电阻抗成像交叉测量模式的抗噪声性能研究

电阻抗成像对噪声比较敏感,目前电阻抗成像主要采用相邻测量模式,其抗噪声性能比较差.交叉测量模式是在所有非电流注入电极对上做灵活选择,使得测量电压的幅值普遍高于相邻测量模式.在噪声源一定的情况,整体提高测量信号的信噪比.在仿真和实验当中,采用快速一步牛顿误差重构(FNOSER)静态和动态算法比较两种测量模式的重构图像质量.仿真和实验结果表明交叉测量方式优于相邻测量模式,该模式提高了信噪比,减小了测量电压的动态变化,重构图像伪迹较少,具有较好的抗噪声性能.     

一种基于最小均方差的散斑图像配准算法的研究

一种基于最小均方差理论的散斑图像亚像素配准算法,是按线性估计理论推导目标函数的解析解,利用刚体位移模型和散斑图像仿真模型生成5组40帧长斑图像序列,分别在无噪声干扰和加性高斯噪声干扰下对算法进行实验验证。实验结果表明,在无噪声干扰下,图像序列的位移轨迹具有较好的线性度,且系统误差和随机误差较小。在不同噪声水平干扰下,当信噪比为10dB时,该算法失效;而当信噪比不低于20dB时,噪声对配准结果的影响随着信噪比的增加将逐渐减弱。     

稀疏表示下的噪声图像超分辨率重构

为了能够完成噪声图像的超分辨率重构,提出了一种基于稀疏表示的噪声图像超分辨率重构方法,可以同时完成图像去噪和超分辨率重构。首先,对样本图像和低分辨率图像进行块划分,建立样本库。其次,建立图像退化模型,采用相似样本加权平均的方式对输出的高分辨率图像块进行表示。根据输入的低分辨率图像块,计算样本块与输出的高分辨率图像块之间的相似性。提出了一种相似性描述方法,能够很好地解决噪声带来的影响。然后,采用相似性对稀疏编码优化模型进行惩罚,提出一种权值求解模型。模型可以自适应的搜索相似样本块而不需要预先设定相似块的个数。最后,求解权值,根据权值和样本块重构高分辨率图像块,并重构高分辨率图像。实验结果表明:所提出的方法较其它常见超分辨率算法的峰值信噪比可提高0.5dB左右,重构的图像细节更丰富,去噪效果更好,更适合实际应用。     

应用正则化影响函数扩散模型的星图噪声滤波

由于恒星星图的噪声滤波对保持星点的边缘细节要求较高,本文以塔基（Tukey）扩散模型与改善的PM（Perona-Malik）模型为基础,提出了一种基于正则化影响函数扩散模型的星图噪声滤波方法。该方法通过导数算子提取边界点集,利用图像中原始像素和噪声像素的空间分布特性对图像进行噪声滤波处理,并通过给定边界条件恢复图像边缘。由于避免了方差稳定（VS）变换,该方法可以直接处理高斯噪声。对普通图像和添加高斯噪声星图进行了仿真测试,并与普通扩散函数算法进行了比较。实验结果表明：提出的算法表现出了较好的噪声滤波能力,同时有效地保持了特征图像的边缘。相对于普通扩散函数算法其平均绝对误差降低了13.6%,峰值信噪比平均提高了6.1%。得到的数据显示,本方法的滤波能力优于普通的扩散函数方法,特别适用于星图的噪声滤波处理。     

双臂对称性对压缩传感用于关联成像重构的影响

根据压缩传感理论和关联成像模型,将压缩传感理论应用于关联成像中,实现了传统的双臂关联成像的压缩传感重构。通过仿真实验验证了压缩传感用于关联成像的可行性,以峰值信噪比（PSNR）为衡量指标,分别对压缩传感和传统关联算法的重构图像质量进行了量化。仿真实验表明,压缩传感和关联算法的重构效果均随测量次数的增加而变优,在相同的测量次数下,压缩传感在关联成像中的重构图像的PSNR比传统的关联重构图像高20 dB以上。将压缩传感用于实际双臂关联成像的实验结果表明,压缩传感可以实现双臂关联成像装置的图像重构,但其重构质量很难优于传统关联算法的重构。针对这一实际实验与仿真实验似乎相矛盾的特殊现象,从双臂对称性的角度进行了合理解释,并利用实验中实际的散斑场对该现象进行了验证,最后提出了解决方案。     

