基于快速三因子分解和组稀疏正则化的高光谱图像去噪

为了有效去除高光谱图像中噪声带来的干扰,提升图像质量,在局部低秩和全局组稀疏结合的框架内提出了一种基于快速三因子分解和组稀疏正则化的去噪模型。首先,将高光谱图像分解成若干三维重叠图块并将其逐波段列化成矩阵,在快速三因子分解的框架下将这些矩阵分解为两个正交因子矩阵和一个核心矩阵,对核心矩阵添加L2,1范数最小化约束;其次,对高光谱图像空间和光谱方向的梯度张量分别添加组稀疏正则化约束;最后,将低秩矩阵的三因子分解和全局组稀疏正则化结合,可以充分挖掘图像的局部低秩和稀疏的先验信息,并去除各种混合噪声。在三个数据集上与五种经典模型相比,该模型的各项评价指标更高,去噪图像保留了更多细节信息,去噪效果更好。     

基于先验图像约束的多光谱压缩感知

在低采样率、低信噪比(SNR)的探测条件下,多光谱重建图像噪声增多,重建质量大幅度降低。为了提高多光谱图像的重建质量,提出了一种基于先验图像约束的多光谱压缩感知(PICHCS)重建方法。PICHCS利用多光谱图像的空间相关性和谱间相关性重建出初始图像,并将相邻谱段的初始图像取平均获得高信噪比的先验图像。先验图像与目标图像相减可以使优化目标稀疏化,并使得重建结果具有与先验图像类似的高信噪比特性。通过数值模拟和实验验证了该重建算法的可行性,并在不同的采样率、信噪比条件下和全变差低秩联合重建算法进行了对比研究。结果表明,PICHCS可以在低采样率低信噪比情况下提高多光谱图像的重建质量,从而降低对数据采样率和系统信噪比的要求。     

融合多种小波与全变差正则化的相位恢复算法

在相位恢复过程中,用图像的稀疏性作为先验知识可以提高图像的重构质量。结合图像在小波域的组稀疏性与图像自身的梯度稀疏性,针对编码衍射图样模型,提出一种融合正交小波db10和sym4组稀疏性与全变差正则化的相位恢复算法。针对当前相位恢复算法重构时间较长的问题,采用复合分裂算法将非凸优化问题分解成几个易于求解的子问题(包括两个组硬阈值算子和全变差最小化)进行求解,减少了图像重构时间。实验结果表明:在高斯噪声下,与BM3D-PRGAMP算法相比,所提算法重构图像的峰值信噪比提高了约0.8dB,重构时间缩短了90%;在泊松模型中,所提算法也具有较大优势,充分说明了所提算法对噪声具有稳健性。     

张量环因子非凸秩约束的高光谱图像超解析

针对高光谱图像超解析问题,提出了一种联合子空间表示、非局部相似性和张量环因子非凸秩约束的超谱-多谱融合模型.首先,基于高光谱图像的全局谱低秩特性,利用原始低空间分辨率高光谱谱域信息将其降维至子空间表示;随后,针对视觉对像在非局部维度上的强相关性,利用多光谱图像的空间冗余信息将降维后子空间图分成多个相似patch组,并对...     

基于稀疏表示和学习图正则的高光谱图像特征提取

针对传统局部特征提取算法难以确定邻域参数,以及仅考虑数据间的单一结构而漏掉重要信息的问题,提出一种基于稀疏表示和学习图正则的局部判别与全局稀疏保持投影算法。该算法首先对稀疏表示模型施加基于学习的图正则器,用该改进的稀疏表示模型自适应揭示样本数据间的局部线性结构,通过局部判别模型全局集成算法来提取局部线性结构中的判别信息;利用基于学习图正则稀疏表示模型构建的新型稀疏图来揭示数据间的全局稀疏结构;使得数据的局部判别结构和全局稀疏结构在低维特征空间得以保持。通过1-近邻和支持向量机分类器对实验结果进行评估,在PaviaU和Indian Pines两个高光谱公共数据集上的实验显示,提出的局部判别与全局稀疏保持投影算法较对比算法取得了最好的性能,由于提取了全局和局部的判别信息,有效提升了高光谱图像的地物分类精度。     

