并行图像复原与超分辨处理系统的设计与实现

为实现海量大尺度图像的复原与超分辨算法的实时处理,设计了图像复原和超分辨并行处理系统,对该系统的技术方案、工作原理、关键算法、硬件结构和并行技术进行了研究.根据技术方案,介绍了系统的工作原理及解模糊、去噪和超分辨等关键算法.对数字信号处理(DSP)和机群两种体系结构进行了分析和比较,结果表明机群更适合于大规模并行处理,给出其设备选型的原则.提出了基于PPF结构的并行算法模型和基于MPI+OpenMP混合结构的多层次并行与优化技术.最后,对算法在DSP和计算机系统上的处理效果和处理速度进行了实验和分析,给出了系统规模和性能的预测,确定了关键参数即处理器数目的选择依据.实验结果表明,该系统可将处理时间由2 700 s降低到29.39 s,处理后的图像的清晰度、对比度和分辨率显著提高,满足应用需求并具有一定的通用性.     

基于各向异性Markov随机场的三维显微图像复原

提出了基于小波域各向异性马尔可夫随机场模型的三维显微图像复原算法。小波是当前研究的热点,它能够很好地刻画图像的边缘信息。为了有效地保留图像的边缘,根据小波变换后各个子带小波系数的方向性特点,以各向异性马尔可夫随机场模型作为小波系数的先验概率模型进行正则化处理;本文采用正则化比例系数自适应调整方法,当算法收敛到全局最优时,正则化比例系数也达到最优选择;考虑到噪声的影响,算法在每一步迭代求解过程中,对估计出的图像进行去噪处理。实验结果表明,本文算法能够有效地保留图像边缘等细节信息,去除层间干扰并抑制噪声。     

基于压缩感知的人脸超分辨技术

人脸超分辨是一个欠定的求逆问题,压缩感知理论提供了一种有效的逆问题求解方法.本文提出了一种基于压缩感知的人脸超分辨方法,该方法包含三个步骤:字典学习、稀疏编码和求解全局MAP方程.第一步,使用K-SVD算法获得能稀疏表示高分辨率人脸图像的字典;第二步利用训练好的字典,求解输入低分辨率图像块的最稀疏表达,由稀疏系数和稀疏字典求得超分辨图像块,组装成超分辨图像;最后,为了满足全局一致性限制条件和改进超分辨效果,对完整图像求解MAP方程.实验结果表明,与其它同类人脸超分辨方法相比,本文方法得到了更好的超分辨效果.     

光学掩模实现几何超分辨成像的仿真

将基于实际CCD模型的频谱编码方法引入光电成像系统,以克服CCD对空间分辨率的限制,实现几何超分辨成像。介绍了光学掩模实现几何超分辨成像的工作原理,基于实际的CCD模型在4f成像系统的频谱面上放置光学编码掩模来提高图像分辨率。对该成像系统模型进行了数学分析,从理论上证明了这种基于实际CCD模型的频谱编码方法的有效性。根据建立的理论完成了基于一维光学编码掩模方法的仿真实验。仿真结果表明:提出的方法能实现几何超分辨成像,解决了光电成像系统中因CCD欠采样造成的物频谱混叠和因像素尺寸非零而造成的低通效应问题。与传统的超分辨方法相比,该方法的系统结构简单、易实现。     

一种基于机器视觉的圆孔边缘检测方法

针对圆孔型工件几何特征的测量,边缘定位的精度至关重要。提出了一种圆孔边缘定位算法。该算法对某一像素的相邻像素方位做出标记并计算其与相邻像素的方差,选取最大方差所在像素位置为假定边缘走向,利用形态学运算对假定边缘进行处理,得到正确边缘位置。实验证明了该算法的有效性。     

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。     

基于机器视觉的双金属铸件圆孔测量方法

针对目前某军工企业双金属铸件圆孔测量时存在的工作效率低和精度差等问题,提出了一种基于机器视觉的双金属铸件圆孔测量方法.该方法利用亚像素边缘检测算法进行圆孔的内外圆的检测,通过引入轮廓的全局性参数K来获取所选轮廓内的最佳拟合圆,得到该圆孔的圆心和半径,并算出圆孔的同心度.实验结果证明,测量方法提高了检测效率,能够快速地测...     

