基于多孔多方向小波的SAR图像正则化超分辨重构

针对SAR图像超分辨重构问题,建立了基于多孔多方向小波域的正则化模型。在选取正则化参数时,提出一种自适应确定方法,该方法无需知道噪声大小和图像的先验知识,提高了确定正则化参数的准确性;求解模型时用FR共轭梯度法来改善算法的收敛性。最后将该算法分别与空域中正则化算法和小波域及轮廓波域中正则化算法进行了比较,仿真实验结果表明,该算法较好地再现了各种边缘信息,其重构结果均优于其他三种方法。     

基于低分辨率图像的自适应超分辨率重构算法

提出一种适用于内部独立运动、静态等多种模型的、基于多幅低分辨率图像的超分辨率重构算法。该算法赋予各低分辨率图像不同的权重和正则化参数,在每次迭代时对权重系数和正则化参数进行更新,采用松弛迭代法得到最优解,从而获得重构图像。实验结果表明,该算法获得的重构图像效果优于双三次B样条插值法和传统的最大后验概率估计方法。     

应用粒子群优化算法选择正则化参数

对正则化方法中正则参数的选择进行了研究,提出了利用粒子群优化算法获取正则参数的方法,通过数值模拟实验,对比了该方法与遗传算法,通过图像恢复实验,比较了传统正则化滤波方法和所提出的方法,实验结果表明,所提出的方法在处理不适定问题时更具有优越性,是一种实用有效的方法。     

基于稀疏优化lp正则化的光滑化拟牛顿算法

压缩感知被广泛应用于信号恢复和图像重构与去噪,重构算法是压缩感知的关键部分之一。当采样率很低时,重建原始信号是个困难的问题。对此,现有算法普遍表现不佳。采用[p(0相似文献   

受昆虫复眼系统启发的图像重构算法

虽然基于像素重排列的迭代反投影算法已经在TOMBO模型构建时提出,但是该方法需要大量的迭代次数,同时在噪声平滑效果上还有待于改进。因此一种正则化的迭代反投影算法被提出为该系统重构图像。采用自适应的总变差正则化因子和双边总变差正则化因子来正则化迭代反投影算法。自适应总变差正则化因子根据图像的当前信息来选择参数,因此用该因子正则化后的迭代反投影算法可以在平滑噪声的同时保留高频成分。而双边总变差正则化因子是依据像素点的最邻近领域和次邻近领域来判别该点是否为噪声点,考虑了更多的图像信息,从而可以跨过边缘平滑噪声。同时双边总变差正则化因子可以大大地加速重构的过程。实验是建立在仿生复眼图像上,实验结果证明了这两种正则化的迭代算法的有效性。     

小波域噪声分布估计的自适应正则化图像恢复

提出一种正则化图像恢复中自适应选择局部正则化参数的方法．首先提出局部正则化参数的大小应正比于降质图像局部噪声方差;然后在小波域内给出一种估计降质图像局部噪声方差的算法;最后根据小波域噪声方差估计值的分布自适应地确定局部正则化参数．实验结果表明,对于存在多种类型噪声的降质图像,文中方法对噪声方差的估计在分布上与真实噪声一致,而在恢复效果上则要优于Katsaggelos所提出的方法．     

基于压缩感知的自适应正则化磁共振图像重构

当前基于压缩传感理论的正则化磁共振(CS-MR)图像重构算法普遍采用全局正则化参数,不能很好地在保持边缘和平滑噪声方面做出平衡。为此,提出一种自适应的正则化CS-MRI重构算法。结合图像稀疏性和其局部光滑性的先验知识,采用非线性共轭梯度下降算法求取最优化问题,并在迭代过程中自适应地改变局部正则化参数。新的正则化参数可以更好地恢复图像边缘,并且有利于平滑噪声,使代价函数在定义域内具有凸性;同时先验信息包含于正则化参数中,以提高图像的高频成分。实验结果表明该算法能有效权衡恢复图像边缘和平滑噪声两者的关系。     

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。     

求解Symm积分方程的信赖域Lanczos法

Symm积分方程在位势理论中具有重要的作用,它是Hadamard意义下的不适定问题.本文基于信赖域算法并结合Lanczos迭代方法,得到了Symm积分方程的数值解法,与通常的正则化方法相比,在数据出现噪声的情况下,该方法克服了正则化方法中正则参数选取的困难,同时具有较高的精度.     

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。     

采用噪声自适应正则化的图像重建的仿真研究

针对图像分辨率过低的情况,传统的全局正则化方法未能有效地分辨图像的细节,尤其是图像的边缘问题,根据图像的降质模型,基于正则化方法,并结合降质图像模型,采用迭代的方式确定局部正则化参数代替全局化的正则化参数,提出一种基于噪声的自适应正则化方法的图像重建.再次通过Matlab软件仿真,对比全局正则化和新的基于噪声自适应正则化图像重建的结果,仿真实验证明该方法能够克服传统的正则化方法的局限性,并能够很好地复原图像的边缘细节.     

基于Abdou算子的空间自适应图像去模糊算法

在数字图像去模糊的正则化求解过程中,为了更好地保持图像的边缘和纹理,抑制振铃效应,需要结合图像不同空间位置的信息,自适应地调节正则化参数。通过引入Abdou算子计算图像中每个像素的梯度幅值,并考虑人类的视觉系统特性,构造出空间域上的加权矩阵s,从而对正则化参数自适应加权,并采用共轭梯度法进行去模糊求解。与Lagendijk提出的基于局部方差构造加权矩阵的复杂计算不同,基于Abdou算子求解的方法简单可行,去模糊效果良好。     

Weight assignment for adaptive image restoration by neural networks

This paper presents a scheme for adaptively training the weights, in terms of varying the regularization parameter, in a neural network for the restoration of digital images. The flexibility of neural-network-based image restoration algorithms easily allow the variation of restoration parameters such as blur statistics and regularization value spatially and temporally within the image. This paper focuses on spatial variation of the regularization parameter. We first show that the previously proposed neural-network method based on gradient descent can only find suboptimal solutions, and then introduce a regional processing approach based on local statistics. A method is presented to vary the regularization parameter spatially. This method is applied to a number of images degraded by various levels of noise, and the results are examined. The method is also applied to an image degraded by spatially variant blur. In all cases, the proposed method provides visually satisfactory results in an efficient way.     

一种获取正则化参数的新方法

提出了一种获取正则化参数的新方法。利用随机理论解决正则解模糊误差能量期望值最小化问题,确定正则化参数。对正则化算子给定为Laplacian算子的情形予以测试,实验结果表明该文的恢复技术比传统方法的恢复性能好,恢复效果接近最佳且性能稳定。     

空域中退化图像恢复的有效算法

在作者先行研究工作－频域正则化参数自适应修正模式的基础上,对退化图像的空域正则化恢复提出了隐式迭代算法及改进的近似求逆技术,并对隐式迭代过程中解的稳定性与逼近性给予了分析。试验表明,在迄今的所有退化图像空域恢复技术中,该算法是十分成功的,它的高质量恢复图像与合理的机时开销,有助于在大型机器上实现实量高质恢复。