A High-Throughput Maximum a Posteriori Probability Detector

This paper presents a maximum a posteriori probability (MAP) detector, based on a forward-only algorithm that can achieve high throughputs. The MAP algorithm is optimal in terms of bit error rate (BER) performance and, with Turbo processing, can approach performance close to the channel capacity limit. The implementation benefits from optimizations performed at both algorithm and circuit level. The proposed detector utilizes a deep-pipelined architecture implemented in skew-tolerant domino and experimentally measured results verify the detector can achieve throughputs greater than 750 Mb/s while consuming 2.4 W. The 16-state EEPR4 channel detector is implemented in a 0.13$ mu{hbox {m}}$ CMOS technology and has a core area of 7.1 ${hbox {mm}}^{2}$.      

Demosaicing With Directional Filtering and a posteriori Decision

Most digital cameras use a color filter array to capture the colors of the scene. Downsampled versions of the red, green, and blue components are acquired, and an interpolation of the three colors is necessary to reconstruct a full representation of the image. This color interpolation is known as demosaicing. The most effective demosaicing techniques proposed in the literature are based on directional filtering and a posteriori decision. In this paper, we present a novel approach to this reconstruction method. A refining step is included to further improve the resulting reconstructed image. The proposed approach requires a limited computational cost and gives good performance even when compared to more demanding techniques     

基于配准的肺4D-CT图像超分辨率重建

肺4D-CT数据在肺癌治疗中有重要意义.但肺4D-CT数据纵向(Z方向)分辨率低,为显示正确比例图像需进行插值运算,由此带来图像的模糊.本文提出了一种基于Active Demons配准的超分辨率重建技术来提高肺4D-CT图像分辨率.我们将不同相位同一位置的低分辨率图像视为不同"帧"图像.首先采用Active Demons配准方法得到不同"帧"图像之间的运动估计;而后采用凸集投影(Projection Onto Convex Set,POCS)超分辨率算法重建高分辨率肺图像.实验结果表明,与三次样条插值和反投影方法相比较,我们的方法能得到更清晰的肺图像,明显增强图像结构.     

基于Kronecker积的图像超分辨率快速算法

 本文提出了基于矩阵Kronecker积的图像超分辨率快速重构算法.基于观测模型的图像超分辨率重构算法是研究较多的方法,观测模型包含两个维数很大的降采样矩阵和模糊矩阵,这两个矩阵均可以表示为两个维数相对较低的矩阵的Kronecker积.因此图像降质可以分解为两个独立的过程,首先对行向降质,然后再对列向降质.根据这一观点,文章提出了一个与现有模型等价的新模型,并进一步证明用于克服逆向病态的正则化算子也可以作这样的分解.基于新的观测模型,文章提出了共轭梯度法来实现图像的超分辨率重构,与传统方法不同的是,本文算法直接使用矩阵而不是向量作为决策变量.文章给出了理论分析,实验结果证实新算法确实能显著的节省时间和存储空间开销.     

一种新的图像配准和超分辨率重建算法

对低分辨率观测图像进行精确配准是实现图像超分辨率重建的关键。然而,当低分辨率图像中的混叠分量达到一定程度时,许多配准算法不能满足超分辨率重建的精度要求。将图像配准和超分辨率重建联合实现的方法受混叠影响较小,该文分析其原因并提出实现这类方法的新算法,该算法采用类似于变量投影的思想,改善问题求解的条件,从而克服常用的坐标轮转下降法的一些不足。新算法利用Lanczos方法和Gauss求积原理高效地实现,并且能够处理低分辨率图像之间平移和旋转等形式的运动。实验结果证明了该方法的有效性。     

基于投影的单幅图像超分辨率重构算法

利用矩阵的Kronecker积,将现有的向量式成像模型转化为等价的矩阵式成像模型.基于新的矩阵式成像模型,提出了由高分辨图像构成的全空间到超分辨重构问题的解流形的投影算子,利用该算子可以直接得到超分辨重构结果.给出了理论分析.实验结果证实,所提算法能有效地改进超分辨率重构效果,对于标准Lenna图像,其峰值信噪比(PSNR)较双线性插值法和B-样条插值方法提高2.5dB以上,相对于其他算法也有不同程度的改进.     

