基于学习的马尔科夫超分辨率复原

针对最大后验概率(MAP)算法对图像边缘和细节保持能力不强问题,在传统马尔科夫模型算法的基础上,提出将MAP算法与凸集投影法(POCS)相融合的算法,将MAP算子当作凸约束集引入POCS算法里,这样可继承两者的优点。实验验证了算法的有效性,与传统学习算法相比,具有更好的图像复原效果。     

车牌识别系统中的超分辨率图像重建技术研究

针对车牌识别系统中图像模糊和分辨率低而影响车牌识别效果的问题,提出利用超分辨率重建来提高车牌图像分辨率的解决方法.建立了凸集投影(POCS)算法的数学模型,研究了凸集投影超分辨率重建的实现过程,并用仿真实验进行了验证.实验结果表明:采用凸集投影算法进行图像重建,可以提高车牌图像分辨率,丰富图像细节信息,能够有效提高车牌识别的准确率,并且迭代次数越多,图像重建效果越好.     

由小波变换极大值重构信号的一种简单算法

在Ｈｉｌｂｅｒｔ空间多个凸集迭代投影（ＰＯＣＳ）方法中，本文根据压缩映射原理构造迭代投影算子，实现由小波变换极大值重构信号。算法形式简单、不需要小波逆变换，易于计算机（和ＤＳＰ芯片）实现。仿真结果理想。     

图像重建中的一种加速投影算法

投影算法是解决凸集图像重建问题最普遍的工具,该算法主要有循环投影算法和平行投影算法,前者的核心思想是计算初始估计量到集合上的周期性投影,后者则是在每次迭代中都需要计算到所有集合上的投影。平行投影算法虽然通过并行操作提高了收敛速度,但是每次迭代步长依然局限于(0,2),这在一定程度上影响了它的收敛。为了寻求收敛速度更快,重建效果更好的加速投影算法,对平行投影算法进行改进,通过引入外推因子,提出一种加速投影算法,并在相应条件下证明新算法的收敛性。新算法使得每次的迭代步长均大于2,从而保证每次迭代的结果更加靠近解集。实验结果也表明,新提出的加速投影算法比平行投影算法收敛速度更快并且效率更高。     

基于L-M优化算法的多幅岩心荧光图像拼接

在多幅岩心荧光图像的拼接中,为了减小累计误差造成的拼接畸变,提出了一种基于L-M(Levenberg-Mar-quardt)算法的全局优化方法。该方法是在每一幅图像的初始球面投影参数的基础上,采用L-M算法进行迭代计算,在迭代过程中根据增长率δ的取值实时调整阻尼因子μ,从而不断更新迭代方向和迭代步长,求出最优投影参数集,使所有图像的全部的特征点经球面变换后的误差距离总和最小,实现全局配准。把该算法应用到多幅岩心荧光图像的拼接中,解决了累计误差造成的畸变问题,获得了满意的拼接效果。     

Hough变换和区域分离-合并相结合的分割算法

针对传统区域分离-合并算法中过分割的问题,提出一种基于边缘提取和区域分离-合并相结合的分割算法。即利用Canny算子对图像进行边缘提取,得到边缘像素集。然后将像素集作为边缘线,采用区域分离-合并算法进行图像分割。由于Canny算子所提取的像素集是不完整的,所以需要用Hough变换对其进一步完善,得到连续的边缘线。该算法能够提高区域分离-合并算法的精确度,较好地解决其过分割的问题。实验结果表明,该算法有效。     

提取B超病灶的尺度分解小邻域统计水平集方法

在区域水平集方法基础上,利用小波变换将图像分解成多尺度子图像,对不同尺度子图像进行边缘提取并经过数学形态学算子修正,得到接近目标边界的水平集初始轮廓,解决了区域水平集方法对初始轮廓要求高的问题;接着运用小邻域统计方法计算并判断各像素点小邻域统计信息,筛选出该邻域内有效点集作为本次参数代入水平集公式进行迭代运算。实验表明:与几种现存的水平集方法相比,小邻域统计水平集方法能够较好地抑制B超图像噪声,快速地确定病灶边界,对模糊边界的捕获效果好。     

