基于近似波数域算法的干涉合成孔径显微技术

光谱光学相干层析(OCT)系统中,成像的横向分辨率和焦深之间的矛盾制约了其进一步应用。干涉合成孔径显微技术(ISAM)是一种图像三维重建算法,通过对光谱数据进行重新采样和计算达到不同深度位置处横向分辨率恒定的目的。通过分析ISAM重构过程和误差原理,建立多散射点的重构模型,并对比分析了光谱OCT和ISAM重构后的图像结果。为了缩短ISAM的重构时间,提出近似波数域方法来实现ISAM,搭建了光谱OCT成像实验系统。实验结果表明,该方法极大地节省了重构时间,将一幅320 pixel×265 pixel图像的重构时间缩短至50 s,为光谱OCT图像的三维实时重构提供了理论基础。     

超分辨率重构技术用于红外扫描系统的关键

超分辨率重构(SRR)技术是提高遥感图像空间分辨率最有前景的方法,红外遥感成像的空间分辨率相对可见光要低得多,研究采用SRR技术提高红外扫描图像空间分辨率有重要意义。从有效应用SRR技术的条件出发,分析它应用于红外扫描成像系统需要解决的关键问题,对待重构图像错位量估计可通过采用固定错位量的多排传感器,并精确计算其曝光时间来解决;对待重构图像中噪声的去除,提出了基于序列逐像素比较滤波法。通过红外扫描成像实验,提出的方法可以有效解决待重构图像错位量估计不准与噪声对重构的影响。     

基于分布式压缩感知算法的超分辨率成像技术

为解决超分辨率成像技术中图像数据传输与重构效率较低等问题,提出基于分布式压缩感知算法研究新的超分辨率成像方法。首先,基于压缩感知算法压缩成像编码孔径,构建分布式压缩感知编码孔径模型,采用多值模板设计编码孔径;其次,基于IOMPI算法重构超分辨率图像。最后,采用空间光调制器对行、列分布的图像子块进行多次压缩感知采样测量,进行、列两种方式图像重构,取其均值为最终重构图像。实验结果表明:基于分布式压缩感知算法的超分辨率成像技术有效缩短图像重构用时最短为9.06 s,提高了重构效率,重构的图像信噪比在0.75以上,细节清晰、无模糊现象。     

余弦编码复用高空间分辨率关联成像研究

发展了一种余弦编码复用高空间分辨率关联成像技术。首先通过构造多个低空间分辨率的余弦编码散斑复用为高空间分辨率调制散斑对目标进行调制照明,单像素探测器收集调制光与目标相互作用后产生的散射光强,由迭代算法复原出目标的混叠图像。进而鉴于余弦编码所特有的确定性频谱结构,利用数字图像处理方法高效解码重构出多个低空间分辨率物体图像,最终拼接为高空间分辨率目标图像。理论分析了余弦编码复用高空间分辨率关联成像技术实现方法,并仿真验证了该方法的有效性。本方法大幅降低了传统高空间分辨率关联成像所需的调制散斑,减少了在线采样时间与离线图像重构时间,提高了高空间分辨率关联成像的成像效率。     

多线阵CCD亚像元成像超分辨率重构技术研究

为实现以多片线阵CCD亚像元成像为基础,提出一种超分辨率重构算法。首先,在高分辨率网格上建立插值模型;然后,辨识插值重构图像在线阵列方向和扫描方向的模糊核,得到整幅图像的模糊核;最后,采用带有Neumman边界条件(BCs)的梯度平滑Richard-Lucy(GSRL)滤波复原算法去除模糊,抑制了振铃效应。实验结果表明,用本文算法重构超分辨率图像的灰度平均梯度(GMG)值较双线性插值法提高了7.63,主观目视清晰、细节丰富;可以实现对多片线阵CCD亚像元成像的超分辨率重构,获取更高的系统分辨率。     

