基于边缘增强的正则化超分辨率图像重建

针对双边全变差正则化算法边缘区域重建图像效果不理想问题,提出一种基于边缘增强的正则化超分辨率图像重建算法。该算法在构造初始图像时,对样条插值后的图像先进行非局部均值滤波预处理,然后进行拉普拉斯锐化处理;采用L1范数度量数据保真项和正则项,并从自适应的角度确定正则化参数,从而增强算法的稳健性。实验结果表明,与样条插值算法、双边全变差算法相比,该算法能更好地增强重建图像的边缘信息。     

基于冗余字典的高光谱图像超分辨率复原算法

为了提高高光谱图像的空间分辨率,将基于冗余字典的信号稀疏表示理论应用到高光谱图像的超分辨率复原领域,提出一种基于冗余字典的高光谱图像超分辨率复原算法.该算法通过训练一组高低分辨率相对应的冗余字典对,使得高低分辨率相对应的像元曲线在基于各自的冗余字典进行稀疏分解时,具有相同的稀疏表示系数.超分辨率复原过程中,将待复原的低分辨率高光谱图像基于低分辨率冗余字典进行稀疏分解,利用所得的稀疏表示系数和对应的高分辨率字典,重建高分辨率的图像.实验结果表明:与基于图像块字典的超分辨率复原算法及传统的双线性插值图像放大方法相比,重建图像的峰值信噪比(peak signal to noise radio,PSNR)得到了显著提高.该算法将高光谱图像沿光谱维方向进行整体稀疏分解,避免了传统算法逐波段进行超分辨率复原带来的波段间的光谱失真问题,显著降低了算法的运算量.     

正则化的近似最大公因子的图像盲复原算法

针对近似最大公因子图像盲复原算法对噪声敏感的问题,提出了一种基于全变分正则化的近似最大公因子图像盲复原算法。该算法利用近似最大公因子盲复原算法估算出点扩散函数,然后利用全变分正则化迭代解卷积求得复原图像。改进算法从抑制噪声和反卷积运算约束两个方面去改进近似最大公因子图像盲复原算法,提高算法的鲁棒性。最后给出仿真实验,在同一噪声水平下改进算法的PSNR提高了1～5dB,SSIM提高了0.09～0.3,验证了改进算法有较好的效果。     

总变差正则化方法在条形码信号复原中的应用

条形码信号的复原是数学物理反问题中的一种病态问题,正则化方法是解决病态问题最常用的方法。研究了信号盲复原的基本原理与方法,并将基于总变差的正则化方法应用到一维条码信号的复原问题中,仿真试验结果表明,该方法复原效果显著。     

一种图像快速超分辨率复原方法

在对凸集投影超分辨率图像复原方法的研究中发现,图像的边缘区域与其他区域并不需要使用相同的松弛算子,据此提出一种快速的凸集投影方法,解决了传统凸集投影方法中一直存在的运算量大的问题,提高其实际应用性能．在凸集投影图像复原过程中引入模糊熵进行边缘检测,根据其邻域一致性测度构造一单调递增函数,以此作为定义迭代步长的松弛算子,从而可以根据图像各部分的区域特征来自适应选取迭代步长,大大减少了运算量．实验表明,快速凸集投影方法经过几十次的迭代能得到近似甚至优于传统凸集投影方法上百次迭代后的复原效果,并且由于复原过程中引入了边缘先验信息,对振铃效应也有很好的抑制作用．     

基于稀疏表示的遥感图像超分辨率重建

根据稀疏定理,首先对遥感图像数据进行训练,得到高分辨率图像块字典与低分辨率图像块字典,然后利用低分辨率图像块字典求出稀疏表示系数,最后根据稀疏表示系数得到超分辨率重建图像.结果可以看出,经过改进后,重建图像的客观评价指标更优.     

