基于压缩感知的电力设备红外图像盲超分辨率方法

电力设备红外图像采集过程中出现的分辨率降低和模糊现象是影响红外诊断准确性的重要因素。然而现有超分辨率方法一般假设模糊核已知,但当假设核偏离真实核时方法性能会显著降低。该文针对这一问题,提出一种压缩感知盲超分辨率改进方法。以图像退化模型为基础,结合图像在变换域内稀疏为先验知识,实现图像的超分辨率重建。在重建过程中通过红外图像亮度分量的极值分布先验信息促进模糊核的优化求解以及重建图像反卷积去模糊运算,将传统的非盲超分辨率方法改进为盲超分辨率方法。在提高模型准确性的同时,提升了重建图像细节纹理的质量。并对压缩感知基础模型进行改进变形,以此为基础设计了高效求解算法,最终实现高分辨率图像的高质量重建,从而更好地适应工程应用需求。实验结果表明该文提出的盲超分辨率方法与已有方法相比,其重建得到的红外图像结果无论在主观视觉还是客观评价指标上,均有着一定优势,能够更好地适应现场采集到的低分辨率红外图像超分辨率重建需求。     

基于双正则项的图像超分辨率重建算法

图像超分辨率重建是一种病态反问题.在最大后验概率(MAP)随机正则化技术估计框架下,采用Lorentzian范数构造数据保真项,同时为了更好的保持重建图像边缘,现以图像灰度连续性为先验信息,提出了一种基于双正则项的目标方程.实验证明了此方法比采用L1范数和L2范数能更好地抑制噪声和保持边缘,且该算法对不同假设类型的噪声...     

基于多尺度协作模型的电气设备红外图像超分辨率故障辨识方法

针对现有红外图像分辨率低、清晰度差,易影响基于红外图像的电气设备故障检测效果的缺点,提出一种基于多尺度协作模型的电气设备红外图像超分辨率故障辨识方法.该文构建了基于多尺度协作模型的电气设备红外图像超分辨率重建网络,该网络以生成对抗网络为基础,通过引入多尺度协作模型和双通道结构,改善了超分辨率重建网络对红外图像的适应性,并优化了图像特征提取效果.在实现红外图像超分辨率重建基础上,结合深度学习目标检测方法,建立电气设备红外图像超分辨率故障辨识模型.针对所提方法进行了实验验证,实验结果表明:经该文所提超分辨率重建网络后,红外图像质量可明显提升,峰值信噪比(PSNR)、结构相似性(SSIM)值可分别提高至27.26dB、0.8283;采用该文所提红外图像超分辨率故障辨识模型可显著提高故障辨识效果,mAP、mAR、mAC和mAIOU值平均相对提高了19.34％、19.14％、11.83％和25.03％.     

基于核回归的正则化超分辨率重建算法

在正则化超分辨率重建框架下,基于M-估计理论和核回归思想,提出一种稳健的超分辨图像重建算法。该算法融合了M-估计理论的稳健处理机制和自适应核回归算法的选择性加权特性,提高了算法的稳健特性和边缘保持特性。通过选取Tukey范数和自适应核回归正则项,有效避免了L2范数和L1范数只能针对特定噪声模型的不足。经实验证明,该算法无论是视觉效果还是峰值信噪比(PSNR)都有显著地提高。     

基于TV正则化算法的电容层析成像自适应剖分方法

针对电容层析成像逆问题解的不适定性及重建图像分辨率较低的问题,提出一种基于总变差(totalvariation,TV)正则化的图像重建算法,并由该算法提出一种自适应剖分方法。同常见的Tikhonov正则化算法相比,这种新算法不仅保证了逆问题求解的稳定性,而且提高了对介质非连续分布区域成像的分辨能力,具有良好的保边缘性。基于该算法的自适应剖分方法能够根据介质分布自动对剖分网格进行局部细分。相比全区域细分方法,这种剖分方法在保证图像分辨率的同时减少了计算量,提高了图像重建速度。实验结果表明,该算法在重建图像质量和实时性两方面均具有优势。     

