基于压缩感知的医学图像采样新方法研究

压缩感知基于信号的稀疏性或可压缩性,能够以低于奈奎斯特采样率的频率进行采样,从而直接获得压缩后的采样信号。本文将压缩感知的思想应用于医学图像,对已获得的图像进行压缩采样,以降低医学图像的存储空间。基于正交匹配追踪思想,提出分块双阈值正交匹配追踪方法,根据图像不同区域信息量的不同,采取分块处理并加入采样阈值,针对不同子图像块采取不同采样率,提高了采样效率;同时,在重构时加入判断阈值,可降低重构效果对采样阈值的依赖,减小了由于图像的特殊性或人为经验不足而使得采样阈值选取不当对图像重建质量的影响。实验表明,本文方法能够以较低的采样率实现较高的重构精度。     

利用边缘信息的多尺度分块压缩感知自适应采样方法

在小波域多尺度压缩感知框架下,被完整保留的低频系数存在着许多可利用的图像信息。本文在分析了不同尺度之间、以及同一尺度之内的系数块存在能量差异的基础上,提出了利用边缘信息的多尺度分块压缩感知自适应采样方法(EAS)。该方法首先利用低频系数提取出边缘信息,然后将边缘信息分块,加权计算每个块的边缘信息度,根据边缘信息度判断每个系数块的能量大小,将其转换成每个子块的自适应采样率,从而实现多尺度分块压缩感知的自适应采样。采用医学图像,含有复杂纹理的自然图像和含有严重噪声的SAR图像三类测试数据,验证了EAS方法的性能。数值实验结果表明,EAS方法对不同的压缩感知算法均有很大的提升,能够显著提高图像的重构质量和视觉效果。      

利用纹理信息的图像分块自适应压缩感知

与一维信号不同,二维图像有明显的纹理信息.本文分析了不同图像之间,以及同一图像不同子块之间,不同纹理引起的信息量差异,在分块压缩感知算法的基础上,提出了利用纹理信息的图像分块自适应压缩感知算法.自适应性体现在自适应采样和自适应收缩阈值两个方面.引入两种滤波器,分别形成了两种分块自适应压缩感知算法.采用自然和医学两类测试图像,验证了两种新算法的性能.实验结果表明,利用了纹理信息的分块自适应压缩感知算法,在重构图像的质量和视觉效果上,都有明显的优势.     

基于按列分块和混合分块的压缩感知图像重构方法

压缩感知理论由于其可通过低采样率来恢复原始信号的特点,近年来逐步被用于光学成像领域。为了解决在对成像图像进行压缩感知重构时数据量过大、计算负担大的问题,分块压缩感知的方法被提出。在该方法的基础上做出改进,依次提出了按列分块和混合分块的压缩感知方法。其中按列分块的方式改变了分块模式,降低分块时的要求,混合分块则结合两种分块的特点,有效提升了压缩感知的效果。通过仿真实验验证,本方法有效提升了图像重构质量,尤其是混合分块方式,在图像的重构速度和重构质量上都有显著提升。     

用于光子计数单像素成像的去块状采样网络

将光子计数技术和单像素成像结合,能实现高灵敏、低成本的光子计数成像,但存在采样时间和重建时间长的问题。基于深度学习的压缩采样和重建网络,将去除偏置和激活函数的全连接层作为测量矩阵,通过从数据中学得高效的测量矩阵和避免传统迭代算法带来的巨大计算量,实现了更快、更高质量的图像重建。但利用全连接层进行高分辨图像的分块压缩感知时,重建图像会产生块状效应。针对该问题提出了重叠分块采样网络（Os_net）、嵌套采样网络(Ns_net)、卷积采样网络（Cs_net）等三种方法以取代全连接层采样。在重建网络的设计中,使用线性映射网络对图像进行重建,设计实验结果表明Cs_net的去块状化效果最好。将Cs_net二值化后应用于光子计数单像素成像系统,实验结果表明Cs_net除块状化明显优于传统算法TVAL3,且Cs_net在重建质量上也同样取得了较好的效果。     

基于压缩感知的遥感图像融合方法

压缩感知理论,以远低于奈奎斯特采样定理要求的速率对图像进行采样,可利用图像的部分信息重构原始图像,有效地减轻图像处理的计算复杂度,降低对硬件的要求。文中提出了一种基于压缩感知的遥感图像融合方法。在压缩域对多光谱和全光谱遥感图像进行了融合实验,并与传统的融合方法进行了比较,实验结果表明,文中方法在遥感图像融合上有着良好的性能。     

基于压缩感知在线稀疏的红外视频遥感凝视成像

压缩感知理论是一种新兴的数字信号处理方法,在红外遥感视频成像中有很好的应用前景.为了提高红外视频遥感成像的效果,提出了基于压缩感知在线稀疏的红外遥感视频凝视成像方法.介绍了该方法的视频图像分块压缩采样策略,视频图像在线稀疏方法,以及视频图像重构方法.重点研究了有运动目标的红外遥感图像在线稀疏表示方法,提出了迭进分块训练样本的设计方法和累积冗余字典构造方法.通过数值计算可以看出,该方法提高了遥感红外图像的重构效果.     

