基于序列图像的超分辨率重建

提出一种从序列低分辨率欠采样图像中重建出一幅高分辨率图像的重建方法.该方法基于MAP算法,通过利用梯度投影的方法对重建结果不断进行迭代优化得到最终的理想高分辨率影像.实验结果证明,该方法有效,它不仅能够非常容易的引入各种先验条件进行约束从而提高解的收敛速度,并且能够得到质量较好的高分辨率重建图像.在取得相同质量图像的前提下,该算法所需时间明显降低.     

基于小波域统计混合模型的图像降噪方法

该文提出了一种基于小波域统计混合模型的图像降噪方法。该方法首先利用尺度间模型,将小波系数分成两类：有意义系数和无意义系数;然后在小波域同层模型中运用最大后验概率估计方法,从有意义系数中恢复出原始系数。文章给出了算法的完整步骤。实验结果及分析表明了该方法的有效性。     

一种新的边界增强型图像先验模型

在各种超分辨率图像重构算法中，最大后验概率（Maxlmum a Posteriori，MAP）算法因其具有优异的重构性能而受到广泛关注。但由于目前在MAP算法中普遍采用的是平滑型图像先验模型，导致重构出来的图像边界不明锐，一些细节不清晰。本文提出了一种新的边界增强型图像先验模型。不同于已有的图像模型，新模型对图像中的非连续性不是进行惩罚，而是进行增强。实验结果表明，新模型能够获得优于平滑型图像先验模型的重构效果。     

基于小波域改进HMT模型的图像恢复算法

针对图像恢复中的边缘模糊问题,提出了一种基于小波域改进隐马尔可夫树( IHMT) 模型的图像恢复算法。IHMT模型更多描述了相邻尺度小波系数的互相关性,能准确刻画自然图像小波系数的统计特性。本文从图像恢复的贝叶斯框架出发,将简化的IHMT模型作为图像小波域的先验模型,构造正则化约束进行图像恢复。采用近似等价的方法,将含有混合密度的恢复方程简化为单一密度求解。实验结果表明,该算法能有效再现图像的边缘信息,提高峰值信噪比。     

基于MPMAP序列红外图像高分辨力重建和非均匀性校正

红外焦平面阵列(IRFPA)的非均匀性校正是获得高性能热成像的基本保证,非均匀性校正(NUC)算法是当前国内外研究的重要方向.鉴于序列图像的超分辨力复原方法和基于场景的NUC算法都需要存在微位移的多帧序列目标场景图像,本文在Poisson和Markov分布假设的基础上,将超分辨力复原与NUC结合,针对存在非均匀性的红外...     

基于MAP的单帧字符图像超分辨率重建

字符是很多图像处理应用关注的区域,增强字符图像分辨率往往能提高字符识别率。针对字符图像纵横和对角线方向纹理特征,提出了一种提取不同方向纹理及图像平滑度度量的新方法,并在最大后验概率框架下,实现了单帧图像超分辨率重建算法。算法利用自适应可调模板作为卷积核,将纹理信息引入图像先验模型,最终将超分辨率重建转化为一个目标函数最优化问题。实验表明,该算法能有效提高字符图像的识别率,且对噪声具有较好的鲁棒性。     

一种基于MAP的图像超分辨率重建算法

引入一种基于关键点滤波(Critical-Point Filters,CPF)的图像配准方法,并在最大后验概率(Maximum a Posteriori,MAP)框架下提出一种改进的集投影法(Projections onto ConvexSets,MAP/POCS)混合算法。算法把POCS的残差约束集合加入到基于CPF图像配准的MAP正则算法中,在每次迭代重建中对重建图像的像素点进行约束,充分利用这三种算法的优点。实验结果表明,相比于传统的重建方法,该算法能够更有效地表达视频中的非平移运动,超分辨图像主观质量有明显改善。     

