高清晰超声微扫描成像无损检测系统*

设计了一种高清晰焊缝超声成像无损检测方法及检测系统。该系统基于超声无损检测原理和超分辨率图像处理方法,采用水浸聚焦探头对焊缝进行逐点扫描,对每一点的超声反射回波信号进行采样,组成焊缝截面的超声扫描图像,在通过微扫描成像技术获取多帧关于同一场景的互有位移的降质图像后,重建高分辨率高质量图像。设计的检测系统除了具有常规的扫描超声成像功能外,还具有超分辨率成像功能,可突破现有超声成像设备的分辨率限制,大大提高超声成像设备对焊缝中细微缺陷的识别能力,适合于一些需大规模、高质量生产的质量控制单位或制造领域的汽车、造船、集装箱等重要行业使用。     

滤波预处理对提高全聚焦算法重建图像质量的比较研究

针对超声波无损检测方法中全聚焦算法重建缺陷图像伪影严重的问题,提出在全聚焦算法中加入滤波处理来进行压制,以提高图像质量和成像分辨率。首先分析了全聚焦算法重建缺陷图像的不足之处,然后提出分别使用R-L、S-L、Cosine和Hamming四种滤波函数对超声反射实验系统采集的全矩阵数据进行处理,最后将原始信号和分别经过四种滤波函数处理的回波信号通过全聚焦算法进行缺陷图像重建。成像结果表明,由经过四种滤波后重建的缺陷图像信噪比均优于由原始信号重建的图像,且R-L和S-L在四种滤波函数中对于提高图像重建质量的效果最好。试件Ⅰ经过R-L和S-L滤波重建的图像信噪比较未滤波的分别提高了8.99 dB和8.96 dB,试件Ⅱ分别提高了9.56 dB和9.55 dB。     

高清晰超声微扫描成像无损检测系统

设计了一种高清晰焊缝超声成像无损检测方法及检测系统。该系统基于超声无损检测原理和超分辨率图像处理方法,采用水浸聚焦探头对焊缝进行逐点扫描,对每一点的超声反射回波信号进行采样,组成焊缝截面的超声扫描图像,在通过微扫描成像技术获取多帧关于同一场景的互有位移的降质图像后,重建高分辨率高质量图像。设计的检测系统除了具有常规的扫描超声成像功能外,还具有超分辨率成像功能,可突破现有超声成像设备的分辨率限制,大大提高超声成像设备对焊缝中细微缺陷的识别能力,适合于一些需大规模、高质量生产的质量控制单位或制造领域的汽车、造船、集装箱等重要行业使用。     

压缩感知在Micro-CT图像超分辨重建中的应用

Micro-CT成像中重建图像的分辨率往往受到X射线的辐射剂量和探测器单元的孔径及大小的限制。在不改变原有成像参数的前提下,通过将重建图像网格的上采样以及重建图像的稀疏性假设先验,提出一种基于全变差模型的Micro-CT图像超分辨率重建模型。基于扩展梯度投影方法,将模型解耦分解为沿保真项的梯度方向下降、TV去噪、两步迭代结果线性组合这3步交替迭代求解。对模拟图像和实际数据进行了仿真测试,并同传统的滤波反投影方法进行了比较。实验结果表明,该算法能够有效提高重建图像的分辨率。     

频域二元纯相位编码压缩成像

超分辨率被认为是光学成像和图像处理的"圣杯"之一.压缩感知理论的引入给出一种新的实现从单幅低分辨率图像的超分辨率重构方法,避免了传统超分辨率方法需要多幅亚像素图像的弊端.在分析压缩感知测量矩阵与光学成像系统之间对应约束异同的基础上,提出一种基于4-f光学架构的频域二元相位编码压缩成像方法,可以实现在单次曝光条件下获得的单幅低分辨率测量图像中实现超分辨率重建,不需要其他任何额外的信息采集.二元相位掩膜比均匀相位掩膜更容易物理实现,是压缩成像物理实现的一种更加可行的方案.模拟实验表明提出的方法可以有效地捕获图像的信息与高精度重建.此外,对于大尺度图像重建,该方法在重建时间方面优于Romberg提出的随机解调方法,在更符合实际方面的采样策略方面优于Yin提出的RecPC方法.     

