一种基于小波神经网络的超分辨图像重构_钟满田

基于小波分解和遗传小波神经网络的卫星钟差预报
蓝岚;任超;梁月吉;李飞达
【期刊名称】《桂林理工大学学报》
【年(卷),期】2017(037)001
【摘要】星载原子钟在空间环境中受到多种不确定因素的影响以及原子钟本身所具有的复杂特性,导致卫星钟差呈现出非线性和非平稳性变化.为此提出了一种新方法:先采用小波分解将原始钟差序列分解成高频分量和低频分量,然后利用遗传小波神经网络对低频分量和高频分量分别进行预报,最后将各分量的预报结果进行叠加得到最终的预报值,并与灰色模型、最小二乘支持向量机和遗传小波神经网络的预报结果对比分析.结果表明:该方法预报精度较高,预报残差更为平稳,应用于卫星钟差预报是可行有效的.
【总页数】6页(P125-130)
【作者】蓝岚;任超;梁月吉;李飞达
【作者单位】桂林理工大学测绘地理信息学院,广西桂林541004;桂林理工大学广西空间信息与测绘重点实验室,广西桂林541004
【正文语种】中文
【中图分类】P227
【相关文献】
1.基于改进遗传小波神经网络的雷暴预报方法 [J], 张强;行鸿彦;徐伟
2.基于遗传小波神经网络的故障预报应用 [J], 李界家;李世涛;王丽娜
3.基于遗传算法优化的小波神经网络在中长期水文预报中的应用——以三门峡为例[J], 宋一凡;郭中小;卢亚静;徐晓民
4.基于遗传算法优化的小波神经网络对船舶受扰力及力矩建模预报 [J], 赵希人;王显峰;唐慧妍;吴春秋
5.基于灰色模型与小波神经网络的卫星钟差预报方法 [J], 王宇谱;吕志平;陈正生;黄令勇
因版权原因，仅展示原文概要，查看原文内容请购买。

基于小波变换和神经网络的卫星钟差预报分析赵晓阳;黄张裕;杨卫锋;黄闯;陈梦杰【摘要】At present ,the application of GPS real-time precise single point positioning is more and more popular .However , the accuracy of real-time clock error is not enough , which has 13 days after the precision of the delay ,so it is necessary to study the prediction of the clock error .Using wavelet neural network model for prediction of clock error ,the paper first uses wavelet to decompose and reduce the original clock sequence .The results are compared with the gray model and the two polynomial model .%目前 IGS 提供的实时钟差精度不够，事后精密钟差也有13 d 的延迟，有必要对钟差预报进行研究。

文中利用小波神经网络模型进行钟差预报，首先利用小波对原始钟差序列进行分解、降噪，然后利用神经网络进行建模并预报，将得到的结果同灰色模型和二次多项式模型的结果进行对比分析，得出小波神经网络模型可以更好地进行钟差预报的结论。

【期刊名称】《测绘工程》【年(卷),期】2016(025)011【总页数】3页(P31-33)【关键词】小波变换;神经网络;卫星钟差;预报【作者】赵晓阳;黄张裕;杨卫锋;黄闯;陈梦杰【作者单位】河海大学地球科学与工程学院，江苏南京 211100;河海大学地球科学与工程学院，江苏南京 211100;河海大学地球科学与工程学院，江苏南京211100;河海大学地球科学与工程学院，江苏南京 211100;河海大学地球科学与工程学院，江苏南京 211100【正文语种】中文【中图分类】P228卫星钟作为卫星导航系统的核心部件，是保证卫星导航定位精度的基础和前提，也是影响GPS精密单点定位精度的重要因素。

基于Contourlet的图像超分辨率重构算法
钟东;陈春
【期刊名称】《现代计算机（专业版）》
【年(卷),期】2011(000)009
【摘要】提出一种新颖的基于Contourlet的图像超分辨率重构算法,该算法对图像进行Contourlet 分解后得到图像的各个方向的细节信息分块处理,根据每个小块在已有的图像库中寻找最佳匹配,恢复出低分辨率损失的系数,然后进行Contourlet 重构,得到最终结果.通过采用图像各个方向的信息,重构出的图像更忠实于原图.实验分析表明,该算法能有效地实现图像超分辨重构,得到的结果更加优化.
【总页数】4页(P30-33)
【作者】钟东;陈春
【作者单位】湖北成宁学院,咸宁437100;北京理工大学,北京100081;湖北咸宁市住房与城乡建设委员会,咸宁437100
【正文语种】中文
【相关文献】
1.基于Contourlet和改进牛顿插值的图像超分辨率重建 [J], 王宝珠;赵新;刘翠响;史琳
2.基于Contourlet变换的图像分块压缩传感重构算法 [J], 化瑞;宋雪桦;高云云;李思培;钟绍玻
3.基于Contourlet变换和交替方向法的压缩感知图像重构算法 [J], 邹健
4.基于低分辨率图像的自适应超分辨率重构算法 [J], 侯跃谦;谭庆昌;孙秋成
5.基于非降采样Contourlet的单帧图像超分辨率算法 [J], 张威;陈微
因版权原因，仅展示原文概要，查看原文内容请购买。

