基于谱间结构相似先验的高光谱压缩感知重构

在高光谱压缩感知重构中,充分利用图像的先验信息能有效提升算法的重构精度。现有重构算法均未考虑高光谱图像的谱间结构冗余信息,该文提出一种基于谱间结构相似先验的高光谱压缩感知重构方法。该方法通过谱间结构冗余定义高光谱结构图像,以结构图像为基础,设计一个压缩感知重构正则项,再结合高光谱图像的空间相关性和谱间统计相关性,提出一种新的压缩感知高光谱图像联合重构方案,并设计一种基于变量拆分的有效的求解算法。实验表明,在相同观测值数目下,该文算法的重构质量明显优于现有算法。     

基于多层小波变换的压缩感知图像快速复原算法研究

为了能够有效地改善低码率压缩图像的主客观质量,减少图像复原所需观测数据量,节约存储空间和计算量,提出了一种基于多层小波变换的压缩感知图像快速复原算法。该算法将压缩感知理论中的信号重构方法运用于图像复原领域,建立基于压缩感知的图像复原模型,通过少量低维投影空间的测量值并根据信号稀疏表示的先验知识对信号进行精确或高概率的复原。通过Matlab进行实验仿真,结果表明,该算法与传统的图像复原算法相比,通过相同的观测数据量可以获得更高的PSNR,复原效率也得到了提高。     

视觉传达技术的多光谱图像高效压缩方法

多光谱图像包含了大量冗余信息，影响多光谱图像存储和传输，为了减少多光谱图像存储空间，提高多光谱图像传输速度，提出了基于视觉传达技术的多光谱图像高效压缩方法。首先采用多光谱图像，并采用视觉传达技术对多光谱图像进行去噪和增强处理，提高多光谱图像质量，然后运用卷积神经网络设计多光谱图像压缩模型，对光谱图像进行有效压缩，最后与经典方法进行了多光谱图像压缩对比实验，结果表明本方法能够实现多光谱图像高效压缩，压缩时间控制20 ms以内，而且多光谱图像压缩率超过40%,远远高于对比方法，同时可以保证压缩后多光谱图像质量，具有十分明显的优越性。     

基于光谱成像技术的地理遥感信息三维显示研究

考虑地理遥感图像尺度空间极点这样一种二维观测数据,通过光谱成像技术实现地理遥感信息的三维显示,对于提高地理遥感图像重建质量具有重要应用价值。以光谱成像原理为基础,通过高斯差分函数利用卷积创建光谱成像技术获取的地理遥感图像尺度空间,利用高斯金字塔采用降采样计算获得尺度空间各层金字塔,通过对金字塔内的每张图片实行差分运算,获得地理遥感图像尺度空间极值点;将该极值点作为二维观测数据中的一种,依据二维观测数据基于压缩感知理论以及采用编码孔径快照光谱成像系统完成地理遥感图像信息的光谱压缩采样后,采用两步迭代收缩阈值重建法重建三维光谱图像。实验验证该方法重建的地理遥感图像信噪比高、重建效率和精度高。     

压缩感知在多源图像融合中的应用

针对全采样传统图像融合方法中计算量大、时间复杂度高的问题,提出了一种基于压缩感知(CS)理论的多源图像融合模型。为满足一定的稀疏性,将源图像在过完备二维离散余弦变换(DCT)字典上进行稀疏表示,并通过随机观测得到待融合的观测值;在每一图像块上采用基于标准差的方法自适应地计算融合权值,加权合成融合后的观测值,然后利用改进步长的梯度追踪算法求解稀疏系数,得到最终融合图像。实验结果表明：与传统方法相比,提出的融合模型在减少计算量和存储容量的同时,能更好地从源图像中提取信息,获得效果较好的融合图像。     