基于亚像元CCD几何超分辨方法研究

摘要:为了在现有CCD像元尺寸的基础上提高CCD像元分辨力,对CCD几何超分辨问题进行了研究。从研究现状入手,给出了现有算法及其存在的不足,建立了亚像元超分辨成像数学模型,提出了基于亚像元的CCD几何超分辨方法：两片线阵CCD集成在同一器件中,在线阵方向上错开半个像元,同时读出时间减半,最终交织重组图像数据,以合成高分辨率图像。利用MATLAB7.0.1软件对双线性插值方法及亚像元成像方法进行了仿真,并定性定量地比较两种方法的效果。结果显示：亚像元方法合成图像分辨率约为低分辨率图像的2倍,且PSNR比双线性插值图像高0.2dB。该方法可以实时合成高分辨率图像,显著地减轻欠采样引起的图像模糊。     

亚像元的CCD几何超分辨方法

为了在现有CCD像元尺寸的基础上提高CCD像元分辨力,对CCD几何超分辨问题进行了研究.从研究现状入手,给出了现有算法及其不足,建立了亚像元超分辨成像数学模型,提出了亚像元的CCD几何超分辨方法.该方法将两片线阵CCD集成在同一器件中,在线阵方向上错开半个像元,同时读出时间减半,最终交织重组图像数据,以合成高分辨率图像.利用MATLAB 7.0.1软件对双线性插值方法及亚像元成像方法进行了仿真,并定性定量地分析了两种方法的效果.结果显示:亚像元方法合成图像分辨率约为低分辨率图像的2倍,且两组仿真图像中的PSNR比双线性插值图像分别高出1.486 4 dB和2.207 0 dB.该方法可以显著地减轻欠采样引起的图像模糊,且实时性优于双线性插值方法.     

基于梯度图的快速POCS超分辨率复原算法研究

随着红外成像相关产业的兴起,红外成像技术具有的隐蔽性好、探测范围广、定位精度高、穿透距离远,以及轻质小巧、低耗可靠等优点备受青睐,已成为当前智能化光电探测发展的主流方向。然而,红外弱小目标的图像细节特征少、信噪比低等特点成为红外图像应用的瓶颈,如何提高红外弱小目标成像效果成为目前的研究热点。POCS算法是目前超分辨率复原中应用非常广泛的一种复原算法,但是该算法运算量大,处理时间较长,同时对图像的边缘细节保留能力较差。针对POCS超分辨率复原算法迭代时间较长,无法满足光电探测系统实时性的问题,提出了基于梯度图的快速POCS超分辨率复原算法(GPOCS)。该算法根据图像的梯度分布对图像中的像素点进行分类,采用不同的迭代系数进行计算。改进算法能够较好的保留边缘信息并抑制噪声,进而在保证超分辨率复原性能的基础上大大缩短了运算时间。实验结果表明:GPOCS算法复原结果在背景处噪声得到一定的抑制,整体复原能力优于传统的POCS复原方法。该算法能够有效地保留边缘细节,同时处理时间小于传统的POCS复原方法,减少了1个数量级已经是接近实时。GPOCS算法能够自适应的选取迭代步长,较好的保留边缘信息并抑制噪声,进而在保证超分辨率复原性能的基础上大大缩短了运算时间,虽然不能满足实时性的要求,但是也已经是接近实时。     

