基于频率加权张量核范数的高光谱图像复原

目的 高光谱图像复原是高光谱领域中一个重要的预处理步骤,能够有效去除成像条件所带来的不利影响,提升后续处理任务的精度。张量核范数被广泛应用于高光谱复原问题中,得到了较好的结果。然而,在张量核范数的定义中,它对张量所有奇异值使用相同的阈值进行收缩,未充分考虑高光谱的物理意义,得到了次优的结果。为了提升高光谱图像复原的精度,本文提出了基于频率加权张量核范数的高光谱复原算法。方法 在张量的频率域内,对清晰的高光谱图像添加噪声,图像信息在低频部分变化较小,而在高频部分变化巨大。基于这样的物理意义,定义了一种频率加权张量核范数来逼近张量秩函数,提出了频率域权重的自适应确定方法,让其能减少对低频部分的收缩,同时加大高频部分惩罚。然后将其应用于高光谱图像复原和去噪问题中,并基于交替方向乘子法设计了相应最小化问题的快速求解算法。结果 在4个高光谱数据集上与相关方法进行对比仿真实验,高采样率条件下在Washington DC Mall数据集上,相比性能第2的模型,本文模型复原结果的PSNR （peak signal-to-noise ratio）提升了1.76 dB;在Stuff数据集上,PSNR值提升了2.91 dB。高噪声条件下,在Pavia数据集上相比性能第2的模型,本文模型去噪结果的PSNR提升了8.61 dB;在Indian数据集上,PSNR值提升了10.77 dB。结论 本文模型可以更好地探索高光谱图像的低秩特性,使复原的图像在保持主体信息的同时,复原出更多图像纹理细节。     

基于反馈稀疏约束的非负张量分解算法

为了充分利用图像本身的结构信息并充分压缩图像数据,把得到的子空间中数据(反馈)的稀疏性作为约束项加入非负张量分解目标函数中,即采用基于反馈稀疏约束的非负张量分解算法对图像集合进行降维。最后,将该算法应用于手写数字图像库中,实验结果表明所提出的方法能有效改善图像分类的准确性     

Group recommendation based on a bidirectional tensor factorization model

Capturing the preference of virtual groups that consist of a set of users with diversified preference helps recommend targeted products or services in social network platform. Existing strategies for capturing group preference are to directly aggregate individual preferences. Such methods model the preference formation of a group as a unidirectional procedure without considering the influence of the group on individual’s interest. In the context of social group, however, the preference formation is a bidirectional procedure because group preference and individual interest are interrelated. In addition, the influence of group on individuals is usually distinct among users. To address these issues, this paper models the group recommendation problem as a bidirectional procedure and proposes a Bidirectional Tensor Factorization model for Group Recommendation (BTF-GR) to capture the interaction between individual’s intrinsic interest and group influence. A Bayesian personalized ranking technique is employed to learn parameters of the proposed BTF-GR model. Empirical studies on two real-world data sets demonstrate that the proposed model outperforms the baseline algorithms such as matrix factorization for implicit feedback and Bayesian personalized ranking.     

基于PCNN图像因子分解的X线医学图像增强

提出一种基于人眼视觉特性和改进的PCNN图像因子分解的X线医学图像增强算法。利用一种改进的PCNN图像因子分解算法对图像进行因子分解,得到细节程度由粗糙到精细的 一系列图像因子。分别对各层图像因子平滑滤波获得图像因子增益矩阵,根据图像因子的局部对比度是否达到由人眼视觉特性得到的对比度阈值进行自适应调节增益矩阵,对每层 图像因子增强后重构即可得到增强图像。经过对不同X线医学图像进行实验仿真,并对比一些常用图像增强算法,取得了较好的增强效果。     

Accelerated image factorization based on improved NMF algorithm

Non-negative matrix factorization (NMF) is widely used in feature extraction and dimension reduction fields. Essentially, it is an optimization problem to determine two non-negative low rank matrices \(W_{m \times k}\) and \(H_{k \times n}\) for a given matrix \(A_{m \times n}\), satisfying \(A_{m \times n} \approx W_{m \times k}H_{k \times n}\). In this paper, a novel approach to improve the image decomposing and reconstruction effects by introducing the Singular Value Decomposing (SVD)-based initialization scheme of factor matrices W and H, and another measure called choosing rule to determine the optimum value of factor rank k, are proposed. The input image is first decomposed using SVD to get its singular values and corresponding eigenvectors. Then, the number of main components as the rank value k is extracted. Then, the singular values and corresponding eigenvectors are used to initialize W and H based on selected rank k. Finally, convergent results are obtained using multiplicative and additive update rules. However, iterative NMF algorithms’ convergence is very slow on most platforms limiting its practicality. To this end, a parallel implementation frame of described improved NMF algorithm using CUDA, a tool for algorithms parallelization on massively parallel processors, i.e., many-core graphics processors, is presented. Experimental results show that our approach can get better decomposing effect than traditional NMF implementations and dramatic accelerate rate comparing to serial schemes as well as existing distributed-system implementations.     

