连续化原对偶有效集的生物发光断层成像算法

为克服生物发光断层成像(BLT)的不适定性,获得稳定的光源重建结果,本文提出了一种基于连续化原对偶有效集(PDASC)的多光谱BLT重建算法,该算法将原对偶有效集算法(PDAS)与连续化技术相结合,可以自动调节正则化参数,从而获得全局最优解。多组数字鼠仿真实验验证了该算法的有效性和稳定性,且与原对偶有效集算法、硬阈值追踪法(HTP)相比,所提PDASC重建算法在不同光源设置下的各量化指标均表现更优,在体小鼠实验结果进一步证明了该算法在实际应用中的潜力。     

基于多级自适应有限元方法的生物发光断层成像

生物发光断层成像(BLT)是利用生物体表面光强信息,重建出荧光光源在生物体内三维分布的一种新兴光学分子影像技术。由于生物体表面的测量信息有限,并且生物体内组织结构复杂,BLT的光源重建有着严重的病态性。为提高光源重建质量,提出了一种结合可行域收缩策略的多级自适应有限元光源重建方法。为了评估该方法的光源定位能力和能量密度定量能力,在数字鼠模型上分别设计了单光源和双光源实验。结果表明,本文方法可以显著提高光源的定位精度和能量密度。     

采用自适应正则参数的超分辨率加权重建

采用L1(一阶)、L2(二阶)范数是当前较为流行的2种图像超分辨率重建算法。在对这2种算法的优缺点进行分析的基础上,提出了一种采用L1和L2范数混合加权的参数自适应双边全变差正则化重建算法,将正则化参数作为重建图像的一个函数。实验证明这种算法有很好的边缘保持和去除椒盐噪声的能力,重建图像的质量有显著提高。     

基于稀疏正则化结合NLS的超分辨率图像重建

为了保持高光谱(HS)超分辨率重建过程中的频谱一致性和边缘锐度,提出一种基于空间谱结合非局部相似性的超分辨率重建算法。首先,使用HS图像生成模型,采用稀疏正则化解决全色(PAN)图像和HS图像重建的病态问题求逆;然后分析了从高空间分辨率到低空间分辨率数据生成的丰度系数映射;最后利用非局部相似性,设计空间谱联合正则化项。实验结果表明,本文算法重建图像在PSNR,SSIM和FSIM方面明显高于其他优秀算法,在SAM和ERGAS方面明显低于其他优秀算法,在光谱失真方面丢失最少,仅有2%-3%,低于其他算法30%左右,且重建效果更加清晰自然。     

基于改进稀疏表示正则化的SR重建算法

基于视觉的无人机自主导航过程中,对航路点进行准确识别是引导无人机朝着航路点方向精确飞行的关键。然而,当无人机到达航路点识别距离后,由于机载图像传感器受天气因素及成像过程中的脱焦、衍射等现象影响,常导致获取到的航拍图像模糊、空间分辨率较低,从而直接影响了后续航路点识别的精度。针对这一问题,提出了一种改进稀疏表示正则化的航拍图像超分辨率重建算法。首先,基于稀疏表示正则化框架,利用自回归和非局部相似约束构建目标函数的正则化项;其次,根据图像局部方差能有效区分图像的边缘区域和平滑区域这一特性,自适应地选取正则化参数得到超分辨率重建模型中的目标函数;最后,使用MM (Majorization-Minorization) 算法求解目标函数的凸优化问题,得到重建后的高分辨率图像。实验结果表明:与传统的正则化SR重建算法相比,文中算法能够有效的提高航拍图像的空间分辨率,使得重建后的图像包含了更多的特征细节信息,这为航路点识别提供了帮助。     

自适应加权的总变分正则化图像超分辨率重建

在Farsiu提出的双边总变分正则化方法中,尺度加权系数和正则化参数为定值,在边缘、纹理区域,重建图像效果不理想。针对这个问题,提出了一种自适应加权正则化函数和正则化参数的重建算法,该方法利用图像局部结构信息控制权函数形状、带宽和正则化参数,使这些参数根据图像局部结构信息自适应地调整。对所提出的算法进行了仿真实验,实验结果表明,与传统的总变分重建方法相比较,该算法能更好地重建图像的纹理细节,重建图像的对比度高。     