基于PPF和机群结构的并行图象复原与超分辨处理系统

为实现海量大尺度图象的复原与超分辨算法的实时处理,完成了相应并行系统的设计,对该系统的技术方案、工作原理、关键算法、硬件结构和并行技术等进行了研究。首先,根据技术方案介绍了系统的工作原理及解模糊、去噪和超分辨等关键算法。接着,对DSP和机群两种体系结构进行了分析和比较,结果表明机群更适合于大规模并行处理,并给出其设备选型的原则。然后,提出了基于PPF结构的并行算法模型和基于MPI＋OpenMP混合结构的多层次并行与优化技术。最后,对算法在DSP和计算机系统上的处理效果和处理速度进行了实验和分析,给出了系统规模和性能的预测,确定了关键参数即处理器数目的选择依据。实验结果表明,该系统可将处理时间由2700s降低到29.39s,同时使处理后图象的清晰度、对比度和分辨率显著提高,满足应用需求并具有一定的通用性。     

Three-dimensional image restoration and super-resolution in fluorescence confocal microscopy

Confocal scanning laser microscopy (CSLM) provides optical sectioning of a fluorescent sample and improved resolution with respect to conventional optical microscopy. As a result, three-dimensional (3-D) imaging of biological objects becomes possible. A difficulty is that the lateral resolution is better than the axial resolution and, thus, the microscope provides orientation-dependent images. However, a theoretical investigation of the process of image formation in CSLM shows that it must be possible to improve the resolution obtained in practice. We present two methods for achieving such a result in the case of 3-D fluorescent objects. The first method applies to conventional CSLM, where the image is detected only on the optical axis for any scanning position. Since the resulting 3-D image is the convolution of the object with the impulse-response function of the instrument, the problem of image restoration is a deconvolution problem and is affected by numerical instability. A short introduction to the linear methods developed for obtaining stable solutions of these problems (the so-called regularization theory of ill-posed problems) is given and an application to a real image is discussed. The second method applies to a new version of CSLM proposed in recent years. In such a case the full image must be measured by a suitable array of detectors. For each scanning position the data are not single numbers but vectors. Then, in order to recover the object, one must solve a Fredholm integral equation of the first kind. A method for the solution of this equation is presented and the possibility of achieving super-resolution is demonstrated. More precisely, we show that it is possible to improve by about a factor of 2 the resolution of conventional CSLM both in the lateral and axial directions.     

基于降质图像-光流场复原的智能轮椅测速

提出一种运动图像去模糊复原和基于仿射运动模型的光流场去抖动方法,以提高智能轮椅中光流里程计测速方法的精度。当轮椅线速度或角速度较大时,导致机载相机成像产生显著的运动模糊;且轮椅机器人的机械抖动也易产生光流场的偏差,进而影响速度估计的精度。针对于此,首先利用一种基于自适应模糊核的运动图像去模糊方法实现图像复原,以改善视频帧质量;其次,针对智能轮椅在行进中的机械抖动,利用随机抽样一致(RANSAC)排异后的光流场,在卡尔曼滤波框架下估计同名像点的仿射运动模型参数,进而实现光流补偿。实验结果表明所提方法能够提升基于光流场的智能轮椅视觉测速精度。     

基于自相似性与多任务高斯过程回归的单帧图像超分辨率重建

在单帧图像超分辨率问题中,基于高斯过程回归的超分辨率算法没有挖掘相似图像片间的关联关系或者无差别地用相似图像片来扩充训练集合,都会导致重建的高分辨率图像中存在明显的噪声和伪影。对此提出了一种基于多任务高斯过程回归的超分辨率算法。该算法通过引入多任务学习思想,将输入的低分辨率图像进行分片处理,把每一个图像片的超分辨率过程视为一个任务。在对相似任务建模的过程中,通过最优化求解的参数集合来体现任务间的共性及差异,从而使模型的泛化能力和预测精度得以提高,在重建高分辨率图像清晰锐利的同时,噪声和伪影受到明显抑制。用常见的测试图像以及公开的图像测试集合进行的大量试验表明该算法在主观评价和客观评价两个方面均优于同类型算法及当前经典算法,峰值信噪比较其它常见超分辨率算法可提高约0.5dB。     

