基于降质信息估计的盲图像复原算法

针对低质量图像的复原重建问题,提出了一种基于降质信息估计的盲图像复原算法.该算法主要包括噪声估计网络、模糊核估计网络和重建网络3部分.首先分别通过噪声估计网络和模糊核估计网络,对图像噪声水平和模糊核进行估计;其次,将估计所得噪声水平和模糊核作为降质信息,并联合待处理的低质量图像一起输入重建网络,以帮助获得更好的重建效果...     

迫近算子在MR图像快速重建中的应用研究

 将迫近算子用于求解基于压缩感知理论的磁共振图像快速重建模型,得到了一个高效的迭代重建算法.将该算法用于部分K空间数据重建,并就算法对噪声的敏感性及算法对迭代初值的依赖性进行了仿真实验.实验结果表明,算法对噪声不敏感,对初值也没有显著的依赖性,该算法可由极少量K空间数据重建出高质量的MR图像.     

一种基于IBP的红外微扫描图像重建算法

微扫描技术是在现有红外探测器基础上提升空间分辨率的一种有效方法.各种图像重建算法被用来对获得的微扫描低分辨率图像序列进行重建得到高分辨图像,其中IBP算法相对于POCS,MAP等方法具有计算速度上的优势.但是经典的IBP算法由于使用单一的松弛因子在实际计算中并不能兼顾重建图像的边缘细节和整体噪声,针对此问题提出了一种基...     

结合梯度重建和非线性处理的语义图像分割

语义图像分割是进一步图像分析与理解的重要基础,本文面向语义分割,针对传统分水岭分割算法对噪声敏感、易于产生过分割等问题,研究了一种结合梯度重建和非线性处理的图像分割方案.首先提出了基于形态学的开闭二次重建获得形态梯度图像的方法,然后对其进行阈值变换,以抑制噪声引起的明暗细节,之后进行给定尺度等级的非线性划分,以降低目标和背景内部细密纹理的影响,而后,采用了一种改进的分水岭浸没标记算法进行分割.实验结果表明,与传统算法和Matlab工具箱中算法相比,本文算法获得了更为理想的分割结果.     

红外图像超分辨率重建技术研究

利用图像超分辨率重建技术可以在不改进硬件的情况下提升现有成像系统的图像分辨率。为提升红外图像质量,提出了一种基于NSCT变换与自适应正则化重建相结合的图像超分辨率重建算法。算法充分考虑了实际红外图像中噪声特点,利用NSCT变换特点在尽可能减少图像信息损失的条件下,对加性噪声与乘性噪声采用不同策略进行了抑制,并对预处理后的红外图像序列进行自适应正则化重建。实验结果表明本算法处理后的红外图像在主观视觉效果与客观指标上较传统图像处理方法均有改善。     

一种基于压缩感知全变差算法的图像去噪方法

压缩感知技术突破了奈奎斯特准则的局限性,在图像处理方面有着广泛的应用。提出一种改进的基于压缩感知的图像去噪方法。该方法中,对混有噪声的图像首先进行稀疏变换,然后对变换后的部分系数采用测量矩阵进行测量,最后通过全变差(TV)重建算法进行图像重建。仿真结果证实全变差重建算法在图像去噪中优于其他压缩感知重建算法,可以有效地去除图像中混有的噪声,实现图像的良好去噪。     

WCDMA上行信道SIR估计算法研究

在WCDMA系统中的功控命令,是根据上行DPCCH信道的SIR生成的.常用的估计SIR算法有Morphics的SIR估计方法.但是,当信道中的噪声出现瞬时变化时,Morphics的SIR估计方法会产生较多功控命令,导致用户的发射功率不停波动,不利于用户发射功率的稳定.首先阐述了Morphics的SIR估计方法,然后针对WCDMA系统的要求,对Morphcis算法中的噪声干扰估计进行IIR滤波,以得到平稳的SIR估计值.     

