一般非综合孔径雷达方位超分辨研究

一般非综合孔径雷达的方位分辨率受天线波束宽度的限制。要突破这种限制需要采用方位超分辨技术。该文介绍和分析了3种一般非综合孔径雷达的方位超分辨方法,包括去卷积法、角度权重法和相控阵雷达的相位权重法。对这些方法的性能进行了比较性研究,给出了数值仿真的结果。研究表明,去卷积法只适合于信噪比大于30dB的场合。在信噪比小于15dB时,角度权重法和相位权重法仍具有较好的方位超分辨效果。该文还从信息的角度分析了方位超分辨的实质,探讨了实现方位超分辨的可能途径。     

基于稀疏表示的正则化超分辨率重建算法

为了能在超分辨率重建过程中更好地保留图像的边缘及纹理等特性,提出基于稀疏表示的正则化超分辨率重建算法.首先通过K-SVD方法得到单一的超完备字典,然后在此基础上进行改进得到高、低分辨率的字典,并在重建过程中通过自适应选取正则化参数的方法动态调节目标函数中重建误差逼近项和稀疏性约束项,从而实现超分辨率重建.通过仿真实验验证该算法能够有效地提高重建图像的质量.     

基于流形学习和梯度约束的图像超分辨率重建

将改进的基于流形学习的超分辨率重建与基于梯度约束的正则化重建结合起来,提出一种新的单帧图像超分辨率重建算法.该算法首先针对基于流形学习的超分辨率重建,提出新的特征提取方法,联合归一化亮度与平稳小波变换细节子带系数两个特征矢量,提高重建性能;然后将学习得到的高分辨率图像作为初始估计,将其梯度作为目标梯度域,进行基于梯度约束的正则化重建,得到最终的高分辨率图像.与现有的一些算法相比,文中算法无论在视觉效果还是客观评价上都具有较好的重建性能.     

基于L1范数的总变分正则化超分辨率图像重建

设计了一种基于L1范数的总变分正则化超分辨率图像序列重建算法.采用L1范数对重建图像保真度进行约束,利用总变分正则化克服重建问题的病态性,有效地保持了图像的边缘并且提高了运算速度;运用设计的算法对模拟的低分辨率图像序列进行重建,分别从主观效果和客观衡量指标两方面与基于L2范数的总变分正则化的超分辨率重建结果进行比较,实验结果表明该算法在保持图像边缘的同时,提高了超分辨率重建算法的运算速度.     

基于正则的POCS无源毫米波超分辨率重建

针对无源毫米波图像普遍存在分辨率不高的问题,提出一种基于正则化技术的超分辨率重建方法.在具体的成像模型基础上,对获取的无源毫米波图像序列进行基于正则的凸集投影(POCS)处理.将正则化条件作为POCS的一个凸约束,使得到的高分辨率图像在平滑噪声的同时能很好地保护图像的纹理细节.实验结果表明,该方法还可以提高图像的分辨率,是一种较好的无源毫米波超分辨率重建方法.     

一种改进的稀疏表示超分辨率重建算法

针对稀疏表示超分辨率重建算法中稀疏表示系数正则化效果不明显、字典完备性弱以及重建图像存在虚边缘等问题,提出了一种改进的稀疏表示超分辨率重建算法.首先对正则化正交匹配追踪(regularized orthogonal matching pursuit,ROMP)稀疏表示系数求解算法进行了改进,通过引入局部约束加权来提高稀疏表示系数的精度、增强图像的纹理特性;然后,将Huber影响函数用于提取图像的先验特征信息,以增强图像特征、提升高分辨率字典的表示能力;最后,提出了基于学习的迭代反投影方法,提高了图像后处理阶段预测误差的准确性,进一步改善了高分辨率重建图像效果.实验结果表明,该方法在峰值信噪比和视觉效果上都有所提高,重建图像的纹理特性和质量得到了有效增强.     