基于重建方法的图像超分辨率技术发展现状分析与方向预测

图像超分辨率(super resolution,SR)重建技术是利用一帧或多帧低分辨率(low resolution,LR)图像的信息来重建一帧清晰的高分辨率(high resolution,HR)图像的技术,是图像处理中的研究热点。介绍了基于重建方法的图像SR技术的基本原理及数学模型,以频域方法和空域方法作为分类依据,分别阐述了图像SR重建技术的经典方法和最新进展,并对各类算法的优缺点进行了系统的分析和总结,最后指出了基于重建方法的图像SR技术的研究方向。     

基于ARM的嵌入式超分辨率复原系统设计

为解决传统插值方法对采集的视频图像放大时易出现块效应和细节退化的问题,在高级RISC微处理器(advanced RISC microprocessor,ARM)平台上设计并搭建基于小波变换算法的嵌入式超分辨率复原系统.以ARM Cortex TM-A8处理器(S5PV210)为核心搭建硬件平台,采用嵌入式Linux系统搭建软件开发环境,设计基于V4L2接口的视频图像采集程序.最后将基于小波变换的超分辨率复原算法植入系统.实验证明,该系统处理的视频图像,比传统插值方法处理的视频图像取得了更高的峰值信噪比,能够恢复出更多细节信息.     

基于非局部均值的单帧图像超分辨率重建算法

为了解决单帧低分辨率图像获得高分辨率图像的问题,提出了一种基于非局部均值滤波的单帧图像超分辨率算法,将图像超分辨率重建视为反问题,建立正则化模型,充分考虑图像的局部结构信息和自然图像中不同尺度的相似性冗余,加入非局部滤波.实验结果表明,文中算法从单帧图像重建的图像边缘轮廓和纹理较传统算法清楚,有效抑制了人工伪影,同时对噪声具有鲁棒性.在视觉效果及峰值信噪比上都取得良好的结果.     

新型高光谱图像的超分辨率制图方法

由于高光谱图像的应用在很大程度上受限于其较低的空间分辨率,为此提出了一种结合支持向量机和小波变换的高光谱图像超分辨率制图方法．先对高光谱图像进行光谱解混得到分量图,然后对分量图进行一级小波分解．各局域窗内中心像元的3个高频系数与邻域像元低频系数之间的对应关系表示为训练样本,用于支持向量机的学习．训练好的模型用来对低分辨率图像即分量图进行超分辨率制图．实验表明,这种借助小波变换来获取训练样本的学习方法无需先验信息,相比采用BP神经网络学习的方法,支持向量机的超分辨率制图效果更佳．     

Anisotropic fourth-order diffusion regularization for multiframe super-resolution reconstruction

A novel rcgularization-based approach is presented for super-resolution reconstruction in order to achieve good tradeoff between noise removal and edge preservation. The method is developed by using L1 norm as data fidelity term and anisotropic fourth-order diffusion model as a regularization item to constrain the smoothness of the reconstructed images. To evaluate and prove the performance of the proposed method, series of experiments and comparisons with some existing methods including bi-cubic interpolation method and bilateral total variation method are carried out. Numerical results on synthetic data show that the PSNR improvement of the proposed method is approximately 1.0906 dB on average compared to bilateral total variation method, and the results on real videos indicate that the proposed algorithm is also effective in terms of removing visual artifacts and preserving edges in restored images.     

一种结合稀疏表示和投影正则化的图像分解方法

结合稀疏表示和投影正则化方法,提出了一种将图像分解为纹理和结构部分的新方法．该方法的基本思想是用两个适当的字典：一个用来描述纹理部分——对偶树复小波变换,另一个用来描述结构部分——基于投影正则化方法的二代曲线波变换,其中投影正则化方法可以很好地指引分解过程, 减少伪吉布斯现象．这两个字典本身是互不相关的,只对它们所描述的部分得到稀疏表示,对另外一部分得不到稀疏表示．实验结果表明, 该算法即节省了运算时间, 又很好地将图像的纹理和结构分开,特别是当图像含有噪声时,它可以很好地将纹理和噪声分开．     