基于相关邻域模型的SAR图像非线性迭代滤波方法

提出一种基于相关邻域模型可抑制误差积累的SAR图像非线性迭代滤波方法。该方法将图像划分为均匀、非均匀及孤立的强散射点三种区域,对均匀区域采用局域平均的方法进行滤波,对非均匀区域采用基于相关邻域模型的最大后验概率估计进行滤波,对孤立的强散射点则保留其原值不变。为了进一步抑制噪声同时保留图像的细节信息,本文采用了可抑制误差积累的非线性迭代滤波方法。仿真实验证明该方法在有效抑制斑点噪声的同时能够很好的保留图像的细节信息。     

基于最大后验概率的SAR图像目标分割算法

文中使用最大后验概率(MAP)分类方法实现合成孔径雷达(SAR)图像目标分割,并与基于偏微分方程(PDE)的各向异性扩散(AD)过程结合起来,使MAP分类准则得到更好的分割结果。AD过程是作用在后验概率上的空域滤波器,具有高效、精确和简洁的优点,并对图像数据的分布特性具有很强的适应性。这种方法需要先将图像从灰度域转化到后验概率域,因此需要对像素灰度分布进行条件概率分布建模,并进行参数估计。文中巧妙的使用有限混合高斯分布模型来逼近条件概率分布,并用期望最大化(EM)方法用来实现参数估计。在引入这种新奇的混合高斯分布模型后,基于MAP-AD的分割算法对地面SAR图像获得了很好的分割结果并对图像灰度分布具有很强的鲁棒性。     

无源毫米波图像超分辨率处理方法

超分辨率处理是一个病态问题,有效地利用已知信息和约束条件是实现最佳处理的重要因素.论文以无源毫米波成像退化模型为基础,给出点扩展函数估计;通过引入典型目标和场景毫米波辐射特性,把POCS(凸集投影)和MAP(最大后验概率)结合起来,提出一种无源毫米波图像超分辨率处理方法.实验结果表明,该方法能够加快收敛速度,在平滑噪声的同时保护图像边缘和细节.     

Integrations of both high resolution reconstruction and non-uniformity correction of infrared image sequence based on regularized maximum a posteriori

During thermal imaging,it is vital importance to obtain high-performance images that non-uniformity noise in infrared focal plane array (IRFPA) should be eliminatined and the imaging spatial resolution...     

Iterative receiver for OFDM systems based on semi-blind channel estimation

In this paper we propose two iterative algorithms of joint channel estimation and symbol detection for Orthogonal Frequency Division Multiplexing （OFDM） systems. In which, superimposed pilot scheme is adopted and an initial Channel State Information （CSI） is obtained by employing a first-order statistic. In each subsequent iteration, we propose two algorithms to update the CSI. The Mean Square Error （MSE） of channel estimation and Bit Error Rate （BER） performance are given and simulation results demonstrate that the iterative algorithm using method B has good performance approaching the ideal condition.     

基于Voronoi几何划分和层次化建模的纹理影像分割

将基于像素MRF分割方法拓展到基于地物目标几何约束的区域MRF分割,提出了一种基于区域和统计的纹理影像分割方法,其基本思想是利用Voronoi划分技术将影像域划分为若干子区域。在此基础上,采用二值高斯马尔科夫随机场（BGMRF, bivariate gaussian markov random field）模型,静态随机场模型和Potts模型从邻域、区域及全局层次描述影像的纹理结构,并将该纹理结构模型纳入贝叶斯框架;依据贝叶斯定理构建纹理影像分割模型;利用metropolis-hastings (M-H)算法进行模型参数估计,并依据最大后验概率（MAP, maximum a posterior）准则进行优化,从而完成纹理影像分割。为了验证所提出方法的正确性,分别对合成纹理影像,真实纹理影像及遥感影像进行了分割实验,定性和定量的测试结果验证了提出方法的有效性、可靠性和准确性。     

