基于体积补偿的荧光分子断层图像重建算法

在荧光分子断层图像重建过程中,对于生物组织体内具有相同光学参数、相同深度,但不同体积的荧光团,重建出的荧光团光学参数存在较大误差。提出了一种基于体积补偿的荧光分子断层图像重建算法。该算法利用改进的迭代自组织数据分析技术(ISODATA),设计了初始聚类中心选择和初始期望聚类个数确定的方法,对预迭代的重建图像进行聚类分析。根据聚类得出的荧光团体积大小,设计了一种基于对数运算的体积权值系数计算方法,对重建的荧光光学参数进行非线性补偿。仿真实验结果表明,非线性补偿方法能够较好地修正因荧光团体积大小不一而造成的图像重建误差,显著提高重建图像的质量。     

静态阻抗断层图像重建新方法

阻抗断层图像重建是一个严重病态的非线性的逆问题,特别是在静态阻抗断层成像中,由于其图像重建模型误差和测量噪声的影响更为严重,因此常用的基于目标函数梯度信息不断迭代的改进的Newton-Raphson类重建算法,即使使用正则化技术,其稳定性仍较差,甚至发散.本文提出一种全新的静态阻抗断层图像重建方法,它利用基于生物自然选择与遗传机理的遗传算法去搜索阻抗图像重建问题的最优解,无需正则化技术,也不会象改进的Newton-Raphson类算法那样易陷入局部最优解.实验结果也表明基于遗传算法的图像重建方法重建的静态阻抗断层图像,其成像精度和空间分辨率都大大好于改进的Newton-Raphson类重建算法.     

基于几何字典学习和耦合约束的超分辨率重建

传统的基于稀疏表示的超分辨率重建算法对所有图像块,应用单一冗余字典表示而不能反映不同几何结构类型图像块间的区别。针对这一问题,本文探索图像局部几何结构特性,提出一种基于结构特性聚类的几何字典学习和耦合约束的超分辨率重建方法。该方法首先对训练样本图像块进行几何特性聚类,然后应用K-SVD算法为每个聚类块联合训练得到高低分辨率字典。此外,在重建过程中引入局部可控核回归和非局部相似性耦合约束,以提高重建图像质量。实验结果表明,与单一字典超分辨率算法相比,本文方法重建图像边缘和细节部分明显改善,评价参数较大提高。     

基于深度学习理论的光学分子成像图像重建方法

光学分子成像图像重建是当前的研究重点,由于传统光学分子成像图像重建方法存在重建误差,效果不理想等缺陷,为了获得理想的光学分子成像图像重建效果,提出了基于深度学习理论的光学分子成像图像重建方法.首先分析光学分子成像图像重建工作原理,找到导致光学分子成像图像重建质量差的因素,然后采集光学分子成像图像,选择卷积神经网络算法进行光学分子成像的图像重建.实验结果显示:采用本方法进行峰值信噪比(PSNR)范围为34.16～38.96,结构相似性(SSIM)范围为0.854 9～0.980 8,均远远大于常规方法数值,表明提出方法图像重建质量较高,充分证明提出方法性能较好.应用价值相似性指标更大,图像重建质量更高,则提出方法的图像重建性能更佳.     

基于像清晰化的光学多孔径活塞误差校正方法

光学多孔径共相综合是获得高分辨率成像的有效方法。针对子孔径间的活塞误差，提出一种基于干涉图像清晰化的校正方法。在理论分析的基础上，建立数值仿真模型，分析所提方法的校正范围和误差。结果表明，在复色光情况下，对于小于相干长度的活塞误差，以远场干涉图像的清晰度为目标函数、0.5个中心波长的整数倍为扰动步长，采用双边扰动梯度下降算法进行迭代优化，能够实现活塞误差的高精度闭环校正。     