H.264标准压缩视频的超分辨率重建

为利用低分辨率压缩图像序列来重建高分辨率图像序列,提出一种在凸集投影(POCS)方法框架下基于整数DCT域量化噪声模型的针对H.264标准压缩视频的超分辨率重建方法.首先建立压缩视频的降质退化模型,然后根据H.264标准中的整数DCT变换和量化过程建立整数DCT域的量化噪声模型,最后在凸集投影算法的框架下给出了基于整数DCT域量化噪声的超分辨率重建算法.实验表明该算法的超分辨率重建结果的主观质量提高明显,峰值信噪比可达到30dB,一般迭代5次即可得到良好结果,算法复杂度较低.     

结合编码曝光和运动先验信息的局部模糊图像复原

针对局部运动模糊图像复原的病态性和背景被破坏的问题,提出基于编码曝光和运动先验信息的局部模糊图像复原方法. 分析编码曝光成像理论模型,建立最优码字选取的适应度函数准则. 通过物像关系,获得运动目标的点扩散函数（PSF）像移尺度初步估计参数,作为运动先验信息. 采用背景差分法进行目标提取,综合编码曝光运动模糊图像的叠加特性,实现对运动模糊目标区域的精确提取. 结合先验信息,引入基于贝叶斯最大后验概率框架的student-t复原算法进行PSF精确估计和复原重建,快速迭代得到复原结果. 搭建实验仿真系统,并开展针对实际运动目标的复原实验. 实验结果表明,该方法能有效改善传统曝光中运动模糊复原的病态性问题,抑制复原过程中目标图像边缘振铃及背景噪声的放大效应,所复原图像具有更好的主客观评价结果.     

一种改进的凸组合仿射投影符号算法

针对传统的凸组合仿射投影符号算法收敛速度慢和计算量大的问题,提出了一种基于S型函数的快速凸组合仿射投影符号算法。该算法用新的S型函数代替传统算法中的sigmoid函数,改进了联合参数的迭代公式,避免了复杂的指数运算,减少了计算量。同时,采用瞬时转移方案,使凸组合算法在初始自适应过程或在突然发生变化之后能加快小步长慢速算法的自适应过程,进而提升凸组合算法的收敛速度。在系统辨识和声学回声消除环境下的仿真实验表明,该算法具有良好的均方性能和跟踪性能,与传统的凸组合仿射投影算法相比具有更快的收敛速度和更低的计算复杂度。     

Image reconstruction using an adaptive simultaneous algebraic reconstruction technique in computed tomography

The simultaneous algebraic reconstruction technique(SART) is a vintage algorithm for computed tomography(CT) image reconstruction, but it has many problems such as slow convergence speed, edge blur, and ringing effect. The relaxation parameter is an important factor affecting the performance of the algorithm, and we find that the edge region does not need the same relaxation factor as the uniform region, so an adaptive simultaneous algebraic reconstruction technique based on fuzzy entropy is proposed. After preliminary SART reconstruction, by quoting fuzzy entropy for edge detection of the reconstructed image which is used as prior information, a monotonous increasing function that defines the relaxation factor is constructed based on the neighborhoodhomogeneous measurement(NHM). Therefore, the proposed approach can select the relaxation factor adaptively by the local character of the image. Experimental results show that the new algorithm can solve the problem of edge blurring and suppress the ringing effect effectively in CT image reconstruction.     

