基于全变差正则化的压缩感知毫米波成像方法

毫米波成像技术在人体安检领域有着重要的应用,它采用合成孔径雷达成像原理、宽带信号扫描方式实现三维高分辨率成像。针对其采集空域和频域数据冗余造成的信息和成本浪费问题,提出了在三维毫米波全息成像算法的基础上,采用一种傅里叶操作算子化的频率测量方法,从而实现压缩感知稀疏成像。同时依据成像场景,取图像差分域先验信息,引入了第三维频率维稀疏先验,利用三维全变差L1范数正则化方法将图像重构。实验通过真实回波数据成像效果的展示,证明了拥有高分辨率的三维毫米波图像恢复效果优异,并且与二维全变差正则化方法相比,三维全变差正则化方法重构的图像效果更佳,从而证明了所提方法的有效性。     

基于小波变换的正则化图像恢复方法研究

介绍了基于小波变换的正则化图像恢复方法，它利用图像小波变换后各个子频带所具有的不同的频率选择性和不同的方向特性，对各子频带采用不同的正则化参数和正则化算子，将图像分解为一个低频子频带LL和三个高频子频带，然后对原图像的各个子频带图像分别进行迭代恢复，使各个子频带分别收敛于其最大信噪比。     

迭代去噪收缩阈值算法重构压缩全息

为了解决全息图像数据在传输过程中占用大量内存并在一定程度上增加设计成本的问题,在数字全息成像技术中,应用压缩感知理论,提出了一种基于迭代去噪收缩阈值算法(IDNST)的数字全息重构方法.IDNST算法引入了去噪迭代因子和正则化收缩因子,利用前2次迭代的值、不断更新的迭代参数以及不断收缩的正则化参数来获得新的迭代值,加快了收敛速度,提高了全息图像的重构精度.仿真结果表明,所提出方法能够高概率地恢复出原始图像.     

—种使用小波变换的凸集投影超分辨图像重建

凸集投影（POCS）是一种把多帧低分辨率图像重构为高分辨率图像的算法,但是该算法在图像的高频信息恢复和降噪方面不是很理想。在本文中,在凸集投影（POCS）算法的基础上利用小波变换来提取出隐藏在低分辨图像中的高频信息和降低低分辨图像的噪声,可以更好地恢复出图像的细节并提高信噪比。实验仿真的结果表明,此方法在细节重构方面确实更优于凸集投影（POCS）算法。     

基于广义交叉检验的自适应约束最小二乘图像恢复

现有的图像恢复方法中有一部分需要正则化系数,而正则化系数估计的准确与否是决定恢复图像质量好坏的关键,为了能够自适应地恢复图像,研究了约束最小二乘算法的图像恢复问题,提出了应用广义交叉检验方法估计约束最小二乘算法中的正则化系数．实验结果证明,用该算法估计的正则化系数恢复图像质量更佳,速度比普通的迭代方法快,而且该最小乘图像恢复方法实现了图像自适应图像恢复．     

图上自适应正则化的图像去噪

自适应正则化方法在不同的局部区域能够选取不同的正则化参数和正则化约束,因而能够灵活地对边缘和噪声进行区别处理。将自适应正则化建立在图上,提出了一种定义在加权图上的,具有自适应参数的正则化模型。用nonlocal means 算法构造图的权重函数,用建立在图上的自适应正则化方程实现图像的去噪处理,仿真实验结果表明：该方法能有效地去除图像中的噪声,在去噪性能上优于部分基于图论的偏微分方程方法。     

基于空间自适应正则化的超分辨率重建算法

针对模糊图像的复原问题,从正则化技术克服问题病态性的思想出发,研究了一种有效的超分辨率重建算法。该算法充分考虑了图像的局部特性,引入了空间自适应加权矩阵,采用全局正则化参数与局部正则化参数矩阵相结合的方法,弥补了传统正则化方法所带来的正则化误差以及噪声放大误差。实验结果表明,该算法能够有效地减少重建误差,保护图像的细节信息。     