基于方向优化提升策略的遥感图像编码

传统提升小波变换无法有效重构遥感图像中的非水平与非垂直高频信息,导致这些地方的高频小波系数仍然较为显著,降低了遥感图像的编码效率。提出了一种新的基于方向优化的提升小波框架(DOLW)。设计基于梯度的方向预测模型获得提升小波的最优变换方向;沿最优变换方向对图像进行先垂直后水平的方向提升变换,削弱遥感图像高频子带中非水平与非垂直方向上的边缘与纹理能量;利用抽样函数完成分数像素上的插值预测。针对遥感图像的实验表明,与传统的提升小波变换相比,新算法获得的重构图像无论峰值信噪比还是主观质量都有显著提高,对今后遥感图像的压缩编码研究具有重要价值。     

边缘区域约束的导向滤波深度像超分辨率重建算法

为了解决TOF(Time of Flight)相机获取的深度像分辨率较低的问题，基于导向滤波器提出了一种边缘区域约束的超分辨率重建算法。首先对低分辨深度像进行初始上采样，利用多尺度边缘检测提取深度像的边缘区域；然后根据同场景中灰度图像与深度像的边缘相似性，提取公共边缘区域；最后，根据灰度图像的边缘像素在公共边缘区域中的位置约束导向滤波器的系数生成，重新对导向滤波器的系数进行加权，从而构建出高分辨率的深度图。通过标准数据库Middlebury数据集进行验证，与3种近年来基于滤波的超分辨重建算法相比较，文中方法既能有效地保护重建深度像的边缘结构，同时具有较高的计算效率。研究结果可以为低分辨激光成像雷达的目标识别、场景重建等对实时性要求较高的工程应用提供理论依据。     

自适应稀疏约束图像超分辨力重建方法

简要介绍了基于稀疏字典约束的超分辨力重建算法,提出了具有低复杂度的基于K均值聚类的自适应稀疏约束图像超分辨力重建算法。所提算法从两个方面降低其计算复杂度:分类训练字典,对图像块归类重建,降低每个图像块所用字典的大小;对图像块的特征进行分析,自适应地选择重建方法。实验结果表明,提出的快速重建方法在重建质量与原算法相当的前提下,可以较大程度地降低重建时间。     

Adaptive Sparse Constraint Image Super-Resolution Reconstruction Method

简要介绍了基于稀疏字典约束的超分辨力重建算法,提出了具有低复杂度的基于K均值聚类的自适应稀疏约束图像超分辨力重建算法.所提算法从两个方面降低其计算复杂度:分类训练字典,对图像块归类重建,降低每个图像块所用字典的大小;对图像块的特征进行分析,自适应地选择重建方法.实验结果表明,提出的快速重建方法在重建质量与原算法相当的前提下,可以较大程度地降低重建时间.     

基于卷积稀疏编码与生成对抗网络的图像超分辨率重建

针对现有图像超分辨率重建算法的重建图像仍存在高频信息缺失、噪点增多问题，本文提出了一种基于卷积稀疏编码与生成对抗网络的图像超分辨率重建模型。首先，利用卷积网络实现稀疏编码并获取图像稀疏表示，充分利用图像的先验信息，有效避免重建图像高频信息缺失和噪点增多的问题；在得到低分辨率图像的稀疏表示后，通过重建模块对稀疏表示进行重建得到超分辨率图像；随后，鉴别器对重建图像进行鉴别，缓解由PSNR主导的算法导致重建图像趋于平滑的问题。在不断对抗训练后，最后的重建图像具有更好的视觉效果。本文在Set5、Set14、BSD100和Urban100通用测试数据集上进行2倍和4倍的超分辨率重建实验，并与Bicubic、SRGAN、EDSR和ESRGAN对比。与ESRGAN方法相比，本文模型在4个数据集上平均PSNR提升约0.702 8 dB，平均SSIM提升约0.047，平均LPIPS提升了0.016。实验结果表明，所提出的模型具有较强的竞争力，能够恢复更多的细纹理细节且具有更好的清晰度。     

