一种多映射卷积神经网络的超分辨率重建算法

针对现有卷积神经网络在超分辨率重建的图像上存在部分细节特征不够突出、边缘模糊等问题,在现有模型三大模块的基础上对映射模块及损失函数进行细致剖析,提出了一种多映射卷积神经网络的超分辨率重建算法．该算法通过构建多映射网络,极大地丰富了图像在聚合高分辨图像时的特征维度．同时在重建模块的卷积层后引入全变分正则项,结合误差反向传播算法,可有效地对解空间约束,从而提取出精确、有效的特征,丰富重建图像的细节信息．在常用数据集上的实验结果表明,该算法生成的网络模型获得了更好的超分辨率结果,主观视觉评价和客观衡量指标有一定的改进,有效地提高了图像的分辨率．     

基于刃边法的序列图像盲超分辨率重建算法

为了减少点扩展函数（PSF）估计误差对盲超分辨率重建结果的影响,本文提出了一种新的序列图像盲超分辨率重建算法。首先采用刃边法实现对成像系统点扩展函数的准确估计,然后将估计的点扩展函数引入迭代反投影超分辨率重建算法中,进行高分辨率图像的重建。实验结果表明,本文算法运算时间较短,不受限于低分辨率图像的模糊程度,重建结果不但具有较高的峰值信噪比（PSNR）和结构相似度（SSIM）,而且真实分辨率的提升幅度更大。     

神经网络模型在图像超分领域的应用研究

图像分辨率提高即超分技术是指从低分辨率图像重建相应的高分辨率图像,在医学影像等领域有重要的应用价值。传统的基于插值的方法效果不尽理想,近年来深度学习被应用于该领域。回顾了快速超分辨卷积神经网络（ FSRCNN）、深度超分辨率卷积神经网络（VDSR）、超分辨率生成对抗网络（ SRGAN）3种神经网络在图像超分中的应用原理,设计实验测试网络结构的效果,使用Set4、Setl4、 Urban100等数据集进行峰值信噪比、结构相似性等指标的测试ⅤDSR效果较好,改进VDSR网络结构,由原来的Y通道扩展为三通道（VDSR-RGB）,进一步提升了超分效果。     

基于多尺度特征映射网络的图像超分辨率重建

针对基于卷积神经网络的图像超分辨率重建（SRCNN）方法存在的重建网络浅、特征利用率低以及重建图像模糊等问题,提出基于多尺度特征映射网络的图像超分辨率重建方法. 多尺度特征映射网络通过学习低分辨率（LR）特征与高分辨率（HR）特征之间的映射关系,将多个尺度的LR特征映射到HR特征空间,通过特征融合来提高重建过程中对特征的利用率;该方法定义了结合逐像素损失、感知损失和对抗损失的联合损失函数,从低频内容、图像边缘和局部纹理等方面均衡提升重建图像质量. 对数据集Set5、Set14和BSD100的图片4倍下采样后进行测试,与当前主流方法进行比较和分析. 实验证明,基于生成对抗的多尺度特征映射网络在提高图像感知质量方面表现优秀,重建的图像具有更加清晰的边缘和纹理,在客观评价上具有较好的评分.     

灰度图像超分辨方法研究和实验对比分析

介绍了图像超分辨率重建方法、图像超分辨率重建的理论和技术方法,在图像超分辨率重建算法和重建结果的评价及图像超分辨率重建技术的应用等方面进行了分析,对最大后验概率（MAP）和凸集投影（POCS）两种方法进行了实验．     

岩心三维CT图像超分辨率重建

为了提高岩心三维图像分辨率,将调整的锚点邻域回归算法（A+）扩展为三维图像超分辨率重建,提出三维高频修正A+算法.该算法利用已有的高分辨率（HR）岩心三维CT图像和高频修正信息训练高低分辨率字典、高频修正字典、映射矩阵和高频修正映射矩阵.重建时,对每个输入的三维低分辨率（LR）特征块搜索匹配的字典原子以及相应的映射矩阵和高频修正矩阵,通过LR特征向量分别与映射矩阵和高频映射矩阵相乘,直接将三维LR特征映射到HR空间.针对多组岩心三维CT图像进行实验,与其他三维超分辨率算法进行比较.实验结果表明,该算法具有较高的峰值信噪比和结构相似度.     

一种新的余弦组合窗插值FFT谐波分析算法

非同步采样和非整数周期截断造成的频谱泄漏会影响谐波测量结果的准确性.提出了一种新的余弦组合窗,并将该窗用于双谱线插值FFT的电力谐波算法.该方法构造出了一个新型的余弦组合窗,并利用曲线拟合函数求出实用的双谱线插值修正公式.该新型的余弦组合窗具有主瓣窄,旁瓣峰值小衰减幅度大且衰减快的特性.仿真及实验结果表明:该谐波分析方法在非同步采样和非整数周期截断条件下,频率、幅值和相位的计算相对于Blackman-harris窗和Nuttall窗来说,具有更高的精度,更小的计算量,实用性强.     

