视觉信息的随机共振

通过噪声的概率分布论述了噪声在图像处理中增强或弱化视觉效果的作用,阐明了随机共振图像产生的机理,即在一定噪声强度条件下,图像视觉质量可以达到最佳效果．证明了不仅是噪声强度,而且噪声的类型同样会影响视觉质量．通过两种典型噪声的比较分析,得出了在各种类型的噪声中,以添加线性分布的均匀随机噪声所产生的随机共振图像质量效果为最好的结论,本研究为图像表述、目标识别、视觉理解等工程应用提供了一种方法．最后,为自动实现图像的随机共振,给出了一个最佳噪声强度的快速搜索算法．     

面向各向异性3D-MRI图像超分辨率 重建的ESRGAN网络

高分辨率磁共振图像(MRI, magnetic resonance images)能够提高疾病诊断精度,但高分辨率MRI图像的获取十分困难。基于深度学习的图像超分辨率(SR, super resolution)技术可有效地提高图像分辨率。近年来,生成对抗网络(GANs, generative adversarial networks)为3D-MRI图像SR重建提供了新思路。相较于传统的基于深度卷积神经网络(DCNN, deep convolutional neural network)的SR算法,GANs网络以人类视觉机制为目标,且引入判别函数,使重建3D-MRI图像更接近真实图像。研究采用增强超分辨率生成对抗网络(ESRGAN, enhanced super-resolution generative adversarial networks)对3D-MRI图像进行SR重建;并利用3D-MRI图像的跨层面自相似性,将重建任务降维到2D,在保证重建效果的基础上,减少了网络训练时间和内存需求。通过与其他传统算法和基于DCNN算法对比实验表明,提出的算法能够进一步提高3D-MRI图像的视觉...     

A Bayesian Super Resolution Algorithm Based on Synthetic Gradient Distribution

A novel Bayesian super resolution (SR) algorithm based on the distribution of synthetic gradient is proposed.The synthetic gradient combines prior information in horizontal,vertical,and diagonal directions.Its distribution is modeled as a Lorentzian function and regarded as a new image model which can sufficiently regularize the ill-posed algorithm and preserve the edges in the reconstructed images.The graduated nonconvexity (GNC)optimization is employed to guarantee the convergence of the proposed Lorentzian SR (LSR) algorithm to the global minimum.The performance of LSR is compared with conventional algorithms,and experimental results demonstrate that the proposed algorithm obtains both subjective and objective gains.     

多分辨率分析耦合近似稀疏表示的图像融合算法

为了更好地处理图像高维特征奇异性,并兼顾融合图像目标特征与平均强度信息,提出了一种多分辨率分析与近似稀疏表示的图像融合算法。首先,对源图像进行对尺度分析,分别得到图像的高频和低频信息;然后,设计了近似稀疏表示(sparse representation,SR),通过近似SR系数来表示图像高频信息和低频信息;并利用绝对最大选择技术对近似SR稀疏转换,得到低频子带的近似系数和高频子带的细节系数,以达到用最少的系数来逼近奇异曲线。其次,构建了决策映射,对相同子带上的各SR系数的活性度和匹配度进行决策分析,输出决策值,通过决策值对图像进行匹配融合。最后,通过多尺度逆变换得到最终的融合图像。仿真实验表明:与当前图像融合算法相比,获得的融合图像具有更好的视觉效果,能有效图像突出目标信息,得到的图像具有更高的平均梯度和边缘评价因子;既突出了目标特征又保留平均强度信息,同时降低噪声影响。     

A brief survey on deep learning based image super-resolution

Image super-resolution(SR) is an important technique for improving the resolution and quality of images.With the great progress of deep learning,image super-resolution achieves remarkable improvements recently.In this work,a brief survey on recent advances of deep learning based single image super-resolution methods is systematically described.The existing studies of SR techniques are roughly grouped into ten major categories.Besides,some other important issues are also introduced,such as publicly available benchmark datasets and performance evaluation metrics.Finally,this survey is concluded by highlighting four future trends.     

