一种基于分析稀疏表示的图像重建算法

TV-Wavelet-L1（TVWL1）模型因包含全变分（Total-variation,TV）和小波正则化约束,具有较强的图像重建能力。而传统求解TVWL1模型的算法往往忽略了综合/分析稀疏表示方法的方式。本文提出了一个新的求解TVWL1模型的图像重建算法,该算法把图像重建问题分解为几个子问题并交替求解,利用分析稀疏表示特性构建子问题的求解算法。实验结果表明,与已有算法相比,本文提出的算法可以提高重建图像主客观质量。     

重复加权极小化MR图像模型的分裂Bregman方法重构

核磁共振(magnetic resonance,MR)图像重构的任务是基于小量的频域采样恢复出可供医学诊断的灰度图像.文中研究了各类MR变分重构模型,利用重复加权极小化能增强稀疏性的特性,并结合MR图像重构最有效的小波变分模型,提出了重复加权极小化MR图像重构模型.并借助最新的正则化技术—分裂Bregman方法对模型进行了求解,得到了相应的迭代算法,分析了算法的收敛性.仿真数值实验验证了文中的模型及算法的有效性.     

L0范数的图像修复模型

利用小波紧框架和全变分,提出了一个新的图像修复模型。该模型将稀疏和全变分作为正则项,L0范数作为数据保真项。其充分利用全变分和紧框架各自的优点,即对分片常值和光滑图像有效地逼近,同时保持图像的几何特征不被破坏。由于L0范数不易求解,利用交替方向法将原问题化为两个子问题,并分别对两个子问题给出相应的数值算法。实验结果表明:相比于基于小波紧框架的图像修复方法或基于全变分的图像修的方法,该模型能够获得更好的修复结果。     

基于迭代重加权的非刚性图像配准

非刚性图像配准问题是当今重要的研究课题. 本文提出一类基于能量最小化方法的非刚性图像配准模型, 其中包括单模态和多模态两个模型. 在单模态模型中,正则项采用迭代重加权的L2范数度量, 一方面克服了迭代收敛不同步的问题, 另一方面使新模型既能保持图像的边缘几何结构, 又能避免块效应的产生. 在多模态模型中, 不同模态的图像被转化为同一模态进行处理, 提高了配准的效率. 在模型求解方面, 利用算子分裂和交替最小化的方法, 将原问题转化为阈值和加性算子分裂的迭代格式进行求解. 数值实验表明, 本文的方法对含噪以及变形较大的图像都能实现较好的配准.     

子带选择机制在遥感图象小波融合中的应用

利用小波变换进行多源遥感图像融合的关键是重构过程中高频子带图像的选择.小波重构过程中,一般仅用到多光谱图像的低频信息和高分辨率图像的高频信息,其各自的高频和低频信息则被舍弃.针对这一问题,提出了重构图像方差的子带选择方法,即通过计算相应两个子带重构后所生成的重构图像中的同名像元的窗口方差,然后取方差较大的像元组成新的子带来参与重构.     

小波高频子带变换裁剪阈值SAMP算法研究

文中首先针对离散小波变换（ DWT）破坏了低频逼近系数之间的相关性,导致重构质量变差的问题,提出小波高频子带变换（ HFSBWT）的稀疏表示方法。其次针对稀疏度自适应匹配追踪（ SAMP）算法的原子候选集在每次迭代时成倍增加造成存储空间浪费和重构时间变长等问题,提出裁剪阈值稀疏度自适应匹配追踪（ CTSAMP）算法。最后仿真结果表明：对于同一重构算法,小波高频子带变换的图像重构峰值信噪比提高3 dB左右。在小波高频子带变换稀疏表示后采用裁剪阈值稀疏度自适应匹配追踪算法,重构图像的性能有了明显的提高,重构时间缩短一半。     

Contourlet域方向子带稀疏表示的图像压缩感知

为了提高压缩感知中图像的稀疏表示性能, 提出了一种Contourlet域方向子带稀疏表示的图像压缩感知算法。将图像Contourlet分解后的多个高频子带根据方向正交特点进行重组, 采用随机高斯矩阵对重组后的子带分别进行测量, 实现压缩采样; 利用正交匹配追踪法重建各子带系数, 并进行Contourlet反变换重构原图像。实验结果表明, 在相同采样率下, 算法重构图像的主观视觉效果和峰值信噪比都优于小波压缩感知算法。     

