一种亚像元遥感图像的小波插值及滤波方法

该文分析了亚像元技术及相关的几种传统插值方法.针对传统插值方法拟合精度不高的缺点,提出了对两帧错半个像元的遥感图像进行小波插值与滤波的方法,即利用图像中已知点的全局信息对小波系数进行逐层估计.最后通过信息融合,将图像重构为一幅信息更丰富、分辨率更高的遥感图像.由于考虑到图像的全局信息,该算法对图像细节信息保持较好.实验结果证明了该算法优于传统方法,为采用亚像原成像技术提高航天遥感系统空间分辨率提供了一种图像融合重构的新方法.     

二值图像的自动表述

提出了一种通过对图像中物体的边缘进行描述来表征二值图像的方法 .该方法对二值图像进行边缘提取、周线跟踪、特征点提取、边缘分割及曲线匹配 .经处理后的图像由一系列描述物体边缘的数学方程来表征 ,有利于图像数据压缩及重构 .     

基于特征向量场重构的虹膜识别方法

受人脑工作机制的启发,提出基于特征向量场重构的虹膜识别方法.该方法首先对两幅归一化后的矩形虹膜图像,取其各自的行、列一阶差分并映射成特征向量场;其次,根据重构思想从一幅虹膜图像中取出行一阶差分,从另一幅图像中取出列一阶差分,利用二个差分重构出一个新的特征向量场.通过计算两个特征向量场的重构距离判断两幅虹膜图像的异同.与其他方法相比,该方法的优点在于不需要对虹膜图像进行去噪与增强,节省了计算时间;计算中没有使用积分形式的滤波器,使得该方法适于硬件实现.该方法经历了285 290次匹配实验,正确识别率达到98.81%.方法的有效性得到了充分验证.     

基于张量主成分分析的人脸图像压缩与重构

提出了基于张量主成分分析的人脸图像压缩与重构算法,该算法依据K-L变换的原理找到用于图像压缩的投影矩阵,进而对人脸图像进行压缩.同时,也可以通过投影矩阵对人脸图像进行数据重构.通过在FERET和BioID人脸数据库的相关实验表明,与常规的主成分分析算法相比,张量主成分分析算法在同样的压缩比水平上能够实现更优的重构图像,定量分析表明张量主成分分析算法的重构误差和峰值信噪比亦优于常规的主成分分析算法.     

基于二维图像和多点统计方法的多孔介质三维重构研究

提出了一种基于多孔介质二维薄片图像和多点统计方法的多孔介质三维重构方法.将微米精度的多孔介质二维薄片图像作为初始的训练图像,利用多点统计方法重构其下层图像.将每次获得的下层图像作为新的训练图像,利用多点统计方法继续重构该训练图像的下层图像.二维重构图像的每个像素对应成三维空间的一个体素,依次叠加每层的二维重构图像得到最终的三维多孔介质图像.将该方法应用于砂岩样品的三维重构,通过与真实情况下砂岩体数据的比较发现,该方法重构的多孔介质具有与其相似的孔隙结构特征.     

透过散射介质的光阑识别及其分辨率研究

光束经过光阑后产生衍射图样,通过分析衍射图样可得到光阑的形状和尺寸等信息.当光束的传输路径中存在散射介质,散射介质的随机散射效应将导致光场变为随机的散斑场,无法直接从中获取光阑的信息.本文基于强度相关理论,实现了通过散斑场对光阑进行检测.实验结果表明,该方法可以有效地获得光阑轮廓信息.散斑重构的光强分布图的像素间距与实际物体的物理间距之间存在线性关系,能够利用重构图像对目标光阑进行定量测量,本实验散斑重构图像的最高分辨率为396.8μm/lp.     

基于对抗样本的深度学习图像压缩感知方法

压缩感知是研究数据采样压缩与重构的信号处理新理论,近年来研究人员将深度学习运用到图像压缩感知算法中,显著提高了图像重构质量.然而,图像信息常与隐私关联,高质量的重构图像在方便人们观赏的同时,带来了隐私保护的问题.本文基于深度学习理论,提出一种对抗的图像压缩感知方法.该方法将压缩理论和对抗样本技术统一于同一个压缩感知算法,通过设计损失函数,联合重构误差和分类误差来训练压缩感知深度神经网络,使得压缩感知重构样本同时也是一个对抗样本.因此,重构图像在保证重构质量的同时,也能对抗图像分类算法,降低其识别率,达到保护图像隐私的效果.在Cifar-10和MNIST图像集上进行的实验结果表明,和已有的压缩感知方法相比,我们提出的对抗压缩感知方法以损失仅10%的图像重构质量为代价,使得图像分类精度下降了74%,获得了很好的对抗性能.     

基于核主成分分析的图像去噪

简介了核主成分分析的原理及利用核主成分分析的图像去噪方法.通过使用核函数,在特征空间中对噪声图像使用主成分分析进行降噪处理.基于MDS的思想,使用核方法计算出在特征空间中降噪后的图像与其邻域点之间的内积约束关系,通过核函数重构出在原空间中降噪图像与其邻域点的内积约束关系,基于此内积约束关系在原空间中重构出降噪图像,从而达到通过核主成分分析对图像降噪的目的.比原有的MDS算法更稳定,对图像的噪声部分有更好的去除效果.     

基于DCT频带能量的压缩感知重构算法

为提高压缩感知图像的重构质量,提出了一种基于离散余弦变换(DCT)分频带压缩感知的平滑投影Landweber重构算法.该算法充分考虑了不同的DCT系数频带对重构图像质量有不同的影响,对图像进行分块DCT后,按照频带能量大小重新组织DCT系数,对能量大的频带分配大的采样率,通过分频带变采样率的随机矩阵实现随机观测,采用平滑滤波器消除块效应,由投影Landweber算法实现图像的重构.实验结果表明,与BCS-SPL和MS-BCS-SPL重构算法相比,文中提出的算法显著提高了重构图像的峰值信噪比.     

基于偏最小二乘的人脸超分辨率重构

提出了一种基于偏最小二乘(PLS)的超分辨率重构方法用于快速恢复高分辨率人脸图像.该算法利用主成分分析(PCA)方法将所有高、低分辨率人脸图像投影到各自的特征子空间中,通过PLS对高、低分辨率投影变量之间的统计关系进行回归建模.当输入的低分辨率人脸图像给定时,对应的高分辨率人脸图像可以由训练后的回归模型导出.实验结果表明,在离线训练的情况下,所提出的算法可以快速地给出令人满意的重构解.