Multi-exposure image fusion based on tensor decomposition

Multimedia Tools and Applications - In this paper, a multi-exposure image fusion (MEF) method is proposed based on tensor decomposition and saliency model. The main innovation of the proposed...     

迭代张量高阶奇异值分解的图像恢复方法

为了有效地对图像缺失数据进行恢复, 提出一种迭代张量高阶奇异值分解（HOSVD）图像缺失数据恢复方法。该方法首先利用拉格朗日乘子方法将张量核范数目标函数进行子问题分解操作, 简化了求解过程, 然后迭代地采用张量高阶奇异值分解阈值方法进行子问题求解, 最终得到恢复后的图像缺失数据。将矩阵奇异值阈值算法进行扩展而得的HOSVD阈值方法充分利用了图像内部和图像与图像之间的多重约束关系, 大大提高了恢复精度。模拟实验和真实图像实验结果显示该方法具有良好的缺失数据的恢复性能。     

基于ranking的深度张量分解群组推荐算法

针对当前群组推荐研究中,对于用户偏好建模时大多忽略了群组偏好与个人偏好之间的相互影响以及建模初始化问题,提出了一种基于ranking的混合深度张量分解群组推荐算法（R-HDTF）。该算法首先利用基于深度降噪自动编码器的混合神经网络对群组、个人和项目等信息进行初始化;然后提出基于成对张量分解模型来捕获群组、个人和项目之间的相关关系;最后,采用BPR标准优化张量分解的损失函数,学习提出算法的参数。在真实数据集上的实验结果表明,该算法性能优于传统的主流群组推荐算法。     

基于多字典学习和图像块映射的超分辨率重建

针对单一冗余字典在稀疏表示图像超分辨率重建结果出现不清晰、伪影以及重建过程编码效率不高、运算时间过长的问题,提出一种基于多字典学习和图像块映射的超分辨率重建方法。该方法在传统稀疏表示的框架下,首先探索局部图像块的梯度结构信息,按梯度角度将训练样本块分类;然后为每个子类样本集学习高低分辨率字典对,再结合最近邻思想应用生成的字典,为每个子类计算从低分辨率块到高分辨率块映射的函数;最后将重建过程简化为输入块和映射函数的乘积,在保证提高重建质量的同时减少了图像重建的时间。实验结果表明,所提算法在视觉效果有较大的提升,同时与锚点邻域回归算法相比,评价参数峰值信噪比(PSNR)平均提高约0.4 dB。     

A survey on hyperspectral image restoration: from the view of low-rank tensor approximation

The ability to capture fine spectral discriminative information enables hyperspectral images(HSIs) to observe, detect and identify objects with subtle spectral discrepancy. However, the captured HSIs may not represent the true distribution of ground objects and the received reflectance at imaging instruments may be degraded, owing to environmental disturbances, atmospheric effects, and sensors’ hardware limitations. These degradations include but are not limited to complex noise, heavy stripes, ...     

基于改进卡尔曼滤波的盲图像恢复

为了解决在获取数字图像过程中发生的图像质量下降（退化）的问题,需要使用图像恢复技术进行图像重建。针对未知点扩散函数(PSF)的盲图像恢复,首先利用倒频谱的方法估计模糊图像的点扩散函数,然后再利用改进的卡尔曼滤波方法对图像进行恢复。倒频谱方法是将模糊图像分成反映原图像信息和反映模糊系统信息的两部分相加的形式,通过分析两者的关系估计出模糊图像的PSF。改进卡尔曼滤波器在估计过程中考虑了系统的模型误差,使其对模型误差具有一定的鲁棒性。通过Matlab进行了数字仿真实验,实验结果表明利用所提出的方法可以有效地减小PSF估计不准确对图像恢复的影响,与传统卡尔曼滤波相比恢复效果较好。     

基于最小二乘支持向量机的模糊图像恢复

针对模糊图像恢复问题,提出了一种基于最小二乘支持向量机的模糊图像恢复算法.该方法利用最小二乘支持向量机的非线性映射能力,通过训练样本对的学习训练,在模糊图像与清晰图像之间建立映射关系对测试样本进行恢复.实际图像恢复实验表明,得到的恢复图像在视觉上和定量分析上都获得了比较好的效果.与神经网络方法相比,最小二乘支持向量机克服了神经网络的模型选择与过学习问题、局部极小问题等.     