基于多尺度多方向Gabor模板的光学/SAR景象匹配

合成孔径雷达(SAR)成像制导通常采用光学基准图和SAR实时图进行特征提取和景象匹配.提出了一种光学/SAR异类影像匹配方法,利用多尺度多方向Gabor模板提取图像的Gabor特征后进行特征匹配,首先对SAR图像进行方向Frost滤波预处理,然后分别计算光学图像和SAR图像的高斯梯度图像,再利用多尺度多方向二维Gabor滤波器模板分别对两幅高斯梯度图像进行特征提取,最后对两组特征矩阵进行归一化互相关匹配.该方法直接利用光学图像和SAR实时图进行景象匹配,实验表明,该异类影像匹配方法较其他传统方法具有较高的鲁棒性和准确性.     

基于GNR先验的电力设备热成像超分辨率方法

电力设备红外图像在电力设备状态监测、故障识别等方面发挥着重要作用。针对红外图像应用时存在的分辨率低,清晰度不足的问题,本文提出一种基于图像梯度范数比（Gradient Norm-ratio, GNR）先验约束的压缩感知电力设备红外图像超分辨率方法。通过分析电力设备红外图像在不同采样比时重建图像高频信息的变化规律,将GNR先验引入传统压缩感知超分辨率模型中。并针对改进后的模型设计了有效的求解算法,通过半二次分裂方法引入辅助变量,对不同变量交替迭代求解,实现红外图像超分辨率重建。仿真实验结果验证了GNR先验信息的引入,有利于超分辨率算法取得更好的重建效果。与现有经典超分辨率方法相比,本文方法重建图像无论在主观视觉效果还是客观评价指标上都有了较好的提升。     

磁共振辅助的近红外扩散光学断层成像

将大脑磁共振T1加权像分割为头皮、头骨、脑脊液、灰质和白质,并生成分层体网格.利用具有大脑解剖结构信息的分层体网格建立近红外扩散光学断层成像前向光学模型和实现功能重建,可以避免目前所使用的半球头模或图谱头模空间定位不准的问题,解决图像重建过程中所解方程的欠定性和病态性.在棋盘格旋转视觉刺激及扩张视觉刺激实验中,基于磁共振图像的扩散光学断层成像重建的含氧血红蛋白图像具有更高的空间分辨率及定位精度.     

基于稀疏高频双字典的磁共振成像超分辨率重建法

针对磁共振成像(MRI,Magnetic Resonance Imaging)分辨率低且成像扫描时间长的特点,为了优化重建图像纹理细节的质量,在现有的稀疏表示的方法基础上,提出了一种基于高频稀疏双字典的磁共振成像超分辨率重建法。首先,在离线训练双字典阶段,运用稀疏表示的算法思想,提取出用于字典学习的高分辨率图像块和残余高频图像块,运用正交跟踪方法结合迭代使稀疏系数逐渐趋于收敛。然后,对低分辨率图像通过一次稀疏字典学习得到初始高分辨率图像,再提取出高频(HF,High Frequency)边界或纹理细节区域,根据稀疏高频字典对进行二次重构。实验结果表明,本文算法不仅丰富了磁共振成像纹理细节,使主观视觉效果明显提升,在客观指标峰值信噪比(PSNR)和均方根误差(RMSE)也有一定程度的改善。     

嫦娥一号卫星CCD立体相机影像超分辨率重建算法

针对嫦娥一号卫星CCD立体相机空间分辨率不足的问题,运用最大后验概率估计法(MAP)实现了月表影像的超分辨率重建。介绍了嫦娥一号卫星CCD立体相机的成像模型,分析了图像获取过程中的主要影响因素,并建立了相应的超分辨率重建模型。基于该模型,首先采用误差-参数分析法估计嫦娥一号卫星CCD立体相机动态成像光学系统的点扩散函数(PSF);然后将估计的PSF应用到MAP算法所建立的目标函数中,采用共轭梯度法对目标函数进行最值求解;再通过VC软件平台编程实现了对单帧正视月表影像的超分辨率重建;最后从信息熵、清晰度和频谱等方面对重建图像进行评价,结果表明重建图像像质优良。     