基于空间约束高斯混合模型的EPLL自然图像复原

为了提高基于块先验的自然图像复原效果,有效去除图像中的噪声和模糊,提出了一种基于空间约束高斯混合模型的块似然对数期望(Expected Patch Log Likelihood, EPLL)复原框架。基于图像块的空间分布信息,将图像块的空间约束高斯混合统计特性作为先验,在图像块复原的基础上实现整幅图像的全局优化复原。对比相关的图像复原方法,提出的方法去噪和去模糊效果更好,并且保图像细节。利用客观性能指标对复原结果进行评价。实验结果表明,提出的方法有效易行,而且复原图像表现出良好的可视效果。     

基于非均匀采样和方向扩散的指纹图像压缩感知

提出了一种新的指纹图像压缩感知方法,采样点比传统压缩感知(CS)方法更少。提出了一种交替使用高倍采样块和低倍采样块的非均匀采样方案。首先,根据从指纹图像训练得到的冗余字典,利用正交匹配追踪(OMP)算法恢复初始图像。然后,根据方向扩散法用高质量的低倍采样块来提升高倍采样块的质量。实验结果表明,该方法显著优于两种现有的知名压缩感知方法。     

基于边缘剔除的陆基高光谱图像噪声评估方法

为了准确地对陆基成像条件下高光谱图像的噪声水平进行评估, 提出了一种基于边缘剔除后残差调整的局部标准差法。首先将获取的高光谱图像分成若干个大小合适的子块, 而后利用Canny边缘检测算子检测出图像的边缘信息, 判断并剔除其中含有边缘的子块, 将剔除边缘子块后的均匀子块采用多元线性回归后求取残差的方法进行噪声估计。结果表明, 对同一幅陆基高光谱图像的不同子区域进行4×4像元与8×8像元分块, 得到的噪声总误差值分别为1.985×103与2.197×103。该噪声估计方法对陆基成像条件下高光谱图像的噪声评估具有较强的鲁棒性, 可为后续陆基高光谱图像处理与应用提供参考。     

视觉传达技术的多光谱图像高效压缩方法

通过对多光谱图像压缩处理，降低存储空间并提高图像存储质量，提出基于视觉传达技术的多光谱图像高效压缩方法。采用二维小波变换进行多光谱图像的细节层结构融合处理，提取多光谱图像的向量量化特征分布集，采用低频特征分解和视觉传达融合技术实现对多光谱图像的冗余性处理，通过图像编码和子空间降噪技术建立多光谱图像的压缩编码模型，采用结构信息特征重组和无损压缩传输技术实现对多光谱图像的视觉传达重构和多重特征压缩。仿真测试表明，采用该方法进行多光谱图像压缩的无损性较好，对细节特征的保留能力较强，图像码字和原始矢量的匹配度较高，可有效保留图像的细节分量的同时降低了图像的存储开销。     

基于压缩感知理论的波段重构方法

针对高光谱图像数据量大、信息冗余多、传输难度大等问题,从波段压缩采样入手,通过采样数据重构出原始波段,提出一种基于压缩感知理论的波段重构方法。压缩感知理论是一种在不遵循奈奎斯特采样定理的情况下,能够高精度重构出原始信号的新型压缩采样理论。由于高光谱图像谱间相关性高,具有很强的稀疏性,故可将压缩感知理论用于高光谱数据的波段重构,仅选择少量波段,便能够重构得到原始高光谱数据。实验结果表明,压缩感知理论能够对高光谱图像波段维进行压缩与重构,并可达到较高的重构比例,同时获得较高的重构效率,且重构数据光谱曲线与原始数据光谱曲线的波形一致度高。     