超分辨率重构复眼成像技术的研究进展

超分辨率图像重构复眼成像将超分辨率重构技术与复眼成像技术相结合。复眼成像系统获取低分辨率图像,超分辨率重构算法计算获取高分辨率图像。总结了超分辨率图像重构复眼成像的研究现状,介绍了复眼图像超分辨率重构的基本原理和现阶段主要成像系统。结合成像模型角度,分析了常用的复眼图像超分辨率重构算法,以及定量测试评价与视觉角度评价的主要方法。为深入研究超分辨率图像重构复眼成像提供了参考。     

单像素成像在三维测量中的应用

在条纹投影等传统结构光三维测量技术中,在全局光照的干扰下,无法获得高质量、高精度的三维测量结果。典型的全局光照效应包括互反射和次表面散射。互反射发生在凹陷的光亮反射表面,而次表面散射发生在半透明材料表面。单像素成像(Single-pixel imaging, SI)技术可以通过没有空间分辨率的探测器捕获场景,然而,大多数现代数码相机采用传统像素化的图像传感器。在这里,我们提出了将单像素成像技术扩展到像素化的图像传感器中,将图像传感器上的每个像素都被视为是一个独立的单像素成像单元,可以同时获取图像。实验表明,这种单像素成像方法可以完全分解直接光照和全局光照,实现在全局光照干扰下的高质量、高精度三维重建。     

超分辨率重构最大后验概率算法介绍

图像超分辨率重构(super resolution reconstruction,SRR)是一个利用序列图像来求解理想图像的逆过程,基本原理就是把各图像上由于亚像素位移而存在的互补信息融合到同一幅图像中,从而达到提高分辨率的目的.我们采用最大后验概率(maximuma posteriori,MAP)算法进行超分辨率重构.根据贝叶斯原理,高分辨率图像的后验概率等价于以下两项之积:已知理想高分辨率图像的前提下,低分辨率图像出现的条件概率;理想高分辨率图像的先验概率.MAP算法的基本思想就是在己知低分辨率图像前提下,使出现高分辨率图像的后验概率达到最大.该方法的优点是在复原过程中可以直接加入先验约束,能确保解的存在和唯一,降噪能力强和收敛稳定性高等.     

一种多CCD图像拼接的快速算法

描述了一种用于多CCD图像拼接的快速多分辨率算法.该方法在不损害拼接质量的前提下,通过计算局部化减小了拉普拉斯金字塔分解、多尺度样条拟合和图像重构的计算量.实验表明该算法在不降低拼接质量的前提下在算法效率上比传统算法有明显的提高.     

复眼图像超分辨率重构中配准算法研究进展

高分辨率图像能够提供更多的图像细节和更清晰的图像质量,因此模仿生物复眼高分辨率这一特性、研究复眼超分辨率对于航天侦查和军事目标的识别具有重要意义。近年来亚像素级图像配准作为超分辨率重构中的关键步骤成为了研究热点,新的配准算法层出不穷。图像配准作为复眼图像超分辨率重构技术中至关重要的一步也是超分辨率重构中的一个难点,图像配准的精度以及图像配准算法的运算复杂程度直接影响着超分辨率重构的质量和效率。文中总结了近年来国内外超分辨率重构中配准算法的研究进展,介绍了图像配准技术和复眼超分辨率重构技术的基本原理和应用背景,阐明了课题的研究目的、意义以及发展前景,并且重点研究与分析了目前主流的配准算法以及各自的优缺点,并对今后的研究趋势进行了展望,同时为今后的配准算法研究提供了重要参考。     

Resolution enhancement of spaceborne scatterometer data

A method for generating enhanced resolution radar images of the Earth's surface using spaceborne scatterometry is presented. The technique is based on an image reconstruction technique that takes advantage of the spatial overlap in scatterometer measurements made at different times to provide enhanced imaging resolution. The reconstruction algorithm is described, and the technique is demonstrated using both simulated and actual Seasat-A Scatterometer (SASS) measurements. The technique can also be used with ERS-1 scatterometer data. The SASS-derived images, which have approximately 4-km resolution, illustrate the resolution enhancement capability of the technique, which permits utilization of both historic and contemporary scatterometer data for medium-scale monitoring of vegetation and polar ice. The tradeoff between imaging noise and resolution inherent in the technique is discussed     

