混合高斯/泊松最大似然函数下的CBCT图像重建

如何在复杂噪声条件下提升锥形束计算机断层扫描成像(Cone Beam Computed Tomography,CBCT)图像重建质量,对于CBCT系统而言是非常重要的。本文提出了一种混合高斯/泊松最大似然函数下的CBCT图像重建方法。首先研究了适宜于描述混合高斯/泊松噪声环境下的CBCT图像重建模型,它包含一个基于混合高斯/泊松最大似然函数的保真项和一个基于三维全变分正则化方法的约束项。保真项用于约束在混合噪声模型下重建结果与观测值尽可能的相近,约束项用于噪声去除并要求尽可能较好地保留图像的边缘与细节信息。进一步通过可分离近似方法和扩展拉格朗日方法对上述模型进行求解。最后通过仿真数据和真实数据对算法的有效性进行了验证,实验结果表明:仿真结果相对于其他方法而言,PSNR最高可以提升2.1 dB;从主观视觉而言,本文方法在噪声环境下具有较好的图像重建质量。因此,本文方法可以被广泛应用于各种低剂量条件下的CBCT图像重建中。     

近似稀疏正则化的红外图像超分辨率重建

针对红外图像分辨率低、受噪声影响严重等问题,引入近似稀疏正则化和K-奇异值分解（K-SVD）法,提出了基于近似稀疏表示模型的红外图像超分辨率重建方法。考虑到红外图像受到噪声污染,首先建立了稳健近似稀疏表示模型。针对已有字典训练方法时间消耗巨大问题,在假定低分辨率图像空间和高分辨率图像空间具有相似流形的前提下,联合近似稀疏表示模型和K-SVD方法,提出近似稀疏约束的基于K-SVD的高低分辨率字典对学习算法。最后,通过高分辨字典和对应的红外图像群稀疏表示系数重建得到高分辨率的红外图像。为了验证算法的性能,对提出的算法与稀疏性正则化的图像超分辨模型（SRSR）和Zeyde算法进行了实验比较。结果表明,本文方法能够较好地减少红外图像中的噪声,同时获得更好的超分辨率重建效果。     

改进的稀疏表示遥感图像超分辨重建

为了进一步提高遥感图像超分辨效果,提高超分辨重建速度。针对以往稀疏超分辨算法中更容易丢失边缘信息和引入噪声的问题,本文改进了特征提取算子,以对称近邻滤波(SNN)代替高斯滤波,重点解决特征空间中的字典学习问题。首先,根据遥感图像退化模型生成训练样本图像,并分别对高、低分辨率遥感图像进行7×7分块,生成字典训练样本。然后,建立连接高、低分辨率图像空间的双参数联合稀疏字典,将字典学习过程中的稀疏系数分解为系数权值和字典原子的乘积,依据字典原子指标训练和更新字典,得到高低分辨率联合字典映射矩阵。最后,进行遥感图像超分辨稀疏重构。实验结果表明:与当前最先进的稀疏表示超分辨算法相比,本文算法得到的超分辨重建遥感图像的主观效果更好,恢复出更多的地物细节信息;客观评价参数峰值信噪比(PSNR)提高约1.7dB,结构相似性(SSIM)提高约0.016。改进的稀疏表示超分辨算法可以有效地提高遥感图像超分辨效果,同时降低重建时间。     

基于自适应超完备稀疏表示的图像去噪方法

基于超完备字典的图像稀疏表示是一种新的图像表示理论,利用超完备字典的冗余性可以有效地捕捉图像的各种结构特征,从而实现图像的有效表示.当前稀疏表示的理论研究主要集中在稀疏分解算法和字典构造算法两方面.本文提出一种新的超完备字典构造算法:K-LMS算法,该算法由K均值聚类算法泛化获得,可用于超完备字典的自适应更新,以实现图像的有效表示.针对图像去噪问题,本文给出一种基于超完备稀疏表示的去噪方法,该方法利用图像在超完备字典上的自适应稀疏分解,通过阈值处理的方法实现了图像去噪,实验结果证实了本文所提方法的有效性.     