基于自适应分块的高光谱图像压缩感知重构方法

在对高光谱图像采样重构的研究中，整体采样和固定分块采样没有考虑到高光谱图像复杂的纹理特征分布，使用了相同的测量矩阵导致图像的重构质量较差。针对此问题，该文提出基于2维图像熵自适应分块压缩感知重构方法(ABCS-IE)，该方法以图像2维熵作为高光谱图像纹理细节的度量，根据图像的纹理细节分布自适应改变图像子块的大小，然后为不同的图像块分配特定的采样值，根据分配的采样值设计专有的测量矩阵对图像块进行压缩测量，将采样测量值代入重构算法中进行重构。实验结果表明，与整体采样重构和固定分块采样重构相比，将该方法应用到压缩感知重构算法中对高光谱图像进行采样重构后，重构的图像在视觉效果上有明显的提高，取得的峰值信噪比(PSNR)和结构相似度(SSIM)最大，采样率为0.4时，PSNR提高了2～4 dB,SSIM最大提高了0.27，均方根误差(RMSE)和信息熵差值(ΔH)也有所降低，说明重构的图像更加接近原始图像。而且运算时间也减少了1～1.5 s。可见，该方法能充分利用高光谱图像的纹理特征，有效提高图像的重构质量，同时减少重构的运算时间。     

基于改进PCNN的压缩感知域图像融合

() （）基金项目：。摘要：提出了一种压缩感知域基于改进PCNN的图像融合算法。根据压缩采样得到待融合图像的压缩观测值,建立改进PCNN模型,即利用压缩观测值的物理意义对PCNN中连接系数,加权矩阵和特征参数进行自适应设定。并将压缩观测值作为改进PCNN神经元输入获取点火映射图作为融合算子,对源图像观测值融合后进行重构得到融合图像。实验结果表明,该算法克服现有压缩感知图像融合算法细节丢失的缺陷,主客观评价优于现有压缩感知图像融合算法。     

基于正交基压缩感知的激光雷达遥感图像重构研究

在压缩图像重建过程中,针对重构效果不理想、耗时较长等问题,提出基于正交基压缩感知的激光雷达遥感图像重构方法。对激光雷达遥感图像进行预分块处理,分别计算不同图像块的纹理复杂度,当图像块纹理复杂度低于设定阈值时,选取最佳采样频率对不同的图像块进行观测采样,当图像块的纹理复杂度高于设定阈值,需要再次进行分块,并且重复上述步骤,直到获取最小图像块,则停止分块。通过观测采样结果,设定滤波,选取信号阈值,引入共轭梯度下降方法,对不同压缩比下的信号进行重建,实现激光雷达遥感图像重构。分析仿真实验结果可知,所提方法的最高运行时间约为17 min,远低于传统方法,表明方法能够有效提升图像的重构效果。     

基于视皮层全局感知特征的顽健图像散列方法

提出了一种基于视皮层全局感知特征的感知散列方法,图像首先被低通滤波后缩放成预定尺寸,然后图像分割成依赖于密钥的重叠子图像块,每块根据人类视觉系统主视皮层的层次结构,抽取图像经视觉通道逐层处理后的方向轮廓响应,并与表面颜色信息联合形成视皮层的全局感知特征,这些特征包含了每个图像块的方向、颜色信息,使得相邻系数的关系在通常的图像处理下保持不变,利用这种不变性将所有图像块的特征信息量化、置乱后形成二值图像散列.实验表明提出的方法对JPEG压缩、图像滤波等内容保持操作具有较好的顽健性,同时具有检测恶意篡改的能力,不同图像之间具有很低的共谋概率.     

一种基于迭代运动估计的全景稳像系统

提出一种图像全景补偿输出的实时稳像系统.首先,提出了基于子区域运动迭代的全局运动估计算法,来快速有效地求取图像平面的仿射运动参数:在求取各子区域运动时,采用灰度投影相关的三点自适应搜索策略,结合大小搜索步长,进行由粗到细的搜索定位;然后将各子区域运动带人6参数仿射运动模型,通过最小二乘迭代,去除误差较大块即误匹配或前景运动块,从而提高全局运动估计精度.其次,对原始运动矢量序列进行滤波处理,以提取抖动参数:采用Kalman滤波器,一方面较好地平滑运动矢量以降低视频抖动,另一方面有效跟随摄像系统的有意扫描运动.最后,提出图像全景补偿方法,有效改善图像边界信息缺失带来的视觉误差.实验结果表明该系统可以实时处理视频序列的平移旋转等抖动,而且输出全景视频图像保持视觉的完整流畅.     

