效果,信噪比提高了13.96 dB,诊断准确率高达98.03%。
文摘针对不同模态图像存在严重的几何差异和非线性辐射差异(NID)等问题导致的匹配难题,提出了一种结合多尺度特征与局部采样描述的多模态图像配准方法。首先,引入非线性扩散方程构建非线性尺度空间,然后结合相位一致性与ORB(oriented FAST and rotated BRIEF)算法获得多尺度的稳定特征点。接着提出了一种旋转不变的双重高斯采样描述符,可以在NID存在的情况下鲁棒地跨越[0°,360°)的旋转差异。最后,引入了一种图像恢复策略。通过初次匹配获得最优的几何变换模型,修正图像间存在的几何差异,再进行二次匹配提升匹配精度。在遥感、医学和计算机视觉等领域的多模态数据集上进行实验,当图像存在尺度、旋转等几何差异时,所提方法均方根误差平均可达到1.5个像素以内,正确匹配率达到98%以上。表明该方法能够克服图像间非线性辐射差异的影响,可以实现高精度配准。
文摘现有大多遥感图像超分辨率方法,无法充分挖掘图像中混合尺度的自相似性信息和跨尺度区域间的关联信息,且忽略了频率域对感知图像高频信息的能力。针对这一问题,本文提出了一种空间自适应及频率融合网络(Spatial Adaptation and Frequency Fusion Network,SAF2Net)。SAF2Net首先引入一种混合尺度空间自适应特征调制模块,采用类似于特征金字塔的方式获取不同尺度下的判别特征,丰富多尺度特征的表达能力。随后,设计了一个全局多尺度感受野选择块,挖掘跨尺度区域间的关联特征。在此基础上,引入空间自适应选择块和频率分离选择块,融合空间-频率互补信息以增强局部特征,提高模型对图像高频内容的建模能力。在两个公开遥感图像数据集上进行多组实验,SAF2Net获得的定量评价指标结果均优于其他对比方法。以UCMerced数据集3倍超分辨率为例,本文方法相较于次优方法HAUNet,PSNR和SSIM分别提升了0.11 dB和0.0033;在主观视觉质量方面,SAF2Net能够恢复出更多清晰的纹理细节。实验结果表明,本文所提出的SAF2Net能够从两个不同的角度挖掘混合尺度全局信息,并有效融合空间-频率互补特征,在遥感图像超分辨率任务中表现出具有竞争力的重建性能。
文摘针对低信噪比环境下复杂多类雷达信号调制识别准确率低的问题,提出一种基于时频融合特征与多尺度双重注意力网络的新方法。通过应用平滑伪Wigner-Ville分布、傅里叶同步压缩变换和基于变分模态分解的希尔伯特黄变换3种时频分析方法,并结合去噪预处理技术,将雷达信号转换为三通道时频特征图,显著增强了特征的稳健性与表达力。设计了一种多尺度双重注意力网络,通过多尺度通道注意力机制实现跨尺度信息融合与噪声抑制,同时利用多尺度空间注意力自适应感知雷达信号的时频结构,并通过门控融合与残差连接技术进一步整合信息。实验结果表明,在信噪比为-10 d B的条件下,新方法对12类典型雷达信号调制方式的平均识别率达到98.99%,显示出良好的稳健性。
文摘近年来,雷达前视成像技术由于具备广泛的应用价值越来越受到重视,超分辨卷积反演技术是实现前视成像的一种重要技术途径。然而,基于阵列体制的扫描雷达在大范围扫描时会产生天线方向图空变,导致超分辨性能下降。针对该问题,提出了一种适用于阵列扫描雷达的前视稀疏超分辨成像方法。首先,考虑并分析了天线方向图空变性的产生原因,导出了修正天线卷积矩阵,实现了对扫描过程的精准表征;其次,在目标稀疏假设的前提下,构建了相应的目标函数;最后,采用基于重加权策略的交替方向乘子法(Alternating Direction Method of Multipliers,ADMM)方法求解目标函数,实现了稀疏目标有效重建。实验结果表明,所提方法能实现4倍左右的分辨率提升,能有效提升雷达对前视目标区域的探测感知能力。