基于模拟退火粒子群算法的MIT图像重建方法

为了改善逆问题病态性又能提高图像重建质量,提出了一种基于模拟退火粒子群算法的MIT图像重建方法.根据Hessian矩阵的维度,构建了一种Tikhonov和NOSER型混合多参数正则化算法.将模拟退火算法和粒子群算法进行组合,以广义交叉准则构建目标函数,进行正则化多参数寻优.结果表明,所提方法不仅有效克服了MIT重建图像数值解的不稳定性,增强了抗噪性能,而且所获得的重建图像的质量优于Tikhonov正则化和混合正则化算法,为MIT技术应用提供了理论参考.     

ROMP的正则化分析研究

正则化正交匹配追踪(ROMP)算法通过引入正则化的方式提升重构过程的稳定性和速度。该算法在不同正则化参数值时,每次迭代均会选出多个能量值最大的位置索引数不同,导致重构算法的重构误差和运行速度不同。正则化参数常值被赋值为2,本文通过对ROMP的正则化过程进行分析,并在MATLAB上进行仿真,找出不同稀疏度的信号在不同信噪比下最佳的正则化参数值,以保证稳定性的情况下提升算法的速度。     

基于模拟退火粒子群算法的MIT图像重建方法

为了改善逆问题病态性又能提高图像重建质量,提出了一种基于模拟退火粒子群算法的MIT图像重建方法.根据Hessian矩阵的维度,构建了一种Tikhonov和NOSER型混合多参数正则化算法.将模拟退火算法和粒子群算法进行组合,以广义交叉准则构建目标函数,进行正则化多参数寻优.结果表明,所提方法不仅有效克服了MIT重建图像数值解的不稳定性,增强了抗噪性能,而且所获得的重建图像的质量优于Tikhonov正则化和混合正则化算法,为M IT技术应用提供了理论参考.     

基于双重字典及联合特征的遥感图像超分辨率算法

为了解决低分辨率遥感图像超分辨重建的问题,本文提出了一种基于双重字典及联合特征的遥感图像超分辨率算法.超分辨率重建技术目的就是根据低分辨率图像重建出原始高分辨率图像的高频信息.本文将图像的高频信息分解成为主高频信息和残差高频信息两个部分,然后针对主高频信息和残差高频信息,分别训练主高频字典和残差高频字典,并结合稀疏表示方法对图像进行重构.同时,为了建立更能反映图像内部结构信息的字典,本文联合图像的不同的结构特征,建立统一的字典.本文算法对图像取得较好的复原效果,复原出的高分辨率图像更接近于真实图像,与其他方法相比具有更好的主观和客观质量.     

基于局部均值和标准差的Curvelet变换遥感图像融合算法

为充分利用各种遥感图像的有用信息,在Curvelet变换的基础上,提出一种基于局部均值和标准差限定的遥感图像融合算法.通过Curvelet变换将同一场景下的高空间分辨率全色图像和低分辨率多光谱图像分解到不同尺度、不同方向的频带范围内,然后对低、高频系数分别采用最大值法和局部均值及标准差限定法的融合规则进行融合,最后进行Curvelet反变换得到融合图像.实验表明,基于该融合规则的Curvelet算法优于传统的遥感图像融合算法.     

基于DWT的图像分块压缩感知重构算法

运用压缩感知理论对大尺寸图像进行重构耗时较长,观测矩阵要求的存储空间较大,且重构后的图像存在明显的块状效应.根据图像小波变换系数的特点,将图像分块思想与DWT变换相结合,提出了一种改进的基于DWT的图像分块压缩感知算法.将图像子块经DWT变换后,保留图像低频系数,只对高频系数进行观测.重构时采用正交匹配追踪算法（OMP）对高频系数进行恢复.Matlab仿真结果表明,新算法跟基于DCT分块压缩感知算法相比,重构图像的PSNR值提高了2~4 dB,重构时间明显减少,与基于二维离散余弦变换(DCT)的分块压缩感知算法相比,块效应有明显的改善,重构图像质量明显提高.     

