基于POCS算法的图像超分辨率重建

传统POCS算法对图像进行超分辨率重建时,一般都假设所处理的噪声为零均值的加性高斯白噪声,当噪声为非高斯噪声如椒盐噪声时,POCS算法的重建效果将会下降.针对这一问题,本文对含噪图像首先采用平稳离散小波变换技术进行去噪预处理,然后再用POCS算法重建图像.实验证明,此方法对信噪比较低的图像有很好的重建效果,对高斯及椒盐等噪声处理比较有效.     

基于POCS的超分辨率重建算法研究

针对传统的凸集投影(POCS)算法重建后的结果图像存在边缘模糊的问题,提出了一种通过小波变换与分形插值得到高分辨率初始图像的估计方法。该方法通过对一幅图像进行小波分解得到低频重构图像和高频重构图像,对高频重构图像使用分形插值保留了图像的纹理和边缘信息。仿真实验结果表明,该方法可行有效,改善了图像的边缘特性及整体质量,与传统的POCS算法相比,本文方法提高了重建图像的峰值信噪比。     

一种改善超分辨率图像重建中边缘质量的方法

超分辨率图像重建技术指通过融合多幅变形、模糊、有噪、频谱混叠的低分辨率降质图像来重建一幅高质量高分辨率图像. 凸集投影 (POCS) 算法是一种广泛使用的超分辨率图像重建方法. 本文提出了一种适用于 POCS 算法的改善高分辨率重建图像边缘质量的方法. 该方法将中心在边缘像素的点扩散函数 (PSF) 与一个指数型权值函数相乘, 使得修改的 PSF 系数沿着边缘正交的方向减小. 实验结果表明, 这样的修改有效地保持了边缘的特性, 明显地提高了重建图像的质量     

基于改进POCS算法的视频图像超分辨率重建

超分辨率技术是指通过融合多幅模糊、变形、频谱混叠的低分辨率图像来重建一幅高分辨率图像。本文提出一种基于POCS算法的视频图像超分辨率重建方法。POCS算法是图像超分辨率重建中的一种基本方法,本文在传统POCS算法的基础上,对重建过程中的初始高分辨率图像的估计加以改进,利用双3次插值法来获得初始估计;针对重建过程中容易出现的边缘振荡问题,利用边缘检测和修改PSF函数的方法使之得到解决。实验结果表明,重建后的高分辨率图像在提高分辨率的同时很好地保持了图像的细节。     

基于非局部POCS的超分辨率图像重建

图像获取过程中,受成像系统的影响,无法获取原始场景中所有的信息。超分辨率图像重建技术就是在不改变成像系统的前提下,提高图像质量。POCS(凸集投影算法)可以利用多帧低分辨率图像重建一帧高分辨率图像。然而传统的POCS算法通常会产生"锯齿"边缘。在自然图像中,会存在许多的相似边缘结构。利用局部相似性的结构,可以有效地消除"锯齿"边缘。因此提出一种基于非局部POCS的超分辨率图像重建算法,以有效锐化图像边缘,提高图像的视觉感观。     

基于SIFT的POCS图像超分辨率重建

针对传统的POCS图像超分辨率重建算法中广泛使用的基于改进的Keren配准算法,对于序列帧间存在剪切和非均匀尺度变换现象时,很难做到精确的亚像素级配准,文中讨论了一种基于SIFT算法的POCS序列图像超分辨率重建算法。首先利用SIFT算法提取序列帧与参考帧间的SIFT关键点对,随后选取匹配关键点对,通过RANSAC去除误配点的同时估算出六参数仿射变换参数,最后使用POCS重建算法得到最终的重建结果。实验结果表明：该方法能有效地解决因运动估计不准而引起的重建图像效果不好的问题,特别是在序列帧间存在剪切和非均匀尺度变换现象时,重建效果明显好于传统的POCS算法,具有更强适应性。     

