空间自适应正则化超分辨率图像重建

超分辨率图像重建是一个病态问题,在重建过程中需要正则化处理,而正则化重建会引入正则化误差及重建过程中由于病态性而引入的噪声放大误差,且这两类误差均和图像的空间局部特性有关.提出根据图像的局部空间统计特性自适应控制超分辨率图像正则化重建算法,采用图像局部统计方差来区分图像棱边区域及平滑区域,在图像的棱边区域加强图像的约束重建,而在图像的平滑区域加强正则化.实验表明该算法能有效地减小重建误差,算法的信噪比得益优于传统的正则化重建算法及总变分模型重建算法,并且对正则化参数的选择具有一定的鲁棒性.     

基于QR分解的对称共轭梯度法成像算法

为了快速得到高质量的重建图像,提出了对称共轭梯度法成像算法,大大缩减了迭代次数,同时,将ERT物理模型进行规范化和Tikhonov正则化处理,进而将QR分解的思想引入ERT方程的求解中,提出基于QR分解的对称共轭梯度算法,实现了单步图像重建.理论分析表明,该算法具有良好的收敛性.通过典型流型的仿真实验,证明了该算法可以...     

正则化算法在CT图像重建上的应用

由于受数据采集时间、照射剂量、成像系统扫描的几何位置等因素的约束,计算机断层成像（Computed tomography,CT）技术目前只能在有限角度范围或在较少的投影角度得到数据,这些都属于不完全角度重建问题. 因此,图像重建的算法应用变得尤为重要,本文将现有的几种正则化超分辨率重建算法应用到CT图像重建上并做了一系列的对比分析,分析不同算法下不同的图像重建效果. 首先对低分辨率CT图像进行图像配准,然后再进行样条插值放大,最后运用相关正则化算法进行超分辨率图像重建. 实验结果表明正则化算法的应用一定程度上提高了图像分辨率,其中双边正则化下的重建效果最好,基于L2范数全变分正则化效果较差.     

基于PCA降维和迭代正则化的温度场重建

针对声学CT对温度场重建的不适定性，该文提出了一种基于PCA降维和迭代正则化的重建算法。通过径向基函数逼近声慢度分布建立声学CT正问题模型；用PCA降维改善逆问题的病态性；用迭代正则化法求解逆问题；利用声慢度与温度的关系得到温度分布。仿真和实际温度场重建实验表明，与常用的最小二乘法和基于奇异值分解的直接正则化法相比，所提算法的重建图像更接近真实分布，重建误差最高可降低86.62%和29.1%。因此基于PCA降维和迭代正则化的重建算法能够提供更高质量的重建温度场。     

多帧图像的Tikhonov正则化重建算法研究*

介绍了Tikhonov正则化超分辨率重建算法的基本原理和特点,在原有正则化空域图像复原方法的基础上,根据多帧序列图像之间的互补信息,提出一种改进的正则化空域图像复原的新方法,该算法直接将正则化函数作用于图像超分辨率重建算法的条件概率项内,提高了正则化项的校正效率,并用共轭梯度运算来改善算法的收敛性,节省了图像重建所需的时间。实验和仿真结果表明,与传统方法相比,该算法不仅减轻了图像边缘纹理的模糊性,提高了图像的清晰度,而且收敛速度快。     

一种空间自适应正则化MAP超分辨率重建算法

提出一种简单、通用的基于正则化技术的自适应MAP超分辨率重建算法。与以往算法不同,该方法引入了局部空间自适应正则化参数,弥补了传统算法对图像自身的局部特性缺乏考虑的不足。算法通过迭代的方式,利用中间重建结果不断对正则化参数进行更新,并最终得到重建图像。实验结果表明,该方法可以根据不同图像序列的特点以及图像的局部灰度特性,自适应地确定相应的正则化参数,并找到最优解,有效地保护了高分辨率图像的细节信息。     

基于L1/2正则化的超分辨率图像重建算法

为提高图像重建质量,研究超分辨率图像重建技术与稀疏表示理论,提出一种基于L1/2正则化的超分辨率图像重建算法.将L1/2正则化理论运用到字典学习中,利用学习得到的字典重建高分辨率图像.实验结果表明,该算法的图像重建效果优于基于L1正则化的超分辨率图像重建算法.     