基于MATLAB的FIR数字滤波器设计与仿真

数字滤波器是数字信号处理中的重要组成部分。数字滤波器分为有限脉冲响应数字滤波器(FIR)和无限脉冲响应数字滤波器(IIR)。介绍了利用窗函数设计FIR滤波器的方法，即根据给定的滤波器技术指标，确定有限长单位脉冲序列，通过选择滤波器的长度和窗函数，使其具有最窄宽度的主瓣和最小的旁瓣。并举例用MATLAB进行实现和仿真，指出基于Matlab环境下进行数字滤波器的设计简便易行。     

基于超拉普拉斯先验的图像非盲解卷积

自然图像梯度的重尾分布在去噪、去模糊以及超分辨率等问题中已经被证实是一个非常有效的先验。自然图像梯度的长尾分布可以极好地用超拉普拉斯(Hyper-Laplacian)分布模型化。基于空间变化点扩散函数提出了一种超拉普拉斯先验的图像快速非盲解卷积方法,对图像进行复原。该算法的优势就是引入空间变化点扩散函数,使用分步交替迭代最小化方法,通过查表法快速对图像去卷积求解。该方法的解卷积速度得到较大幅度的提升,而且对模糊图像有较好的复原效果,提高了图像的质量。     

基于残差连接卷积神经网络的图像超分辨率重构

针对基于卷积神经网络超分辨率重构算法中存在的感受野较小、梯度信息易丢失与网络收敛较慢等问题,提出了基于残差连接卷积神经网络的图像超分辨率重构算法。通过在低分辨率空间进行图像的超分辨率重构,减少了图像预处理过程,降低了网络复杂度。利用局部和全局残差连接,对卷积网络结构和亚像素采样层进行改进,局部残差促进了网络中信息的流动,全局残差使网络只学习图像残差信息,减少了网络冗余。通过增加网络深度扩大了感受野,使网络学习到更多的重建信息。实验结果表明:本文算法的PSNR和SSIM值相较于其他算法有不同程度的提升。     

凯瑟窗改进谐波法测电力电容器介质损耗因数

针对基于快速傅里叶变换(FFT)的传统谐波分析法测电力电容器介质损耗因数(tanδ)时会由于非同步采样和非整周期截断造成频谱泄露和栏栅效应的问题,依据凯瑟(Kaiser)窗函数主瓣和旁瓣衰减比例自由选择的特性,采用基于凯瑟窗的相位校正的改进谐波算法测量电力电容器介质损耗因数.在电网基波频率变化、介损角真值发生变化以及白噪声干扰等3种条件下,仿真分析该算法和基于Hanning窗、Blackman窗的插值算法的测量误差,并通过实验进行验证.结果表明,该算法与Hanning窗和Blackman窗插值算法相比能更有效地克服基波频率波动及白噪声等对电力电容器tanδ测量的影响.基于Kaiser窗函数的改进谐波算法抑制频谱泄漏效果好,准确度高,满足电力电容器介质损耗因数tanδ在线监测的要求.     

A new family of windows——convolution windows and their applications

Measurement of harmonic parameters, including frequency, magnitude and phase, is a key step in of analyzing and solving of harmonic problems. In electrical power system, the Fast Fourier Transform (FFT) has been widely used in harmonic analysis. Due to the requirement for real time implementation and/or the random shift of signal period, a sampling sequence usually contains only several cycles of the signal and the windowingtime width generally does not strictly equal to multiples of signal …     

基于改进卷积反投影模型的CT成像伪影消除方法

针对传统卷积反投影法的CT重建图像容易产生伪影的问题,提出了一种基于改进卷积反投影算法的CT成像伪影消除方法.该方法通过分析给定模板的测量参数,标定CT系统的旋转中心、探测器间距及各探测方向等参数,使用Radon和傅里叶变换得到反投影方程,并利用卷积反投影技术得到每一点的吸收率与投影值的积分关系,使用三次样条插值算法得到较清晰的重建图像.仿真结果表明,所提出的算法具有简明易懂、操作方便和精确度高等诸多优点,相较于传统方法拥有更高的运算效率.     

A new family of windows — convolution windows and their applications

A new family of windows is constructed by convolutions via a few rectangular windows with same time width and is thus referred to as convolution windows. The expressions of the second-order up to the eighth-order convolution windows in both the time and frequency domains are derived. Their applications in high accuracy harmonic analysis of periodic signals are investigated. Comparisons between the proposed windows and some known windows with the same width shows that, when the synchronous deviation of data sampling is slight, the proposed ones have the least effect of spectral leakage. Therefore, the new windows are well suited for high accuracy harmonic analysis and parameter estimation for periodic signals. The error analysis and computer simulations show that the estimation errors, corresponding to frequency, amplitude and phase of every harmonic component of a signal, are proportional to the pth power of the relative frequency deviation in case of the pth-order convolution window is applied to windowing signal of approximately p cycles. By introducing real time adjustment in sampling interval, the proposed algorithm can adaptively trace signal frequency and lead to less sampling synchronous deviation. The proposed approach has the advantages of easy implementation and high measure precision and can be used in harmonic analysis of quasi-periodic signals whose fundamental frequency drifts slowly with time.     

