基于内容的双字典学习及稀疏表示的图像重构

提出了一种基于内容的双字典学习和稀疏分解结合起来的算法.针对待复原图像内容间的差异性,将训练图像块采用聚类的方法得到多个分类式的字典,从中选择最合适的内容分类来进行图像的恢复,这样做使算法更具区分性,提升了图像的自适应能力.在此基础上,将高频信息分为主要高频和次要高频,并训练双重字典,结合稀疏表示的方法对图像进行重构,这比传统的基于字典学习的算法捕获了更多的图像高频信息,进一步提升了图像重构的质量.方法采用了K-SVD算法以提高稀疏字典编码的计算效率.与其他方法相比,该算法获得了更为精细的图像细节,在PSNR测试数据和主观视觉上都获得了理想的提升.     

基于跨尺度字典学习的图像盲解卷积算法

在模糊核未知情况下利用模糊图像对清晰图像进行复原称为图像盲解卷积问题,这是一个欠定逆问题,现有的大部分算法通过引入模糊核和清晰图像的先验知识来约束问题的解空间。本文提出了一种基于跨尺度字典学习的图像盲解卷积算法,采用降采样图像训练稀疏表示的字典,并将图像纹理区域在该字典下的稀疏表示作为正则化约束引入盲解卷积目标函数中。图像降采样过程减弱了图像的模糊程度,且图像中存在冗余的跨尺度相似块,利用更清晰的图像块训练字典能够更好地对清晰图像进行稀疏表示,减小稀疏表示误差;同时,由于在纹理区域清晰图像的稀疏表示误差小于模糊图像的稀疏表示误差,在该字典下对图像中的纹理块进行稀疏表示,使重建图像偏向清晰图像。本文的算法在Kohler数据集上复原结果的平均峰值信噪比为29.54 dB。在大量模糊图像上的实验验证了本文的算法能够有效解决大尺寸模糊核的复原,并具有良好的鲁棒性。     

结合先验稀疏字典和空洞填充的CT图像肝脏分割

针对复杂多变的肝脏图像,提出了一种基于先验稀疏字典和空洞填充的三维肝脏图像分割方法。对腹部CT图像进行Gabor特征提取,并分别在Gabor图像和灰度图像的肝脏金标准边界上选择大小相同的图像块作为两组训练集,利用训练集得到两种查询字典及稀疏编码。将金标准图像与待分割图像配准,并将配准后的肝脏边界作为待分割图像的肝脏初始边界;在初始边界点上的十邻域内选择大小相同的两组图像块作为测试样本,利用测试样本与查询字典计算稀疏编码及重构误差,并选择重构误差最小的图像块的中心作为待分割肝脏的边界点;最后,设计一种空洞填充方法对肝脏边界进行补全和平滑处理,得到最终分割结果。利用医学图像计算和计算机辅助介入国际会议中提供的肝脏数据进行了实验验证。结果表明,该方法对肝脏分割图像具有较好的适用性和鲁棒性,并获得了较高的分割精度。其中,平均体积重叠率误差为(5.21±0.45)%,平均相对体积误差为(0.72±0.12)%,平均对称表面距离误差为(0.93±0.14)mm。     

基于空间-光谱字典的不完备高光谱图像重构

提出了一种新的空间-光谱字典学习方法,用于不完备高光谱图像的重构.根据高光谱图像具有丰富的空间和谱间相关性的特点,将高光谱图像分割成三维重叠的小立方体块,从中学习出能够对这些块进行稀疏表示的空间-光谱字典.首先固定字典,用非负正交匹配追踪法计算稀疏系数;然后固定系数,用梯度下降法更新字典,上述两步交替进行直到算法收敛.依据这种分块模型学习出的字典更符合高光谱图像的特点.在谱向上字典原子为物质的光谱反射曲线,在空间向上字典为普通二维空间块字典.最后将字典应用于不完备高光谱图像的重构,实验结果表明,该方法以较低的采样率获得了良好的重构效果.     