非局部均值噪声预测的独立成分分析降噪研究

为解决采用独立成分分析算法进行图像降噪需要多个观测信号的问题,提出一种对单张图像冗余信息进行稀疏以生成多个观测信号的方法。该方法首先采用字典压缩算法对原噪声图像稀疏;再采用非局部均值算法对压缩图像的冗余信息进行处理,将处理后的冗余信息生成初次降噪图像;将初次降噪图像和原噪声图像共同作为独立成分分析的多个观测信号。结合非局部均值算法可以避免仅使用字典压缩算法造成的过量稀疏,研究表明当高斯白噪声标准差σ在20~45范围时,本文提出的方法比字典稀疏压缩算法和非局部均值算法降噪效果更好,图像降噪后的峰值信噪比是降噪前的1.4倍。本文提出的方法在高斯白噪声标准差σ在20~45范围时,具有很好的降噪效果。     

基于几何纹理与Anscombe变换的蜂窝材料太赫兹图像降噪模型

为解决太赫兹（Terahertz,THz）图像内泊松高斯混合噪声导致芳纶纤维蜂窝材料脱粘缺陷轮廓检测精度低的问题,基于Anscombe变换与小波阈值法构建了THz图像降噪模型。高斯噪声方差为降噪模型的必要参数,但实际THz图像噪声分布未知,且噪声与纹理在高频混叠,给方差准确估计提出了挑战。为此,首先以样件纹理几何形状为先验信息,构造Benzene-ring算子去除THz图像纹理,使其小波域高频分量中仅含有噪声;然后提出改进的Logistic混沌映射提高样本集的多样性,以训练Elman神经网络准确建立高频分量与高斯噪声方差间映射关系;最后依据噪声方差估计值,基于Anscombe变换将泊松高斯混合噪声转化为高斯噪声,并利用小波阈值法与Anscombe逆变换得到了最终THz降噪图像。仿真与试验结果表明,所提出的方法降噪效果最佳并有效提高缺陷轮廓检测精度,相比于高斯滤波、小波阈值以及非局部均值法,平均梯度指标分别提升12%、33%、9%,缺陷面积绝对误差分别降低234 mm²、304 mm²、263 mm²。     

基于内容的双字典学习及稀疏表示的图像重构

提出了一种基于内容的双字典学习和稀疏分解结合起来的算法.针对待复原图像内容间的差异性,将训练图像块采用聚类的方法得到多个分类式的字典,从中选择最合适的内容分类来进行图像的恢复,这样做使算法更具区分性,提升了图像的自适应能力.在此基础上,将高频信息分为主要高频和次要高频,并训练双重字典,结合稀疏表示的方法对图像进行重构,这比传统的基于字典学习的算法捕获了更多的图像高频信息,进一步提升了图像重构的质量.方法采用了K-SVD算法以提高稀疏字典编码的计算效率.与其他方法相比,该算法获得了更为精细的图像细节,在PSNR测试数据和主观视觉上都获得了理想的提升.     

基于自学习的稀疏正则化图像超分辨率方法

如何设计既能够保持边缘与纹理结构又具有较低计算复杂度的图像超分辨率算法是目前该领域有待解决的难点问题。在Bayesian统计框架下建立了一种新的基于稀疏正则化的图像超分辨模型。模型中的保真项度量理想图像在退化模型下与观测图像的一致性,稀疏正则项刻画理想图像在词典下的稀疏表示。该模型还引入了图像的非局部自相似性和超拉普拉斯先验作为正则化约束。为使稀疏域更好地表征高分辨率图像,选取高分辨率图像块的高频特征进行稀疏表示,由此增强了稀疏模型的有效性。将词典学习融入到超分辨率重建过程中,即直接从当前估计的高分辨率图像特征块学习词典,与从训练样本库中学习词典相比,这种自学习的方法对不同图像的自适应性更强,并且减少了运算量。实验结果表明,该方法可以重建清晰的图像边缘,减小振铃效应,并且对噪声具有很好的鲁棒性。     