基于近似消息传递的切伦科夫激发的荧光扫描断层重建

切伦科夫激发的荧光扫描成像(CELSI)作为一种新兴分子成像技术,具有空间分辨率高和成像深度深的优点,在监测放疗过程中肿瘤的生理变化方面具有巨大潜力。前期工作基于Tikhonov方法成功实现了CELSI断层成像,但该方法无法对位置深度超过3 cm或低对比度的荧光目标进行准确重建。为克服这一问题,提出了一种基于近似信息传递算法的断层CELSI稀疏重建方法。为说明该算法的优点,将其与传统的Tikhonov正则化算法以及3种基于稀疏的重建算法进行比较。实验结果表明,就均方误差和对比噪声比而言,本文算法可以获得最优的重建结果。     

基于L曲线法的超声CT正则化参数优化

超声逆散射成像图像重建反问题常常是不适定的。此种情况下,仅使用最小二乘法不能保证获得满意的介质分布图像重建结果,因此使用Tikhonov和TSVD正则化算法来产生适当的解。正则化参数的合适选取对图像重建至关重要,其对重建质量和计算速度都有影响,本文采用L-曲线准则确定相应的正则化参数。经实验验证:基于L-曲线法可以快速找到最优正则化参数,TSVD法与Tikhonov正则化方法相比,提高了图像重建质量,且适用范围广。     

基于压缩感知的正则化子空间追踪算法

压缩感知理论是一种新的在采样的同时实现压缩的采样过程,只要被采样信号是稀疏或可压缩的,就可以保证精确重建。通过研究总结已有的贪婪追踪类重建算法,提出了一种正则化子空间追踪算法(Regularized Subspace Pursuit,RSP)。正则化正交匹配追踪算法(Regularized Orthogonal Matching Pursuit,ROMP)的正则化方法对原子的能量分级思想,对信号的重建精度和重建速度有很大影响。首先对该方法的不合理性进行改进,然后将改进的正则化步骤引入到子空间追踪算法(Subspace Pursuit,SP)中,最终达到对原始信号的快速精确重建。实验仿真表明,该算法比SP算法更高效,更具有实际应用意义。     

基于压缩感知的探地雷达成像算法研究

压缩感知理论通过从一系列非自适应线性测量中求解一个凸L_1最小化问题,从而对稀疏信号进行重构。该文基于压缩感知理论对宽带合成孔径雷达成像,利用空间目标信号成像的稀疏性,提出了一种全新的低采样率数据采集重构算法。此算法在获取雷达信号原始数据时采用压缩感知的算法,减少了原始信号数据的采样量,并且用少量的测量数据和测量孔径获得重建测量目标的信息。最后将此算法与传统的反投影成像进行了比较,其仿真试验数据表明,基于压缩感知的探地雷达成像算法比传统反向投影算法成像效果好,且所需数据量少。     

压缩感知ISAR成像的全变差优化最小算法

对于逆合成孔径雷达(ISAR)目标成像,从少量压缩测量回波数据重建高分辨率运动目标是不适定问题,且观测噪声也会影响重建结果。在频率步进连续波 ISAR系统回波观测模型基础上,结合压缩感知原理,给出了一种基于全变差正则化的 ISAR压缩感知成像模型,通过将该优化模型转化为一系列简单代理函数进行求解,提出了一种快速优化最小算法。最后在不同回波信噪比条件下进行仿真验证。实验结果表明,当回波信噪比大于10 dB 时,本文方法明显优于距离-多普勒算法和基于L1范数的压缩感知成像方法。     

基于分层贝叶斯Lasso的稀疏ISAR成像算法

逆合成孔径雷达(ISAR)目标回波具有明显的稀疏特征,传统的凸优化稀疏ISAR成像算法涉及繁琐的正则项系数调整,严重限制了超分辨成像的精度及便捷程度.针对此问题,该文面向非约束Lasso正则化模型,建立分层贝叶斯概率模型,将非约束的范数正则化问题等效转化成稀疏拉普拉斯先验建模问题,并在分层贝叶斯e1 Lasso模型中建立正则项系数依赖的概率分布,从而为实现完全自动化参数调整提供便利条件.考虑到目标稀疏散射特征和多超参数的高维统计特性,该文应用吉布斯(Gibbs)随机采样方法,实现对ISAR目标稀疏特征的求解,并同步获取包括正则项系数在内的多参数估计.基于该文研究方法可实现全部参数均通过数据学习获得,从而有效避免繁琐的参数调整过程,提升算法的自动化程度.仿真及实测数据均可证明该方法的有效性和优越性.     