结合级联字典和双层稀疏分解的图像重构

图像重构问题中一个关键的问题是如何选取变换基实现对图像的稀疏分解。根据Meyer图像模型将图像分割为卡通部分（cartoon,or piecewise smooth）和纹理部分（texture）,并用Symlet系列小波基、Contourlet基和离散余弦变换基、波原子分别构造级联字典表示图像的卡通部分和纹理部分。然后利用块坐标松弛法求解优化问题提出结合级联字典和双层稀疏分解的图像重构算法。实验结果表明,与基于单一最佳小波基的重构算法和基于级联字典的匹配追踪算法比较,该算法获得更高的图像重构质量。     

基于稀疏分解的Besov空间上的医学图像反卷积

在稀疏分解框架下, 建立在Besov光滑空间上的图像变分泛函反卷积模型。在负Hilbert-Sobolev空间上约束数据项,正则项用稀疏性和光滑性来约束,冗余字典的L1范数作为稀疏性度量, 用Besov空间上的半范数作为图像光滑性度量, 保证稀疏性的同时也兼顾光滑性。 该模型直接求解很困难,文中采用分裂算子的方法,把原模型分裂成图像域反卷积和稀疏表示这两个模型,交叉迭代求解,并给出模型求解的详细伪代码。 实验验证算法的收敛性,并和其它模型进行比较,结果表明本文模型反卷积效果较好。     

结合小波变换的SFS最小化算法研究

提出了一种结合小波变换的从明暗恢复三维形状的最小化方法,该算法利用图像小波变换各个子频段的不同频率特性和方向特性,分别采用不同的算法重构。在图像被分解后的低频区域采用小波直接提取自然条纹相位,高频区域使用最小化方法重构。这种方法在低频区域避免了SFS最小化方法的假设条件,而高频区域又发挥了它对细节部分重构的优势。实验结果表明该算法比单独使用最小化方法的误差要小。     

图像复原的Bregman迭代双正则化方法

正则化图像复原最终会导致一个大规模优化问题,提出了一种基于Bregman迭代双正则化的图像复原方法。该方法中目标函数同时考虑总变分正则化和小波域稀疏正则化,在Bregman框架下解决图像复原问题,并且给出了用于解该问题的分裂Bregman迭代算法。该算法将复杂的优化问题转化为几十次简单的迭代加以解决,每次迭代只需几次快速傅里叶变换和收缩操作即可。实验结果表明,提出的复原算法不论从客观改善信噪比还是主观视觉,都能取得很好的效果。同时与目前的复原算法相比,该算法有更快的收敛速度。     

基于边缘先验模型的运动去模糊

从单幅运动模糊图像复原出清晰的图像,一直是数字图像处理领域中富有挑战的问题.基于边缘先验模型和小波分析提出了一种运动模糊退化图像的复原算法.在去模糊之前,对图像进行预处理,将噪声去除,用冲击滤波器增强边缘,并采用canny边缘检测获取清晰边缘作为先验模型,以此估计模糊核;然后在紧小波框架系统下,将清晰图像的稀疏性最大化,采用改进的分裂Bregman方法求解最优化问题,最终得到清晰的图像.实验结果表明,相对于传统的盲复原算法,提出的方法可以有效地去除运动模糊.     

基于Curvelet变换的图像压缩感知重构

压缩感知主要采用离散余弦变换(DCT)和正交小波进行图像的稀疏表示,但是DCT时频分析性能不佳,小波方向选择性差,不能很好地表示图像边缘的信息。为此,利用Curvelet变换具有的多尺度、各向奇异性、更高稀疏表示性能等特性,提出基于Curvelet变换的图像压缩感知重构算法,采用Curvelet对图像进行稀疏表示和小波域阈值处理,以此解决信号重构噪声问题。实验结果证明,与传统小波变换和Contourlet变换相比,该算法在Lena图像上峰值信噪比平均提高了1.86 dB和1.15 dB。将Curvelet变换应用于压缩感知,能使图像边缘和平滑部分得到最优的表示,图像细节部分重构效果得到大幅提升,有效提高图像整体重构质量。     