基于注意力机制的高光谱图像异常目标检测

在航拍视频运动目标检测中，受到场景复杂度和目标多元化因素影响，导致目标检测精度受限，提出基于注意力机制的高光谱图像异常目标检测方法。建立多背景建模约束下的高光谱视频图像采集和参数识别模型，采用场景变化自适应跟踪方法分析目标运动特征参数，提取运动目标高光谱图像的感知场景背景信息、孤立像素点以及边缘特征量，根据孤立像素点的离群特性，采用注意力机制融合判断方法，提取高光谱图像异常目标点的差异性特征值，采用模糊度特征匹配和场景稠密度色彩分割方法，实现高光谱图像异常目标的动态检测和分离。仿真测试结果表明，采用该方法进行高光谱图像异常目标检测，在虚警率为0.09,检测概率0.94时达到了最好的检测效果，检测的平均耗时为16.34 s。     

一种基于神经网络的图像复原方法

提出了一种基于BP神经网络的图像复原算法.在分析图像模糊机制的基础上,为了降低输入维数,该方法采用滑动窗口操作来提取特征,同时为了加快训练速度和改善网络复原效果,首先对图像进行边缘提取,对图像内边缘区域和平坦区域分别采用滑动窗口获得训练集.利用BP神经网络的学习能力,通过训练,建立含有退化信息(高斯模糊)的模糊图像和清晰图像之间的映射关系模型,利用该模型对模糊图像进行复原,得到的复原图像在视觉上和定量分析上都获得了较好的效果.     

快速图像序列人脸提取算法

主要针对背景静止的新闻视频序列进行处理,首先对序列图像做运动检测,接着得出运动目标的投影定位,然后仅在定位区域利用马氏距离进行肤色相似度检测,继而通过闭运算填充部分缝隙与空洞,并用区域标记及人脸结构过滤剔除非人脸区域,最后采用横向填充复原图中的人脸,实现人脸的快速提取。     

基于压缩感知的鲁棒可分离的密文域水印算法

为了满足密文域水印嵌入的需要,该文基于压缩感知技术,提出一种鲁棒可分离的密文域水印算法。首先,内容拥有者将图像进行不重叠分块,利用边缘检测手段划分重要块和非重要块。重要块用传统加密方式进行加密,非重要块用压缩感知技术进行加密,同时为水印嵌入留出一定空间,然后根据嵌入密钥,实现二值水印的密文嵌入。在接收端获取图像内容和水印的方式是可分离的,同时根据含水印的密文图像块的像素分布特性可重新判断块的属性,避免了传输块属性信息。此外,水印信息重复4次嵌入在密文图像的不同区域,保证了水印的鲁棒性。实验结果显示所提方案在抵抗适度攻击时具有鲁棒性和安全性。     

视觉传达技术的低分辨激光图像重建研究

研究视觉传达技术的低分辨激光图像重建方法,解决重建图像边缘不清晰,视觉效果不佳等问题。利用灵敏度差分算法归类划分低分辨率激光图像,确保图像信息具有有效性,保证计算转换后数据的准确性,得到具有较高实质效果的低分辨率激光图像;将压缩感知理论用于超分别率重建技术重建改善实质效果的低分辨率激光图像,利用两步迭代收缩算法结合全变分正则化方法,保证重建后的激光图像具有良好的边缘效果。实验证明,重建后的激光图像边缘清晰,峰值信噪比最高可达34 dB、结构质量相似度与归一化互相性均可达到99.6%以上,具有良好的视觉传达效果。