非均匀磁共振压缩成像的交替方向乘子法

为了缩短磁共振成像的扫描时间、提高成像质量,提出一种在压缩感知框架下的非均匀磁共振压缩图像交替方向乘子算法。该方法联合考虑磁共振成像(MRI)图像在变换域和梯度域下的稀疏性,并使用非均匀傅里叶变换实现插值处理,在此基础上构建出MRI图像重构模型,然后采用交替方向乘子法求解该模型。该算法引入辅助变量,将原始模型中的优化问题分解为更容易求解的子优化问题,再使用交替方向最小化方法分别求解。通过一个乐高积木和一个老鼠心脏的径向MRI压缩成像实验来验证算法的有效性。实验中利用磁共振图像从5%到30%(步进为1%)的欠采样数据进行图像重建,并采用重构图像与原始图像的结构相似度评价重构图像质量,结果显示基于该方法的压缩成像算法重构图像质量显著优于基于回溯线搜索的共轭梯度法的重构图像。同时,以峰值信噪比作为图像质量的评价指标对两种算法下的老鼠心脏重构图像进行比较,依然得到相同的结论。     

基于压缩感知归一化关联成像实现目标重构

在归一化关联成像的基础上,结合压缩感知理论,提出了基于压缩感知的归一化关联成像方法。该方法首先对物臂的桶探测值进行归一化处理,并由散斑场构造测量矩阵;然后采用正交匹配追踪算法,在低测量次数下优质量地还原出了物体的像。实验中采用灰度图像及二值图像作为成像目标,以峰值信噪比作为衡量标准,分别对传统关联成像,归一化关联成像及压缩感知归一化关联成像的重构效果进行了量化对比。仿真实验结果表明,对于细节较为丰富的灰度图像,压缩感知归一化关联成像的峰值信噪比较传统方法高6dB左右,比归一化关联成像方法提高了2dB左右;对于细节较少的二值图像,其峰值信噪比较归一化关联成像法高3.4~4.3dB,比传统法高5.2~6.5dB。最后,采用实际电荷耦合元件测得的散斑场构造了测量矩阵,实验结果进一步验证了基于压缩感知的归一化关联成像算法能提高重构质量。     

高光谱图像的分布式压缩感知成像与重构

根据高光谱数据的特点,提出了一种基于像元的分布式压缩采样模型来实现高光谱图像的有效压缩采样与重构。搭建了能实现该模型的压缩采样光谱成像系统,并研究了用于该系统成像的重构算法。在图像采集阶段,将高光谱数据分为参考像元和压缩感知像元;地面像元的辐射能通过棱镜进行谱带分离,再利用数字微镜器件实现谱带的线性编码。对压缩感知像元进行低采样率的线性编码,对参考像元进行采样率为1的线性编码。压缩采样数据重构时,不再采用传统方法直接重构高光谱数据,而是利用线性混合模型将重构高光谱数据转换成端元提取和丰度估计,然后根据重构的端元和丰度恢复原数据。对比实验表明,在压缩采样数据为总数据的20%时,重构的平均信噪比提高了10dB。所设计的成像系统应用压缩感知理论减少了采集的数据量,采样方式简单,可应用于星载或机载的高光谱压缩感知成像。     

基于稀疏处理的多能X射线分离成像

利用独立成分分析(Independent Component Analysis,ICA)并结合多能X射线图像的丰富信息可以将二维X射线图像中重叠目标分离成像,但是海量的图像数量,以及高像素数的要求均会使内存占有量和计算速度面临挑战,因此本研究将压缩感知(Compressed Sensing,CS)与ICA相结合进行分离成像,以提高计算速度和分离成像性能。研究过程中,首先根据被拍摄物体的物质组成确定拍摄多能X射线图像数量,并选取CS技术中K均值奇异值分解(K-means SingularValue Decomposition,K-SVD)稀疏基将多能X射线图像进行稀疏表示,然后利用ICA将此稀疏表示进行盲源分离得到独立源,最后采用正交匹配追踪算法(Orthogonal Matching Pursuit,OMP)将独立源进行重构实现分离成像。研究结果表明:采用ICACS技术比仅采用ICA进行目标分离成像的运行时间减少了46.14s(23.3%)、内存占有率降低了21%、重构图像峰值信噪比(Peak Signal to Noise Ratio,PSNR)提高了2.665dB、边缘梯度提高了0.001、信息熵提高了0.09。     

基于压缩感知的多角度观测光声成像方法

在光声成像过程中,由于各种限制因素,往往只能完成有限角度的信号采集.采集到的不完备的信号会在图像重构过程中产生伪迹现象,丢失细节信息.基于光声图像的稀疏特性,提出了基于压缩感知的光声成像算法.该方法通过2个单阵元超声探测器成角度采集光声信号,然后基于压缩感知重构算法进行光声图像重建并进行融合处理.仿真证明采用多个角度观测,选用合适的探头分布角度和测量矩阵可以有效弥补远场成像分辨率和减少测量次数,消除光声图像的伪迹现象,最终实现以较少的数据量和较简单的硬件设备实现高分辨率光声成像.     