基于小波和神经网络的图像压缩方法罗忠亮【摘要】针对图像压缩中压缩率与图像质量的折衷问题,综舍利用小波变换和神经网络各自的优点.采用小波和神经网络的方法进行图像压缩.该算法先对图像进行小波分解,保留低频系数,然后将高频系数输入训练的网络进行矢量量化编码达到压缩的目的,最后根据保留的低频系数和还原的高频系数重构图像.【期刊名称】《韶关学院学报》【年(卷),期】2010(031)003【总页数】4页(P25-28)【关键词】图像压缩;小波变换;神经网络;峰值信噪比【作者】罗忠亮【作者单位】韶关学院计算机科学学院,广东,韶关,512005【正文语种】中文【中图分类】TP301随着多媒体业务和通信技术的不断发展，数字图像中所包含的数据量日益庞大，如何让这些庞大的数据在网络中方便、快捷地传输，这对图像信息的存储和传输技术提出了挑战，而图像数据压缩技术是解决这个问题的关键［1-4］.通过图像冗余数据的减少可达到图像压缩的目的，在保证图像质量的条件下实现图像压缩.由于小波具有良好的时频局部特性和变焦特性并且能很好地体现人眼的视觉特性，而神经网络具有自学习、自适应性、强鲁棒性、高度并行处理能力和推广能力［5,6］.把小波和神经网络结合起来进行图像压缩一直是人们关注的问题.图像经过小波变换后分解为高频子带和低频子带，其中低频分量集中了信号的主要信息,高频部分表现为信号的细节信息.由于人的生理特性决定对细节信息的不敏感，故利用小波可以实现信号压缩的同时尽大可能地保留信号的主要成分［6］.采用小波变换和神经网络的方法进行图像压缩，实验证明比单纯BP神经网络或小波变换有较高的信噪比和压缩率.1985年，Ackley和Hinton等人首次把多层前馈神经网络模型用于数据压缩变换.上世纪80年代中后期，神经网络的研究取得很大进展，涉及的应用领域非常广泛. BP网络可直接提供数据压缩能力.利用多层前馈网络的模式变换能力实现数据变换的基本思想［2］：把一组输入模式通过少量的隐含层单元映射到一组输出模式，并使输出模式尽可能等于输入模式.当隐含层的单元数比输入模式数少时，就意味着隐含层能更有效地表现输入模式，并把这种表现传送到输出层.用于图像压缩的神经网络包括输入层、隐含层和输出层，隐含层的节点上小于输入节点数，输入节点数与输出节点数相同.学习时，图像数据既送到输入层，又送到输出层作为教师信号，所使用的学习算法为算法网络训练好后，输入层到隐含层为网络的编码过程，对图像数据进行线性或非线性变换，从隐含层到输出层为网络的解码过程，对经过压缩后的变换系数进行线性或非线性变换，恢复图像的原始数据. 用于学习的图像有N×N个像素点，各像素灰度值被量化为m比特（共2m个可能的取值）.2m个灰度值按线性关系转化成0～1之间的数值作为网络的输入和期望输出（教师模式）.网络随机地抽取各n×n图像块作为学习模式，用BP算法学习.通过调整网络中神经元间的连接权值，使训练集图像的重建误差E=f-g的均值达到最小.训练好的网络隐含层神经元矢量（经量化）便是数据压缩的结果，而输出神经元矢量便是重建的数据.其过程可用图1表示：通过对图像做小波分解可得到一系列不同分辨率的子图像，包括细节图像和近似图像.其中细节子图像大部分系数都接近零，因此，图像的能量主要集中在低频子带上，高频子带所占有的能量很少.从理论上说，由于f具有指数α∈(0,1)的Holder连续的充要条件［7］是：取a=2-j，b=k2-j，所以当j较大时，即高频时，小波变换(Wψf)(2-j,k2-j)的绝对值较小，而当j较小时，即低频时，小波变换的绝对值较大.故在高频部分压缩时，其压缩比可以较大，而在低频部分时，其进行压缩比可以较小，从而达到较好的压缩效果.矢量量化技术从20世纪80年代开始逐步完善起来，1980年由Linde,Buzo和Gray将聚类算法引入到矢量量化器中，提出了著名的矢量量化码书设计算法，即LBG算法.矢量量化的过程可以看成是从K维欧氏空间RK到其中一个有限子集Y的映射［8］.将图像分解后的小波系数看作是一个m维向量，然后把这m个数据截成M段，每段k个数据，形成M个k维数据向量，接着将这个M向量分为N组，每组用一个数据向量作为代表.设第i组的代表向量为yi,i=1,2,…,N.图像压缩时利用图像上数据向量的代表量来表示的，如果属于第i组，则这个数据向量就用这组的代表向量yi代替，此时编码就是在码书的相应位置上记下编号i，不必记下yi本身.记录yi的文件称为密码书.分类聚类问题是人工神经网络的主要功能之一，而无监督的聚类问题是指人工神经网络的学习表现为自适应于输入空间的检测规则，其学习过程为：给系统提供动态输入信号，使各神经元以某种方式竞争，“获胜者”神经元本身或其领域将会得到增强，进一步抑制其它神经元，从而将信号空间划分为有用的多个区域.把M个k维向量作为网络的M个输入样本，所分组数N作为神经元个数，通过一定的算法使网络学习，训练结果将使M个样本以一定规则分为N类，而神经元与输入样本向量之间的连接权值wij(i=1,2,…,N, j=1,2,…,k)就是第i组的中心向量.网络学习是将图像数据送入输入层作为训练样本，不断调整各层间的连接权值，使网络的输出均方差达到最小，获得稳定的连接权值训练样本，其算法可描述为：（1)初始化：设置最大学习次数Tmax，给出输出节点的个数N；输入节点个数k；输入节点j到输出节点i的权值wij，置所有权值为随机小数；从t=0开始学习. （2)计算：输入样本与所有输出节点连权向量wij的欧氏距离.（3)求出最小距离的节点：（4)调整与输出节点所连接的权值：其中的a选取如下：（5)若t=Tmax，则结束，否则转 (2).（1)对图像进行小波分解，得到每一层分解的低频系数和高频系数；（2)保留低频系数，将高频系数输入训练的网络进行基于神经网络的矢量量化编码，达到压缩；（3)根据码书还原高频系数；（4)根据保留的低频系数和还原的高频系数重构图像.实验中的图像采用标准Lena图像，对压缩后的图像质量的评价准则有图像压缩比，峰值信噪比PSNR，压缩算法计算法复杂性和人的视觉主观评价方法.笔者采用一般客观评价方法来评价重建后的图像质量：采用基于最小均方误差(MSE)的峰值信噪比(PSNR)来衡量［2］，均方误差越小，峰值信噪比越高，表明解压的图像质量越高.实验结果见图2和表1.对比压缩后的恢复图像可以看出，离散余弦变换法的(b)图和分块编码的压缩方法的(c)图的方块效应和蚊式噪声较明显，基于小波和神经网络的图像压缩算法的压缩性能较好，基本上看不出方块效应，解压缩的视觉效果好，同时获得较高的峰值信噪比.采用小波变换和神经网络的图像压缩编码方法取得了良好的图像压缩效果.在实际应用过程中，根据实际情况选择网络模型，改进网络算法以产生更好的效果.将神经网络和其它理论如奇异值分解和遗传算法等结合起来压缩图像，也许会有更高的峰值信噪比和压缩率.【相关文献】［1］王磊，邵国霞，何晔.基于奇异值分解自适应图像压缩的优化算法［J］.兰州理工大学学报，2009，35(5)：95-98.［2］王爱玲，叶明生，邓秋香.Matlab R2007图像处理技术与应用［M］.北京：电子工业出版社，2008：269-286.［3］陶长武，蔡自兴.现代图像压缩编码技术［J］.信息技术，2007，12:53-56.［4］Boul Gouris N V,Tzovaras D,Strinntzis M G.Lossless Image Compression Based on Optimal Prediction,Adaptive Lifting,and Conditional Arithmetic Coding［J］.IEEE Transactions on Image Processing,2001,10(1)：1-14.［5］陈哲冯，天瑾.小波分析与神经网络结合的研究进展［J］.电子科学学刊，2000，22（5）：496-504.［6］刘汉强.基于奇异值分解和小波变换的图像压缩算法［J］.福建电脑，2008，20(1)：55-56. ［7］程正兴.小波分析算法与应用［M］.西安：西安交通大学出版社，2001：36-76.［8］刘丹蕾，陈善学，韩静宇.一种基于小波变换和矢量量化的图像压缩算法［J］.数字通信，2009，5(4)：47-49.。