改进型脉冲耦合神经网络高分辨率SAR图像分割

针对高分辨率SAR (合成孔径雷达)图像噪声强, 目标分割难度大的特点, 提出一种改进的脉冲耦合神经网络(pulse coupled neural network, PCNN)模型的SAR图像分割算法。首先根据SAR图像中相干斑噪声的特点, 采用复小波进行去噪。然后, 在传统PCNN模型的基础上, 对神经元的输入信号, 尤其是链接系数和 阈值的非线性衰减子因子进行了改进和简化, 同时对链接强度系数β进行理论上的近似推导, 并减少人工设置的参数。最后, 通过最佳阈值对其结果进行二值化处理得到感兴趣的目标图像。实验结果表明, 改进后的算法运行效率提高, 自适应性增强。与传统算法相比, 区域一致性提高0.013, 区域的对比度提高0.015, 效果优于传统的PCNN算法, 为高分辨率SAR图像分割提供了一种新策略。     

非局部相似和双边滤波的图像超分重建

为了提高重建图像的分辨率,提出一种改进的稀疏表示超分重建算法.在稀疏编码阶段,引入非局部相似正则化以改进稀疏编码目标函数,并通过非局部相似正则化获得图像非局部冗余,以保持图像边缘信息.为了进一步恢复图像的边缘细节信息,提出一种基于改进双边滤波的全局误差补偿模型,以实现重建图像的误差补偿.实验结果表明:与Bicubic,L1SR,SISR,ANR,NE+LS,NE+NNLS,NE+LLE和A+(16 atoms)等算法相比,无论在主观视觉效果,还是在峰值信噪比和结构相似性指标上,所提算法都有显著的提高.     

基于二维变分模态分解与自适应分数阶积分的图像去噪方法

针对噪声对图像分辨率的影响,提出了一种基于二维变分模态分解(two-dimensional variational modal decomposition,2D-VMD)与分数阶积分的去噪算法.首先通过2D-VMD将图像信号分解为若干个不同中心频率的本征模态分量(intrinsic modal components,I...     

基于POCS的高光谱图像超分辨率方法

高光谱图像得到了越来越广泛的应用,但较低的空间分辨率严重地影响着它的应用效果,其超分辨率方法受到学术界的高度重视,但一直没有得到很好的解决.为此,建立低分辨率资源图像与高分辨率目标图像之间的关系模型;引入关联感兴趣光谱端元的算子进行空间变换;应用凸集投影(POCS)算法实现超分辨率复原.实验表明,该超分辨率方法具有超分辨率效果好、复杂度低、抗噪声性能强和保护感兴趣类别等优点.     

基于机器学习的低分辨率图像增强和细节匹配方法研究

当前低分辨率图像增强和细节匹配方法具有细节易丢失、边缘模糊、无法适应图像平移、旋转等变化的弊端,导致图像增强与细节匹配性能低下。为此,提出一种新的基于机器学习的低分辨率图像增强和细节匹配方法,通过建立一个间隔最大的超平面获取最小二乘支持向量机分类器。在待处理低分辨率图像中选择一块图像,将图像的每个3×3邻域像素看作一个训练样本,通过最小二乘支持向量机法对其进行训练,输出增强像素点。通过复数小波对图像特征进行描述,利用最小二乘支持向量机获取最优判定准则函数,输出最优匹配的目标子图像。实验结果表明,所提方法有很高的峰值信噪比、边缘保持指数和等效视数,很低的归一化均方误差、均值和方差,整体性能优。     