自适应的归一化卷积超分辨率重建算法研究

图像超分辨率重建技术是数字图像领域的一个研究热点,应用广泛。为了使重建的图像能更好地保持边缘细节,采用各向异性高斯核函数作为适用度函数,并将改进的自适应归一化卷积超分辨率重建算法应用于设计的多通道光学成像系统图像。由于各向异性高斯核函数邻域的尺度和方向由提出的自适应结构张量矩阵决定,其能很好地估计图像局部结构的方向和强度。实验仿真结果表明,提出的方法与其他方法相比可以保持边缘细节和提高信噪比,从而改善图像成像质量。     

基于非局部自回归学习的医学图像超分辨重建方法

由于受放射剂量的影响及成像设备条件的限制,医学图像在成像过程中的分辨率不高,并在一定程度上影响后期临床诊疗的精度.针对此问题,文中提出基于非局部自回归学习的医学图像超分辨重建方法.利用医学图像数据固有的非局部相似性特点,将自回归模型引入到基于稀疏表示的医学图像超分辨重建模型中,同时利用聚类算法得到分类字典,提高实验效率.实验表明,文中方法提高医学图像分辨率方面的可行性,及在重建效率和性能方面的优势     

基于半耦合字典的CT图像超分辨率重建方法研究

在CT图像超分辨率重建中,传统方法存在峰值信噪比和结构相似性低、重建效果差的问题,为获得更好的图像,提出基于半耦合字典的CT图像超分辨率重建方法。该方法利用初始图像与神经元函数之间的卷积形式,曝光处理CT图像。基于图像分辨率的离散化特点,构建了图像降质退化模型。设置匹配点和计算机断层扫描的基本参数,获取CT图像的超分辨率属性特征。经由傅里叶算法,准确匹配图像超分辨率特征点,通过训练半耦合算法,设计了图像超分辨率重建算法,实现CT图像的超分辨率重建。结果表明,该方法不仅可以提高重建的峰值信噪比和结构相似性,还提高了重建图像边缘的圆滑程度,从而实现提高重建质量,获取更好的图像。     

基于宽波束激励的高帧频超声成像方法研究

超声成像的帧频是影响超声成像应用的一个关键因素,成像系统的帧频决定了系统捕捉运动组织的能力,如3D成像、心脏成像、彩色多普勒等。传统超声成像采用延迟聚焦方法可获得较好的图像,但成像帧频较低。目前提高超声成像帧频主要有平面波成像和宽波束激励成像两种方法。平面波成像是通过激励所有阵元同时发射并同时接收超声波,虽在帧频上获得了显著提高,但由于它使用非聚焦技术,分辨率的提高仍然比较有限,特别是当要维持较高帧率而使用较少的扫描角度时,得到的图像质量仍然不高。宽波束成像技术利用多阵元同时发射超声波、远点聚焦、动态实现孔径变迹等方法可极大地提高图像的帧频、均匀性和空间分辨率。文章通过美国 Verasonics公司 V-1数据采集系统采集宽波束数据,进行波束合成建立宽波束超声图像,并与平面波成像和传统聚焦成像技术进行了对比和分析。实验结果表明,相较于平面波成像和传统聚焦成像方法,宽波束成像具有更好的横向分辨率和轴向分辨率,且可获得比传统聚焦方法更高的帧频。     