图像分形维数计算及其边缘提取

为提高遥感影像中地物边缘信息的提取精度,以离散分形布朗随机场（DFBR：DiscreteFractalBrownRandomfield）模型为依据,尝试设计并利用Matlab编程实现一种基于遥感影像单个像元的分形维数计算算法。该算法将影像的灰度空间映射成分形维数空间,然后在该空间进行变换和边缘检测。地物空间分布及其影纹结构边缘特征的差异,使计算分形维数所选窗口大小成为关键。选取研究区局部地段高空间分辨率遥感影像作为实验数据,通过计算不同窗口下像元分形维数,得到最佳边缘信息提取的计算窗口。实验结果表明,该算法在同类计算中更符合遥感数据的特点,提高了遥感影像地物边缘信息提取精度。     

Hanning self-convolution window and its application to harmonic analysis

The Hanning self-convolution window (HSCW) is proposed in this paper. And the phase difference correction algorithm based on the discrete spectrum and the HSCW is given. The HSCW has a low peak side lobe level, a high side lobe roll-off rate, and a simple spectrum representation. Hence, leakage errors and harmonic interferences can be considerably reduced by weighting samples with the HSCW, the parameter estimation by the HSCW-based phase difference correction algorithm is free of solving high order equations, and the overall method can be easily implemented in embedded systems. Simulation and application results show that the HSCW-based phase difference correction algorithm can suppress the impacts of fundamental frequency fluctuation and white noise on harmonic parameter estimation, and the HSCW is advantageous over existing combined cosine windows in terms of harmonic analysis performance.     

采用多分辨率广义S变换的电能质量扰动识别

为提高电能质量复合扰动识别能力,提出一种采用多分辨率广义S变换(multiresolution generalized S-transform,GST)的扰动识别方法.首先,将信号频谱分为低频、中频、高频3个频域,分别设定窗宽调整因子,使其在各个频域具有不同的时-频分辨率,满足不同扰动信号识别要求.并针对高频振荡识别问题,设计基于基频傅里叶谱特征的自适应窗宽调整方法.在此基础上,提取6种特征用于构建决策树.最后,提出最小分类损失原则,确定决策树节点分类阈值,设计扰动分类器.仿真与实测信号实验证明,新方法能够准确识别含5种复合扰动在内的13种扰动.相较于S变换、广义S变换和Hyperbolic S变换,新方法具有更好的特征表现能力,分类效果好,抗噪声干扰能力强.     

一种改进Papoulis-Gerchberg的多幅超分辨重构方法

为进一步提高拍摄图像的分辨率,提出一种改进的Papoulis-Gerchberg超分辨算法.新算法提出边缘检测方法,可以改善传统方法空间复杂度和重构图像边缘模糊的问题.新算法在原有的算法基础上融于边缘检测,针对多幅同一场景输入图像,在每次Papoulis-Gerchberg迭代过程加入坎尼检测,同时将每步的重构误差投影到下一步重构过程,降低了算法空间复杂度,能有效恢复丢失的边缘高频信息.MATLAB实验结果表明,与现有的经典超分辨重构方法相比,本算法反映图像质量的峰值信噪比和灰度标准差更高,信噪比和灰度标准差比改进前算法分别提高0.5 d B和2.5.从视觉感官上对比,重构图像整体效果也更加清楚,去除了原始重构方法图像边缘叠影现象,有效提高了原始输入图像的分辨率.     

一种利用外轮廓配准的活塞侧面缺陷检测方法

为了有效地对活塞侧面进行缺陷检测,根据两个相同型号和规格的活塞在相同的光照及角度下拍摄得到的图像极其相似的特点,提出了基于外轮廓配准的活塞侧面缺陷检测方法。该方法分为四步:第一,在特定的光照条件下,对不同型号和规格的标准活塞进行多角度的图像采集,建立标准模板库;第二,利用尺度不变特征转换算法,根据外轮廓特征点对模板图像和待检测图像做图像配准,找到两幅图像相对应的区域;第三,用相同大小的滑动窗口分别对两幅图像的相对应区域进行遍历,提取窗口内的特征,包括灰度均值、灰度方差、垂直投影、水平投影;第四,通过比较两个窗口内的特征值,判断窗口内是否存在缺陷。结果表明,该方法能够有效地检测活塞表面缺陷及确定缺陷位置,准确率约为94.78%,具有较强的实用性。