一种基于Gabor小波特征的人脸表情识别新方法
罗飞;王国胤;杨勇
【期刊名称】《计算机科学》
【年(卷),期】2009(36)1
【摘要】近来,表情识别成为人机交互研究的热点.将Gabor小波变换与2DPCA 结合提出了一种表情识别的新方法.首先对静态灰度表情图片进行预处理,然后对其进行Gabar小波变换,通过2DPCA进行降维,根据Gabor不同尺度不同方向的变换结果训练不同的分类器,由校验集得到分类器权值,通过隶属度函数将各个分类结果模糊化,实现了分类器集成和表情特征数据的融合.实验证明了Gabor小渡与
2DPCA结合在表情识别中的有效性,以及基于Gabor小波模糊分类器集成的方法能够进一步提高识别率.
【总页数】4页(P181-183,215)
【作者】罗飞;王国胤;杨勇
【作者单位】重庆邮电大学计算机科学与技术研究所,重庆,400065;重庆邮电大学计算机科学与技术研究所,重庆,400065;西南交通大学信息科学与技术学院,成都,610031;重庆邮电大学计算机科学与技术研究所,重庆,400065;西南交通大学信息科学与技术学院,成都,610031
【正文语种】中文
【中图分类】TP18
【相关文献】
1.基于Gabor小波＋PCA＋LDA特征提取方法的人脸表情识别 [J], 李烈熊;苏两河
2.基于Gabor小波特征的磨粒图像识别新方法 [J], 康剑莉;陈罡;毛金明
3.一种基于特征增强的小波图像融合新方法 [J], 张泽勋;付炜
4.基于Gabor小波纹理特征的目标识别新方法 [J], 张敏;许廷发
5.一种基于小波PCA的高光谱图像特征提取新方法 [J], 倪国强;沈渊婷;徐大琦因版权原因，仅展示原文概要，查看原文内容请购买。

