基于多组耦合字典及交替学习的图像超分辨率重建

本文提出多组耦合字典及其交替学习算法,实现图像超分辨率重建. 在字典学习阶段将训练图像视为高分辨率图像,将它先缩小再放大得到低分辨率图像. 两图像之差为残差图像. 从残差图像块和低分辨率图像块特征的联合数据中学习耦合字典,得到残差图像和低分辨率图像间的映射关系. 针对图像块具有不同纹理和结构以及
字典学习效率的问题,提出多组耦合字典和字典交替学习算法. 在重建阶段先将输入图像插值放大,视为低分辨率图像. 求出低分辨率图像块对于每组耦合字典中低分辨率部分的稀疏表示误差,取表示误差最小的耦合字典中残差部分重建残差图像,与低分辨率图像融合得到高分辨率图像. 实验结果表明该方法具有良好的重建效果.     

基于稀疏表示的遥感图像超分辨重建

为了获取高质量的超分辨遥感图像,提出了一种改进特征提取算子的稀疏表示遥感图像超分辨率重建方法。该算法通过设置模板,对一阶和二阶梯度滤波算子进行改进,在有效提取低分辨率图像边缘特征的同时,减少噪声干扰。利用遥感图像库训练得到高、低分辨率图像块字典,再应用低分辨率图像块及其字典求出稀疏表示系数。高、低分辨率图像块具有相同的稀疏表示系数,可根据已求的稀疏表示系数得出超分辨重建图像。实验结果表明,改进算法的超分辨重建效果的客观评价指标,比以往稀疏表示超分辨方法有很大提高,峰值信噪比提高近0.24 dB,均方根误差降低近0.15。     

基于深度卷积神经网络的遥感图像超分辨率重建

针对基于卷积神经网络(Convolutional Neural Network,CNN)的遥感图像超分辨率重建算法训练时间较长问题,提出了一种超深的卷积神经网络来重建遥感低分辨率图像的方法。卷积神经网络共有20层,每层包含卷积层和非线性层,层与层之间采用级联的网络结构。其过程为从插值的低分辨率图像(Interpolated Low Resolution Image,ILR)中提取特征,将提取出来的特征通过残差学习预测到高频信息,ILR结合预测的高频信息重建出高分辨率图像(High-resolution Images,HR)。在训练过程中,通过梯度裁剪来防止梯度爆破,使训练保持平稳。实验表明,本文算法与其他算法相比较,主观视觉明显改善,客观评价指标显著提升。     

超分辨率图像重建技术

超分辨率重建技术就是由一些低分辨率变形图像(或视频序列)来估计一幅较高分辨率的非变形图像,同时还能够消除加性噪声以及由有限检测器尺寸和光学元件产生的模糊.超分辨率重建可以应用在遥感图像、医学成像、高清晰度电视标准和合成视频变焦等领域.     

一种基于视频的超分辨率图像生成方法研究

随着手持视频设备的普及,如何为这类低分辨率应用环境提供一种生成高质量图像的方法是一个值得研究的问题.讨论了如何从低分辨率、低质量的视频中创建清晰的、高分辨率图像的方法.针对当前多图像超分辨率技术没有考虑运动估计和重要帧的权值等问题,提出了一个基于时间显著性、局部图像统计特征来计算图像像素权值的方法,以实现更好的图像融合.提出的基于重要性的计算框架,降低了低质量帧的影响,显著提高了有效成分的作用.     

一种新型基于插值的高光谱图像亚像元定位算法

在高光谱图像亚像元定位领域中,基于插值的亚像元定位算法具有无参数、无迭代、快速运算等优点,得到了广泛的应用。传统的基于插值的亚像元定位算法由于原始高光谱图像分辨率低和现有的光谱解混技术的局限性,使得丰度图像不能充分携带原始高光谱图像的先验信息。针对这一问题,提出了一种新型基于插值的高光谱图像亚像元定位算法。将插值算法直接应用于原始低分辨率高光谱图像,得到高分辨率图像。将高分辨率图像通过光谱解混得到具有丰富原始图像先验信息的丰度图像,利用丰度图像提供的信息将类别标签分配到每个亚像元中,获得亚像元定位结果。仿真实验证明,该方法可以充分地携带原始图像的先验信息,获得比传统的基于插值的亚像元定位算法精度更高的结果。     