基于正则化的SPACE-RIP并行磁共振成像重建算法

采用并行磁共振成像可以提高成像速度和图像分辨率,但这是以牺牲重建图像的信噪比为代价的。为此,该文提出了一种基于正则化的并行磁共振成像重建算法,降低由于阵列线圈的几何相关而造成的信噪比损失。以预扫描图像作为最后重建图像的先验信息,用L曲线方法求解最佳正则化参数。实验表明,该方法能较大限度地减弱噪声对重建结果的影响,当SPACE-RIP并行成像技术的加速因子达到4时,仍可得到高质量的高分辨率重建影像。重建后的图像质量良好,对临床诊断具有较高实用价值。     

基于正则化的SPACE-RIP并行磁共振成像重建算法

采用并行磁共振成像可以提高成像速度和图像分辨率,但这是以牺牲重建图像的信噪比为代价的。为此,该文提出了一种基于正则化的并行磁共振成像重建算法,降低由于阵列线圈的几何相关而造成的信噪比损失。以预扫描图像作为最后重建图像的先验信息,用L曲线方法求解最佳正则化参数。实验表明,该方法能较大限度地减弱噪声对重建结果的影响,当SPACE-RIP并行成像技术的加速因子达到4时,仍可得到高质量的高分辨率重建影像。重建后的图像质量良好,对临床诊断具有较高实用价值。     

基于四元稀疏正则的彩色图像超分辨率重建

为了更好地保持重建彩色图像各通道信息的相关性,有效提高彩色重建图像边缘、色彩等细节信息的恢复质量,提出一种基于四元稀疏正则模型的彩色图像超分辨率重建算法.该算法利用四元数表示彩色图像的三个通道信息,并且采用L1/2正则项代替L1正则项构建基于四元稀疏正则约束的彩色图像超分辨率字典学习及模型重建.同时在训练重建字典对中,为了更好地表征图像特征信息,采用去均值方法构造高低分辨率训练样本集;为了得到与低分辨率重建字典更匹配的高分辨率重建字典,采用字典分离训练方法分别生成高低分辨率重建字典.实验结果表明:与现有的算法相比较,本文算法在重建图像的主观和客观评价指标方面均有改善.     

基于文本特征自适应正则化的文档图像超分辨率重建

在BTV正则化超分辨率重建中,由于BTV正则项无法根据字符特点自适应进行平滑滤波,不能充分保留图像细节的缺点,设计了基于文字笔画局部宽度和方向自适应的改进BTV正则化项提高字符分辨率,通过分析输入的LR图像及其中间插值图像,得到近似于HR图像中的局部笔画宽度和方向信息,并将此信息封装进正则化项,通过最小化正则化项和数据保真项的线性组合,重建高分辨率图像。实验结果表明,与原BTV正则化重建方法相比,算法在保留细节信息,提高字符分辨率的同时能够显著滤除噪声,重建得到的文字笔画线条较为平滑,且轮廓清晰,提升了文档图像的分辨率。其中平均PSNR提高了8.32%,平均MSSIM提高了5.94%,同时运行时间减少了26.2%。     

一种基于L_(1/2)正则约束的超分辨率重建算法

为了提高重建图像质量,减少处理时间,提出一种基于L_(1/2)正则约束的单帧图像超分辨率重建算法.该算法在稀疏重建字典对训练阶段,为了有效提取低分辨率图像边缘、纹理等特征细节信息,采用小波系数单支重构方法对低分辨率图像进行特征提取;而在图像重建阶段,为了解决基于L1正则模型得到的解时常不够稀疏,重建图像质量有待进一步提高的问题,采用L_(1/2)范数代替L1范数构建超分辨率重建模型,并且采用一种快速求解的L_(1/2)正则化算法进行稀疏求解.实验结果表明:与现有算法相比较,该算法在重建图像主观和客观评价指标、算法运行速度等方面均更优.     

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IBP的天气雷达超分辨率重建算法

雷达基数据分辨率不够会导致灾害性天气系统预报、跟踪的准确率低.为了提高基数据的分辨率,将迭代反投影算法应用于雷达回波超分辨率重建中,并对算法进行了改进.该方法基于对天气雷达回波使用滑动窗的重建模型,并引入时间相关性约束,由低分辨率回波重建出高分辨率回波.基于天气雷达提供的实例反射率回波,给出其超分辨率重建后的结果,并对其重建效果进行估计和比较.实验表明该方法在定量估计和视觉评价上都具有良好的高分辨率重建效果.     

联合稀疏表示和总变分正则化的超分辨率重建方法

为提高基于稀疏表示的图像超分辨率重建的质量,该文提出了联合稀疏表示与总变分正则化的超分辨率重建算法。首先,在字典训练阶段,从具有相似统计特征的训练图片中获取图像块,作为训练字典的样本,并用K-SVD算法进行字典训练,得到高、低分辨率的字典。在稀疏编码阶段,根据局部稀疏编码模型求解出低分辨图像的稀疏表示系数,再利用稀疏表示系数和高分辨率字典对输入低分辨率图像进行重建,得到高分辨率图像。最后,将重建得到的高分辨率图像进行总变分正则化优化,进一步提高重建效果。仿真实验结果表明,该算法在客观评价指标和主观视觉效果上,图像质量都有明显提高。     