用EMD和小波消噪的加速度信号压缩重构新方法

针对噪声破坏加速度信号稀疏性、降低其压缩感知重构算法性能问题,提出了一种用经验模态分解(EMD)和小波分析联合消噪的加速度信号压缩重构新方法.该方法首先采用EMD和小波阈值联合消噪方法对加速度信号消噪处理,保持加速度信号内在稀疏性;然后基于压缩感知理论和加速度信号块结构信息,采用块稀疏贝叶斯学习算法以高概率重构原始加速度信号.采用USC-HAD人体日常行为数据库中的加速度信号验证本文方法的有效性.实验结果表明,本文所提方法的信噪比和均方根误差明显优于未经消噪处理的压缩感知重构算法,能够有效抑制加速度信号噪声,增大加速度信号稀疏度,提高加速度信号压缩重构算法性能.     

基于压缩感知理论的分类量化图像编码方法*

针对矢量量化压缩速度慢、图像复原效果不理想等问题,根据图像小波分解后高频子带稀疏的特点,提出了一种基于压缩感知（compressed sensing,CS）理论的分类量化图像编码算法。仿真结果表明,与LBG矢量量化编码算法相比,重构图像质量得到极大提升,在相似压缩比下,该算法取得了较好的效果,PSNR 平均有1～3 dB 的明显提高;在相似信噪比（PSNR）下,该算法在图像压缩方面也有很大改进。     

一种基于小波变换的多传感器图像融合优化方法

文中针对小波变换在进行高分辨率图像和多光谱图像融合时,不能同时保持空间信息及光谱信息的问题,提出了一种优化的小波变换图像融合算法。它将高空间分辨率图像和多光谱图像经小波变换后的低频、高频分量先分别进行增强,然后再进行融合,优化了传统的基于小波变换融合方法。并且通过对同一场景的SAR图像和TM图像的融合实验,证明了该算法在有效地保留原图像光谱信息的同时,也很好地保持了空间细节。     

基于小波变换和稀疏表示的图像去噪

传统小波阈值去噪在对图像进行去噪时,并不能很好地保留图像的细节纹理等边缘信息部分.针对这一不足,结合了稀疏表示相关的理论,提出了一种基于小波变换和正交匹配算法相结合的图像去噪算法.首先选取小波函数对含噪图像进行处理,分离出图像的高频和低频小波系数,然后对高频系数结合正交匹配追踪算法,通过多次反复迭代求得高频稀疏分量,再结合低频分量,用逆小波变换得到恢复图像.实验结果表明,在相同的噪声条件下,该算法能取得较好的峰值信噪比(PSNR),获得更好的视觉效果.     

基于改进Canny算子与图像形态学融合的边缘检测方法

传统Canny算法采用高斯滤波会造成图像的过度光滑,容易导致缓变边缘的丢失,而且梯度幅值的计算方法没有充分考虑到3x3邻域内周围像素对中心像素的影响.针对上述存在的问题与不足,结合小波融合技术的优势,提出了一种基于改进Canny算子与图像形态学融合的边缘检测方法,利用改进的Canny算子和图像形态学分别对图像进行边缘检测,然后应用小波融合技术把两种方法检测出来的边缘进行图像融合,得到最终的图像边缘.仿真结果表明,该算法具有较好的抗噪能力,有效地提高了边缘检测的准确性和完整性.     

在小波变换域内实现图像的超分辨率复原

提出了在小波域内实现图像的超分辨率复原的方法，这种方法可以达到自适应边缘保持的目的，算法特点如下：(1)对观测模型实施正交小波变换，获得超分辨率复原问题的空频域描述；(2)采用广义高斯概率模型来构建超分辨率图像的尺度系数和小波系数的先验描述；(3)采用半二次正则化迭代方法来完成小波域超分辨率复原的求解过程。     

航空遥感图像拼接算法及其精度评价

针对航空遥感成像范围小、视差角大的特点,提出一种航空遥感图像拼接算法。通过估算图像相对方位矩阵,使用透视变换实现图像校正,解决大视差角下的畸变问题。利用SIFT算法和基于概率密度的错误匹配点剔除方法,实现高精度图像配准,并通过小波变换完成图像融合工作。实验结果表明,在不同地表情况下,该算法的拼接性能均优于传统SIFT算法。