多尺度特征提取残差网络的超分辨率图像重建算法钟梦圆;姜麟;李超【期刊名称】《重庆邮电大学学报（自然科学版）》【年(卷),期】2024(36)1【摘要】为了改善超分辨率图像重建算法存在的图像低频信息提取不足、边缘轮廓模糊、风格信息丢失等问题,提出一种全新的多尺度特征提取残差网络,在生成器网络结构中叠加使用残差特征聚合模块与多尺度感受野模块;采取浅层特征与深层特征接替训练,辅助网络对低频、高频信息的提取与融合;新添风格损失函数以约束风格信息,确保图像纹理、色彩、亮度等风格信息的有效传递。

在自然景物占多数且细节信息多样的BSD100数据集上,其4倍图像重建的峰值信噪比(peak signal to noise ratio, PSNR)达到31.81 dB、结构相似性(structural similarity, SSIM)达到0.87,相比原始的超分辨率生成对抗(super-resolution generative adversarial network, SRGAN)算法,PSNR提高了3.47 dB,SSIM提高了0.04。

实验结果表明,所提算法能够深层次学习自然景物图像在纹理细节、色彩亮度等方面的特征信息,实现多层网络结构对特征信息的连续性记忆性学习、提取与传递,使得重建图像质量更高。

【总页数】10页(P76-85)【作者】钟梦圆;姜麟;李超【作者单位】昆明理工大学理学院【正文语种】中文【中图分类】TP391.4【相关文献】1.多尺度残差深度神经网络的卫星图像超分辨率算法2.基于改进残差亚像素卷积神经网络的超分辨率图像重建方法研究3.基于多特征门控反馈残差网络的超分辨率图像重建算法4.增强型多尺度残差网络的图像超分辨率重建算法5.一种基于多尺度特征复用残差网络的矿山图像重建算法因版权原因，仅展示原文概要，查看原文内容请购买。

专利名称：一种基于生成对抗网络的工业CT图像超分辨重建的方法
专利类型：发明专利
发明人：詹道桦,王晗,林健,林锐楠,钟辉宇,毛睿欣,丁鑫杰,蔡念,陈新
申请号：CN202210137464.1
申请日：20220215
公开号：CN114581299A
公开日：
20220603
专利内容由知识产权出版社提供
摘要：本发明公开了一种基于生成对抗网络的工业CT图像超分辨重建的方法，包括步骤构建工业CT图像数据集，设计生成器网络结构，设计判别器网络结构，设计损失函数。