基于ADMM字典学习的滚动轴承振动信号稀疏分解

在稀疏分解过程中,字典模型构建的结果会直接影响稀疏分解的效果。为获得结构更好的字典,提出了一种基于交替方向乘子法(ADMM)的字典学习方法,在字典学习过程中采用交替方向乘子法逐个更新字典中原子,得到的字典具有良好的结构。将该字典学习方法应用到滚动轴承振动信号稀疏分解中,能获得更快的字典学习速度和更好的稀疏分解效果。与K-SVD字典学习方法相比较,证明了所提方法在轴承信号稀疏分解中的优越性。     

基于低秩稀疏分解算法的铣床齿轮箱故障诊断

铣床齿轮箱的安全运行对保证机械设备的效率具有重要的作用,其故障诊断复杂难控。传统形式算法只是从原始振动信号中进行字典原子学习,并未从本质层面分析特征信息物理结构特性。采用低秩稀疏分解算法,并进行BCD求解对齿轮箱故障诊断开展分析。研究结果表明：特征信号已淹没到了噪声中,能够对等间隔冲击特征进行准确识别,并使特征信号信噪比由-9.152增大为4.716。表明采用稀疏低秩算法能够滤除噪声干扰,从而高效识别瞬态冲击成分。经过3次迭代后特征信号发生了奇异值快速衰减现象,具有明显稀疏特性。低秩稀疏分解信号形成的包络谱,已经实现了所有干扰频率成分以及噪声成分的滤除效果,采用低秩稀疏分解算法能够实现齿轮箱局部故障的准确诊断。     

Weighted sparsity-based denoising for extracting incipient fault in rolling bearing

Given that the incipient fault is too weak for extraction, a novel approach that is based on sparse optimization is proposed for incipient fault diagnosis. The proposed optimization method consists of three steps: First, autocorrelation analysis is utilized to filter broadband random noise. Then, the weighted sparsity-based denoising method is proposed to extract periodic impulses. The prior knowledge that periodic impulses are sparse is used to constitute a penalty term; thus a novel weighted sparse optimization model is established. The majorization-minimization method is used to solve the optimization model. The high-pass filter in quadratic fidelity term is constructed by a Butterworth filter based on banded matrices, thus effectively improving computational efficiency. Lastly, the interval of periodic impulses, which corresponds to the fault frequency of rolling bearing, is obtained. Moreover, simulation and experimental results show that the proposed approach can successfully extract fault features from the signals of low signal to noise ratio.     

基于光子计数激光雷达的时域去噪

激光雷达传统的成像方法需要经过长时间积分探测生成光子计数统计直方图的方式来减少背景噪声的影响,获得目标场景的深度估计信息。为了快速准确地获取目标场景的3D图像,提出基于光子计数激光雷达的三维距离图像时域去噪算法。该算法不需要生成光子计数统计直方图,利用信号和噪声在时间轴上不同的分布特性,结合了泊松过程统计规律。此算法提高了信号的探测概率,能够在低信噪比的环境下将信号和噪声分离,获得目标场景准确的3D图像。实验结果表明在低信噪比的条件下,此算法获得深度图像的RMSE与传统基于最大似然估计成像方法相比成像精度至少提高了3倍。有利于激光雷达三维成像在高背景噪声环境下的使用,拓宽了激光雷达的应用范围。     

基于低秩三分解的红外图像杂波抑制

针对红外图像中对比度较低、目标信号较弱且受背景噪声杂波干扰较大的特点,结合信号的稀疏表示理论提出了一种基于低秩三分解模型的红外图像背景杂波抑制算法。首先,分别对红外图像中目标、背景和噪声3种成份进行建模描述,得到低秩三分解模型。然后,采用二维高斯模型构造红外小目标超完备字典,利用所提出的低秩三分解模型将分块重置的图像数据矩阵分解为背景、噪声和目标3种成份。最后,对于目标分量进行阈值处理从而得到突出红外小目标的重构图像,实现杂波抑制。在3种不同情况下的实验结果表明:本文算法能够使红外图像局部信噪比提高2倍以上;与其他经典算法相比,抑制因子至少提高15%。得到的结果表明,所提算法能够有效抑制杂波,在提高红外图像信噪比的同时,对不同噪声干扰也具有较强的鲁棒性。     