基于MG-CG算法的图像超分辨率重建

提出一种基于多重网格(MG)和共扼梯度(CG)算法相结合的图像超分辨率重建快速算法.首先采用Tikhonov正则化方法给出图像超分辨率重建模型;然后在系统介绍MG和CG算法的基础上,针对超分辨率重建中常见对称正定稀疏线性方程的求解,提出多重网格-共扼梯度(MG-CG)算法;详细讨论了MG-CG算法的光滑、限制、插值操作以及计算复杂度.实验结果表明该算法与MG、CG和Richardson迭代算法相比,具有更快的收敛速度.     

基于DSP系统的超分辨率图像重建技术研究

由于航空光电设备造价与体积等的限制,需要在不改变航空光电设备硬件结构的前提下,获取尽可能清晰的图像或视频。文章提出了基于DSP图像处理系统的超分辨率重建方法,首先利用Fourier-Mellin变换法和Keren算法的联合优化算法进行运动估计;然后利用基于边缘保持的凸集投影简化方法进行超分辨率重建;最终结合DM642的特征,在不降低精度的前提下,对算法进行优化实现。该方法在不增加系统结构体积和成本的前提下,有效地提高了成像系统的分辨力,进而提高系统的目标识别能力。在以DM642为核心嵌入式图像处理平台中实现超分辨率重建实验,所采用的相机分辨率为720×576,整个重建的时间由传统的几分钟甚至几十分钟下降至20s左右。实验结果表明,用本文方法重建出的图像细节明显比单帧插值的图像清晰,图像的平均梯度和信息熵有了明显提高。     

基于改进K-SVD字典学习的超分辨率图像重构

 针对已有算法中字典训练的时间消耗巨大的问题,提出了一种改进的基于字典学习的超分辨率图像重构算法.本文将K-SVD字典算法和高低分辨率联合生成的思想结合起来,形成新的字典训练方法,并将由该算法生成的高低分辨率字典应用于基于稀疏表示的超分辨率重构.重构仿真实验证明算法不仅有效降低了字典训练所消耗的时间,而且能够改善重构高分辨图像的质量.     

A Posteriori Probability Distances Between Finite-Alphabet Hidden Markov Models

In this correspondence, we consider a probability distance problem for a class of hidden Markov models (HMMs). The notion of conditional relative entropy between conditional probability measures is introduced as an a posteriori probability distance which can be used to measure the discrepancy between hidden Markov models when a realized observation sequence is observed. Using a measure change technique, we derive a representation for conditional relative entropy in terms of the parameters of the HMMs and conditional expectations given measurements. With this representation, we show that this distance can be calculated using an information state approach     

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。     

Maximum A Posteriori -based automatic target detection in SAR images

The paper presents an algorithm of automatic target detection in Synthetic Aperture Radar(SAR) images based on Maximum A Posteriori(MAP). The algorithm is divided into three steps. First, it employs Gaussian mixture distribution to approximate and estimate multi-modal histogram of SAR image. Then, based on the principle of MAP, when a priori probability is both unknown and learned respectively, the sample pixels are classified into different classes c = {target, shadow, background}. Last, it compares the results of two different target detections. Simulation results preferably indicate that the presented algorithm is fast and robust, with the learned a priori probability, an approach to target detection is reliable and promising. Communication author: Wang Yimin, born in 1968, male, Ph.D. candidate. College of Automation, Northwestern Polytechnical University, Xi’an 710072, China.     

基于改进增强型超分辨率生成对抗网络的图像超分辨率重建算法

针对现有的图像超分辨率重建算法仍存在细节上处理不足的问题,提出一种基于改进增强型超分辨率生成对抗网络(ESRGAN)的图像超分辨率重建算法.首先,使用多尺度密集连接模块(MDB)代替密集连接模块(DB),并且在MDB后添加通道注意力机制,以调整不同通道的特征响应值,从而改进了ESRGAN的生成网络模型中的深层信息提取模...     