单幅图像超分辨率重建技术研究进展

图像分辨率是衡量一幅图像质量的重要标准. 在军事、医学和安防等领域, 高分辨率图像是专业人士分析问题并做出准确判断的前提. 根据成像采集设备、退化因素等条件对低分辨率图像进行超分辨率重建成为一个既具有研究价值又极具挑战性的难点问题. 首先简述了图像超分辨率重建的概念、重建思想和方法分类; 然后重点分析用于单幅图像超分辨率重建的空域方法, 梳理基于插值和基于学习两大类重建方法中的代表性算法及其特点; 之后结合用于超分辨率重建技术的数据集, 重点分析比较了传统超分辨率重建方法和基于深度学习的典型超分辨率重建方法的性能; 最后对图像超分辨率重建未来的发展趋势进行展望.     

基于双字典和稀疏表示的医学图像超分辨率重建

在医学影像图像处理过程中,由于成像技术和成像时间的限制,还无法获取满足诊断需求的清晰图像,这使得在现有技术和极短时间内所获取的医学病理图像需要进行超分辨率的重建处理;基于学习的图像超分辨率思想是从已建立的先验模型中重建出高频细节;在文章中,将要估计的高频信息认为是由主要高频和冗余高频两部分组成,提出了一种基于双字典学习和稀疏表示的医学图像超分辨率重建算法,由主要字典学习和冗余字典学习组成,分别渐近地恢复出主要高频细节和冗余高频细节;实验结果的数据分析和视觉效果显示,所提出双层递进方法能够恢复更多的图像细节且在性能指标上比现有的其他几种方法均有所提高。     

基于改进Landweber算法的静电传感器研究

由于静电层析成像信息量少且本身为严重病态导致图像重建分辨率很低,为了提高图像重建质量,提出了一种改进的Landweber图像重建算法.采用线性反投影(LBP)算法重构的图像作为Landweber 迭代算法的初始值,再以Landweber算法重构最终图像.仿真实验表明:采用改进的Landweber迭代算法较之单独使用LBP算法和Landweber算法有较好的成像效果,可提高成像精度,较准确地判断管道内电荷的分布情况.     

基于Deflation技术的预调制Restarted GMRES算法

电学层析成像的图像重建需要对逆问题进行求解,而求解过程中存在着非线性、欠定性以及病态性严重等难题,使得图像重建可能不收敛,或者致使收敛,但获得的图像分辨率较低。针对现有的一些图像重建算法,提出基于Deflation技术的预调制Restarted GMRES算法,在原有full GMRES算法基础上,提高了收敛速度以及图像成像分辨率,并通过仿真实验证明。     

小波局部适应插值的图像超分辨率重建

针对单帧低分辨率图像的超分辨率重建问题,提出一种改进的小波局部适应插值的超分辨率重建方法,该方法能够弥补重建图像边缘不平滑的缺陷。结合小波变换与可分离高低频信息的特性,提出一种综合两者优点的单帧图像超分辨率重建算法。实验结果表明,采用该算法得到的重建图像不仅能较好地保留原始图像的细节信息,提高图像的空间分辨率,并能提高图像的峰值信噪比,更适合人眼视觉系统。     

图像超分辨率重建技术综述

超分辨率(SR)重建技术是利用一幅或多幅低分辨率(LR)图像的信息重建出一幅高分辨率(HR)图像,同时能够消除由成像器件引入的模糊、噪声.该技术应用领域广泛,已经成为国内外图像处理领域的研究热点之一.介绍了超分辨率重建技术的基本原理,并分别以单帧和多帧、频域和空域为分类依据,分别阐述了超分辨率重建技术的经典方法,系统地总结了各种方法的优缺点,提出了超分辨率重建技术可能的研究方向,从而为超分辨率重建相关技术的进一步研究提供一定的理论基础.     