基于压缩感知重构算法的关联成像系统研究

通过对关联成像原理的研究,提出了一种基于随机相位板的高效赝热光制备技术和基于压缩感知的图像重构算法,并最终搭建了等臂非预置的关联成像系统。实验结果表明,赝热光制备方法和压缩感知图像重构方法能够满足高质量关联成像系统要求。     

提高关联成像重构质量的研究

比较基于压缩感知关联成像(CGI)与伪逆关联成像(PGI)两者之间的成像效果差异,探讨形态学权重自适应对关联成像去除噪声的效果。选择不同的图像,通过MATLAB软件开展仿真实验,对目标图像分别采样64、256、512、1 024、2 048、3 000次,首先通过关联成像、基于压缩感知关联成像与伪逆关联成像三种方法重构图像,再对比压缩感知与伪逆两种方法重构图像的效果,以峰值信噪比(PSNR)、相关系数(CC)为量化指标,将基于压缩感知关联成像与伪逆关联成像在不同采样次数下进行对比分析。同时,通过实验分析形态学权重自适应去除关联成像中噪声的效果。伪逆关联成像在低次数采样的情况下比基于压缩感知关联成像的成像效果更好,在高采样次数下,基于压缩感知关联成像的成像效果更好。在实际重构中压缩感知关联成像重构的图像仍有噪声,形态学权重自适应可以有效去除关联成像实验中产生的噪声。     

推扫式高光谱谱间压缩感知成像与重构

提出一种推扫式谱间压缩采样的高光谱成像系统,用于实现高光谱图像的压缩感知成像,并对该系统成像的重构算法进行了研究。在图像采集阶段,采用棱镜对地面成像行的像素进行谱带分离,然后利用数字微镜器件实现谱带的线性编码,通过柱面透镜完成编码谱带的叠加。压缩采样数据重构时,不像传统的压缩感知重构方法那样直接重构高光谱数据,而是利用线性光谱库混合模型将重构高光谱数据转换成重构丰度系数矩阵,采用交替方向乘子法求解丰度的优化问题,再根据重构的丰度和高光谱库恢复原数据。与标准压缩感知重构算法的对比实验表明,该方法在压缩采样数据为总数据的20%时,重构的平均峰值信噪比比标准压缩感知提高了18dB。所设计的成像系统采样方式简单,可应用于星载或机载的高光谱压缩感知成像。     

视觉传感器网络协作块压缩感知图像传输方法

JPEG2000等现有图像压缩传输算法虽然压缩性能好,但复杂度高,资源受限的视觉传感器节点很难适应.基于压缩感知理论研究视觉传感器网络环境下的图像传输问题.首先设计主-从节点对模型,分块监测图像;然后研究协作块压缩感知理论,基于图像分块和节点协作来减少测量矩阵的维数,降低压缩感知的计算复杂度;对处在发送端的主从节点,提出尽力而为的压缩感知测量值传输方法,以最大化图像重构质量为目标,尽力传送最多的测量值;而在接收端,汇聚节点依据内积准则来判断重构质量,确定传输终止条件,避免多余的测量值传输,节省传输耗能.实验结果表明,和经典压缩感知相比较,4个视觉传感器节点协作的块压缩感知传输方法将测量矩阵维数减少了2个量级,且有更少的网络耗能.     

基于压缩感知的NSCT图像融合

现有的非下采样轮廓波变换图像融合方法随着分解级数的增加,其所包含的高频信息数据量会急剧增加,带来较大的运算量.针对这一问题,提出一种基于压缩感知的NSCT图像融合算法.利用压缩感知的测量矩阵对待融合图像经NSCT分解后得到的高频信息进行测量,以减少高频信息的数据量,并在压缩域融合后重构,最后与融合后的低频信息进行NSCT逆变换.实验结果表明:该算法可以提高鲁棒性,保留源图像的重要信息,有效降低图像匹配精度的影响.     

