基于压缩感知的智能交通视频监控编码研究

在压缩感知中利用TVAL3算法对二维图像进行重构 在压缩感知中利用TVAL3算法对二维图像进行重构

基于分数阶超混沌系统结合二维压缩感知和DNA编码的图像压缩加密方案

此代码利用阵列接收信号协方差矩阵的稀疏性，利用压缩感知的稀疏重构理论实现信号的方位估计，求解过程用到凸优化包，

针对图像边缘与轮廓不能精确重构的问题,提出了一种基于灰度共生矩阵的多尺度分块压缩感知算法。该算法利用三级离散小波变换将图像分解为高频部分和低频部分。通过灰度共生矩阵的熵分析高频部分图像块的纹理复杂度,并根据图像块纹理进行再分块、自适应分配采样率。采用平滑投影Landweber算法重构图像,消除分块引起的块效应。对多种图像进行压缩重构仿真,实验结果表明,无观测噪声情况、采样率为0.1时,本算法在Mandrill图像上得到的峰值信噪比(PSNR)为25.37 dB,比现有非均匀分块算法提高了2.51 dB。不同噪声水平下,本算法的PSNR比无噪时仅下降了0.41~2.05 dB。对于纹理复杂度较高的图像,本算法的重构效果明显优于非均匀分块算法,对噪声具有较好的鲁棒性。

单LFM信号压缩感知ISAR仿真 傅里叶变换基 OMP追踪准则

本文关于压缩感知的DOA估计研究，为一篇硕士毕业论文，可供初学者参考。

包含贝叶斯和正交矩阵压缩感知算法 网络环境： （1）信标节点定位置坐标已知； （2）所有节点的通信半径可调节； （3）节点能量充分；

MATLAB源码集锦-基于压缩感知算法的数据压缩与复原代码

实现稳健的目标跟踪，建立有效的目标在线模型至关重要。针对现有在线学习跟踪算法缺乏对目标观测信息是否有效的判断，提出了一种简单且高效的解决方法。利用正负样本构建目标在线模型，基于压缩感知理论从多尺度图像特征空间提取特征信息完成目标表征之后，由随机蕨分类器进行分类并通过一种特征置信度度量策略来确定在线更新速率，最后由目标在线模型判断输出置信度最高的样本，此外还建立了一种遮挡反馈机制来决定是否更新目标在线模型。实验结果表明，该方法在目标被长时间遮挡、光照变化等情况下均能完成稳健跟踪，在320 pixel × 240 pixel 大小的视频序列中处理速度保持在30~50 frame/s左右，可以满足实时应用的需求。