基于融合细分的纹理图像重构模型

针对分段迭代曲线拟合存在的重建区域轮廓不连续、重建区域尺寸有误差等问题,提出了一种基于融合细分的纹理图像重构模型.首先提取原始图像的分割区域,经过轮廓跟踪与下采样得到区域形状的特征向量;然后利用三重逼近与三重插值统一的融合细分方法,重建区域轮廓曲线;最后合成区域纹理,得到纹理图像重构结果.在多幅自然场景图像上进行实验验证,并给出相应的实验结果和分析.实验结果表明,所提模型正确有效,具有和人类视觉特性相符合的重构结果; 所提算法能够减少图像重建时的处理时间,并在图像质量主观评价指标上明显优于多区域图像重建算法.     

基于视觉感知的快速雾天图像清晰度复原

针对雾霾恶劣天气状况下获取的图像视觉效果差,本文提出了一种基于视觉感知的快速雾天图像清晰度复原方法,测算大气光学物理模型的两个重要参量。首先采用阈值分割结合二叉树分割的方法拟合较为精准的大气光值,进而采用自适应各向异性型高斯滤波与色调调整方法优化透射率。与算法[1,3,5,8]实验结果表明,本文算法的去雾效果图效果饱和清晰,能够保留清晰的边缘细节和较高的对比度,算法的处理效率高,能满足实际应用需求。     

基于Laplacian算法的水下偏振图像复原

为了解决船舶航行过程中水下图像质量退化的问题,开展了基于偏振成像的图像对比度提高技术和图像增强算法的研究。该技术中提出了基于偏振信息将不同角度的融合图像分解为多尺度的金字塔图像序列,通过高斯卷积和Laplacian Pyramid算法进行图像融合,结合权重融合系数算法实现对偏振图像的细节特征增强处理;并与小波变换图像融合算法进行对比,可以得出该算法明显改善了水下图像的SNR值和SSIM值。实验表明,该水下偏振系统在衰减系数为2.1的海水环境中,水下成像距离达到6 m,能清晰识别水中物体及其特征识别,且系统运行稳定。     

基于正则化技术的超分辨图像盲复原

针对低分辨率图像盲复原中信息不足的问题,可以用正则方法来求解。假设点扩散函数结构已知而参数未知,模糊矩阵可表示为带参数的形式,在Nguyen等人的正则有参盲复原框架的基础上,进一步根据Roberts交叉梯度算子构造正则项,从自适应的角度构造正则化参数,并用迭代法求解该框架的目标泛函极小值。算法分析和实验结果表明,这种方法能取得令人满意的超分辨图像复原效果。     

基于最小鉴别信息的正则化图像恢复方法

提出在正则化图像恢复方法中将图像恢复结果与先验图像的最小鉴别信息作为新的正则化约束.同传统的正则化约束不同,新的约束使得恢复的图像与给定的先验图像具有最相似的灰度分布.同时给出一种自适应确定正则化参数的方法.实验结果表明,新方法在恢复效果上要优于传统的正则化方法,但对噪声则比较敏感.因此,提出在降质图像含有较多的噪声时保留传统的正则化约束,以达到更好的恢复效果.     

基于模糊模式识别的显微图像分类

提出了一种基于贴近度和择近原则的模糊模式识别方法来实现储粮微生物显微图像的判别,该方法充分利用了由于微生物生长时间的长短会连同种菌类间存在差异、不同种菌类存在相似性的这个模糊的特点,引入了模糊集的理论.实验结果表明,该方法的评价结果更符合客观实际,获得了较好的分类效果,同时该方法也丰富了模糊识别理论,拓宽了其应用范围,也为实现储粮微生物在线检测提供了一种新方法,具有一定的应用价值.     

相干光学系统图像复原的各向异性扩散方法

相干光学系统中图像噪声污染严重,提出一种基于各向异性扩散的图像复原模型,该模型的扩散系数从理论上满足Charbonnier等人提出的构造扩散系数准则,同时结合对数变换对相干光学图像进行复原去噪处理。实验结果表明,同SRAD、Lee、Frost、Non-local Means算法和基于小波的BLS-GSM、BM3D等方法相比,该算法可以更有效地进行边缘平滑,而且还能够较好地解决图像边缘和细节失真的问题,不论从PSNR,还是从视觉评价效果来看,该算法都具有一定的优越性。     

基于形态学的金相组织图像晶界复原方法

由于金相图像中经常出现晶界模糊、晶界断开等缺陷,针对晶粒形状不规则的特点,成功改进了基于形态学水域生长方法的分割算法.根据粘连晶粒的形态特征,对粘连目标先后采用极限腐蚀、目标编号和反复膨胀的方法求取晶界线以达到分离粘连晶粒,复原图像的目的.实验结果表明,改进的方法对包括晶粒在内的不规则目标具有较好的分割效果,成功解决了晶界问题对后续分析统计工作的干扰.