基于加权POCS的图像超分辨率重建

对凸集投影(POCS)图像超分辨率重建算法中的残差修复阈值选取问题进行分析,提出一种基于图像超分辨率重建的改进算法。改变传统POCS算法中固定残差修复阈值模式,通过引入低分辨率图像清晰度这一先验信息,用表征图像相对清晰度的参数控制阈值,从而实现整个重建过程阈值动态选取。实验结果证明,该算法能提高残差计算和阈值选取的针对性,对提升重建图像的清晰度及信噪比具有较好的效果。     

基于边缘优化的 POCS 改进算法

为了从低分辨率图像中获取高分辨率信息,通常情况下采用图像超分辨率技术来获得高分辨率图像。在研究基于重建超分辨率凸集投影算法（POCS）的基础上,分析 POCS 算法的原理流程及其优缺点,提出一种对该算法加入边缘优化因子的算法思想,使用“三次样条”插值算法、中值滤波的处理对算法进行改进。利用 MatLab 进行算法仿真试验,试验结果表明改进算法在超分辨率重建中对图像改善效果明显,具有可行性。     

基于小波变换的图像压缩感知

针对图像变换后系数采样数量和图像重建质量之间的矛盾,从图像的结构和纹理特性出发,提出基于小波变换的图像压缩感知算法.讨论图像经过多尺度小波变换后系数的稀疏性,保留图像变换后的低频系数,只对高频系数进行测量,同时利用正交匹配追踪算法重构高频系数.实验仿真结果表明,该算法能有效提高图像重建质量.     

边界保存的二进小波图像去噪算法

根据小波变换系数与图像边界的关系,提出了一种基于二进小波变换的图像去噪算法。首先用二进小波在不同尺度上分解图像,在低频部分上提取图像边界,根据图像边界与小波系数的关系,估计对应尺度上高频部分的噪声的方差,用Oracle估计子估计图像的二进小波系数,用估计出的二进小波系数重建图像。实验表明,该算法能够有效地去除各种分布的图像噪声。     

基于改进POCS算法的图像重建

利用传统凸集投影(POCS)算法进行图像超分辨率重建时,重建图像的边缘会产生振荡效应。针对该问题,提出一种改进的POCS算法。分析边缘振荡效应产生的原因,根据图像边缘两侧像素差值较大的特点,加权约束中心在边缘像素的点扩散函数,以减少边缘另一侧像素对当前像素的影响。实验结果表明,该算法能消除边缘振荡效应,提高重建图像的峰值信噪比。     

一种基于凸集投影(POCS)的数字图像超分辨率重建算法

该文研究了一种基于凸集投影(POCS)算法的超分辨率图像重建方法,分析了POCS方法恢复图像的理论算法,通过仿真对比了其与双线性插值方法恢复超分辨率图像的差异,仿真结果表明,该方法明显地提高了超分辨率图像的恢复质量。     

基于小波域HMT模型的序列图像超分辨率重建*

鉴于基于小波域隐马尔可夫树的噪声抑制性和较好的边缘保持性,提出一种基于小波域隐马尔可夫树的序列图像的超分辨率重建算法。针对小波系数进行统计建模,讨论了不同尺度小波系数之间的隐马尔可夫树结构,利用了序列图像的运动信息,运用极大后验概率估计和贝叶斯原理,将小波域HMT作为图像先验知识并给出了超分辨率重建算法,最终通过EM算法和共轭梯度算法的交替迭代进行优化计算。实验结果表明方法的重建效果得到了明显的改进。     

基于加速稳健特征匹配和凸集投影算法的超分辨率重建

针对不理想的配准结果会导致超分辨率重建失败的问题,提出了一种基于加速健壮特征(SURF)匹配和凸集投影(POCS)的超分辨率重建算法。该算法首先采用SURF算法进行连续帧图像的配准,估计图像序列的运动位移;然后根据运动估计结果,在POCS理论框架下进行图像重建。实验结果表明,该方法能够较明显地改善图像的视觉效果,获得较丰富的细节信息,且具有较好的噪声抑制能力。     