基于自注意力深度网络的图像超分辨率重建方法

针对现有图像超分辨重建方法难以充分重建图像的细节信息且易出现重建的图像缺乏层次的问题,提出一种基于自注意力深度网络的图像超分辨重建方法。以深度神经网络为基础,通过提取低分辨率图像特征,建立低分辨率图像特征到高分辨率图像特征的非线性映射,重建高分辨率图像。在进行非线性映射时,引入自注意力机制,获取图像中全部像素间的依赖关系,利用图像的全局特征指导图像重建,增强图像层次。在训练深度神经网络时,使用图像像素级损失和感知损失作为损失函数,以强化网络对图像细节信息的重建能力。在3类数据集上的对比测试结果表明,所提方法能够提升图像超分辨重建结果的细节信息,且重建图像的视觉效果更好。     

基于改进Keren配准方法的超分辨率算法

提出一种基于边缘检测和Keren配准方法的自适应归一化卷积超分辨率重建算法。为了进一步提高低分辨率序列图像间的配准精度,该算法将边缘检测与Keren配准算法相结合。首先利用Roberts算子对图像序列进行边缘检测,然后利用基于简化四参数仿射变换模型的Keren改进算法求出边缘图像间的平移和旋转参数。仿真实验结果表明即使在含有噪声及大角度旋转情况下,相比Keren改进算法该算法配准精度得到了显著提高;其中采用Roberts算子相比其他传统算子可获得更高的配准精度。最后采用自适应归一化卷积超分辨率融合算法进行超分辨率重建,真实混叠图像序列的实验表明,基于提出的这种配准方法的超分辨率重建图像获得了很好的视觉效果和更高的分辨能力,具有良好的应用价值。     

基于FPGA的紫外/可见光图像实时配准实现

为了在电路损伤早期探测和定位电晕放电,依据其放电在紫外波段的成像特性,采用基于现场可编程门阵列(FPGA)为核心的处理平台,设计了可对紫外光和可见光两路信号进行采集、配准和融合处理的实时检测系统。通过优化设计硬件结构、快速图像配准算法及基于MicroBlaze软核的控制模块,提出了一种基于FPGA的快速图像配准的实现方法,实现了对不同焦距下可见光图像数据与紫外图像数据的实时融合处理。结果表明,该方法能够有效提高图像融合处理的速度和系统运行效率,满足对紫外信号进行检测和定位的要求。该方法已经运用于南方电网的线路巡检中。     

基于稀疏正则化结合NLS的超分辨率图像重建

为了保持高光谱(HS)超分辨率重建过程中的频谱一致性和边缘锐度,提出一种基于空间谱结合非局部相似性的超分辨率重建算法。首先,使用HS图像生成模型,采用稀疏正则化解决全色(PAN)图像和HS图像重建的病态问题求逆;然后分析了从高空间分辨率到低空间分辨率数据生成的丰度系数映射;最后利用非局部相似性,设计空间谱联合正则化项。实验结果表明,本文算法重建图像在PSNR,SSIM和FSIM方面明显高于其他优秀算法,在SAM和ERGAS方面明显低于其他优秀算法,在光谱失真方面丢失最少,仅有2%-3%,低于其他算法30%左右,且重建效果更加清晰自然。     

基于结构照明的超分辨荧光显微成像重建算法

由于具有低光毒性、高速宽视场以及多通道三维超分辨成像能力,超分辨结构照明显微术(SR-SIM)特别适合用于活细胞中动态精细结构的实时检测研究。超分辨结构照明显微图像重建算法(SIM-RA)对SR-SIM的成像质量具有决定性影响。本文首先简要介绍了超分辨显微术的发展现状,阐述了研究SR-SIM图像重建算法的必要性;然后介绍了SR-SIM的成像原理,并重点介绍了SR-SIM图像重建算法,包括SR-SIM中频繁使用的去卷积重建算法、SR-SIM校准与重建过程中参数值获取的算法,以及目前发展的超分辨结构照明显微图像重建算法,并介绍了SR-SIM工具箱;最后总结了当前发展超分辨结构照明显微图像重建算法需解决的5个问题。     

基于噪声分布特性的压缩视频超分辨率重建

该文通过对视频压缩过程进行建模,利用比特流中的量化信息和运动信息,建立了量化噪声和运动估计噪声模型,并考虑成像过程的加性噪声,总的噪声模型对不同的量化器可自适应调整。以Huber-Markov 随机场作为图像的先验模型,用梯度下降法进行MAP超分辨率重建,对其特性进行了分析。仿真实验表明,该算法重建图像的主、客观质量较高。