基于小波变换的图像增强算法

根据小波的时频特性及多分辨率特点,提出了一种基于小波变换的图像增强算法,对图像小波变换得到不同分辨率下表征图像低频及高频信息的小波系数,对小波系数单支重构,对各分辨率下低频单支重构信息分段线性增强并线性叠加,增强图像低频轮廓;对各分辨率下高频单支重构信息分段线性增强并线性叠加,增强图像边缘。实验结果表明:算法具有很高的灵活度,既可以实现对图像轮廓的增强,也可以实现对图像边缘的增强。     

利用位置字典对的人脸图像超分辨率方法

针对基于稀疏表示的人脸超分辨率算法存在的字典尺寸大、训练时间长等问题,提出一种基于位置字典对的超分辨率重建方法.由于同一位置的人脸图像块具有相似的结构和内容,更有可能用相同的字典原子进行线性组合表示,因此把训练人脸图像按位置分块,首先为每个位置训练一个位置字典对,利用获得的多个位置字典对,对低分辨率测试人脸图像进行基本重建,然后应用残差补偿方法对位置块进行补偿.实验结果表明,由所提方法重建的人脸图像具有更好的视觉效果,与应用原始图像块进行稀疏表示的图像超分辨率算法相比,平均图像结构相似度指标值提高了0.082,同时字典训练时间缩短了约5倍.     

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。     

MART算法快速高质量图像重建研究

ART(Algebraic Reconstruction Technique)算法是一种典型的迭代图像重建算法,适合于不完全投影数据图像重建。为了提高乘型ART(Multiplicative ART, MART)算法的重建质量,提出了一种基于亚像素的图像重建方法。首先将原始图像中的每个像素等分解为四个亚像素,然后提出一种高效的射线与像素的求交算法来计算权因子和亚像素索引,利用MART算法重建得到高分辨率重建图像,最后通过合并亚像素图像得到原始分辨率的高质量重建图像。实验结果表明文中提出的方法非常有效,与传统方法相比取得了3倍以上的重建加速比,图像重建质量显著提高。     

基于SQI的超分辨率图像重建算法

提出了一种基于自商图像(Self Quotient Image-SQI)的超分辨率图像重建算法.该方法首先利用SQI提取光照不变量作为图像特征,并假设光反射分量具有分段平滑的特性,近似认为每一个小的图像块具有相同的增益系数;然后在流形学习的框架下,借助局部线性嵌套的思想构建高分辨率图像和低分辨率图像块间的关系,从而实现了超分辨率重建和图像增强.仿真结果表明,该算法有效地克服了传统方法受光照因素影响的缺点,在提高分辨率的同时克服了光照因素的影响,特别是对阴影效应的消除具有明显效果.     

基于自适应加权压缩感知的图像超分辨率重建

压缩感知理论被广泛应用于从少量随机观测中精确地重构原始信号，本文基于压缩感知理论来实现图像的超分辨率重建，在利用图像的局部稀疏性先验的基础上，采取了以下两项措施：1）通过对图像降质模型的估计，采用K-SVD算法构建过完备字典对，依据同一图像高低分辨率观测在对应字典下稀疏表示系数相似的特点，将字典对所表示的高低分辨率图像间的映射关系带入目标函数中，避免了降采样和模糊算子难以抽象为矩阵形式对求解造成的影响；2）在待超分辨率图像稀疏编码时提出一种自适应加权的AWGPSR算法，克服了传统OMP算法在这一步需要固定稀疏度的缺陷，可获得更加精确的稀疏表示系数。结合得到的稀疏表示系数与高分辨率字典可以重建出图像的高频分量，将重建的高频分量与低频部分融合可以得到最终的图像超分辨率重建结果。实验结果表明，所提算法无论从主观视觉还是客观评价指标上均优于其他相关方法。