一种双正则项全变差高光谱图像去噪算法

受传感器特性影响,高光谱图像中的噪声在各个维度都有体现。噪声的存在降低了高光谱图像中信息的有效性,在进行地物分类前必须采用适当的算法对噪声予以去除。文章针对高光谱图像的噪声特性,提出了一种基于全变差的高光谱图像去噪算法。该算法将经典二维图像全变差去噪模型推广至三维形式,提出了采用双正则项及相应的调整参数的目标函数,在三维空间中完成新目标函数的离散化,并采用基于优化-最小化算法的迭代方法对目标函数进行优化与求解。对星载Hyperion成像光谱仪数据的实验表明,适当的设置调整参数,该方法可很好地提高高光谱图像的各波段信噪比、平滑光谱曲线并保留细节特征,其去噪效果优于经典的MNF去噪算法及Savitzky-Golay滤波方法。     

基于联合正则化及压缩传感的MRI图像重构

基于压缩传感的MRI图像重构利用图像稀疏的先验知识能从很少的投影值重构原图像。目前MRI重构算法只利用MRI图像稀疏性表示或只利用基于其局部光滑性的先验知识,重构效果不理想。针对此问题,结合两种先验知识,提出一种基于联合正则化及压缩传感的MRI图像重构方法。利用块坐标下降法将求解联合正则化问题转化为交替求解二次凸优化、稀疏正则化和全变差正则化三个简单的优化问题。并提出分别采用共轭梯度法、二元自适应收缩法以及梯度下降法对以上优化问题求解。实验结果表明,该算法重构效果比现有算法有明显地提高。     

基于加权块稀疏联合非凸低秩约束的高光谱图像去条带方法

针对高光谱图像（hyperspectral images, HSI）去条带易引起影像结构细节丢失问题,提出一种基于加权块稀疏（weighted block sparsity, WBS）正则化联合最小最大非凸惩罚（minimax concave penalty, MCP）约束的HSI去条带方法。本算法采用加权?_{2, 1}范数和MCP范数对条带稀疏结构和低秩约束,?₁范数对干净图像结构保持正则化约束,构建加权块稀疏和MCP约束的条带去除模型,采用交替方向乘子（alternating direction method of multipliers, ADMM）算法迭代求解对应模型,重建获得干净的HSI图像。实验结果表明,提出方法在实际HSI的平均等效视数从28.45提高到83.47,边缘保持指数较其他算法至少增加0.056,特别是对于非周期条带噪声,采用自适应权值更新稀疏水平,增强了组稀疏性,在保持影像边缘和加强区域平滑性方面性能更佳,去噪声效果更好。     

局部超图拉普拉斯约束的高光谱影像低秩表示去噪方法

针对传统高光谱影像低秩表示去噪方法无法保持影像多元几何结构信息的问题,提出一种基于局部超图拉普拉斯约束的高光谱影像低秩表示去噪方法。在低秩表示模型中增加超图拉普拉斯正则项,保持数据间多元几何流形结构;并对低秩模型系数矩阵增加稀疏和非负约束条件,进一步提高模型对影像局部信息的保持能力,使得模型不仅能够恢复具有低秩性质的影像信号分量,而且可以很好地保持影像的多元几何流形结构。在AVIRIS影像和ProSpecTIR-VS影像上的对比实验表明,所提方法更好地保持了影像的空间和光谱信息,有效地改善了高光谱影像去噪效果。     

复杂环境下运动目标偏振成像检测方法研究

针对低对比度、低信噪比等复杂环境下运动目标检测失检率较高的问题,提出了基于稳定性主成分寻踪的运动目标偏振成像检测方法。首先将预处理后的连续帧偏振图像组合成一个矩阵,依据帧间图像信息相关性,建立了稳定性主成分寻踪数学模型,将该矩阵分解成低秩、稀疏,噪声三部分,其中稀疏矩阵包含了帧间目标信息;再以低秩矩阵核范数与稀疏矩阵1范数的和为目标函数,利用增广拉格朗日乘子法求得目标函数值最小时的稀疏矩阵;最后采用马尔科夫随机场滤除稀疏矩阵中的噪声。实验结果表明,该方法对复杂环境有很好的适应能力,且检测准确率优于其他算法。     