阱宽非对称性诱导随机共振的轴承故障诊断方法

针对随机共振能够俘获噪声能量增强与提取机械微弱故障特征的优点,基于两态信噪比理论研究了阱宽非对称性诱导下的随机共振现象,理论结果表明阱宽诱导下的非对称随机共振比对称随机共振具有更高的输出信噪比,意味着适当的非对称性能够改善随机共振的增强性能。因此,提出了阱宽非对称性诱导随机共振的轴承故障诊断方法,利用量子遗传算法以信噪比为目标函数优化阱宽非对称性,以获取阱宽非对称性与微弱故障特征之间的最佳匹配。仿真和轴承实验结果表明,提出的方法能够有效地实现轴承的故障诊断,而且其性能优于集成经验模式分解。     

基于图像块相似性和补全生成的人脸复原算法

图像获取过程中,由于成像距离、成像设备分辨率等因素的限制,成像系统难以无失真地获取原始场景中的信息,产生变形、模糊、降采样和噪声等问题,针对上述情况下降质图像的复原问题,提出了适用于低分辨率,低先验知识情况下的人脸复原方法,通过基于图像相似性的期望块log相似性EPLL (expected patch log likelihood)框架来构建人脸复原效果的失真函数,利用生成对抗网络的图像补全式生成过程来复原图像。所提算法在加噪率50%以及更高情况下可以保持较好的人脸图像轮廓与视觉特点,在复原加噪20%的降质图像时,相比传统的基于图像块相似性的算法,本文算法复原结果的统计特征峰值信噪比PSNR (peak signal-noise ratio)与结构相似度SSIM (structural similarity)值具有明显优势。     

基于小波空域相关的船舶轴频电场检测方法

为了提高对船舶水下轴频电场的远程探测能力,在充分分析实验室轴频电场信号的基础上,提出了一种基于小波空域相关的船舶轴频电场检测方法.首先使用小波空域相关对噪声和信号进行分离,并给出一种针对轴频电场的噪声阈值估计方法;然后,提取信号特征频率范围内的能量作为特征值,对信号进行滑动功率谱检测.对比分析结果表明,该算法在低信噪比情况下具有更高的稳定性和更好的检测效果.

     

基于Huber函数双边全变分的多帧文档图像超分辨率重建

针对低分辨率文档图像中噪声模型不确定、字符边缘和纹理走向复杂多变的问题,提出GemanMcClure(GM)范数替代L1、L2范数用于提高算法的鲁棒性,设计了结合双边全变分(BTV)和Huber函数的正则化项,采用Lucas-Kanade光流配准算法,利用字符结构特征的先验信息,使算法在重建过程中更加注重边缘细节与边缘方向信息。实验表明,与L1BTV、L2BTV和无Huber函数的GMBTV正则化(下文简称GM方法)重建方法相比,文中算法在混合噪声模型下能够显著平滑噪声、锐化边缘、提升文档图像字符的分辨率,字符识别率提高14.69%的同时运算时间缩短了29.34%。     

基于光场图像信息解耦超分辨率重建研究

光场（LF）信息具有高维特性,重建任务中所需要的空间信息与角度信息在宏像素图中高度耦合.为了充分利用空间角度信息,提高超分辨率（SR）重建质量,提出一个改进的基于光场空间角度解耦机制的LF图像角度SR重建网络设计.考虑到图像中的不同特征对重建质量的影响,通过不同的通道分配机制改变各特征的影响程度,提高重建准确性,在堆叠特征提取层的同时,引入注意力机制,获取更加丰富的空间角度信息.在测试场景上的实验结果表明,所提出的重建网络在合成与真实场景里都有较好的重建效果.在两个合成场景数据集上峰值信噪比/结构相似性（PSNR/SSIM）参数分别为34.62/0.964与42.68/0.972,在真实场景上的PSNR/SSIM均值为39.67/0.990.     