Image reconstruction and enhanced resolution imaging from irregularsamples

While high resolution, regularly gridded observations are generally preferred in remote sensing, actual observations are often not evenly sampled and have lower-than-desired resolution. Hence, there is an interest in resolution enhancement and image reconstruction. This paper discusses a general theory and techniques for image reconstruction and creating enhanced resolution images from irregularly sampled data. Using irregular sampling theory, we consider how the frequency content in aperture function-attenuated sidelobes can be recovered from oversampled data using reconstruction techniques, thus taking advantage of the high frequency content of measurements made with nonideal aperture filters. We show that with minor modification, the algebraic reconstruction technique (ART) is functionally equivalent to Grochenig's (1992) irregular sampling reconstruction algorithm. Using simple Monte Carlo simulations, we compare and contrast the performance of additive ART, multiplicative ART, and the scatterometer image reconstruction (SIR) (a derivative of multiplicative ART) algorithms with and without noise. The reconstruction theory and techniques have applications with a variety of sensors and can enable enhanced resolution image production from many nonimaging sensors. The technique is illustrated with ERS-2 and SeaWinds scatterometer data     

Vegetation studies of the Amazon basin using enhanced resolutionSeasat scatterometer data

The Seasat-A scatterometer (SASS) was designed to measure the near-surface wind field over the ocean by inferring the wind from measurements of the surface radar backscatter. While backscatter measurements were also made over land, they have been primarily used for the calibration of the instrument. This has been due in part to the low resolution of the scatterometer measurements (nominally 50 km). In a separate paper the present authors introduced a new method for generating enhanced resolution radar measurements of the Earth's surface using spaceborne scatterometry. In the present paper, the method is used with SASS data to study vegetation classification over the extended Amazon basin using the resulting medium-scale radar images. The remarkable correlation between the Ku-band radar images and vegetation formations is explored, and the results of several successful experiments to classify the general vegetation classes using the image data are presented. The results demonstrate the utility of medium-scale radar imagery in the study of tropical vegetation and permit utilization of both historic and contemporary scatterometer data for studies of global change. Because the scatterometer provides frequent, wide-area coverage at a variety of incidence angles, it can supplement higher resolution instruments which often have narrow swaths with limited coverage and incidence angle diversity     

基于参数域映射及B样条插值的三维重构方法

利用单目CCD图像进行物体表面非接触测量的核心是基于单幅图像的三维重构技术,常采用由阴影恢复形状(SFS)的方法实现三维重构。当图像分辨率较低时,通过由阴影恢复形状的方法重构的三维表面模型其分辨力较差,无法满足实际要求。为此提出了一种基于参数域映射及B样条插值的三维重构方法。采用B样条插值技术对图像进行放大处理,通过像素的参数域映射减小图像的失真及高频信息的丢失,根据放大后图像的灰度信息重构物体的三维表面模型。实验表明,基于参数域映射及B样条技术的图像插值方法很好地保护了图像的细节,利用该方法进行三维重构能够有效改善重构模型的分辨力和光顺性,为提高三维表面非接触测量精度创造了条件。     

High-resolution measurements with a spaceborne pencil-beam scatterometer using combined range/Doppler discrimination techniques

Conically scanning pencil-beam scatterometer systems, such as the SeaWinds radar, constitute an important class of instruments for spaceborne climate observation. In addition to ocean winds, scatterometer data are being applied to a wide range of land and cryospheric applications. A key issue for future scatterometer missions is improved spatial resolution. Pencil-beam scatterometers to date have been real-aperture systems where only range discrimination is used, resulting in a relatively coarse resolution of approximately 25 km. In this paper, the addition of Doppler discrimination techniques is proposed to meet the need for higher resolution. The unique issues associated with the simultaneous application of range and Doppler processing to a conically scanning radar are addressed, and expressions for the theoretical measurement performance of such a system are derived. Important differences with side-looking imaging radars, which also may employ Doppler techniques, are highlighted. Conceptual design examples based on scatterometer missions of current interest are provided to illustrate this new high-resolution scatterometer approach. It is shown that spatial resolution of pencil-beam scatterometer systems can be improved by an order of magnitude by utilizing combined range/Doppler discrimination techniques, while maintaining the wide-swath and constant incidence angle needed for many geophysical measurements.     