总变分规整化的多帧图像超分辨率重建

为了能够使重建结果突出边缘细节,研究了一种基于总变分规整化的超分辨率图像重建方法。根据对图像成像退化过程的分析,建立超分辨率图像重建的数学模型。利用观测图像的先验知识估计出点扩散函数,通过基于图像金字塔的光流法估计出观测图像间的运动矩阵,根据以上得出的参数求解模型方程,选择总变分规整化克服求解问题的病态性得到重建结果。采用优最小化方案代替了复杂的偏微分方程求解,有效地解决了总变分优化问题,并与其它算法进行对比。实验结果表明了算法的鲁棒性和有效性。     

结构稀疏通道先验盲图像去模糊方法

针对盲图像去模糊过程中主结构不准确和边缘不清晰问题,提出了一种结构稀疏通道先验(SSCP)盲图像去模糊方法。SSCP表示模糊图像比清晰图像具有更少结构稀疏通道的先验方法。利用SSCP的性能特性,将其作为新的正则化项引入经典去模糊模型,构建盲去模糊新模型,实现对模糊核的准确估计。通过坐标下降法,交替优化求解潜像与模糊核变量。最后,通过反卷积得到去模糊的清晰复原图像,在基准数据集和自然状态模糊图像上开展主观和客观对比实验,并进行人脸和低亮度真实模糊图像的应用拓展实验。实验结果表明,提出的方法在模糊去除、结构恢复、边缘保留和视觉效果方面的性能比经典去模糊方法平均提高了1.72%,通过该方法设计出的计算装置能够实现机器视觉领域中模糊图像的高精度清晰化处理。     

基于边缘增强生成对抗网络的电力设备热成像超分辨率重建

非接触式红外热成像的温度数据,对于电力设备状态监测与健康状态评估具有重要意义.但高分辨率红外成像仪的昂贵造价和技术壁垒,限制了高分辨率热成像图像在基于电力物联网的设备在线监测中的应用.超分辨率重建满足分辨率要求的同时可以降低成本.通过构建改进边缘增强的生成对抗网络实现了电力设备热成像的增强,该网络在超分辨率生成对抗网络...     

基于超分辨率重建的序列图像增强算法

本文提出了一种基于超分辨率重建的序列图像增强算法。该算法根据贝叶斯理论和最大似然估计法则得到正则化最小代价函数;采用双边滤波算子自适应的计算正则化矩阵,能较好的保持边缘和纹理信息。并通过实验验证该算法比非均匀插值法、反向迭代投影法、结构自适应归一化卷积法和凸集投影法得到了更好的重建结果,起到了更有效的增强作用。     

基于稀疏表示的超分辨率图像重建

主要是提出1种新的重建算法-基于稀疏表示的超分辨率重建,一方面,提出1种自适应的估计HR图像稀疏域的方法,其主要利用图像非局部的相似patch组合,通过PCA方法自适应的得到;另一方面,为进一步加强该方法的功能,在目标函数中引入1个非局部自相似的二次项约束,从而充分发掘非局部图像冗余信息.通过对含有L1-范数及L2-范...     

基于特征值谱区域优化的Tikonov正则化实现ECT图像重建

电容层析成像(electrical capacitance tomography,ECT)中的图像重建是一种病态的逆问题,经常采用正则化技术求解此问题。最常用的Tikhonov正则化算法是通过增加正则化惩罚项,实现正则化求解。基于图拉普拉斯的算子函数,提出构建特征值谱区域优化正则化项的方法。对L_2(R~n)空间到再生Hilbert空间映射的Laplacian算子函数及相应核函数特征进行分析;根据介质分布的先验信息,并结合系统灵敏度的局部非线性,选择算子函数构造正则化项,实现局域正则化在线重建算法。实验表明:新方法设计的正则化算法比两种常规Tikhonov正则化算法重建图像质量好,并具有较好抗噪声干扰能力。     