基于非局部POCS的超分辨率图像重建

图像获取过程中,受成像系统的影响,无法获取原始场景中所有的信息。超分辨率图像重建技术就是在不改变成像系统的前提下,提高图像质量。POCS(凸集投影算法)可以利用多帧低分辨率图像重建一帧高分辨率图像。然而传统的POCS算法通常会产生"锯齿"边缘。在自然图像中,会存在许多的相似边缘结构。利用局部相似性的结构,可以有效地消除"锯齿"边缘。因此提出一种基于非局部POCS的超分辨率图像重建算法,以有效锐化图像边缘,提高图像的视觉感观。     

一种多幅欠采样图像的凸集投影超分辨率重建方法

介绍了一种由多幅欠采样低分辨率图像重建一幅高分辨率图像的凸集投影超分辨率重建技术。首先介绍了超分辨率空间域迭代重建方法中一个至关重要的因素--成像过程模型;其次通过介绍凸集投影的理论依据,给出了插值-模拟采样迭代超分辨率重建方法的模型和重建步骤;最后通过实验数据对算法进行了验证。     

高光谱图像超分辨率重建技术研究进展

不同于传统图像（如灰度图像、RGB图像等）专注于保存目标场景的空间信息,高光谱图像蕴含丰富的空—谱信息,不仅可以保存目标的空间信息,还可以保存具有高可辨性的光谱信息。因此高光谱图像广泛应用于多种计算机视觉和遥感图像任务中,如目标检测、场景分类和目标追踪等。然而,在高光谱图像获取以及重建过程中仍然存在许多问题与瓶颈。如传统高光谱成像仪器在成像过程中通常会引入噪声,且获得的图像往往具有较低的空间分辨率,极大地影响了高光谱图像的质量,对后续数据分析任务造成了极大的困难。近年来,高光谱图像超分辨率重建技术研究得到了极大的发展,现有超分辨率重建方法可以大致分为两类,一类为空间超分辨率重建方法,可以通过直接提升高光谱图像的空间分辨率来获得高质量高光谱图像;另一类为光谱超分辨率重建方法,可以通过提升高空间分辨率图像的光谱分辨率来生成高质量高光谱图像。本文从高光谱图像超分辨率重建领域的新设计、新方法和应用场景出发,通过综合国内外前沿文献来梳理该领域的主要发展,重点论述高光谱图像超分辨率重建领域的发展现状、前沿动态、热点问题及趋势。     

基于对抗网络人脸超分辨率重建算法研究

由于受到光照和成像设备等条件因素的影响,采集到的单帧人脸图像分辨率低,无法进行准确人脸识别,所以需要图像超分辨率重建。而利用SRGAN模型在进行人脸超分辨率重建过程中,易出现梯度消失或爆炸的问题,严重影响了重建图像的精度和质量。针对上述问题,提出了基于生成对抗网络的改进人脸超分辨率重建算法,在SRGAN结合WGA-N的基础上引入Wasserstein散度,并将其最大化得到最优化标量函数[T],实现去掉Lipschit-z约束能够直接得到Wassertein距离,并通过最小化Wassertein距离得到生成网络的目标函数,最终改进的模型提高了重建图像的质量。实验结果表明,该方法能够生成高分辨率的人脸图像,在主观视觉和客观评价指标均同比优于DRCN、FSRCNN、SRGAN_WGAN、VDSR和DRRN模型。     

一种改进的图像超分辨率模型与数字图像分辨率的研究

论文从Harris等人提出的图像超分辨率理论出发,分析了传统图像超分辨率理论的不妥之处,并在此基础之上对成像模型进行了改进。以改进模型为依据,指出数字图像频谱的混迭是影响数字图像分辨率的主要因素之一,并且这种混迭是不可避免的,也是不可能被完全消除的。在数字图像超分辨率重建中,奈奎斯特抽样定理已经不能适用了,此种重建过程应该是减小混迭的过程,根据重建精度的要求,相应的来减小混迭。在图像混迭的基础之上,提出了一种数字图像分辨率的概念,由此概念出发,可以为数字图像超分辨率重建提供新的途径和评价方法。