一种基于局部图像复原的天文图像增强算法

大气湍流、光子和电子噪声等降低了地基观测天文图像的质量,影响了空间目标的检测,针对这种情况,提出一种基于局部图像复原的天文图像增强算法。首先利用已知的观测设备系统参数和图像建立初始点扩散函数的模型,然后将图像分割成N×N个区域,对满足条件的子区域进行基于盲反卷积的图像复原,最后采用改进的中值滤波器对复原图像进行去噪,实现天文图像的增强。采用实际天文图像进行算法验证,实验结果表明,该算法有效的抑制了大气湍流和噪声的影响,提高了图像的分辨率和空间目标背景的对比度,在保证图像增强效果的前提下减少了大约30%的运算量。     

改进免疫算法用于图像复原

为了更好地对图像进行超分辨率重建,对传统的正则化方法进行了改进,提出了更符合实际的新模型:加性广义高斯白噪声与各向异性正则化项.为求得新模型的最优解,引入免疫进化算法并做如下改进:引入记忆单元群,使算法并行地运行在两个抗体群上;提出一种疫苗的自适应选取及接种方法;将混沌算子作为防僵化算子嵌入.分析与实验表明, 基于新模型重建的图像不仅对噪声的类型与方差具有稳健性,而且重建图像的信噪比改善量(ISNR)比传统模型高1.5 dB左右, 同时提出的改进免疫进化算法能够更快收敛,所需步数仅是遗传算法的8%, 传统免疫算法的40%.结果表明,新模型与改进免疫算法组成的图像超分辨率复原系统具有稳定可靠的性能.     

基于梯度先验的水下图像恢复

由于水体对光线的吸收和散射作用,水下图像呈现出强衰减、高噪声和色彩畸变等问题,难以满足视觉观察和图像分析的需求。针对这一问题,提出了一种基于梯度先验的水下图像恢复方法,用以提高水下图像质量。首先,根据水下成像特性,建立水下图像梯度先验,水下图像中目标反射信息(水下清晰图层)的梯度大于散射噪声信息(水下噪声图层);其次,根据水下成像模型,对上述梯度先验进行表征建模;最后,建立水下图像的梯度分布优化函数,采用半二次优化方法分离出目标反信息,作为水下图像恢复结果。以UEIB和RUIE数据集为实验样本,与近年来所提出的5种水下图像处理方法进行比较,方法在定性和定量两类评价中均获得了出色的处理结果,峰值信噪比(PSNR)、结构相似性(SSIM)和水下图像质量评价指标(UIQM)评价指标分别达到20.066 5、0.696 1和3.902 9,均优于对比方法。因此,该方法能够有效地抑制水下图像噪声,提高水下图像的信噪比、清晰度和对比度。     

基于运动模糊特征分割的空间移变降质复原

针对一类由动机座上的相机对运动目标拍摄得到的空间移变降质图像,提出基于像素运动模糊特征分割的图像复原方法。首先分析由于运动模糊的卷积作用,该类图像中的运动目标和背景产生相对位移,两者的像素发生叠加,发现若背景灰度均匀,则叠加区相邻像素灰度值的变化程度相似。根据该灰度变化特征检测运动模糊方向上的目标边缘,并结合canny算子检测平行于模糊方向的边缘,两部分边缘图像进行求或运算,然后利用形态学操作处理,从而分割得到完整的目标模糊图像。对该目标图像剔除叠加区的背景灰度信息,并补零扩充为完全卷积的模糊图像,最后利用反卷积复原算法去除模糊。实际复原结果证明,该方法能够有效地解决该类空间移变降质图像的复原问题。     

基于小波变换的正则化盲图像复原算法

提出了一种将小波变换和自适应正则化方法相结合的盲图像复原算法。该算法先对退化后的图像进行小波分解,得到图像在不同子频段的信息;然后针对各个子频段内图像的频率和方向特性,使用不同的自适应正则化复原方法,在图像的低频子频段进行去模糊;高频子频段则进行抑制噪声和保边缘特征;最后通过小波逆变换得到复原后的图像。实验结果表明, MSE减少了1.60,信噪比增量为1.76,算法性能和复原效果相对空间自适应正则化方法,都有一定的提高。