本发明解决了生成对抗网络判别器对复杂的训练输出鉴别能力不足的问题，产生更加精确的梯度反馈，同时谱归一化能够稳定训练动态缓解GAN训练引入的过于尖锐和不合适的伪信号。

申请人：广东工业大学
地址：510000 广东省广州市越秀区东风东路729号
国籍：CN
代理机构：广州专理知识产权代理事务所(普通合伙)
代理人：张凤
更多信息请下载全文后查看。

一种基于凸集投影(POCS)的数字图像超分辨率重建算法庞亚红;毛幼菊
【期刊名称】《计算机工程与应用》
【年(卷),期】2005(041)004
【摘要】该文研究了一种基于凸集投影(POCS)算法的超分辨率图像重建方法,分析了POCS方法恢复图像的理论算法,通过仿真对比了其与双线性插值方法恢复超分辨率图像的差异,仿真结果表明,该方法明显地提高了超分辨率图像的恢复质量.【总页数】3页(P69-71)
【作者】庞亚红;毛幼菊
【作者单位】重庆邮电学院光通信研究所,重庆,400065;重庆邮电学院光通信研究所,重庆,400065
【正文语种】中文
【中图分类】TP391
【相关文献】
1.一种基于投影迭代的多幅图像超分辨率重建算法 [J], 周城;卢艳红
2.基于凸集投影(POCS)的车牌图像超分辨率重建研究 [J], 余永松;吴炜;陈为龙;何小海
3.基于控制核回归估计与凸集投影组合的视频超分辨率重建算法研究 [J], 余文森;常化文
4.基于边缘保持的航拍图像凸集投影超分辨率重建算法 [J], 徐美芳;刘晶红
5.一种基于投影迭代的多幅图像超分辨率重建算法 [J], 周城;卢艳红;
因版权原因，仅展示原文概要，查看原文内容请购买。

基于小波变换的指纹图像增强算法
冯美仙
【期刊名称】《廊坊师范学院学报（自然科学版）》
【年(卷),期】2008(008)005
【摘要】小波具有多分辨率分析和在局部时频域进行分析的能力.首先,应用小波的这个特点,在小波域对指纹图像进行增强.在对指纹图像进行小波变换之前,对图像进行了较为常见的规格化处理,使得不同的图像有相同的灰度均值和方差,方便了对指纹的匹配.然后提出了一种在小波域中改进的软阑值算法对图像进行增强.实验表明,应用小波变换技术对指纹图像进行预处理能够获得较满意的结果.
【总页数】3页(P5-7)
【作者】冯美仙
【作者单位】江苏联合职业技术学院无锡交通分院,江苏,无锡,214151
【正文语种】中文
【中图分类】TP399
【相关文献】
1.基于小波变换和Gabor滤波的指纹图像增强算法 [J], 田俊;周定康
2.基于小波变换的指纹图像增强算法 [J], 冯美仙
3.基于小波变换和纹理滤波的指纹图像增强方法 [J], 穆国燕;陈慧;陈树中
4.基于小波变换和Teager能量算子指纹图像增强 [J], 王磊;郑建炜;王万良
5.基于小波变换的指纹图像增强算法 [J], 孙勤江;雷声;陈建玲
因版权原因，仅展示原文概要，查看原文内容请购买。

一种基于小波零树的图像盲水印算法
曾念章;王继成
【期刊名称】《大众科技》
【年(卷),期】2009(000)011
【摘要】提出了一种基于小波零树结构的图像盲水印算法,算法在嵌入水印时通过IND门限控制水印嵌入强度,在保持水印不可见的同时提高了水印嵌入量,实验证明该算法具有良好的鲁棒性.
【总页数】2页(P30-31)
【作者】曾念章;王继成
【作者单位】同济大学,上海,201804;同济大学,上海,201804
【正文语种】中文
【中图分类】TN911.73
【相关文献】
1.一种新的基于零树小波的图像压缩编码算法 [J], 朱为朝;王福龙;黎志光
2.基于改进零树小波的红外图像盲水印算法 [J], 王景中;李丹
3.基于小波零树结构的自适应盲水印算法 [J], 罗竞毅;费耀平
4.一种基于嵌入式零树小波的图像编码算法 [J], 李壮志;张尤赛
5.一种基于小波零树的图像编码改进算法 [J], 娄莉
因版权原因，仅展示原文概要，查看原文内容请购买。