江西省自然科学基金(20132BAB201021)
- 作品数：4 被引量：39H指数：3
- 相关作者：邓承志朱华生汪胜前田伟胡赛凤更多>>
- 相关机构：南昌工程学院江西科技师范大学更多>>
- 发文基金：江西省自然科学基金国家自然科学基金江西省教育厅科学技术研究项目更多>>
- 相关领域：自动化与计算机技术更多>>
- L_1稀疏正则化的高光谱混合像元分解算法比较被引量：9
- 2015年
- 基于稀疏性的高光谱解混是近年来高光谱混合像元分解的研究热点。主要研究了L1正则化的高光谱混合像元分解算法。首先分析了L1正则化的三种解混模型,即无约束、非负约束和全约束模型;然后给出了三种模型对应的数值求解算法;最后,采用模拟的和真实的高光谱数据进行实验,比较了三种高光谱混合像元分解算法的效果。实验结果表明:三种模型均具有很好的高光谱混合像元分解精度(SRE),其中全约束模型最好,非负约束模型次之,无约束模型最差;全约束模型在信噪比低和端元数多的情况下,仍然获得较高的SRE。
- 邓承志张绍泉汪胜前田伟朱华生胡赛凤
- 关键词：混合像元分解稀疏性
- 稀疏正则化的非负矩阵分解高光谱解混算法比较与分析被引量：3
- 2017年
- 非负矩阵分解(NMF)可以将一个非负的矩阵分解为左右两个非负矩阵的乘积,广泛应用于高光谱影像解混。介绍了非负矩阵分解和高光谱解混的基本原理,对稀疏正则化非负矩阵分解高光谱解混模型进行分析,重点分析了L_1稀疏、L_(1/2)稀疏、以及近似L_0正则化方法,并采用模拟数据和真实数据对各解混算法性能进行了比较和分析。
- 徐晨光邓承志
- 关键词：非负矩阵分解正则化
- 近似稀疏正则化的红外图像超分辨率重建被引量：22
- 2014年
- 针对红外图像分辨率低、受噪声影响严重等问题,引入近似稀疏正则化和K-奇异值分解(K-SVD)法,提出了基于近似稀疏表示模型的红外图像超分辨率重建方法。考虑到红外图像受到噪声污染,首先建立了稳健近似稀疏表示模型。针对已有字典训练方法时间消耗巨大问题,在假定低分辨率图像空间和高分辨率图像空间具有相似流形的前提下,联合近似稀疏表示模型和K-SVD方法,提出近似稀疏约束的基于K-SVD的高低分辨率字典对学习算法。最后,通过高分辨字典和对应的红外图像群稀疏表示系数重建得到高分辨率的红外图像。为了验证算法的性能,对提出的算法与稀疏性正则化的图像超分辨模型(SRSR)和Zeyde算法进行了实验比较。结果表明,本文方法能够较好地减少红外图像中的噪声,同时获得更好的超分辨率重建效果。
- 邓承志田伟汪胜前朱华生吴朝明熊志文钟威
- 关键词：红外图像超分辨率重建字典学习
- 基于局部约束群稀疏的红外图像超分辨率重建被引量：9
- 2014年
- 针对红外图像分辨率低、视觉质量差等问题,提出基于局部约束群稀疏模型的红外图像超分辨率重建方法.考虑到红外图像的纹理自相似性和原子系数的群结构稀疏性,首先建立了基于局部约束的群稀疏表示模型.然后,在假定低分辨率图像空间和高分辨率图像空间具有相似流形的前提下,联合局部约束群稀疏表示模型和K-SVD(K奇异值分解)方法,训练得到高低分辨率图像对应的群结构字典对.最后,通过高分辨字典和对应的红外图像群稀疏表示系数重建得到高分辨率的红外图像.实验结果表明,本文方法具有更好的超分辨率效果,无论是在客观评价指标还是主观视觉效果方面都有明显的提高.
- 邓承志田伟陈盼汪胜前朱华生胡赛凤
- 关键词：红外图像超分辨率字典学习