基于组稀疏正则化的荧光扩散层析成像重建

针对荧光扩散层析成像中荧光光源的定位误差较大和形态学信息不完整的问题,提出一种基于组稀疏正则化的同时代数重建技术(GSR-SART)算法。该算法利用图像的非局部自相似性和局部稀疏性构造自适应相似组;然后,将相似组作为基本单元,学习自适应字典;最后,采用迭代收缩阈值算法求解目标函数。实验结果表明,所提算法在峰值信噪比和方均根误差的结果上比其他先进算法有较大的提升。     

红外图像超分辨率重建技术研究

利用图像超分辨率重建技术可以在不改进硬件的情况下提升现有成像系统的图像分辨率。为提升红外图像质量,提出了一种基于NSCT变换与自适应正则化重建相结合的图像超分辨率重建算法。算法充分考虑了实际红外图像中噪声特点,利用NSCT变换特点在尽可能减少图像信息损失的条件下,对加性噪声与乘性噪声采用不同策略进行了抑制,并对预处理后的红外图像序列进行自适应正则化重建。实验结果表明本算法处理后的红外图像在主观视觉效果与客观指标上较传统图像处理方法均有改善。     

基于方向和结构特征的遥感图像条带噪声分离方法

针对去除遥感图像条带噪声时易造成模糊或细节丢失等问题,分析研究干净图像及条带噪声的方向和结构特征,提出了遥感图像条带噪声分离方法。对于条带噪声,其稀疏结构特征表征为条带的组稀疏性和平滑性,结合条带的L_(2,1)范数和沿条带方向的梯度的L_0范数实现特征约束;对于干净图像,其边缘连续性采用L_1范数进行约束。考虑该约束模型的非凸性,采用基于近端交替方向乘子(PADMM)的算法进行快速求解。模拟数据和实际数据的实验结果表明,所提算法有效去除了图像中的条带噪声,同时高效保留原图像的细节信息,充分验证了算法的可行性和可靠性。     

复合正则化联合稀疏贝叶斯学习的高光谱稀疏解混算法

将稀疏贝叶斯学习引入线性混合像元分解中,提出一种基于复合正则化联合稀疏贝叶斯学习的高光谱稀疏解混算法.在多观测向量的稀疏贝叶斯框架下,对各参数建立概率模型,经贝叶斯推断得到基于L2,1正则化的联合稀疏贝叶斯解混模型,并将丰度向量的非负与和为一约束加入到凸优化的目标函数中,通过变量分离法将复合正则化问题分解成多个单一正则化问题交替迭代求解,并利用参数自适应算法对正则化参数进行更新.模拟数据和真实数据的实验结果表明,该算法比贪婪算法和凸优化算法能获得更高的解混精度,并且适用于端元个数较多和信噪比较低的高光谱数据.     

非规则采样综合孔径无源成像重建算法分析

受制于平台限制,毫米波综合孔径无源成像探测技术在部分应用环境下不得不采用非规则阵列,其形成的空频域采样是非规则采样,因此如何实现从非规则空频域到规则空域的有效映射成为一个新的问题。本文针对该问题,探讨了几种典型重建算法,并通过仿真对这些重建算法进行了分析对比,分析结果表明结合正则化的阵列因子成形重建算法可以满足非规则综合孔径无源成像重建的要求,该研究结果对毫米波综合孔径无源成像探测技术应用具有实际工程指导意义。     

一种改善图像边缘效果的POCS超分辨率重建方法

利用图像超分辨率重建(SRR)技术可以在现有成像系统基础上提高图像空间分辨力。凸集投影(POCS)是超分辨率重建的主流方法之一。对POCS算法进行了改进,具体改进体现在两个方面:(1)用可控核回归插值图像作为POCS重建的初始估计以提高初始估计图像的质量;(2)将POCS重建中使用的点扩散函数(PSF)由高斯核改为可控核以减少重建图像的边缘振荡效应。对所提出的算法进行了仿真,实验结果显示采用本文方法重建图像的边缘效果有了明显的改善。     

基于光学传输矩阵实现透过散射介质的动态目标成像

提出了一种实现动态目标散射成像的方法。通过四步相移干涉法测量得到光学传输矩阵,数值仿真了相位共轭、Tikhnov正则化和全变分最小化三种重建算法对透过散射介质的不同动态目标的跟踪与重建,并搭建实验装置,验证了此方法的可行性,分析比较了三种算法的重建能力。结果表明,全变分最小化算法的重建效果最好。该方法为生物医学领域中透过散射介质对动态目标成像提供了新思路。     

基于BTV正则项的图像超分辨率重建改进算法

文章在最大后验概率(MAP)随机正则化理论框架下,采用L1范数来构造数据保真项,同时为了更好的保持重建图像边缘,在结合双边滤波(BTV)正则项的基础上,提出了一种能有效利用图像梯度大小和方向信息的正则化模型.实验结果表明,此方法与L1范数结合BTV正则项经典算法相比,能更好的抑制噪声和保持边缘,且在视觉效果和客观评价两...