基于压缩感知理论的图像重构技术

通过CS理论在工程应用上典型的正交匹配追踪算法,实现了一维信号和二维图像的精确重构,针对该方法中出现对整幅图像进行采样计算时需要大量的观测矩阵存储空间,并且重构过程中耗费了大量的时间等问题,提出了一种基于OMP算法的改进方案,将图像进行分块压缩感知。通过实验分析,以上问题得到了解决,重构图像的质量在没有增加计算复杂度的前提下也得到了提高。     

边缘和方向估计的自适应多尺度分块压缩感知算法

由于多尺度小波变换的分块压缩感知算法(MS-BCS-SPL）将每层子带信息进行分块时,使得每子带中各子块采用相同的采样率;但是,当不同的图像子块含有不同的边缘信息时,对这些子块采用相同的采样率会造成资源不合理的分配。因此在MS-BCS-SPL算法的基础上,利用图像块边缘信息的不同和图像块的方向性,将总的采样率自适应分配给各层子带中的各图像块,实现多尺度分块压缩感知的自适应采样。实验结果表明,在不同采样率,尤其较低采样率时,该算法不仅比MS-BCS-SPL算法采用了较少的采样数目,节约资源;而且比其可重构较高质量的图像。      

基于非均匀采样和方向扩散的指纹图像压缩感知

提出了一种新的指纹图像压缩感知方法,采样点比传统压缩感知(CS)方法更少。提出了一种交替使用高倍采样块和低倍采样块的非均匀采样方案。首先,根据从指纹图像训练得到的冗余字典,利用正交匹配追踪(OMP)算法恢复初始图像。然后,根据方向扩散法用高质量的低倍采样块来提升高倍采样块的质量。实验结果表明,该方法显著优于两种现有的知名压缩感知方法。     

利用基追踪算法实现图像压缩感知重建研究

压缩感知理论突破了奈奎斯特采样频率的限制,利用该理论研究和实现了二维图像的压缩采样和重建。该方案利用小波变换实现图像稀疏化,利用标准伪随机数均匀分布和二维中心傅里叶变换生成随机测量矩阵,并对小波变换后的高频子带进行加权采样,用改进的基追踪算法实现二维图像压缩感知重建。仿真实验结果表明,该方案重建图像的客观评价PSNR效果较好。     

基于自适应分块的高光谱图像压缩感知重构方法

在对高光谱图像采样重构的研究中，整体采样和固定分块采样没有考虑到高光谱图像复杂的纹理特征分布，使用了相同的测量矩阵导致图像的重构质量较差。针对此问题，该文提出基于2维图像熵自适应分块压缩感知重构方法(ABCS-IE)，该方法以图像2维熵作为高光谱图像纹理细节的度量，根据图像的纹理细节分布自适应改变图像子块的大小，然后为不同的图像块分配特定的采样值，根据分配的采样值设计专有的测量矩阵对图像块进行压缩测量，将采样测量值代入重构算法中进行重构。实验结果表明，与整体采样重构和固定分块采样重构相比，将该方法应用到压缩感知重构算法中对高光谱图像进行采样重构后，重构的图像在视觉效果上有明显的提高，取得的峰值信噪比(PSNR)和结构相似度(SSIM)最大，采样率为0.4时，PSNR提高了2～4 dB,SSIM最大提高了0.27，均方根误差(RMSE)和信息熵差值(ΔH)也有所降低，说明重构的图像更加接近原始图像。而且运算时间也减少了1～1.5 s。可见，该方法能充分利用高光谱图像的纹理特征，有效提高图像的重构质量，同时减少重构的运算时间。     

改进的多尺度压缩感知方案

传统多尺度压缩感知方案只对设定的小波变换系数采样,不用于采样的小波系数直接置零,造成重建图像边缘粗糙,影响图像重建质量。针对该问题,提出了一种改进的多尺度压缩感知方案。新方案在原方案获得的重建图像基础上,通过轮廓波变换对重建图像进行图像插值,在保持重建得到的小波系数不变的同时估计出原来被直接置零的小波系数,从而改进了图像重建质量。通过仿真实验证明了改进的多尺度压缩感知方案的有效性,并且与传统多尺度压缩感知方案相比能得到效果更好的重建图像。     