基于压缩感知归一化关联成像实现目标重构

在归一化关联成像的基础上,结合压缩感知理论,提出了基于压缩感知的归一化关联成像方法。该方法首先对物臂的桶探测值进行归一化处理,并由散斑场构造测量矩阵;然后采用正交匹配追踪算法,在低测量次数下优质量地还原出了物体的像。实验中采用灰度图像及二值图像作为成像目标,以峰值信噪比作为衡量标准,分别对传统关联成像,归一化关联成像及压缩感知归一化关联成像的重构效果进行了量化对比。仿真实验结果表明,对于细节较为丰富的灰度图像,压缩感知归一化关联成像的峰值信噪比较传统方法高6dB左右,比归一化关联成像方法提高了2dB左右;对于细节较少的二值图像,其峰值信噪比较归一化关联成像法高3.4~4.3dB,比传统法高5.2~6.5dB。最后,采用实际电荷耦合元件测得的散斑场构造了测量矩阵,实验结果进一步验证了基于压缩感知的归一化关联成像算法能提高重构质量。     

基于MCMC方法的电容成像图像重构算法

研究基于概率统计的电容成像图像重构算法,以马尔科夫随机场的方式给出介电常数分布的先验概率,利用电容成像(electrical capacitance tomography,ECT)线性模型得到似然函数,通过马尔科夫链蒙特卡罗(Markov chain Monte Carlo,MCMC)方法对介电常数分布的后验概率密度进行采样,马尔科夫链的转移核利用Metropolis-Hastings方法得到,结合嵌套迭代提高计算效率。仿真结果表明,嵌套迭代-MCMC方法在正则化参数设置合适的条件下,可以得到较好的图像质量,基于MCMC方法图像重构算法为解决ECT图像重构问题提供一种新思路。     

提高关联成像重构质量的研究

比较基于压缩感知关联成像(CGI)与伪逆关联成像(PGI)两者之间的成像效果差异,探讨形态学权重自适应对关联成像去除噪声的效果。选择不同的图像,通过MATLAB软件开展仿真实验,对目标图像分别采样64、256、512、1 024、2 048、3 000次,首先通过关联成像、基于压缩感知关联成像与伪逆关联成像三种方法重构图像,再对比压缩感知与伪逆两种方法重构图像的效果,以峰值信噪比(PSNR)、相关系数(CC)为量化指标,将基于压缩感知关联成像与伪逆关联成像在不同采样次数下进行对比分析。同时,通过实验分析形态学权重自适应去除关联成像中噪声的效果。伪逆关联成像在低次数采样的情况下比基于压缩感知关联成像的成像效果更好,在高采样次数下,基于压缩感知关联成像的成像效果更好。在实际重构中压缩感知关联成像重构的图像仍有噪声,形态学权重自适应可以有效去除关联成像实验中产生的噪声。     

基于图像质量评价的ICCD性能比较

像增强型电荷耦合器件(intensified charge coupled device,ICCD)是激光主动成像系统中的关键器件,其噪声水平影响着整个系统性能的发挥。为了比较测试不同ICCD的噪声性能,采用图像信息容量、伪信噪比和无参考图像峰值信噪比(no-reference peak signal-noise-ratio,NPSNR)三个指标对ICCD输出的单帧图像进行图像质量评价。实验在相同实验条件,不同ICCD之间进行。结果表明4Quik E的噪声性能优于PI-MAX2:512。     

光学显微成像系统图像清晰度评价函数的对比

图像清晰度评价函数是评价各类成像系统成像质量的一个关键函数,为找到合适的图像清晰度评价算法,采用MATLAB软件对16种适用于光学显微成像系统的清晰度评价函数进行仿真,定量分析了不同算法的灵敏度、单峰性、无偏性以及运算速度。实验表明:Laplacian函数具有较高的单峰性、无偏性和灵敏度;存在高斯噪声时,Brenner函数、Tenengrad函数和基于Prewitt算子的函数以及中值滤波-离散余弦函数稳定性好;而存在椒盐噪声时,Roberts函数综合性能最优。     