一种融合残差点信息的改进的多基线InSAR高程重建方法

针对不连续地形难以精确重建地形高程的问题,将干涉图残差点和相邻像素点差异比较相结合的坏点判断方法与基于全变分能量函数的最大后验估计算法结合起来,该文提出一种改进的多基线InSAR高程重建方法。该方法利用干涉图残差点和相邻像素点差异比较对不连续点计算原理的不同,对基于全变分能量函数的最大后验估计算法重建的预估地形高程图进行坏点判断,有效判断出高程图不连续点中由于噪声或计算误差引起的坏点,并对预估地形高程图中坏点进行适当加权更新获得最终估计的地形高程图。该文算法在保留基于全变分能量函数的最大后验估计算法简便的优点的同时提高了目标地形高程的估计精度。最后通过2种不同类型地形的仿真实验,表明该方法简单有效。     

基于JPEG序列的图像重建

该文提出了一种基于JPEG序列的图像重建方法。该方法在已有的单帧图像复原技术的基础之上,依据超分辨率重建的思想,将凸集投影(POCS)理论与迭代反投影(IBP)算法相结合,在频域内降低量化误差,修复离散余弦系数。此外,它还利用了最大后验概率(MAP)估计以及相应优化算法的特点,在去除高斯噪声的同时,保护边缘和细节信息。实验结果表明,该方法一方面能够抑制高比率压缩所造成的块效应和振铃效应,另一方面能较好地恢复图像的细节部分,有效地提高图像的清晰度。     

电话语音识别中基于统计模型的动态通道

与桌面环境相比,电话网络环境下的语音识别率仍然还比较低,为了推动电话语音识别在实际中的应用,提高其识别率成了当务之急．先前的研究表明,电话语音识别率明显下降通常是因为测试和训练环境的电话通道不同引起数据失配造成的,因此该文提出基于统计模型的动态通道补偿算法（SMDC)减少它们之间的差异,采用贝叶斯估计算法动态地跟踪电话通道的时变特性．实验结果表明,大词汇量连续语音识别的字误识率(CER)相对降低约27％,孤立词的词误识率(WER)相对降低约30％．同时,算法的结构时延和计算复杂度也比较小．平均时延约200ms．可以很好地嵌入到实际电话语音识别应用中．     

MIMO雷达三维成像自适应Off-grid校正方法

在压缩感知成像算法中,真实目标点一般不会恰好落在预先划定的网格点上,这种网格偏离(Off-grid)问题会带来真实回波与测量矩阵之间的失配,严重降低雷达成像的性能。针对多输入多输出(MIMO)雷达3维成像的网格失配问题,该文提出一种自适应的Off-grid校正方法,基于Off-grid目标的稀疏回波模型构造贝叶斯概率密度函数,采用最大后验概率(MAP)方法求解含有失配偏差的稀疏像。与传统方法相比,该方法可以充分利用失配参数的先验信息,自适应地更新参数,降低了失配误差的影响,并能实现对稀疏目标和噪声功率的高精度估计。仿真结果表明,该方法可以有效地实现对网格失配的优化,具有精确且稳定的成像性能。     

An image magnification algorithm using the GVF constraint model

An image magnification method with a Gradient Vector Flow（GVF）constraint-based anisotropic diffusion model is proposed in this letter.A Low-Resolution（LR）image is first magnified using bilinear interpolation,and then an iterative image restoration method,with the use of an anisotropic diffusion model and a Gaussian moving-average constraint,is applied to the magnified image.The estimated GVF of a High-Resolution（HR）image can be used to remove the jagged effect and to preserve the textural structure in the image.Meanwhile,the use of the Gaussian moving-average LR model can provide a data fidelity constraint,which renders a magnified image closer to the ideal HR version.Experimental results show that the proposed method can improve the quality of magnified images in terms of both objective and subjective criteria.     

Improved image deblurring based on salient-region segmentation

Image deblurring techniques play important roles in many image processing applications. As the blur varies spatially across the image plane, it calls for robust and effective methods to deal with the spatially-variant blur problem. In this paper, a Saliency-based Deblurring (SD) approach is proposed based on the saliency detection for salient-region segmentation and a corresponding compensate method for image deblurring. We also propose a PDE-based deblurring method which introduces an anisotropic Partial Differential Equation (PDE) model for latent image prediction and employs an adaptive optimization model in the kernel estimation and deconvolution steps. Experimental results demonstrate the effectiveness of the proposed algorithm.