基于空间自适应和正则化技术的盲目图像复原

在原非负支撑域递归逆滤波（NAS-RIF）算法基础上,本文提出一种基于空间自适应和正则化技术的改进算法。在代价函数中,引入两项空间自适应的加权项,分别用来确保图像复原的逼真和平滑,自适应加权项需根据观察图像的局部特性和噪声方差求得。并加入正则化项,以达到抑制噪声的目的。本文提出了根据观察图像来估计噪声方差的方法,因而不需要知道噪声方差的先验条件。在求解中,采用共轭梯度算法来进行求解。对不同背景和不同信噪比的图像进行了仿真实验。结果表明：改进后的算法比原来的算法复原效果更好。     

基于盖格-雪崩光电二极管的光子计数成像

考虑用传统的成像技术检测光生电荷信号时易受模数转换噪声干扰,本文提出了一种基于单光子灵敏雪崩光电二极管(GM-APD)的光子计数成像方法。该方法以单光子灵敏GM-APD作为探测单元,以全数字化方式实现微弱光学信号的有效检测。建立了GM-APD光子流响应模型,利用马尔科夫更新过程分析了光子探测盲区对GM-APD瞬态响应的影响,得到了GM-APD输出的数字脉冲频率与光子流密度之间的关联表达式。搭建了二维扫描成像实验验证装置,通过实验得到了不同密度光子流条件下的光子计数图像。采用标准化互信息量分析得到,在光子流密度为3.0×104count/s的条件下,该实验装置仍然可以实现可视成像;当光子流密度达到2.7×105 count/s时,标准化互信息量大于0.5;实现了在低光子流密度时采用光子计数方式对目标物体的有效成像。     

基于 MCP / sCMOS 的单光子成像探测系统及算法研究

针对单光子计数成像技术探测目标信号微弱信噪比低、所得图像目标区域不清楚、背景噪声严重等问题。 本文利用 270±5 nm 的日盲紫外滤光片、图像增益 710 5 的微通道板像增强器(MCP)、荧光屏和最大分辨率为 1 504×1 504 的科学级互补金属 氧化物半导体(sCMOS)等器件,设计了日盲紫外单光子探测系统,并通过时序控制获取了单光子光斑图像。 为了突出图像中的目 标区域,本文利用改进的形态学高帽变换算法,对光斑目标区域进行增强处理;随后利用三角阈值法对图像进行二值化处理,同时 利用连通域对目标区域的坐标进行提取;最后运用区域极值算法在原图中的目标区域进行单光子计数。 对紫外光源进行了单次 曝光时间为 80~100 ns 的系列成像和数据处理实验,实验结果验证了所设计的单光子成像探测系统和光子计数算法的可行性。     

一种有效的去除图像混合噪声的滤波算法

依据噪声特点以及图像的像素关联性,提出了一种有效的数字图像混合噪声滤波算法。该算法首先对图像像素进行检测,依据受脉冲噪声污染的图像像素与其周围邻域多数像素在亮度上具有显著差异的特点准确检测出脉冲噪声,然后以检测到的脉冲噪声为被处理像素,用其邻域内未被脉冲噪声污染的图像像素对其进行中值滤波,由于当前脉冲噪声点以及邻域脉冲噪声点均未参与滤波运算,从而较好地保护了图像的细节。对图像中的高斯噪声,提出了一种改进的加权均值滤波算法,该算法在定义相关度函数时,既考虑了像素的灰度相关性,又考虑了像素的位置相关性。实验结果表明:提出的混合噪声滤波算法不仅可以有效滤除图像中的混合噪声,而且还可以较好地保护图像的细节。