一种改进的离散代数重建算法(DART)

医学CT中的图像往往由几种已知的灰度值组成,利用这些先验知识可降低重建条件提高图像重建质量。因此提出一种基于联立迭代算法(SIRT)的离散代数重建算法(DART),并且通过实验实现了在少数投影数目和小角度范围下的图像重建,并与其他几种传统的重建算法进行了比较,结果显示DART能从更少的投影数据下更精确地重建出图像同时有效地抑制了噪声。     

采用自适应正则参数的超分辨率加权重建

采用L1(一阶)、L2(二阶)范数是当前较为流行的2种图像超分辨率重建算法。在对这2种算法的优缺点进行分析的基础上,提出了一种采用L1和L2范数混合加权的参数自适应双边全变差正则化重建算法,将正则化参数作为重建图像的一个函数。实验证明这种算法有很好的边缘保持和去除椒盐噪声的能力,重建图像的质量有显著提高。     

一种特定条件下的超分辨重建快速算法及其实现

在低分辨图像具有相同的线性空域不变模糊核、平移、包含相同的加性白噪声的条件下,给出了多帧图像超分辨重建的一种快速算法;对算法的实现进行了分析和讨论,大幅度降低了超分辨重建的计算复杂度。仿真实验证明了算法的良好重建效果。     

基于总变分正则化算法的散射计图像重构

目前业务化运行的星载散射计分辨率一般为25 km,在分辨率需求较高的应用中(如极地海冰监测、热带雨林监测、近岸风场研究等)受到了限制。散射计图像重构技术可以在不改变系统硬件的前提下,通过数据处理方法的改进,提高分辨率。现有的散射计图像重构方法(SIR)是基于图像处理领域中较早期的乘性代数重建技术(MART)。该文针对星载扇形旋转扫描散射计,将一种新的图像重构方法总变分正则化 (total variation regularization) 算法应用于散射计图像重构,并通过仿真实验说明,新算法可以在增强分辨率的同时减少噪声,提高重构图像的质量。     

Image reconstruction and enhanced resolution imaging from irregularsamples

While high resolution, regularly gridded observations are generally preferred in remote sensing, actual observations are often not evenly sampled and have lower-than-desired resolution. Hence, there is an interest in resolution enhancement and image reconstruction. This paper discusses a general theory and techniques for image reconstruction and creating enhanced resolution images from irregularly sampled data. Using irregular sampling theory, we consider how the frequency content in aperture function-attenuated sidelobes can be recovered from oversampled data using reconstruction techniques, thus taking advantage of the high frequency content of measurements made with nonideal aperture filters. We show that with minor modification, the algebraic reconstruction technique (ART) is functionally equivalent to Grochenig's (1992) irregular sampling reconstruction algorithm. Using simple Monte Carlo simulations, we compare and contrast the performance of additive ART, multiplicative ART, and the scatterometer image reconstruction (SIR) (a derivative of multiplicative ART) algorithms with and without noise. The reconstruction theory and techniques have applications with a variety of sensors and can enable enhanced resolution image production from many nonimaging sensors. The technique is illustrated with ERS-2 and SeaWinds scatterometer data     

OFDM雷达通信一体化的同频干扰抑制技术

雷达通信一体化系统（Integrated Radar and Communication System, IRCS）可提升设备的可用性、可靠性和电磁兼容性,已成为雷达和通信交叉领域的研究热点。正交频分复用（Orthogonal Frequency Division Multiplexing,OFDM）具有高信息传输性能,且其模糊函数具有低旁瓣特性,在IRCS中得到广泛关注。在OFDM-IRCS中,组网时同频干扰严重影响雷达探测性能。针对这一问题,从信干比（Signal to Interference Ratio, SIR）分析了IRCS同频干扰特性,推导了回波信号SIR的表达式。然后,结合OFDM中交织多址（Interleave Division Multiple Access, IDMA）和干扰重构的思想,提出了基于OFDM-IDMA的IRCS同频干扰抑制算法。所提算法通过不同的交织方式区分不同IRCS节点的信号,同时利用基于干扰重构的干扰消除算法实现干扰抑制。仿真结果表明,所提算法有效地抑制了IRCS同频干扰,实现了同频干扰环境下雷达目标探测性能提升。      

自适应稀疏约束图像超分辨力重建方法

简要介绍了基于稀疏字典约束的超分辨力重建算法,提出了具有低复杂度的基于K均值聚类的自适应稀疏约束图像超分辨力重建算法。所提算法从两个方面降低其计算复杂度:分类训练字典,对图像块归类重建,降低每个图像块所用字典的大小;对图像块的特征进行分析,自适应地选择重建方法。实验结果表明,提出的快速重建方法在重建质量与原算法相当的前提下,可以较大程度地降低重建时间。     