随机共振结合RobustICA的两阶段结构损伤定位方法

为实现强噪声背景低信噪比环境下的结构损伤识别,提出一种基于非线性随机共振降噪与鲁棒性独立分量分析(RobustICA)的两阶段损伤定位方法.第一阶段,运用非线性随机共振系统对强噪声低信噪比的测量响应进行预处理,以降低背景噪声的干扰并增强结构响应;第二阶段,结合RobustICA提取包含损伤信息的特征分量对结构响应异常进行识别,之后计算归一化的源分布向量(NSDV)的最大值对结构损伤异常进行定位.框架数值算例结果表明,所提出的算法能够较精确实现信噪比为5dB下的结构损伤异常识别与定位.     

基于加权因子的双重延时乘累加波束形成算法

针对超声成像中双重延时乘累加算法不适用于高噪声环境的问题,提出一种基于均值-标准差加权因子的双重延时乘累加算法,即RD-DMAS算法.该加权因子对解决高噪声带来的图像斑点问题具有显著效果,而双重延时乘累加波束形成算法能大幅提高超声成像分辨率,使所提算法能得到高分辨率和高对比度的重建图像.对该算法在点散射目标仿体、囊肿仿体和噪声环境下进行了仿真,结果表明,RD-DMAS算法有最小旁瓣以及较窄的主瓣.DAS,DMAS,DS-DMAS,RD-DMAS算法的对比度(CR)分别为9.72,11.72,13.28和19.86.不管环境中是否有噪声,RD-DMAS算法的成像效果都是最好的.     

面向脑MR影像分割与偏置场修正的FCM方法

传统模糊C-均值(fuzzy C-means,FCM)算法以及结合空间信息的改进方法在分割脑磁共振(magnetic resonance,MR)影像时对噪声十分敏感,且无法消除脑MR影像中的偏置场。针对上述问题,提出一种面向脑MR影像分割与偏置场修正的FCM方法。该方法充分利用图像中的空间局部信息和非局部信息,分别构造出多局部信息模糊因子和非局部权重,在提高算法抗噪性的同时,尽可能多地保持图像细节;建立偏置场模型,以去除脑MR影像中的灰度不均匀性;将提出的多局部信息模糊因子和非局部权重嵌入到带有偏置场模型的FCM方法中,以实现噪声和偏置场条件下的脑MR影像分割。实验结果表明,与其他方法相比,所提方法对脑MR影像中的噪声具有更强的抑制能力,且能够有效消除偏置场对脑MR影像分割的影响,具有更优的分割性能。     

急性运动中超分辨率图像重构方法研究

采用当前急性运动中超分辨率图像重构方法得到的重构图像存在全局误差,导致重构图像质量低下,重构效果不佳。为此,提出一种新的急性运动中超分辨率图像重构方法,设计急性运动中超分辨率图像重构模型,将小波稀疏字典作为急性运动中超分辨率图像重构的理论依据。将低分辨率急性运动图像分割成低分辨率图像块,对无噪高分辨率急性运动图像块相应的无噪低分辨率图像块进行分析。通过OMP方法对稀疏系数进行求解,依据得到的稀疏系数估计出高分辨率急性运动图像块的高频小波系数,将高分辨率小波系数急性运动图像块返回高分辨率小波系数急性运动图像,通过逆小波变换得到最终的高分辨率图像,对全局误差进行修正。实验结果表明,采用所提方法得到的重构图像质量高,重构效果好。     

基于多阶结构表示的超分辨率重构图像质量盲评价方法

为了客观地预测超分辨率重构图像的质量,提出了一种基于多阶结构表示的超分辨率重构图像无参考质量评价方法.利用多阶导数信息表示超分辨率重构图像的主要结构和细微纹理,并利用局部二值模式提取超分辨率重构图像的多阶结构特征;结合主观分数,利用随机森林回归训练图像质量预测模型,再利用模型预测待测图像的质量.为了证明该算法的有效性和优越性,对比实验在一个大尺度超分辨率图像数据库上进行.该算法的斯皮尔曼相关系数和皮尔森线性相关系数分别为0.9103和0.9183.实验结果表明,该算法优于现有的无参考质量评价算法,与主观评价结果保持较高的一致性.此外,该算法时间复杂度低,运行时间适中.