傅里叶单像素显微超分辨成像系统设计

单像素成像因其仅需一个无空间分辨能力的单点探测器即可实现目标物体的空间信息获取重建物体图像,是解决非可见光波段成像的关键技术。该技术的发展和应用在高分辨率空间存在数据采集量大,成像慢的问题。因此,设计了一种傅里叶单像素显微超分辨成像系统来提高现有单像素显微成像的效率和质量。首先,搭建了单像素显微超分辨成像系统,引入基于深度学习的超分辨模型来提升其成像分辨率,从而快速获得高分辨率的物体重建图像。经实验结果证明,相同的光强信号采集时间下,成像分辨率可提高近9倍,且其峰值信噪比达到28 dB,有效提高了单像素显微成像在高分辨率情况下的成像效率。     

基于多尺度耦合的密集残差网络红外图像增强

为了提升非制冷红外热像仪的图像质量,满足低对比度弱小区域的观瞄与锁定的需求,提出了一种基于多尺度密集残差网络的红外图像超分辨重建模型,该模型的基本框架是通过级联多个残差特征进行学习,以粗到细的方式重建高分辨率图像。首先提出一种多尺度跨域融合模块,通过对不同感受野的分支结果进行融合,不仅可以融合不同感受野的互补信息,还可有助于提升梯度收敛和特征传输;然后叠加多个跨域融合模块,并采用残差特征学习进行优化,最终学习出高分辨率细节信息。仿真实验结果表明,所提出的超分辨模型能够较好的超分辨重建效果,在微弱结构保持和点目标保持上的性能也更加突出。所提的模型已经在海思嵌入式深度学习平台上实现了高质量的红外增强,具有较高的工程应用价值。     

基于多元线性回归与正则化算法的电容层析成像

电容层析成像(ECT)是监测多相流动的一种新技术,其主要技术难点在于克服反演过程中的不适定性,快速而又精确的重建图像.本文提出了一种利用有限元(FEM)以及多元线性回归的方法(MLR)建立ECT系统正向模型,用正则化方法解决ECT系统图像重建这一不适定性问题的图像重建算法,即通过先验知识的引入来降低反演方程的病态程度,改善求解条件以达到克服不适定性的目的,精确的重建图像.仿真结果表明,该方法能快速而且高精度的获得图像重建,具有很强的实用性.     

基于稀疏先验的运动模糊图像盲复原方法

运动模糊图像的盲复原是一个极具挑战性的逆问题。为了能够复原出高质量的清晰图像,提出了一种基于稀疏先验的运动模糊图像盲复原方法。首先,根据自然图像的稀疏特性,提出了一种结合梯度域和空间域的稀疏先验模型对复原图像进行正则化约束;然后,根据运动模糊核(MBK)的稀疏平滑特性,提出了一种结合L0先验和Lp(0p1)先验的新的双重正则化约束模型来同时对MBK的稀疏特性和平滑特性进行很好的约束,实现MBK的准确估计;最后,采用了半二次性的变量分裂策略对提出的模型进行最优化求解,能够在准确估计MBK的同时复原出高质量的清晰图像。大量的实验结果表明,提出的方法较近几年的一些成功的运动模糊图像盲复原方法相比,能够估计出更加准确的运动模糊核,复原出更高质量的清晰图像,在客观的评价指标和主观的视觉效果上均有明显的改进。     

特高压换流站保护系统全景监视图像超分辨率重建方法研究

针对特高压换流站全景监视系统运行环境导致的视频图像抖动、镜头出现积灰等问题,以及基于深度学习的高分辨率图像重建算法存在细节特征失真和计算复杂度较高的缺陷,提出一种基于多尺度卷积块和残差网络的图像超分辨率重建方法,通过增加具有较小内核的深度卷积层来获取图像的鲁棒细节特征,并在训练过程中加入残差网络,加快网络收敛速度,解决消失梯度,改善图像重建质量。对部分标准数据集和特高压换流站全景监视图像数据集进行了图像超分辨率重建和目标识别实验研究,与超分辨率卷积神经网络(super-resolution convolutional neural network, SRCNN)和快速超分辨率卷积神经网络(fast SRCNN, FSRCNN)方法相比,所提算法的结构相似指数均值分别增加了0.004 3和0.0298,峰值信噪比分别提高了0.17 db和0.83 dB。实验结果表明所提方法重建了细节信息更逼真的高分辨率图像,可以满足换流站全景监视的需求。     