一种基于压缩感知的迭代重建算法

迭代重建算法是一种经典的CT图像重建算法,适合于不完全投影数据的图像重建,其缺点是重建速度慢。为提高图像重建的质量和速度,文中利用压缩感知理论提出了一种改进的基于图像全变差最小的迭代重建算法。该算法在迭代的不同阶段对迭代初始值做不同处理,并在每次迭代结束后采用梯度下降法调整全变差。实验结果表明,该算法不但提高了图像重建质量,同时也加快了迭代图像的收敛速度。     

Multislice helical CT: image temporal resolution

A multislice helical computed tomography (CT) halfscan (HS) reconstruction algorithm is proposed for cardiac applications. The imaging performances (in terms of the temporal resolution, z-axis resolution, image noise, and image artifacts) of the HS algorithm are compared to the existing algorithms using theoretical models and clinical data. A theoretical model of the temporal resolution performance (in terms of the temporal sensitivity profile) is established for helical CT, in general, i.e., for any number of detector rows and any reconstruction algorithm used. It is concluded that the HS reconstruction results in improved image temporal resolution than the corresponding 180 degrees LI (linear interpolation) reconstruction and is more immune to the inconsistent data problem induced by cardiac motions. The temporal resolution of multislice helical CT with the HS algorithm is comparable to that of single-slice helical CT with the HS algorithm. In practice, the 180 degrees LI and HS-LI algorithms can be used in parallel to generate two image sets from the same scan acquisition, one (180 degrees LI) for improved z-resolution and noises, and the other (HS-LI) for improved image temporal resolution.     

基于Huber范数和概率运动场的鲁棒图像超分辨重建算法

传统超分辨(SR)算法对配准误差、模型误差以及噪声过于敏感,这限制了其在实际中的应用。为了提高算法的鲁棒性,该文从配准和重建两方面对传统算法进行了改进。在配准阶段,通过引入概率运动场避免了算法对配准精度的依赖,同时利用Heaviside函数实现权重映射,进一步提高了算法的自适应性;在重建阶段,采用基于Huber范数的正则化估计,在提高重建鲁棒性的同时也保证了算法数值解的稳定性。实验表明该算法具有很好的鲁棒性,其重构性能优于现有的一些超分辨重建方法。     

基于非局部先验的深度压缩感知图像重构网络

传统的基于迭代的压缩感知(CS)图像重构算法易于集成图像先验信息,但存在性能不足、计算复杂度高等缺点。基于深度学习的图像重构算法重构性能通常优于传统的重构算法,并且具有更低的重构计算成本。因此,为了设计出一种更有效利用先验信息的深度学习图像重构算法,该文提出基于非局部先验的深度压缩感知图像重构网络。首先,将稀疏性和非局部先验相结合建立压缩感知图像重构模型,然后通过半二次方分裂法将模型分解为3个子问题,每一个子问题的求解都在深度学习的框架下展开,最后联合建立端到端的可训练的图像重构模型。仿真实验表明,在测试的采样率与数据集下该文所提算法的峰值信噪比与当前主流的重构算法SCSNet相比平均提升了0.18 dB,与CSNet算法相比平均提升了约1.59 dB,与ISTA-Net+算法相比平均提升了约2.09 dB。     

电容层析成像图像重建算法对比

图像重建算法在电容层析成像技术的实际应用中起着至关重要的作用。针对图像重建算法的研究,文中将线性反投影法、奇异值分解法、代数重建算法、Landweber算法、Tikhonov正则化算法的基本原理进行对比。基于MATLAB仿真平台对4种多相流流型进行仿真,并从图像误差、相关系数、计算时间3个方面对比重建图像的效果。分析结果表明,直接算法的图像重建速度优于迭代算法,但其图像重建质量劣于迭代算法。     

多准则图象重建的神经网络模型及实现

本文提出一种采用Ｈｏｐｆｉｅｌｅ神经网络（Ｈｏｐｆｉｅｌｄ Ｎｅｉｒａｌ Ｎｅｔｗｏｒｋ简称ＨＮＮ）优化的图象重建算法。将图象重建问题转化为ＨＮＮ优化问题,取重建图象的峰值函数最小以及原始投影与再投影之间的误差平方和最小作为图象重建的优化目标,作为能量函数构造连续型ＨＮＮ模型,由ＨＮＮ能量函数极小化可得到重建问题的优化解。这种方法具有简单、计算量小、收敛快、便于并行计算等特点。对照ＡＲＴ算法,用计算机模拟产生的无噪声投影数据检验新算法,验证了新算法的优越性。