CT图像重建算法的改进

CT图像重建算法是医学影像学的主要研究领域,然而CT图像重建时不可避免地存在噪声、伪影,因此,需要研究一种新的算法对CT图像进行去噪处理,进而重建出低噪声、高分辨率的CT图像。基于此,本文提出基于过完备字典稀疏的去噪模型,并运用于CT图像去噪,同时将基于低秩矩阵分解应用于CT重建,核心思想是利用CT图像投影矩阵的稀疏特性,提出了一种新的CT图像重建法,其重建过程分成2个步骤:一个是过完备字典稀疏法(K-SVD)进行图像去噪预处理,一个是低秩矩阵分解(LRMD)更新CT图像。结果表明,提出的方法能更好地保持图像细节,低秩矩阵的特性使得算法的复杂度得以降低,提出的方法具有较好的去噪效果,提高了重建图像的质量。     

基于级联残差对抗生成网络的超分辨重建

图像超分辨率技术在遥感领域的应用越来越多,卷积神经网络(Convolutional neural network, CNN)在图像超分辨率任务方面取得了比传统方法更显著的改进。为了解决超分辨重建算法重建图像细节不清晰的问题,对基于对抗生成网络的超分辨重建算法进行了研究,以恢复接近人眼感知质量的超分辨重建图像。对抗生成网络分为生成器子模块和判别器子模块,生成器模块提取的低频图像特征在进入残差块前进行分组卷积,达到了降低参数量的目的。每3个残差块构成一个级联块,级联块通过级联的方式聚合不同级联块之间图像的特征,以实现信息流传递到更加深层的网络中,经过上采样完成生成器中的图像重建过程。判别器网络用于判别是否为生成器重建图像和真实的高分辨率图像,在真实高分辨率图像的判别过程中提高模型能力。同时,研究了加入感知损失对超分辨重建图像的影响,使重建图片纹理细节更加丰富。实验结果表明,重建图像的峰值信噪比较原来算法提高了0.48 dB,结构相似度提高了0.023,该模型在主观视觉评价和客观量化评估上有所提升。     

基于Java Web的图像拼接系统：WebPano

针对图像拼接系统从桌面移植到网上存在的用户体验和服务效率等瓶颈问题,提出一种基于模型-视图-摔制器框架的网卜图像拼接系统一WebPano,并采用JSP/Servlet和Java技术分别实现了系统的网络平台和核心的图像拼接算法.以用户目视为准则,在上传多幅高分辨率图像的条件下,对网上系统拼接服务质量进行了测试,并利用LoadRunner对多用户同时在线访问系统的负载性能进行了测试.结果表明,在网上图像拼接系统上可以实现与桌面系统相同的用户体验和服务效率.     

小波域内循环平移操作的图像高分辨率重建算法

为解决传统的图像插值算法因具有全局性而不能较好地处理图像边缘细节信息,且易在细节区域产生锯齿线的问题,提出了一种图像分辨率和对比度增强算法。该算法先用小波零填充算法得到高分辨率图像,并通过纠正残差过程来弥补丢失的边缘和纹理特征,然后对其进行定向循环平移操作。考虑到图像小波分解后水平、垂直、对角方向的高频分量能够反映图像这3个方向的边缘变化情况,从而利用图像不同方向的高频分量来刻画图像像素点不同方向的突变程度。根据这个突变程度来实现循环平移操作的自适应融合过程,这样可以避免过度抑制边缘细节信息。最后对重建的高分辨率图像小波分解后的高频分量使用非线性增强函数,提高图像对比度,突出边缘和轮廓信息。实验结果表明,该算法在增强图像空间分辨率和对比度的同时,保留了原图像包含的边缘和轮廓信息,不仅有较好的视觉效果,还有一定的抗噪能力。     

工业CT中ART算法权因子的研究

图像重建是工业CT(Computed Tomography)的重要组成部分,ART(Algebraic Reconstruction Techniques)算法是工业CT图像重建中的一种重要代数方法,权因子的计算是ART算法中前期的主要工作.以工业CT中ART算法的权因子为研究对象,介绍了一种切实可行的权因子算法.通过siddon改进算法与快速算法的图像重建比较,得出2种算法权因子计算时间相当,siddon改进算法重建时间为快速算法的1/2,并且它们重建的图像质量也相当.因此,在重建时间上,siddon改进算法是快速算法效率的2倍.     

高光谱图像分块压缩感知采样及谱间预测重构

压缩感知理论提供了一种新的数据采集思路. 基于该理论提出了一种高光谱数据采集和图像重构方法,以波段分组的方式将高光谱各波段分为参考波段和普通波段,对各波段图像单独采用分块压缩感知测量以获取高光谱数据. 在图像重构过程中,参考波段采用平滑投影Landweber算法重构. 对于普通波段,结合谱间预测和平滑投影Landweber提出了一种新算法: 先采用谱间双向预测得到预测图像,然后对预测图像进行分块压缩感知测量获得测量值,并计算它与该波段原测量值之间的差值,再由测量差值重构预测差值来迭代恢复原波段图像. 该方法在数据重构过程中充分考虑了高光谱图像的谱间相关性和空间相关性,能提高图像重构精度. 实验结果表明,利用所提出的方法重构高光谱图像,其性能优于多向量压缩感知方法和分块压缩感知测量后直接对各波段图像单独重构的方法.     