超分辨率图像复原中的快速L-曲线估计

讨论了从一组低采样降质的视频图像重建超分辨率图像中未知参数的估计问题．使用L-Curve标准来估计正则化参数，然而，L-Curve的计算代价十分昂贵．它需要计算正则化近似解和残差的范式．为此提出一种基于Lanczos算法和Gauss积分理论的算法，在超分辨率图像重建中的参数估计中可以减少L-Curve的计算代价．     

基于正则化的超分辨率图像重建方法及其实现

超分辨率图像重建是用同一景物的若干低分辨率图像通过数字图像处理技术获取其高分辨率图像的一种技术.介绍了基于正则化方法的超分辨率图像重建的研究现状和以正则化为基础的几种重建方法在近几年的研究和发展趋势.在此基础上,实现了一种遥感图像的正则化超分辨率重建算法,实验验证了方法的有效性.     

压缩图像空时自适应正则化超分辨率重建

所谓超分辨率(SR)技术就是由低分辨率(LR)图像序列来重建高分辨率(HR)图像的技术,而基于压缩图像的SR技术正成为当前研究的热点。为了提高压缩图像的重建质量,在正则化理论的基础上,通过利用比特流中的信息,提出了一种新颖的空时自适应超分辨率重建算法,该算法先利用正则化代价函数控制时域数据和空域先验信息之间的平衡,使正则化参数在SR重建过程中得到自适应地调整,然后利用迭代梯度下降法进行超分辨率重建。仿真实验表明,该自适应算法比采用传统算法重建的图像的主、客观质量有一定的提高,适合压缩图像的应用。     

一种基于小波变换的迭代正则化图象恢复算法

提出一种基于小波变换的迭代正则化图象恢复算法,兼顾抑制噪声的增长和保留图象重要边界。该算法根据图象小波变换各个子频段的不同频率特性和方向特性,分别采用不同的正则化参数和正则化算子。实验结果表明舸用该算法的图象恢复的性能优于常规的空域算法。     

基于改进FOCUSS算法的电容层析成像算法研究

针对电容层析成像(electrical capacitance tomography,ECT)逆问题求解的病态性和不适定性,在压缩感知(compressed sensing,CS)的基础上,提出一种改进FOCUSS的ECT重建算法。采用离散余弦变换(DCT)基将原始图像灰度信号进行稀疏化处理,在使用正则化FOCUSS算法求解的过程中引入拟牛顿法逼近求解中间稀疏变量,以提高信号重构的准确性。仿真实验结果表明,同LBP、Tikhonov和Landweber和FOCUSS算法相比,改进的FOCUSS算法能够有效区分物场中的不同介质,改善图像过度平滑的问题,减小图像误差至0.23,提高图像相关系数至0.80,具有更好的成像效果,为ECT图像重建算法的研究提供新的思路。     

一种基于正则化参数自适应选择的快速近似求逆的图像恢复新算法

本文根据正则化恢复中正则化参数应具有的性质,提出了一种基于正则化参数自适选择方案的新的空域迭代恢复算法。     

一种改进的正则图象

把正则图象的误差分成两部分：一部分为逼近误差，它是和原图象相关的确定型误差，另一部分为噪声传递误差，它是和噪声相关的随机型误差．通过正则图象代替原图象，求得逼近误差的近似值，然后将逼近误差近似值补给正则解，得到改进型正则解．对正则解以及逼近误差的计算，提出了快速算法，并有严密的理论推导．实验结果表明改进型正则图象的恢复效果优于传统正则解．在一敷的正则化方法中，可以借鉴本文提到的方法改进正则解．     

改进双边滤波和阈值函数的图像增强算法

针对基于单尺度Retinex算法产生的图像泛灰现象和光晕现象、基于双边滤波Retinex算法的泛灰现象及噪声放大现象。提出基于小波变换的改进双边滤波的Retinex图像增强算法和改进阈值函数去噪算法。该方法对图像进行小波分解,获得图像的低频和高频系数;采用改进双边滤波的Retinex算法对图像低频系数进行处理,采用改进阈值函数对高频系数进行处理;采用离散小波反变换得到增强后的重构图像;对重构图像进行分段性线性变换,增强图像对比度。实验结果表明,该方法避免了图像泛灰和光晕现象,并有效去除了噪声,细节丰富,对比度强,为图像后续处理奠定基础。     