基于频谱偏移估计的分布式星载SAR提高距离向分辨率的数据处理方法

分布式星载SAR利用不同视角回波信号之间地面散射频谱不同的特性来提高SAR图像的距离向分辨率.其数据处理的关键就是如何将这些不同频段的信号相结合,得到具有更宽频谱的高分辨率图像.本文提出了一种基于频谱偏移估计的分布式星载SAR提高距离向SAR图像分辨率的数据处理方法.该方法的主要思想是在SAR复图像的基础上,通过精确的估计,得到SAR复图像间的距离向频谱偏移量,并根据该偏移量,在频域进行距离向频谱偏移补偿后将图像相加.建立了分布式星载SAR单视复图像的信号模型,推导了基于频谱偏移估计提高SAR图像距离向分辨率的原理公式,给出了基于频谱偏移估计提高距离向分辨率的具体数据处理步骤.最后采用仿真数据验证了理论推导的正确性和数据处理方法的有效性.     

传输图像的子波域插值恢复算法

在丢包信道中传输子波编码图像时,存在图像重构问题.本文提出了一种新的图像恢复算法—树恢复子波域插值算法,可以用于恢复丢失的子波树系数.该算法利用二维子波变换具有的水平和垂直方向边缘检测能力,采用数学形态学膨胀运算,恢复已丢失的表示边缘信息的高频系数.为了保持图像边缘的尖锐性和方向性,本文采用了高频系数指导下的低频系数恢复技术.文章最后给出的仿真结果验证了该算法的有效性.     

基于混合残差密集网络的电路板红外图像超分重建北大核心CSCD

红外图像普遍存在分辨率低、细节模糊和视觉效果差的问题,使其难于直接应用在PCB故障诊断系统中。针对这一问题,本文提出了一种可充分利用红外图像层次特征的混合残差密集网络超分辨率重建算法。首先,使用卷积神经网络提取原始低分辨率图像的浅层特征信息;其次,设计多路径混合残差密集连接块,进一步提取更丰富的深层特征信息;最后,引入全局特征融合与残差学习自适应的学习并整合全局特征信息,应用转置卷积上采样完成红外图像的超分辨率重建。实验结果表明,本文算法能够有效提高重建后红外图像分辨率,使细节信息得到改善、视觉效果得到提升。基于公共/自建数据集得到的重建后图像峰值信噪比和结构相似性指标分别达到42.17 dB/39.32 dB和0.9503/0.9466,优于文中列举的双三次内插法、SRCNN和ESPCN模型,重建性能得到明显提高。     

多值压缩编码孔径超分辨率成像方法

针对近期提出的基于压缩感知(CS,compressed sensing)理论的压缩编码成像方法在重建后引入较多类似于噪声的伪影(artitacts)问题,为了使压缩编码成像方法获得更好成像质量的图像,本文提出一种改进的压缩编码成像方法。本文方法将多值模板(MVM)代替二值模板来增强编码质量,并利用自适应全变分(TV,total variation)去噪方法去除重建后的高分辨率图像的伪影。实验结果表明,这种方法很好地改进了压缩编码孔径(CCA)的成像质量,并且大幅提高了图像的信噪比(SNR)。     

采用超分辨率重建提升压缩图像质量的方法

针对JPEG的中低码率压缩图像即高压缩率图像存在较严重的块效应以及量化噪声,提出了一种对JPEG标准压缩图像进行优化的重建-采样方法.该方法对JPEG压缩图像采用三维块匹配算法(BM3D)进行去噪,去除图像中存在的块效应和量化噪声,进而提高超分辨率重建的映射准确性,再使用外部库对去噪后图像进行基于稀疏表示的超分辨率重建,补充一定的高频信息,最后对重建后的高分辨率图进行双三次下采样,得到与原始图像大小一致的图像作为最终优化图像.实验结果表明,该方法在中低码率情况下能够有效地提高JPEG压缩图像的质量,对高码率压缩图像也有一定效果.