机械振动信号分块自适应压缩感知算法

为提高振动信号分块压缩感知过程中的信号重构效果,提出了机械振动信号的自适应分块压缩感知算法。首先将信号分割,构造信号矩阵,并利用K-SVD构造与信号矩阵相适应的冗余字典;然后根据不同信号块在冗余字典下匹配追踪系数的衰减速度,定义不同信号块的复杂度权值;最后以复杂度权值为依据,制定自适应的压缩感知采样策略,在保证振动信号的整体采样率不变的同时,自适应分配不同信号块的观测数目。将该算法应用于机械振动信号压缩感知,与传统压缩感知算法以及其他自适应压缩感知算法相比,信号重构的精度得到提高。     

稀疏基阵水下声成像的压缩感知方法

声传感器基阵式成像是水下目标探测的主要方法之一。在保证成像质量的同时,采用稀疏基阵是降低系统复杂性的有效途径。另一方面,成像方法也是关键技术之一,其性能直接决定成像质量的优劣。在前期研究的稀疏阵基础上,提出了压缩感知成像方法用于水下成像。回波经传感器基阵接收并进行信号分离后,获得各虚拟通道信号,利用压缩感知方法进行成像。在提出的成像方法中,采用了自适应块贝叶斯算法,它能够在噪声环境下较为准确地恢复图像。此外,根据声信号特点设计字典,并按算法特性设计了数据排列规则。实验表明:通过自适应块贝叶斯算法的压缩感知成像能够可靠地对水下目标进行成像,目标的几何特征明显。     

改进的基于压缩感知的单幅图非均匀校正

针对单幅图非均匀校正中小波变换不能分解红外图像中相当丰富的高频子带以及正则化正交匹配追踪(ROMP)重构算法需要已知红外图像的稀疏度等问题,提出了一种基于小波包变换结合稀疏度自适应压缩采样匹配追踪算法(Co Sa SAMP)实现对图像的重构,从而达到校正图像的目的。该方法利用小波包变换对原图像稀疏,将点样本矩阵作为测量矩阵,提取原红外图像的25%数据,利用改进的中值直方图算法校正提取的数据,然后利用Co Sa SAMP重构图像。研究结果表明:与基于小波变换压缩感知的非均匀校正相比,本算法在均方根误差、峰值信噪比方面都得到了进一步的改善,均方根误差降低了30%左右,列间均值更加接近理想校正图像效果,图像重构质量好。     

面向手写数字图像的压缩感知快速分类

为了减少神经网络模型对手写数字数据集的训练计算耗时和最佳训练次数,同时保证手写数字图像的分类准确率,引入了压缩感知技术,提出了基于压缩感知和单隐层前馈网络(Compressive Sensing and Single Hidden Layer Feedforward Network,CS-SHLNet)的手写数字图像快速分类算法。首先,利用高斯随机矩阵对具有稀疏性的手写数字图像进行线性观测,将高维图像信号投影到低维空间得到观测值;其次,通过误差反向传播(Error BackPropagation,BP)算法不断调整单隐层前馈网络权值建立适应于观测值的神经网络模型,将观测值嵌入神经网络中对图像进行特征提取;最后,采用单隐层前馈网络模型对手写数字进行图像分类,以训练计算耗时、最佳训练次数和分类准确率等指标对模型进行定量评估。实验结果表明:相比较单隐层神经网络和深度学习对MNIST手写数字数据集的高维图像信号图像分类,先通过CS技术利用观测数M=235的高斯随机矩阵线性观测得到图像的观测值,再利用单隐层前馈网络对观测值进行图像分类,网络模型的训练计算耗时缩短为13.05 s,最佳训练次数缩短为3次,分类准确率保持97.5%。该算法中的压缩感知线性观测可以有效减少神经网络模型对手写数字数据集的训练计算耗时和最佳训练次数,而且可以保证分类准确率。     

双臂对称性对压缩传感用于关联成像重构的影响

根据压缩传感理论和关联成像模型,将压缩传感理论应用于关联成像中,实现了传统的双臂关联成像的压缩传感重构。通过仿真实验验证了压缩传感用于关联成像的可行性,以峰值信噪比（PSNR）为衡量指标,分别对压缩传感和传统关联算法的重构图像质量进行了量化。仿真实验表明,压缩传感和关联算法的重构效果均随测量次数的增加而变优,在相同的测量次数下,压缩传感在关联成像中的重构图像的PSNR比传统的关联重构图像高20 dB以上。将压缩传感用于实际双臂关联成像的实验结果表明,压缩传感可以实现双臂关联成像装置的图像重构,但其重构质量很难优于传统关联算法的重构。针对这一实际实验与仿真实验似乎相矛盾的特殊现象,从双臂对称性的角度进行了合理解释,并利用实验中实际的散斑场对该现象进行了验证,最后提出了解决方案。     