改进的稀疏表示遥感图像超分辨重建

为了进一步提高遥感图像超分辨效果,提高超分辨重建速度。针对以往稀疏超分辨算法中更容易丢失边缘信息和引入噪声的问题,本文改进了特征提取算子,以对称近邻滤波(SNN)代替高斯滤波,重点解决特征空间中的字典学习问题。首先,根据遥感图像退化模型生成训练样本图像,并分别对高、低分辨率遥感图像进行7×7分块,生成字典训练样本。然后,建立连接高、低分辨率图像空间的双参数联合稀疏字典,将字典学习过程中的稀疏系数分解为系数权值和字典原子的乘积,依据字典原子指标训练和更新字典,得到高低分辨率联合字典映射矩阵。最后,进行遥感图像超分辨稀疏重构。实验结果表明:与当前最先进的稀疏表示超分辨算法相比,本文算法得到的超分辨重建遥感图像的主观效果更好,恢复出更多的地物细节信息;客观评价参数峰值信噪比(PSNR)提高约1.7dB,结构相似性(SSIM)提高约0.016。改进的稀疏表示超分辨算法可以有效地提高遥感图像超分辨效果,同时降低重建时间。     

数据保真项与稀疏约束项相融合的稀疏重建

本文针对低光子计数成像过程中产生的泊松高斯混合噪声,提出了一种数据保真项与稀疏约束项相融合的稀疏重建方法。首先,基于泊松高斯噪声相互独立的混合噪声模型,建立了数据保真项与稀疏约束项相融合的稀疏重建目标函数;在图像块聚类的基础上,应用改进贪婪算法实现类内稀疏分解和字典更新;最后,稀疏分解和字典更新交替迭代求解干净图像。针对强烈泊松高斯噪声污染图像的重建实验显示,本文方法与对比方法相比,重建结果的PSNR值平均提升了5.5%,MSSIM值也有明显提升。这些结果表明:本文方法对具有强烈泊松高斯混合噪声的图像有较好的图像复原和噪声去除效果。     

Image signal-to-noise ratio and noise variance estimation using autoregressive model

During the last three decades, several techniques have been proposed for signal-to-noise ratio (SNR) and noise variance estimation in images, with different degrees of success. Recently, a novel technique based on the statistical autoregressive model (AR) was developed and proposed as a solution to SNR estimation in scanning electron microscope (SEM) image. In this paper, the efficiency of the developed technique with different imaging systems is proven and presented as an optimum solution to image noise variance and SNR estimation problems. Simulation results are carried out with images like Lena, remote sensing, and SEM. The two image parameters, SNR and noise variance, are estimated using different techniques and are compared with the AR-based estimator.     

近似稀疏正则化的红外图像超分辨率重建

针对红外图像分辨率低、受噪声影响严重等问题,引入近似稀疏正则化和K-奇异值分解（K-SVD）法,提出了基于近似稀疏表示模型的红外图像超分辨率重建方法。考虑到红外图像受到噪声污染,首先建立了稳健近似稀疏表示模型。针对已有字典训练方法时间消耗巨大问题,在假定低分辨率图像空间和高分辨率图像空间具有相似流形的前提下,联合近似稀疏表示模型和K-SVD方法,提出近似稀疏约束的基于K-SVD的高低分辨率字典对学习算法。最后,通过高分辨字典和对应的红外图像群稀疏表示系数重建得到高分辨率的红外图像。为了验证算法的性能,对提出的算法与稀疏性正则化的图像超分辨模型（SRSR）和Zeyde算法进行了实验比较。结果表明,本文方法能够较好地减少红外图像中的噪声,同时获得更好的超分辨率重建效果。     

高精度影像测量系统中图像的超分辨率重建

为了提高影像测量系统的测量精度,研究了基于微位移错位的多幅图像超分辨重建技术.考虑制作成本和制作难度,提出了一种不苛求精确微位移的超分辨率重建技术.首先,获取随机微位移图像序列;然后,利用被测对象中易于实现高精度提取的特征点或采用模板衬底中的特征点计算出图像序列间的准确位移关系;最后,根据本文提出的数学模型重建出高分辨...     