改进字典学习的振动信号检测方法

机械零部件振动信号包含了大量机械系统运行状态信息,针对传统检测方法依赖于经验知识和人工定参,提出了一种改进字典学习的振动信号检测方法。通过原始振动信号自身驱动,采用非负条件下基于K奇异值分解的改进算法训练超完备字典,结合基追踪算法稀疏编码,重构实现振动信号预处理。根据重构信号的包络谱,对比先验计算频率。仿真和实验结果表明,改进字典学习的振动信号检测方法能够有效提取故障频率,适用于故障检测,为基于振动信号实现机械系统智能化维护提供了参考。     

基于字典学习和稀疏编码的振动信号去噪技术

针对现有机械振动信号去噪算法需要一定先验知识的问题,提出了一种基于字典学习和稀疏编码的自适应去噪滤波方法。根据信号的本质特性,应用在线字典学习方法对原始数据进行学习和训练,寻求数据驱动的最优字典空间。引入正交匹配追踪算法,确定原始信号在最优字典空间上的稀疏表示。基于稀疏编码和优化字典,重构原始信号,实现信号去噪。仿真和试验结果表明,相对于现有去噪方法,基于字典学习和稀疏编码的方法自适应能力强,去噪效果好。     

基于深度字典学习的滚动轴承故障识别

针对传统滚动轴承故障识别算法存在的特征提取与选择困难的问题,提出了一种基于深度字典学习(DDL)的滚动轴承故障诊断方法。首先,利用传感器采集了不同工况下的滚动轴承故障振动数据,并利用字典学习的稀疏性约束逐层学习了轴承故障数据中的典型结构特征;然后,借鉴深度学习的"逐层特征提取"思想,根据故障样本结构构造了深度故障字典,将故障样本输入深度故障字典,根据样本的重建误差确定了故障类别;最后,以滚动轴承试验台为对象测试了DDL模型的有效性。研究结果表明:采用该方法得到的滚动轴承故障识别准确率达到99.28%,训练时间仅为765 s;相比于卷积神经网络、循环神经网络等深度学习方法,该方法在故障识别准确率方面和训练速度方面具有较大优势;DDL方法利用驱动字典,可以自动提取出轴承振动信号样本中的故障特征,同时,深度字典结构使所提取的故障特征具有较好的层次性,符合人们对故障的直观认识。     

采用稀疏表示的红外图像自适应杂波抑制

针对红外图像中弱小目标的检测问题,提出了一种基于图像稀疏表示的自适应杂波抑制方法.首先,采集500帧红外图像样本,通过训练学习构造包含图像各个层次结构特征的多成分超完备字典;然后,通过红外图像的协方差自适应地选择与图像子块对应的超完备字典对图像进行稀疏表示,利用匹配追踪算法得到子图像在超完备目标字典下的最佳表示系数;最后,根据表示系数以及对应的原子向量对图像子块进行重构,从而得到突出红外小目标的高信噪比重构图像,实现杂波抑制.不同环境下的多项实验表明,该算法可在复杂背景下自适应地抑制杂波,提高图像的信噪比;通过简单的阈值分割可以分开目标和背景,为之后的目标检测处理奠定基础.得到的性能评价指标显示:本算法计算量较小,实时性较强,鲁棒性较强,易于硬件实现.     

齿轮性能退化评估的时序重构模型

齿轮性能退化评估是预诊断的提前和基础,针对概率相似度量评估方法存在模型复杂,容易过早饱和等现象,提出一种基于AR (Autoregressive model)模型和字典学习的齿轮性能退化评估的重构模型方法,其中AR模型用于提取齿轮振动信号的状态特征,字典学习通过正常状态下构建的字典模型(Dictionary learning, DL)对测试样本进行AR模型系数重构。首先提取正常运行状态下振动信号的AR模型系数构建过完备字典模型,然后将待测信号的AR系数作为特征向量输入字典模型中得到重构后的AR模型系数。最后由原始AR系数和重构AR系数分别构造自回归模型,并各自完成对待测信号的时序建模,将两自回归模型所得残差序列的均方根误差作为性能劣化程度指标。全寿命疲劳实验数据分析结果表明,与传统时域指标相比该方法对早期故障更敏感且具有与齿轮故障发展趋势一致性更好等优点。     