基于视觉技术的非接触测量精度优化研究

针对精密加工行业零件形位公差在线检测实时性不高并且无法同时检测多个零件的问题,采用机器视觉技术,改良了相机采集图像的图像预处理流程与测量方法,提出一种基于CNN的超分辨重建的非接触测量改良算法。相较于其他超分辨率重建算法该算法模型简单,精度较高,速度快,在资源受限的情况下可以兼顾测量精度和效率。为了验证所设计算法的可靠性,设计了一套机器视觉的非接触测量系统。实验结果表明,改良测量方法后测量精度较之前使用的测量方法至少可提高47.86%,平均提高49.67%;该超分辨率算法在分辨率一定的基础上,对原始采集图像的超分辨率重建提升图像分辨率后,测量精度较不使用超分辨率重建提高了60.38%,最后利用该算法实现对多个目标在线同步测量分析,并且精度不低于同分辨率下单一零件检测精度。     

基于光场的分布式压缩感知

针对光场渲染提出了一种分布式压缩感知重建算法——同时正则化的正交匹配追踪算法(simultaneous regularized orthogonal matching pursuit algorithm,SROMP)。光场相机阵列属于分布式信源,其获取的光场图像序列不仅具有图像内部相关性,还具有极强的图像间的相关性。验证了光场相机阵列信源特征符合分布式压缩感知第二联合稀疏模型。提出的SROMP算法,能利用信号间和信号内的相关性,高概率的同时重建多幅图像。并通过实验验证了算法的准确性。     

基于二阶梯度的暗通道先验盲图像去模糊

盲图像去模糊的目的是通过迭代在模糊核未知的情况下，从模糊图像中恢复出清晰图像。当真实图像具有较少的暗像素时，暗通道先验算法不能产生令人满意的结果。实验中发现，二阶梯度(海森矩阵)中元素的绝对值随着图像逐渐模糊而减小。利用这一特点，提出一种基于L1正则化二阶梯度的暗通道先验盲图像去模糊算法模型。首先，展示了算法相关的理论证明，通过实验说明海森矩阵在保留边缘细节以及图像细节方面的可行性，其次在暗通道去模糊模型的基础上，引入二阶梯度项并施以L1范数约束。然后采用半二次分裂策略来解决该非凸优化问题，最后，使用快速傅里叶变换求得最终的清晰图像和模糊核。实验结果表明，该算法能够在抑制噪声的同时很好地保护图像的边缘细节和消除振铃伪影，并且在合成图像和自然图像上都比现有的图像去模糊方法鲁棒性更强，并且性能良好。在自然图像数据集中SSIM值平均提高了10%以上。     

基于Watson模型的改进QIM盲水印算法

2007年,LiQ.和CoxIJ.提出了一种基于离散余弦变换的自适应QIM算法。该算法为保存水印图像需在嵌入水印后对值进行四舍五入取整,造成误差最大达0.5。针对这一问题,利用小波变换的特点,结合Watson感知模型,提出了一种改进的QIM盲水印算法。该算法使用小波分解原始图像,利用Watson感知模型计算并自适应选取量化步长,生成重构图像,微调重构图像,产生水印图像,在小波域中值的误差最大0.25。该算法提取水印时,只依赖Watson模型重新计算的量化步长,不依赖原始图像或原始水印信息,该算法是盲检测算法。实验仿真结果表明:改进算法在抗加性高斯白噪声攻击、JPEG压缩攻击、中心裁剪攻击、中值滤波和伸缩比因子变化等方面都比原算法有更好的性能。