基于压缩感知的红外与可见光图像融合算法

压缩感知是一种新的信号采样理论,突破了传统的Nyquist采样率须为信号最高频率的2倍以上的定理。对于稀疏信号,它能够以远低于Nyquist采样速率对信号进行采样,并通过重构算法恢复出原信号。提出了一种基于压缩感知的红外与可见光图像融合算法,对图像进行测量,并通过融合算法对测量值进行融合。仿真实验显示,压缩感知能较好地实现图像的融合。     

基于JND的压缩感知图像编码

传统的数据采集都要遵循奈奎斯特采样定理的两倍以上带宽取样,而压缩感知理论突破原有采样定理的限制,为从少量数据重建原始数据提供了可能性。提出了基于JND压缩感知的稳健性图像编码方法,该新方法将压缩感知理论应用于图像编码,并引入JND模型来提高信号的稀疏性。实验结果表明,提出的方法大大降低了压缩感知的重建时间,同时也提高了图像的重建质量。     

一种基于精细化稀疏自适应匹配追踪算法的图像检索方法研究

基于压缩感知理论,研究了一种精细化稀疏自适应匹配追踪（Meticulous Sparsity Adaptive Matching Pur-suit,MSAMP）算法,在此基础上提出了一种新的数字图像检索方法。首先对图像的RGB颜色、灰度共生矩阵按照列优先次序形成颜色及纹理的原始信号,然后对这两类信号采用分块压缩感知测量方法对图像进行分块测量,得到代表颜色特征和纹理特征的分块测量向量。其次利用MSAMP算法进行分块重构,计算出分块原始信号差量及其稀疏值。最后在图像检索时,通过计算图像的整体相似度,重点对差量的稀疏性进行估计,不需要精确恢复原始信号,从而减少迭代次数,加快检索速度。仿真实验表明,应用MSAMP算法的图像检索方法在检索速度和查准率等指标上具有较高的性能。     

Image Encoding of Compressive Sensing Based on JND

传统的数据采集都要遵循奈奎斯特采样定理的两倍以上带宽取样,而压缩感知理论突破原有采样定理的限制,为从少量数据重建原始数据提供了可能性.提出了基于JND压缩感知的稳健性图像编码方法,该新方法将压缩感知理论应用于图像编码,并引入JND模型来提高信号的稀疏性.实验结果表明,提出的方法大大降低了压缩感知的重建时间,同时也提高了图像的重建质量.     

压缩成像技术研究进展

以奈奎斯特采样定理为准则,高速信号采样再压缩的传统成像方式存在明显缺陷。基于压缩感知理论的压缩成像技术则突破了传统成像系统设计理念,利用硬件实现目标图像的非自适应线性投影,从而达到利用较少数目探测器获取高精度目标图像的目的。详细阐述了压缩感知理论框架及其关键技术问题,并就目前压缩成像系统的原理和难点问题进行了深入的探讨和分析。     

基于自适应卡尔曼的时域增强算法研究

在图像序列进行压缩感知重构的过程中,基于运动补偿的分块压缩感知重建算法利用了帧间残差图像的稀疏特性,有效提高了重构视频的质量。但该算法仅在空域对图像进行了维纳滤波,帧间存在抖动现象,视频主观质量较差。文章将自适应卡尔曼滤波算法应用到分块压缩感知重建算法的重建过程中,可以有效地去除视频帧间的噪声,使得图像的主观质量得到了改善。     

多块合并压缩感知实时成像（英文）

中长波红外成像探测器成本高昂,成为该波段高分辨成像和实时显示的巨大挑战。本文提出一种高效合并分块压缩感知方法（Multi-block Combined Compressed Sensing, MBCS）,适用于基于焦平面阵列的压缩成像系统,它结合了并行采样和快速重建优势,可通过低分辨红外探测器实现低分辨并行测量和高分辨图像快速重建。与传统的基于压缩感知超分辨成像相比,该方法可提升高分辨图像重建的质量,同时实现高速重建。本文对光学系统原型和MBCS重建模型测量矩阵构建过程进行了研究,讨论了合并块大小对重建性能的影响,发现存在最优块大小使重建速度与重建质量都最优。此外,本文还实现了基于GPU加速的MBCS重建算法,用于进一步改进并行成像系统的图像重建速度。仿真和光学实验验证了该光学系统并行采样和快速重建策略的有效性,512×512分辨率成像与显示速度可达到5 Hz。