压缩感知的高分辨率天文图像去噪

为提高高分辨率天文图像的重构质量,在传统压缩感知(compressed sensing,CS)迭代小波阈值算法的基础上,提出了一种基于小波维纳滤波的压缩感知去噪重构算法.该算法的设计方法为:在每次迭代过程中,使用设计的小波维纳滤波算子替代传统的小波阈值算子对获得的天文图像小波系数进行筛选,从而对小波阈值去噪方法重建图像过程中出现的伪吉布斯现象进行有效地抑制;然后使用全变差方法对去噪重建后的天文图像进行调整,以进一步提高重构图像的质量.仿真实验结果表明,与传统的迭代小波阈值算法相比,本算法可以获得较优的去噪重建性能,并且能有效地保护高分辨率天文图像的细节特征信息.此外,在压缩比较高的情况下,该算法仍然可以获得相对较高的视觉质量和峰值信噪比.     

高噪声遥感图像稀疏去噪重建

高噪声遥感图像去噪一直是遥感领域研究的一个重要难题,为进一步提高高噪声遥感图像的重建质量,在经典的压缩感知迭代小波阈值算法的基础上,提出了一种改进迭代小波阈值算法.首先,提出一种自适应小波滤波算子在图像稀疏变换过程中对获取的遥感图像小波系数进行筛选,去除图像中的部分噪声信息;其次,使用提出的下降BayesShrink阈值在每次迭代过程中对获取的小波系数进行二次筛选过程;最后,使用改进的块稀疏全变差方法对获得的重建图像进行调整以进一步提高重建遥感图像的质量.试验结果表明,该算法的去噪重建性能优于经典的压缩感知迭代小波阈值算法,可以从高噪声图像中重建一幅高质量的遥感图像,验证了该算法的有效性.此外,该算法能够有效地保护遥感图像的边缘和纹理等重要特征信息.在低压缩采样比情况下,该算法也能够获得相对较高的峰值信噪比和视觉质量.在卫星地面接收站,该算法可直接使用获取的少量含噪遥感图像数据重建一幅清晰的遥感图像.     

基于小波收缩阈值和维纳滤波的去噪方法

针对高斯噪声图像的结构特点及传统去噪方法中所存在的问题,提出一种基于小波收缩阈值法和维纳滤波法相结合的图像去噪方法。采用小波收缩阈值法对图像进行去噪,对处理后的图像用维纳滤波法进行平滑处理。采用独立自适应阈值,对其子带阈值进行确定,并引入调节系数。仿真结果表明,所提出的方法在高斯去噪效果和保留图像细节信息性能方面优于中值滤波算法、均值滤波算法等方法。     

基于改进回溯线搜索的二维梯度投影法

压缩感知的二维与一维方法相比,在对图像进行压缩观测时可以更好地保持其结构信息,因而能够提高压缩观测图像的重构质量.通过改进基于全变差正则化的二维梯度投影压缩感知算法,对该算法中全变差最小化进行求解,提出了一种改进的回溯线搜索方法以优化其中梯度下降法的步长选择方法,从而提高了重建图像的质量和算法的收敛速度.实验结果表明,将改进的步长选择方法应用于二维梯度投影算法之后,重建图像的主观质量和峰值信噪比都得到提高,同时算法的迭代次数减少,收敛速度更快.     

图像阈值去噪中的小波特性分析及算法改进

选取合理的小波和阈值算法能够获得理想的图像阈值去噪结果;分析了小波正交性、消失矩以及滤波器结构等特性对图像阈值去噪的影响,提出了图像闽值去噪中小波特性的选取依据．按照噪声与图像信息在小波多尺度分解中传递特性的不同,提出基于信息量的自适应分层阈值算法;仿真结果表明,在进行图像阈值去噪时应优先选取双正交小波,且其消失矩阶数近似于图像的最高次奇异性,去噪小波的高通分解滤波器应具有偶对称性质,低通分解滤波器长度不宜过短．自适应分层阈值算法的图像去噪效果要明显优于全局阈值算法,图像信噪比能够提升至27．86（bior2．6,SNR0=20）;具有偶对称高通分解滤波器的双正交小波能够获得较好的图像去噪效果,其消失矩阶数应近似等于图像的最高次奇异性,基于信息量的小波自适应阈值算法在提升图像信噪比的同时,能够有效保留图像的细节信息．     