基于压缩感知关联成像的目标检测技术

高效率的目标检测是视觉应用的重要技术,但运动目标的提取易受环境的影响。关联成像能够解决特殊环境下难以获得清晰图像和一些常规成像技术不易解决的问题。在目标检测中,利用关联成像采集图像信息并运用背景差分法在压缩域中获得目标图像的测量值,直接通过压缩感知重构出目标图像。这种方法可以解决在特殊情况下无法检测到目标的问题,同时检测到的目标图像清晰,采样次数少,信噪比也较高。     

发散扫描模式下OCT图像畸变分析与矫正

针对光学相干断层成像(OCT)系统在发散扫描模式下图像失真的问题,本文研究了图像产生畸变的机理,对图像的畸变量进行了定量分析,提出了一种发散扫描模式OCT图像矫正与重构算法。首先,基于最大类间方差法对原始图像进行了降噪与增强预处理,以减少背景噪声对图像重构的影响。然后,建立OCT原始图像和重构图像的映射关系,从而实现对畸变图像的矫正。利用OCT系统对玻璃样品在发散扫描模式下进行成像,对图像进行矫正后测量样品厚度和宽度并与实际值对比,厚度测量误差为-0.012～0.053 mm,宽度测量误差为-0.107～0.045 mm。以离体猪眼为样品,对比平行扫描模式和发散扫描模式的测量结果,角膜厚度测量误差为-0.022～0.014 mm,虹膜间距测量误差为-0.121～-0.015 mm。实验验证了该算法在抑制OCT图像背景噪声的同时,能够有效矫正图像畸变,对于发散扫描模式OCT图像在医疗诊断和手术导航领域的应用具重要意义。     

压缩感知理论测量矩阵研究

压缩感知理论突破传统的奈奎斯特采样定律对数据进行采集,其研究的核心问题是随机测量矩阵的设计和恢复重构算法。本文主要将压缩感知理论应用于数字图像处理领域,在对压缩感知进行系统研究的基础上,主要分析了常用随机高斯测量矩阵对图像还原算法的影响,结合矩阵的相关性构造了由测量矩阵和稀疏矩阵所决定的格拉姆(Gram)测量矩阵,并对其进行相关性阈值和缩放处理。使用优化改进后的测量矩阵能获取更多有信息量的测量值,进而完成对测量值的优化,最后结合不同的恢复重构算法在MATLAB环境下对改进方法进行仿真验证,仿真结果证实了改进方法的正确性,具有较高的研究和实用价值。     

基于小波变换和压缩感知的低速率语音编码方案

本文提出一种新的低速率语音编码方案,基于语音信号小波变换高频系数的稀疏性,利用压缩感知原理,将小波变换高频系数进行压缩感知投影成数据量大大减少的观测序列,然后对观测序列采用码激励线性预测技术进行编解码,根据解码后的观测序列,利用线性规划技术对小波变换高频系数进行重构,小波变换低频系数采用矢量量化技术编解码,并采用后置低通滤波器改善解码后小波高低频系数合成语音的听觉效果。该编码方案在低数码率(2.64～3.5 Kb/s)时得到的重构语音平均MOS分为3.0～3.4,达到4.8 Kb/s码激励线性预测语音编码质量。     

基于自学习局部线性嵌入的多幅亚像元超分辨成像

研究了软硬件相结合的亚像元超分辨成像技术。首先通过探测器扫描获得同一场景彼此错位亚像元像素的多帧图像作为训练样本和输入图像;然后针对传统的局部线性嵌入(LLE)实例学习超分辨算法过于依赖外部训练样本,不利于光电成像系统直接处理等缺点,提出了一种基于自学习的改进LLE算法;采用新的LLE权值计算方法获得正数权值,同时对初始估计再次运用自学习LLE方法恢复丢失的高频细节信息。仿真实验结果表明,该算法重构的图像的信噪比比传统LLE超分辨算法提高了0.8dB,运行时间提高了75%,视觉上可感知重构图像的细节信息更丰富。与其它方法相比,用搭载的微位移实验平台运行本文算法所获得重构图像的信噪比和信息熵都有很大提高,表明本文算法能获得高质量和高分辨率的重构图像。