过完备字典稀疏表示下的RAMP重构算法

压缩感知理论将采样理论与压缩理论合二为一,成为最近几年来的研究热点。主要依据图像的稀疏性或是可压缩性的特点,使用K-均值奇异值分解（K-Means Singular Value Decomposition,K-SVD）算法训练获得过完备字典,使用高斯随机矩阵作为测量矩阵,最后通过正则化自适应匹配追踪算法作为压缩感知重构算法,提出了K-SVD过完备字典的正则化自适应匹配追踪算法（KSVD Regularized Adaptive Matching Pursuit,KSVD-RAMP）。通过对重构图像的峰值信噪比、重构时间、相对误差等客观评价指标以及主观视觉上对所提算法以及传统的贪婪算法做对比。实验结果表明,该算法比基于离散小波稀疏表示的RAMP算法的峰值信噪比提升了2~6 dB。因此,该算法重构出的图像不管在视觉效果上,还是在客观评价指标上都有一定的改善。     

基于回代信赖域的电阻层析成像算法

针对电阻层析成像(ERT)技术中反演问题的病态性,提出一种改进的回代信赖域算法BTR(Backtracking Trust Region),并将其应用于气/水两相流的可视化测量。该算法通过信赖域算法获得迭代方向,通过回代技术获得迭代步长,可在减小重建误差的同时,提高成像速度。利用Comsol软件进行仿真,并设计ERT系统对各种典型流型进行测量,验证了算法的可行性。通过与Landweber算法、共轭梯度算法和现存的信赖域算法的比较,证明本文方法明显改进了成像精度和实时性。     

一种基于NSCT分解的图像插值算法

由于成像系统内部和外部的因素,使得获取的图像产生退化。为了尽可能地保持CCD图像的基本信息,提高图像的视觉效果和空间分辨率,同时克服传统插值算法存在的缺陷,提出了一种基于非采样Contourlet变换(Non-Subsampled Contourlet Transform,NSCT)分解的图像插值算法,利用NSCT提取高频成份,原始低分辨率图像经过双线性插值放大充当低频部分,再经过NSCT逆变换得到放大后的高分辨率图像。实验结果表明,相对于传统的双线性插值算法,所提出的基于NSCT分解的图像插值算法考虑到全局相关性,得到了更加清晰的边缘信息,从而得到更好的图像插值放大后的视觉效果。     

一种根据图像能量调整的图像融合方法

针对传统图像融合算法无法对能量差异较大的图像取得良好融合效果的问题,文中根据图像的能量划分,利用多尺度变换和稀疏表示相结合的方式分解两幅图像的高低频信号,在低频部分自动调整不同能量图像块的稀疏融合规则,并在高频部分加入一致性检验,从而进一步约束对应局部空间能量MSD系数的复合过程,最后通过小波逆变换重构得到融合图像。使用红外图像、医学图像和多聚焦图像分别进行融合性能的验证,并分析稀疏分解层数和窗口步长等条件对融合效果的影响,最终取得该框架下的最优分解方式,获得了具备优秀的主观效果和客观指标的融合图像。实验结果表明,该算法在对任意两种类型传感器获得的图像进行融合时均能获得更加优秀的融合效果,且不仅局限于某两种图像的融合,其在SF,SSIM和EFQI等客观指标上优于传统融合算法和一般多尺度结合稀疏表示的算法。     

双边全变分的自适应核回归超分辨率重建

正则化方法是目前解决超分辨率重建中病态问题的一种被广泛使用的方法。在分析了现有基于多种正则化超分辨率重建方法的基础上,构造了一种基于双边全变分（BTV）的自适应核回归滤波核,并将它作为正则化超分辨率重构的代价函数,该方法根据图像特征自适应生成正则项的滤波核函数。实验结果表明,与传统的正则化重建方法相比较,该算法既能有效地去除噪声,也能很好地保留图像细节部分,同时还具有一定的鲁棒性。通过客观和主观评价表明,图像重建质量有显著的提高。