改进的Beta过程因子分析图像修复算法

图像修复是利用图像已知信息对图像破损区域进行填充修复的过程,而非参贝叶斯技术在图像稀疏表示中被认为是一种有效的字典学习方法,作为一种有效的非参贝叶斯算法,基于Beta过程因子分析算法(BPFA)在去噪、修复以及压缩感知方面有很广泛的应用.然而现有的BPFA算法在对含噪的破损图像修复时收敛速度慢,针对这个问题本文在BFPA算法更新字典时与K-SVD算法相结合,提出一种基改进的BPFA学习算法,改进算法利用K-SVD算法简单收敛速度快的特点,在原有算法更新参数时,利用OMP稀疏编码更新字典候选集以达到提高算法的收敛速度的效果.得到的结果表明本文算法能够更好地修复含噪破损图像获得较好的视觉效果.     

基于小波收缩及变指数和片相似的最小二乘重建算法

在低剂量计算机断层扫描(Computed Tomography,CT)重建方法中,针对最小二乘重建算法收敛速度慢,由于噪声而导致图像退化的问题,提出一种结合小波收缩以及基于变指数和片相似的最小二乘重建算法.它结合了小波收缩和各向异性扩散的优点,在最小二乘重建算法的每次迭代中对图像进行离散平稳小波分解,在小波域的高频部分使用小波收缩方法,低频部分使用基于变指数和片相似性的各向异性扩散进行消噪,最后用中值滤波处理图像残留的脉冲噪声点,从而进一步优化图像.仿真实验结果表明,混合去噪算法可以有效地去除低剂量图像的噪声,且在保持图像边缘和细节方面效果较好,从而可获得高质量的图像.     

视频车辆检测中改进的阈值分割算法研究

针对使用迭代式阈值分割算法检测车辆时,易造成目标特征信息丢失以及边缘模糊化的问题,提出了一种基于形态学权重自适应图像去噪的迭代式阈值分割算法:利用数学形态学原理设计了一种权重自适应形态学滤波器,采用由小到大的多结构元构造串、并联复合形态的滤波器对视频序列图像进行去噪;同时,对迭代式阈值分割法引入一个偏移系数,可以更加快速获取最优分割阈值,对图像作精确的分割.实验证明,该算法比迭代式阈值分割算法的抗噪性好且减少阈值分割中的寻优尝试次数,得到了比较理想的分割效果.     

一种基于多小波变换的自适应图像去噪算法

介绍一种新颖的自适应图像去噪算法.通过将图像变换到多小波域,并利用分形几何和图像的偏微分方程知识,提出一种新的图像软阈值去噪算法.对于欲去噪的图像,该算法能够在多小波域中,自动确定去噪阈值.实验结果表明,该算法不仅去噪效果好,而且运行稳定.     

基于多小波阈值收缩与子带增强的图像去噪

为保证在图像去噪的同时,尽量保留图像的边缘特征,提出一种新的基于多小波阈值收缩与子带增强相结合的图像去噪方法.该方法以多小波变换为基础,将变换后的多小波系数分为噪声相关系数和边缘相关系数,对变换系数进行软阈值多小波收缩消去噪声相关系数;阈值收缩是非线性变换,对图像边缘有平滑作用,因此,该方法提出在阈值收缩后进行线性的子带增强,增强边缘相关系数.实验表明:与单一的阈值收缩方法相比,该去噪方法不仅保留了图像的边缘特征,而且提高了去噪图像的峰值信噪比,优于普通的阈值收缩方法.     

面向可穿戴生理信号的压缩感知实时重构

传统的迭代式压缩感知重构算法由于计算复杂度高,数据处理实时性差,难以在实际的可穿戴设备中发挥作用.该文结合深度学习中的一维扩张卷积和残差网络,提出了一种适用于可穿戴健康监护的非迭代式压缩感知实时重构算法.该方法基于大量生理信号数据训练一个用于压缩感知重构的网络模型,该模型可以对生理信号进行快速精确重构.通过在两个公开的...     