基于自回归正则化和稀疏表示的图像超分辨率重建

针对图像超分辨率重建中稀疏系数解不精确和重建图像质量不理想的问题,本文提出了一种空间自回归正则化的超分重构算法.该重构算法联合稀疏K-SVD方法训练一个具有相同稀疏系数解的相对应于高低分辨率图像块的字典对,在此基础上利用自然图像本身具有的局部自回归性先验知识来对图像进行处理,经过模型的训练和选择引入正则化项,实现图像的局部约束,从而完整构造了基于正则化的稀疏编码目标函数,为了进一步实现图像去模糊得到清晰图像,利用退化模型实现全局约束.实验结果表明:与Bicubic、NE和SCR等算法相比,本文算法在主观视觉效果和客观评价指标方面都有了一定地提升.     

近红外脑功能DOT成像双网格半三维算法

采用基于光子输运模型的扩散层析成像(DOT)实现在近红外脑功能成像的诸多方案具有良好的定量研究潜力,但由于其逆问题固有的病态性,传统的全三维重建存在精度和分辨率低以及计算量大等缺点,因此根据实际问题约束和简化重建过程对改善成像性能具有重要意义.根据人体头部的解剖结构及近红外光在人脑中的传输特性,提出了改善逆问题病态性的双网格半三维图像重建算法,即在正问题中采用密集网格剖分下的全三维有限元计算提高计算精度,在逆问题中采用稀疏网格剖分且在同一脑组织层进行二维重建方法.模拟结果表明,对于单目标重建,双网格半三维重建算法与全三维重建算法相比,量化度提高30%、重建速度快4~12倍;对于双目标重建在信噪比30,d B以上的情况,半三维重建算法在CCS=12.5,mm的空间分辨能力与全三维重建算法CCS=20,mm的空间分辨能力相当.     

多尺度残差生成对抗网络的图像超分辨率重建

针对目前基于深度学习的超分辨率重建图像存在的纹理等高频信息丢失问题,提出了多尺度残差生成对抗网络的图像超分辨率重建算法。首先,使用Dense-Res2Net模块替代SRGAN生成网络中原本的残差模块,并且组合特征压缩与激发网络（SENet）从多个尺度自适应地提取浅层特征信息。其次,引入全变分正则化损失（TV loss）指导生成器训练。最后,使用Wasserstein距离优化对抗损失,提高网络训练稳定性。实验结果表明,该算法重建出的图像在视觉效果上保留了更加丰富的高频细节,与当前主流超分算法相比,该方法不仅有更高的峰值信噪比（PNSR）与结构相似性（SSIM）,且学习感知图像块相似度（LPIPS）的分数上均优其他算法。     

基于快速分裂Bregman迭代的全变差正则化SENSE磁共振图像重建

在并行磁共振成像中,由于敏感度编码(SENSE)重建过程的病态性,当加速因子增大时,其重建图像的信噪比将会明显降低.通过深入分析全变差(TV)正则化的SENSE重建模型,引入一种高效快速的分裂Bregman迭代算法来得到优化解,进而有效改善图像重建效果.分别对磁共振的体模数据和大脑数据进行仿真实验研究.结果表明,与传统TV正则化SENSE重建相比,此算法不但迭代次数少、收敛速度快,而且能够有效消除混叠伪影,提高图像信噪比并减小归一化均方误差.     

基于形态学边缘保持的自适应超分辨率重建

针对正则化MAP (Maximum a Posteriori Probability)超分辨率算法重建结果细节不够清晰,正则化参数选取的鲁棒性较差,运算速度慢等问题,提出基于形态学边缘保持的自适应超分辨率算法.首先基于形态学定义边缘保持算子,该算子能随着迭代过程自适应调整;其次,将该算子作用于超分辨率重建的正则项,从而...     

基于快速分裂Bregman迭代的全变差正则化SENSE磁共振图像重建

在并行磁共振成像中，由于敏感度编码(SENSE)重建过程的病态性，当加速因子增大时，其重建图像的信噪比将会明显降低.通过深入分析全变差(TV)正则化的SENSE重建模型，引入一种高效快速的分裂Bregman迭代算法来得到优化解，进而有效改善图像重建效果.分别对磁共振的体模数据和大脑数据进行仿真实验研究.结果表明，与传统TV正则化SENSE重建相比，此算法不但迭代次数少、收敛速度快，而且能够有效消除混叠伪影，提高图像信噪比并减小归一化均方误差.