Effect of shot noise and secondary emission noise in scanning electron microscope images

The effect of shot noise and emission noise due to materials that have different emission properties was simulated. Local variations in emission properties affect the overall signal‐to‐noise ratio (SNR) value of the scanning electron microscope image. In the case in which emission noise is assumed to be absent, the image SNRs for silicon and gold on a black background are identical. This is because only shot noise in the primary beam affects the SNRs, irrespective of the assumed noiseless secondary electron emission or backscattered electron emission processes. The addition of secondary emission noise degrades the SNR. Materials with higher secondary electron yield and backscattering electron yield give rise to higher SNR. For images formed from two types of material, the contrast of the image is lower. The reduction in image signal reduces the overall image SNR. As expected, large differences in δ or η give rise to higher SNR images.     

动态电容层析成像图像重建算法

提出了融合ECT测量信息和被测对象动态演化信息的新型图像重建模型;基于Tikhonov正则化方法,建立一个同时考虑了ECT测量信息、被测对象动态演化信息、时间与空间约束的新型图像重建目标泛涵,将图像重建问题转化为最优化问题;提出了集成分裂Bregman迭代法优势的新型算法求解该目标泛涵。数值仿真结果表明,所提出的图像重建算法其图像重建质量均优于OIOR算法、STR算法及PLI算法;同时由于所提出的图像重建算法同时考虑了测量数据和重建模型的不精确性,其抵抗测量噪声的能力得以提高。     

基于L-曲率流滤波器的图像降噪算法

提出了L-曲率流滤波器的图像降噪(滤波)算法,该方法按图像信噪比大小分高、中、低3类,分别由L滤波器降噪、多级L滤波器降噪以及多次迭代的组合滤波器降噪,并进行了实验研究。结果表明:该算法与均值和中值滤波器相比,输入图像信噪比越低,滤波效果越明显。当输入图像为低信噪比时,对于受高斯噪声污染的图像,该算法滤波比均值滤波平均提高2.98 dB;对于受脉冲噪声污染的图像,该算法滤波比中值滤波平均提高11.09 dB,说明该算法对降低不同种类和不同信噪比的图像噪声有较强的适应性。     

基于梯度图的快速POCS超分辨率复原算法研究

随着红外成像相关产业的兴起,红外成像技术具有的隐蔽性好、探测范围广、定位精度高、穿透距离远,以及轻质小巧、低耗可靠等优点备受青睐,已成为当前智能化光电探测发展的主流方向。然而,红外弱小目标的图像细节特征少、信噪比低等特点成为红外图像应用的瓶颈,如何提高红外弱小目标成像效果成为目前的研究热点。POCS算法是目前超分辨率复原中应用非常广泛的一种复原算法,但是该算法运算量大,处理时间较长,同时对图像的边缘细节保留能力较差。针对POCS超分辨率复原算法迭代时间较长,无法满足光电探测系统实时性的问题,提出了基于梯度图的快速POCS超分辨率复原算法(GPOCS)。该算法根据图像的梯度分布对图像中的像素点进行分类,采用不同的迭代系数进行计算。改进算法能够较好的保留边缘信息并抑制噪声,进而在保证超分辨率复原性能的基础上大大缩短了运算时间。实验结果表明:GPOCS算法复原结果在背景处噪声得到一定的抑制,整体复原能力优于传统的POCS复原方法。该算法能够有效地保留边缘细节,同时处理时间小于传统的POCS复原方法,减少了1个数量级已经是接近实时。GPOCS算法能够自适应的选取迭代步长,较好的保留边缘信息并抑制噪声,进而在保证超分辨率复原性能的基础上大大缩短了运算时间,虽然不能满足实时性的要求,但是也已经是接近实时。