基于压缩感知的图像快速重构去噪算法

针对传统的压缩感知重构算法运算量大,图像质量低的缺点,提出一种新的图像快速重构去噪算法。首先对图像进行一级小波分解,分别提取近似分量子图像和细节分量子图像,并对细节分量子图像进行软阈值去噪处理,然后对近似分量子图像和处理后的细节分量子图像运用新的压缩感知重构算法进行恢复,最后将恢复的细节分量和近似分量进行小波逆变换,得到重构后的图像。实验结果表明,新方法可减少重构时的运算量,有一定的去噪效果,且可提高图像质量。     

基于GAMP的近场毫米波成像快速算法

传统近场毫米波均匀采样成像由于扫描时间长和计算代价大等问题无法实现实时成像。为此,该文构建了近场毫米波压缩采样成像模型及相应的观测矩阵,提出了一种基于广义近似消息传递的近场毫米波压缩采样成像快速算法。该算法将广义近似消息传递有效嵌入到期望最大化框架,加快了收敛速度;并利用快速傅里叶变换、小波滤波等方式构造了观测矩阵的快速算子,避免了大型观测矩阵的构造、存储与计算,进一步提升了算法运算速度。实验结果表明该算法可以快速、有效地从压缩采样数据中重建近场毫米波二维图像,并在重建效果与运算时间上都优于主流的快速迭代阈值收缩算法。     

面向压缩感知的基于相关性字典学习算法

压缩感知理论作为一种新兴技术,能够降低传感节点的能量消耗,推动基于可穿戴设备的远程健康监护系统的发展。其中,字典学习算法获得的过完备字典应用于压缩感知重构时能获得较高的重构精度,因此备受关注。传统字典学习算法通常未考虑到信号内部隐含的相关,不能充分地捕捉到信号特征,当应用到压缩感知重构时不能精确地重构信号。该文充分利用生理信号隐含的相关性的结构特征,提出一种基于相关性的加权最小二乘字典学习算法,克服了传统字典学习算法应用到压缩感知重构信号时精度差的缺陷。实验结果表明,该算法能够充分地捕捉信号特征,提高应用于压缩感知重构恢复领域的信噪比,使得压缩后的信号能被精确地重构恢复出来。     

一种基于神经网络的超分辨图像重构方法

针对在航空航天遥感领域中使用CCD相机对景物进行成像时，由于像元尺寸的限制导致图像分辨率低的问题，提出了采用人工神经网络映射图像重构过程非线性特性的方法．在相机参数已知的情况下，用后向误差传播(BP)神经网络融合从不同角度对同一景物重复拍照得到的多帧低分辨率图像的冗余信息，重构得到较高分辨率的图像．在模拟成像仿真实验中得到了分辨率提高4倍、信噪比接近30dB的超分辨结果．     

一种基于神经网络的超分辨图像重构方法

针对在航空航天遥感领域中使用CCD相机对景物进行成像时,由干像元尺寸的限制导致图像分辨率低的问题,提出了采用人工神经网络映射图像重构过程非线性特性的方法。在相机参数已知的情况下,用后向误差传播(BP)神经网络融合从不同角度对同一景物重复拍照得到的多帧低分辨率图像的冗余信息,重构得到较高分辨率的图像。在模拟成像仿真实验中得到了分辨率提高4倍、信噪比接近30dB的超分辨结果。     

一种基于压缩感知的MR成像的新方法

FCSA(Fast Composite Splitting Algorithm)是一种用压缩感知理论进行MR重建的有效算法,它在重构时间和图像重构质量上相比其他算法有明显优势.但是,当算法选择不同的参数时,重建效果不稳定.本文对该算法进行了改进,以减少由人为选择不同的参数所带来的对重建效果的影响.实验表明,改进后的算法在参数选择不同时,重建效果都能够得到保证.     

压缩感知OMP算法与IRLS算法在计算鬼成像中的对比分析

将压缩感知技术和鬼成像系统相结合,能够大幅度地降低成像所需的测量次数,并能有效地提高重构图像的峰值信噪比。本文将离散余弦变换（DCT）矩阵作为图像稀疏化矩阵,采用正交匹配追踪算法（OMP）和迭代加权最小二乘算法（IRLS）两种压缩感知算法作为压缩感知鬼成像系统图像重构的算法。通过对两种算法在改变稀疏度和测量次数时重构结果的峰值信噪比变化的比较,探究了这两个变量对峰值信噪比的影响。发现IRLS算法重构精度更高,图像质量更好,而OMP算法迭代速度比IRLS更快,重构图像所需的时间较少。