改进的稀疏表示遥感图像超分辨重建

为了进一步提高遥感图像超分辨效果,提高超分辨重建速度。针对以往稀疏超分辨算法中更容易丢失边缘信息和引入噪声的问题,本文改进了特征提取算子,以对称近邻滤波(SNN)代替高斯滤波,重点解决特征空间中的字典学习问题。首先,根据遥感图像退化模型生成训练样本图像,并分别对高、低分辨率遥感图像进行7×7分块,生成字典训练样本。然后,建立连接高、低分辨率图像空间的双参数联合稀疏字典,将字典学习过程中的稀疏系数分解为系数权值和字典原子的乘积,依据字典原子指标训练和更新字典,得到高低分辨率联合字典映射矩阵。最后,进行遥感图像超分辨稀疏重构。实验结果表明:与当前最先进的稀疏表示超分辨算法相比,本文算法得到的超分辨重建遥感图像的主观效果更好,恢复出更多的地物细节信息;客观评价参数峰值信噪比(PSNR)提高约1.7dB,结构相似性(SSIM)提高约0.016。改进的稀疏表示超分辨算法可以有效地提高遥感图像超分辨效果,同时降低重建时间。     

局部自适应学习基稀疏约束结合信息优先权选择扩散的迭代图像修复算法研究

图像修复的性能依赖于局部邻域信息的利用,同时要求修复的方向与结构性内容具有一致性,针对这两个关键问题,本文提出基于局部自适应学习基稀疏约束结合信息优先权选择扩散的迭代滤波图像修复思路。该算法首先学习丢失区邻域得到一组具有局部自适应性的稀疏基,然后沿着等照度线方向按照优先权选择扩散的顺序利用稀疏重构理论以这组基逐层投影重构丢失区域,通过迭代执行分层修复实现对丢失区域的渐进逼近。实验结果表明,该算法无论对于纹理图像、边界图像还是自然图像都可达到较好的效果,而且在峰值信噪比上优于已有文献的方法。     

采用区域分割的变尺寸样本块高效图像修复

针对现有的基于样本块的图像修复算法采用全局搜索法确定最佳匹配样本块时效率低,且易出现错误匹配块的问题,分析了影响算法效率和质量的原因,提出了基于区域分割的变尺寸样本块高效图像修复算法。首先,采用双线性收缩方法获得尺寸是待修复图像0.02~0.25倍的收缩图像,并在收缩图像中分割出预选区域作为源区域,使用自适应窗口尺寸调整规则确定修复窗口大小;然后,在预选区域中搜索最佳匹配修复块对图像进行修复。收缩图像修复完毕后,对收缩图像中修复不完全的区域采用分割子图像的方法进行修复;最后,将子图像填回到原始图像的修复区域,循环运行直到修复完毕。实验结果表明,采用本文提出的修复算法,修复效率约为现有算法的5~100倍,且具有较好的修复质量。     

数字图像修复在图像压缩上的应用

针对图像修复和图像压缩方法的联系和互补性,分析了图像修复与图像压缩结合的可行性,并设计了一套方案进行验证。用传统方法进行一次压缩,然后对被压缩的图像进行重要信息提取,丢弃图像冗余块之后,实现对图像的二次压缩。对二次压缩后的图像进行存储和传输即可节省资源,图像的使用要先经过图像修复处理才能获得完整图像。     