一种基于双重网络模型的单幅图像超分辨率方法

本文对深度学习领域中的高效亚像素卷积神经网络（efficient sub-pixel convolutional neural network,ESPCN）算法进行了改进,通过加入残差网络知识,调整原有的ESPCN构造结构,提出了一种双重网络模型下单幅图像超分辨率重建方法。通过实验证明：该算法能够有效地提高单幅图像超分辨率重建的精度,丰富重建后的细节信息。     

小波快速分解和重构的一般公式

小波分析有良好的时－频局部化性能,现被广泛应用于数字信号和图像处理等领域,但其在处理有限长信号时的实时性不太理想,在分析了基于Daubechies紧支收正交小波基的快速算法在实际使用中的局限性的基础性,本文推导出一般情况下的小波分解和重构公式。     

运用压缩感知理论的图像稀疏表示与重建

讨论了压缩感知理论用于图像稀疏重建的基本流程. 采用正交匹配追踪重建算法和正交归一化的随机高斯测量矩阵,对离散余弦变换和离散小波变换两种稀疏表示算法进行分析比较,通过调节实验图像的分块大小和采样率大小、采样率和稀疏表示算法对重构效果和效率的影响. 在图像的稀疏表示方面,离散余弦变换整体上比离散小波变换性能更好. 为了在重构效果与效率之间取得平衡,需要合理选择分块大小和采样率.     

基于立体视觉的月面地形重构

为了使月球探测器在月球表面安全的软着陆,需要对着陆区域的地形进行三维重构。提出了一种长基线的立体视觉的重构方法。在重构方法中,采用尺度不变特征变换方法,解决了存在旋转和缩放的图像的匹配问题;通过鲁棒最小二乘法估计相对旋转和位移;通过极坐标投影的方法对图像进行校正;使用归一化互相关算法完成立体图像对的匹配;结合Locus方法对地形进行三维重构。仿真的结果表明该方法可以有效的应用于月面地形的重构。     

有限元在电容层析中的应用研究

讨论了有限元在电容层析成像中的应用原理和结果,介绍了一套基于１２电极电容传感器进行图象重建的电容层析成像的仿真仿真软件包,该软件包是利用可视化编程语言ＰＶ－ＷＡＶＥ有ＳＧＩ图形工作站上开发的。利用该软件包可以深入分析电容敏感场和流体模型数据的变化,从而为改进图象重建算法和设计最佳电容传感器几何参数提供了有力依据,最后对电容层析成像的特性进行了研究。     

基于NSCT与压缩感知的红外影像融合

针对红外和可见光图像在融合过程中存在质量低下、信息缺失、边缘细节不突出等问题,提出一种基于非下采样轮廓波变换(non-subsampled contourlet transform,NSCT)与稀疏表示的压缩感知图像融合重构算法.首先利用NSCT进行源图像分解,得到相应的高频子带和低频子带图像;然后针对高频子带部分,利...     

一种基于分数余弦变换的数字图像水印算法

提出了一种基于分数余弦变换的数字图像水印算法.将原始图像分块并利用人类视觉系统的掩蔽效应将图像块分类,选择变换域中幅值较大的系数自适应地修正嵌入强度,以嵌入二值水印图像.实验结粜表明该算法能有效地保持图像的质量,并且对常见的图像处理如噪声叠加、JPFG压缩、均值滤波、图像缩放和图像裁剪等比余弦变换域中修改低频系数的水印算法具有更强的鲁棒性.     

基于数字全息显微技术的光聚合物折射率测量

提出了一种基于数字全息显微技术（digital holographic microscopy,DHM）的光聚合物折射率测量方法。采用马赫-曾德尔离轴干涉系统记录光聚合物的数字全息图,用混合重建算法提取高精度的相位分布。结合光学轮廓仪测量的光聚合物的形貌分布,通过图像配准得到光聚合物的折射率分布。定量分析了光聚合物在紫外固化过程中的折射率变化,利用DHM获取光聚合物的动态相位分布,进而得到光聚合物的动态折射率分布,绘制了平均折射率随曝光时间的变化曲线。该方法可用于揭示微光学元件的光学性能,以设计高质量微光学系统。