基于形态学边缘保持的自适应超分辨率重建

针对正则化MAP（MaximumaPosterioriProbability）超分辨率算法重建结果细节不够清晰,正则化参数选取的鲁棒性较差,运算速度慢等问题,提出基于形态学边缘保持的自适应超分辨率算法。首先基于形态学定义边缘保持算子,该算子能随着迭代过程自适应调整;其次,将该算子作用于超分辨率重建的正则项,从而在图像的边缘区域加强约束重建,而在图像的平滑区域加强正则化。实验结果表明,改进算法的细节更加清晰,正则化参数的鲁棒性更好,运算速度更快。     

基于块效应抑制的压缩降质模糊图像盲复原

针对被压缩重构后的模糊图像复原问题,提出基于块效应抑制的图像去模糊方法.采用多尺度分解逐层进行模糊核估计,每一层利用去块效应的模糊图像作为有效显著边缘估计的参考图像,并在模糊核估计优化函数中加入模糊核梯度约束保证其连续平滑性,通过在频域交替迭代优化确定模糊核.最终复原约束项为图像全变分以及L2范数块效应抑制项,该项通过迭代使得复原图像和去块效应图像逐步逼近.实验结果表明,提出的方法能够在较高压缩率的模糊图像中估计出相对准确的模糊核,得到兼顾消除块效应与保留图像细节的复原效果.     

融合Ratio边缘信息的水平集SAR图像分割方法

提出了一种融合边缘和区域信息的变分水平集合成孔径雷达图像分割方法.该方法不需要去除相干斑噪声的预处理过程,利用具有恒虚警特性的Ratio算子提取合成孔径雷达图像的边缘信息,并与无边缘活动轮廓模型结合建立合成孔径雷达图像分割能量泛函模型,通过最小化能量泛函得到曲线演化偏微分方程,采用变分水平集方法求解演化方程,实现了合成孔径雷达图像的分割.分别采用模拟和真实合成孔径雷达图像对该方法进行了验证,实验结果表明,该方法实现了合成孔径雷达图像中目标与背景的正确分割,具有较好的边缘定位能力.     

基于梯度的波纹图像质量评价

基于图像盲迭代复原,提出基于梯度的波纹评价方式、边缘轮廓变化评价波纹、平均边缘宽度评价波纹3种评价波纹的方法,得到一种新的基于梯度的波纹评价方式.此方法通过一个中心对称高斯加权窗在图像上逐点计算以该点为中心的邻域图像块的梯度相关信息;计算得到各点对应图像块的梯度信息并映射得到一幅图像来描述降质图像的降质信息,采用这幅降质信息图像的平均值作为整体图像质量的评价测度.对这3种图像质量评价方式进行实验发现,基于梯度评价方法可以很好地确定盲迭代的次数,从而得到相对质量较高的复原图像.     

用于全数字对焦的点扩散函数性能分析与评价

为了对用于全数字对焦的点扩散函数模型进行定量分析，提出用原始图像与处理所得图像的均方差进行性能评价的方法.点扩散函数模型分别被用于全数字对焦处理，并通过基于点扩散函数的图像恢复，完成全数字对焦的功能模块和评价模块.结果显示，高斯型点扩散函数模型具有最佳的性能，在评价指标方面优于均匀扩散模型和基于刃边响应的点扩散函数模型.高斯模型能够恢复出更接近于准确对焦的图像，而且对被成像物体没有直边特征的限制.     

Blind Image Quality Assessment Based on Hybrid Fuzzy-Genetic Technique

A new method for no-reference image quality assessment based on hybrid fuzzy-genetic technique is proposed. Noise variance and edge sharpness level of the restored image are two basic metrics for assessing the performance of the restoration algorithm, then a fuzzy if-then inference system is developed to combine the two metrics to get a final quality score, and the parameters of the fuzzy membership function are trained with genetic algorithms. Experiments results show that the image quality score correlates well with mean opinion score and the proposed approach is robust and effective.     

序列图像的POCS超分辨率重建方法

为了有效地执行超分辨率算法,使其改善高分辨率图像的边缘质量,根据POCS算法的原理,给出了模拟-修正迭代超分辨率图像重建方法和具体实现步骤.针对重建的高分辨率图像中产生的边缘Gibbs现象,提出了一种抑制方法,该方法将中心在边缘像素的PSF与一个指数型权值函数相乘,使得修改的PSF系数沿着边缘正交的方向减小.利用模拟序列和实际序列对改进的POCS算法的有效性进行了验证.结果表明:该方法简单易行,能有效地保持边缘的特性,达到提高图像质量的目的.