基于Hough检测和C-V模型的航拍绝缘子 自动协同分割方法*

绝缘子分割是通过图像处理技术实现其运行状态自动检测及故障诊断的重要前提。针对航拍图像具有背景复杂、分辨率较低、数量多和伪目标多等特点,使用传统分割方法会产生大量的用户交互导致分割效果不佳。本文把协同分割引入到绝缘子航拍图像处理中,提出一种Hough检测修复结合自动初始化轮廓C-V模型的航拍绝缘子图像协同分割方法。本方法利用航拍绝缘子图像帧之间的关系作为先验信息以达到更高的分割精度。首先对航拍图像进行去除文本预处理;然后对预处理过的图像进行Hough检测修复以处理输电线与绝缘子粘连问题并用SLIC进行超像素分割;最后利用广义霍夫变换实现C-V模型初始轮廓的选取并进行基于图像间的C-V模型的绝缘子协同分割。实验结果表明,本文分割方法的准确率明显比其他算法高,能够有效地区分目标和背景并去除杆塔、输电线等伪目标,自动化性能良好,为无人机航拍绝缘子的状态检测及故障诊断奠定基础。     

Digital image inpainting and microscopy imaging

A considerable amount of image processing techniques known as inpainting techniques have been recently developed aiming to provide solutions for filling in missing or damaged regions in a digital image. Typical such techniques reconstruct a defined area by using information from its neighborhood, for example, by completing inside the missing region the isophote lines arriving at its boundaries. In this article, we show that inpainting techniques have considerable potential usefulness in microscopy imaging, even though experimenting and using them in this domain has been almost entirely neglected up until now. In this purpose, we experiment the "curvature-preserving" partial differential equations as a solution to inpainting regions in images collected by several optical and scanning probe microscopy techniques. The results achieved are presented along with a discussion on typical problematic scenarios of microscopy imaging for which this type of techniques can provide a viable solution.     

采用双线性插值收缩的图像修复方法

针对Criminisi等人提出的基于样本的图像修复算法存在修复耗时长、效率低的问题,提出一种采用双线性插值算法收缩待修复的图像,并结合样本块进行图像修复的方法。首先,采用双线型插值算法将待修复图像的长宽同时收缩0.2～0.5倍,在收缩图像的目标区域中计算优先级最高的目标像素点,并在源区域中搜索最佳匹配修复块。然后,在待修复图像中根据一定规则找到对应的优先级最高的目标像素点和最佳匹配修复块,并将其填充到待修复图像的修复区域,循环运行直到目标区域修复完毕。实验结果表明,采用本文提出的算法进行图像修复时,其时效约为Criminisi等人提出的算法的5～40倍,该方法可以在获得高的修复效率同时保持良好的修复质量。     

基于格子波尔兹曼模型的内镜图像高光修复

在内窥镜检查中,由于器官内腔粘膜表面黏液对光源的反射,高清图像中常常存在高光。高光的修复对内窥镜检查和诊断具有重要的临床意义。本文提出一种基于四元数和格子波尔兹曼模型的高光修复方法,首先通过四元数表达高清图像的彩色信息,然后利用四元数旋转操作表达两个像素的色差,并将色差引入到格子波尔兹曼模型的松弛因子设计中,最后利用格子波尔兹曼模型的扩散实现高光的修复。实验结果表明,该方法修复高光效果更好,局部区域细节保持效果提升了50%,颜色保持效果提升了5倍。     

结合梯度特征与色彩一致性的图像修复

针对现有的样本块修复算法置信度值会迅速衰减至0,填充次序不稳定以及易产生误匹配等不足,提出结合梯度特征与色彩一致性的图像修复算法。为获得更为稳定的填充次序,一方面引入表征图像结构和纹理变化特征的平均梯度来计算优先权,以保证优先填充结构部分,并适度延伸纹理信息;另一方面提出基于S型函数的置信度更新准则以抑制置信度项的快速衰减;同时比较匹配块与待修复块的色彩一致性,将其与颜色信息相结合寻找最佳匹配块,以减轻误匹配现象。实验结果表明: 本文算法较对比算法在峰值信噪比上至少提高0.82 dB,证明了本文算法的有效性。结果也显示：提出的算法获得了更加稳定的修复次序,能有效减少误匹配率,使得修复后图像更加满足人眼的视觉需求。