计及偏移量的非线性光学显微成像误差校正方法

针对因非线性光学显微成像以客观像素特征为驱动源，一旦出现特征缺失，推断过程很容易形成误差，导致的光学显微图像失真现象严重、清晰度低问题，提出计及偏移量的非线性光学显微成像误差校正方法。利用数据驱动法全面、快速以及敏感地捕捉光学数据，划分光学显微图像的边缘和非边缘区域，设定标准滑动窗口，计算不同区域内像素点在该窗口内的像素灰度值，根据灰度值判定边缘点和非边缘点的误差形成概率。在此基础上，将误差校正看做一种角度或相位偏离补偿问题，设定偏离中心，计算误差概率较大的图像区域内各节点与中心间角度和相位偏移量，根据偏移量给出相应正向和负向补偿，完成有效误差校正。实验数据证明：所提方法误差校正精准度高，校正后成像失真、细节丢失以及分辨率低问题被解决，误差点的分布离散程度降低，算法整体实用性较强。     

基于图像块细粒度的自适应单像素成像算法

设计了一种基于图 像块细粒度的自适应单像素成像算法。首先获取目标的低分辨图像,将其分为四等块,根据 每块中 重要小波系数的个数与分布,将其分为非重要、重要和半重要三类。非重要块不采样;重要 块全采样;半 重要块进行迭代分块、分类,部分采样。利用小波反变换重建高分辨图并重复上述步骤,直 到重建图像达 到目标分辨率。实验结果表明,对于背景平滑的医学生物图像,本文方法能够在相同采样率 下至少提高重建图像PSNR约2dB。     

基于三维VR技术的小区域目标重建研究

针对当前重建目标区域缺失图像信息时局限性较大,提出一种结合三维VR技术的小区域目标重建方法。对小区域目标进行相机标定,在相机标定过程中,引入小区域目标二维图像物理参数组建相机成像模型,利用直接法求解小区域目标成像参数,结合相机标定的结果利用SURF算法对小区域目标二维图像提取特征点。寻找小区域目标图像内任意一个主方向,构成各个特征点的图像旋转不变量,以该不变量为依据利用归一化互相关方法计算出小区域目标两图像块之间的近似程度,通过对极几何的性质约束小区域目标特征匹配点计算基础矩阵,以获得的小区域目标投影矩阵和特征点的匹配关系为依据,完成小区域目标空间点的三维重建。实验结果表明该方法准确率及实用价值较高。     

基于光学成像模拟的视觉里程计方法

针对视觉同步定位与建图(SLAM)算法前端漂移误差累积问题,提出基于光学成像模拟的视觉里程计方法。该方法利用稠密三维点云数据进行目标表面泊松重建及材质物理特性关联,依据光学物理特性和光线追踪原理构建基于物理模型的成像渲染引擎(PBRT),生成不同观测条件下的目标特性仿真图像;将目标特性仿真图像与光学相机拍摄图像进行配准与运动偏差恢复,并设计扩展卡尔曼滤波器(EKF)输出位姿状态最优估计值。通过原型系统研制与实验评估表明:该方法有效克服了传统方法漂移误差累积的问题,相较传统ORB-SLAM2算法前端定位精度提升了56%,为视觉里程计的设计提供了一种新的技术思路。     

基于小波理论的矢量量化遥感图像压缩方法

分析了遥感图像的统计特性，提出了适合遥感图像压缩的矢量量化与小波变换相结合的压缩方法。该方法将遥感图像小波变换后高频子图划分为一定大小的的像块，对局部相关性较强、灰度变化较小的像块进行高倍压缩；对局部相关性较小、灰度变化较大的像块进行高保真压缩。实验表明，本方法具有良好的压缩性能，适用于遥感图像的压缩。