基于FrFT变换和全变分正则化的异常检测算法

针对低秩稀疏表示的高光谱异常检测算法中背景字典易被污染、空间信息利用不足的问题,提出基于分数阶傅里叶变换（FrFT）和全变分正则化约束的高光谱图像异常检测算法. 通过聚类算法,将图像高维数据映射至多个子空间;构造FrFT-RX算子,增大背景和异常的可分性,得到较纯净的背景字典. 为了表示FrFT变换后中间域内背景与异常的空间特征,在低秩稀疏表示模型中引入全变分正则化项约束. 采用交替方向乘子法对模型进行优化求解,得到异常检测的结果. 在3个真实高光谱数据上开展目标检测实验,实验结果表明,与其他5种异常检测算法相比,本文算法具有更高的检测率和较低的虚警率.     

全变差图像去噪模型的快速求解

针对全变差正则化模型求解算法普遍存在收敛速度慢的问题,基于Bregman迭代正则化方法构建了一种快速求解全变差正则化模型的迭代算法。实验结果表明,该算法能快速求解全变差正则化模型,得到的复原图像在峰值信噪比和主观视觉效果方面有着明显提高。     

基于Fourier变换-源强模拟技术近场声全息正则化方法比较

近场声全息中通常需要采取正则化方法来改善重建的不适定性.研究在基于Fourier变换-源强模拟技术的近场声全息理论基础上,分别对截断奇异值法和Tikhonov法进行了比较,并使用广义交叉验证法和L-曲线法对正则化参数进行选取,最后采用不同的组合方法对声场重建进行仿真分析.结果表明：运用L-曲线法结合Tikhonov正则化方法,重建声场的相对误差较小,能有效地解决该理论重建过程中的不适定性.     

基于正则化方法的多元数据拟合问题

考虑了多元数据拟合过程中的不适定问题,采用Tikhonov正则化方法,在最小化泛函中引入正则化泛函解决整个辨识过程中的不适定问题,并且利用贝叶斯正则化方法迭代计算正则化参数及方程解。最后,通过数值模拟验证方法的有效性。     

含噪径向模糊图像的复原算法研究

摄像平台高速靠近目标时,会使成像产生从中心到边缘呈放射状径向模糊的问题,影响对目标的探测、识别与跟踪。针对这一典型的空间变化运动模糊情形,根据实际的目标离散成像过程,推导出径向模糊图像在极坐标系中的数学模型。在分析极坐标图像纹理信息几何特征的基础上,基于非局部正则化理论提出了改进的Richardson-Lucy算法,有效解决了模糊系数存在测量误差时含噪径向模糊图像的复原问题。     

一种新的混合差分粒子群优化算法及其应用

基于差分进化算法在收敛快速性及粒子群算法在种群多样性保持上的优势,提出一种新的混合启发式优化算法,其基本思路是将粒子群种群作为辅助变异算子,与差分进化算法种群进行交叉操作,产生的新子代继承了父代和母代的优势特性,从而避免了单一算法的早熟收敛和收敛速度过慢的问题。通过与已有的改进算法仿真对比,该算法能够有效的跳出局部极值防止算法早熟且收敛速度很快。最后,借鉴已有文献方法对混合算法在B2C路径优化问题中的工程应用进行了实验研究。     

一种图像尺寸调整的纹理感知突出边缘模型

图像尺寸调整的目的是将一幅给定图像调整为任意指定大小而不产生视觉扭曲,为此,须定义可靠的图像重要性图.利用总变差正则化空间的高阶统计提出一种新的图像重要性图,称之为纹理感知突出边缘图,基于纹理感知突出边缘图利用重要性扩散方法对图像进行尺寸调整.数值实验结果显示,在图像背景杂乱且受到噪声干扰的情况下,与目前流行的其他方法相比,文中方法能获得更好的图像尺寸调整效果.     

基于正则化方法的不确定参数反演

结构识别的基本思想是结构的实际物理性态的变化将影响结构各自由度的响应数值,从而可以依据结构的动力特性逆向识别出结构的实际性态。因此,作为典型的反问题,参数反演得到广泛的研究。笔者通过结构的动力特性(固有频率和振型)基于正则化方法进行反演从而达到结构的参数识别。