基于小波不可分离多分辨率的图像重建

文中提出并实现了一种基于小波不可分离多分辨率的重建算法。在图像重建领域内利用小波变换时,是对二维图像进行行和列的依次滤波,需要假定二维信号是关于自变量x和y可分离的,而实际二维信号中大多是不宜分开处理的。在算法中首先将投影数据进行二通道的小波分解,在分解抽样中,使用不同的抽样方法,直接得到小波的近似系数和细节系数,这些系数再经过逆小波变换得到最终的重建图像。基于不可分离多分辨率的小波算法将投影数据进行二通道的小波分解。     

基于旋转不变NL-means迭代优化的CT图像POCS重建方法

鉴于NL-means算法在图像去噪领域的卓越表现,提出一种基于旋转不变NL-means迭代优化的POCS CT图像重建算法.第一步,进行POCS重建,使图像满足投影一致性和非负性,第二步,对重建图像进行旋转不变NL-means优化,平滑均匀区域,保护边缘信息.以上两步交替进行,直到满足停止迭代准则.在稀疏角度和有限角度两种情况下,对该方法进行shepp-logan体模重建实验,通过对重建图像的视觉和指标评估,所提方法能更有效地抑制图像噪声,信噪比更高,重建结果更接近理想图像.     

基于POCS算法的序列图像超分辨率复原技术研究

本文针对POCS超分辨率算法降噪能力差的缺陷,对含噪图像首先利用小波技术进行去噪预处理,然后再用POCS算法复原。实验证明,本文提出的方法对低信噪比序列图像的超分辨率复原有很好的复原效果,并且对各种噪声处理基本有效。     

基于小波不可分离多分辨率的图像重建

文中提出并实现了一种基于小波不可分离多分辨率的重建算法.在图像重建领域内利用小波变换时,是对二维图像进行行和列的依次滤波,需要假定二维信号是关于自变量x和y,可分离的,而实际二维信号中大多是不宜分开处理的.在算法中首先将投影数据进行二通道的小波分解,在分解抽样中,使用不同的抽样方法,直接得到小波的近似系数和细节系数,这些系数再经过逆小波变换得到最终的重建图像.基于不可分离多分辨率的小波算法将投影数据进行二通道的小波分解.     

基于ROAD和小波收缩的MLEM低剂量CT重建算法

针对低剂量CT(Computed Tomography)重建图像质量退化的问题,提出一种基于小波收缩和绝对差值排序各项异性扩散的MLEM(Maximum Likelihood Expectation Maximization)低剂量CT重建算法。算法在每次迭代中首先采用MLEM算法对低剂量CT投影数据进行重建。由于各项异性扩散对噪声敏感,所以算法先对重建后的图像进行小波变换,再在更稳定的低频小波域进行基于绝对差值排序的各项异性扩散处理,对小波高频系数进行软阈值降噪处理。然后将降噪处理后的系数进行小波反变换,得到降噪后的图像。最后使用中值滤波对图像进行处理,从而消除脉冲噪声点。实验结果表明,与其他几种常用重建算法相比,该算法重建的图像信噪比更高,归一化均方误差更小,处理后的图像更清晰,即可以在抑制噪声的同时,较好地保持图像的边缘和细节信息。     

一种新颖的医学图像锐化增强算法

针对医学图像组织间不明显现象,提出了一种基于模糊规则和小波变换的医学图像锐化增强算法。对不同尺度的小波系数进行锐化增强时,首先根据该尺度低频系数中心像素与其邻域像素的相容性利用模糊规则自适应计算非线性细节增益系数。然后把增益系数与细节小波系数相乘,小波重建后得到增强图像。实验结果表明,提出的算法对图像细节进行增强的同时能够有效地抑制噪声。