自外而内的单幅图像超分辨率复原算法

单幅图像超分辨率(SR)复原是一个病态逆问题,需要利用图像的先验知识进行正则化约束。提出了一种同时考虑外在样例和内在自相似性的单幅图像SR复原算法,其中外在先验知识是通过卷积神经网络从外在低分辨率-高分辨率图像对学习得到的,而内在先验约束由聚类和低秩近似实现。实验结果表明,本方法在复原效果和稳健性方面优于已有方法。     

基于分组三维离散余弦变换字典的植物高光谱数据去噪方法EI北大核心CSCD

针对植物高光谱图像各波段噪声强度不同,以及空间域和谱域均存在噪声污染的问题,提出了一种基于分组三维(3D)离散余弦变换(DCT)字典的稀疏表示去噪方法。首先分析了植物光谱特征,根据谱间相关性对波段进行分组;然后采用边缘块剔除的局部均值标准差法对高光谱图像进行噪声标准差估计,为去噪算法提供参考阈值;最后构建三维DCT字典的稀疏表示去噪方法,对植物高光谱图像进行去噪。实验结果表明,与原始数据和二维DCT字典去噪方法相比,谱域噪声评估中平均信噪比分别提高18.2dB和9.2dB。因此,该方法不仅具有较好的空间域去噪能力,也有较好的谱域去噪能力。     

基于空谱字典的加权联合稀疏表示高光谱图像分类

稀疏表示广泛用于高光谱图像分类任务中。针对字典原子空间信息和光谱信息未得到充分利用的问题,提出了基于空谱字典的加权联合稀疏表示高光谱图像分类算法。计算测试像元与字典原子的空谱联合距离,选择相似度最高的K个字典原子,并将被选择字典原子的超像素邻域扩充到新的字典中,形成空谱字典。在联合稀疏模型中,对测试像元的超像素邻域像元使用不同的权重,在空谱字典上构建加权稀疏表示模型。基于所选的两个高光谱数据集的实验证明所提算法能够有效地提高分类精度。     

结合低秩填充与流形正则的荧光分子重建

荧光分子断层成像技术的逆问题有严重的病态性,对噪声影响非常敏感,为提高荧光基团的重建精度,提出将低秩填充与流形正则模型结合的荧光分子断层重建方法,来抑制噪声对逆问题重建的影响。方法能利用更多的先验信息,在利用荧光基团能量分布的聚集性的基础上,还能够同时利用生物外表面荧光分布的低秩性。通过低秩填充算法对外表面观测矩阵进行抑噪处理,来利用外表面观测矩阵低秩性的先验信息;通过流形正则模型来利用重建光源聚集性的先验信息,最终实现逆问题重建的精度的改善。同时设计了多组数字鼠实验,结果表明结合低秩矩阵填充与流形正则模型的FMT逆问题的重建结果取得了明显的改善。     

基于分组三维离散余弦变换字典的植物高光谱数据去噪方法

针对植物高光谱图像各波段噪声强度不同,以及空间域和谱域均存在噪声污染的问题,提出了一种基于分组三维(3D)离散余弦变换(DCT)字典的稀疏表示去噪方法。首先分析了植物光谱特征,根据谱间相关性对波段进行分组;然后采用边缘块剔除的局部均值标准差法对高光谱图像进行噪声标准差估计,为去噪算法提供参考阈值;最后构建三维DCT字典的稀疏表示去噪方法,对植物高光谱图像进行去噪。实验结果表明,与原始数据和二维DCT字典去噪方法相比,谱域噪声评估中平均信噪比分别提高18.2dB和9.2dB。因此,该方法不仅具有较好的空间域去噪能力,也有较好的谱域去噪能力。     

双即插即用能谱计算机断层重建算法

为降低X射线辐射剂量和提高成像效率,开发准确和高效的多能谱成像方法,提出一种具有双即插即用（PnP）框架的图像重建方法。该方法引入两个PnP正则化能量函数,分别对多通道图像内蕴低秩性与通道内图像稀疏性进行度量。首先以多通道图像间的相似块构造高维张量,然后引入张量加权核范数对张量低秩性进行刻画,并结合图像梯度域L0（伪）范数对通道内图像稀疏性进行刻画,最后设计基于交替方向乘子法的高效求解算法。为验证算法的可行性,开展模拟多通道光子计数采样图像重建实验。实验结果表明：与现有代表性方法相比,所提方法的峰值信噪比提升0.067 dB～1.89 dB,时间消耗约为代表性方法的25%;所提方法具有抑制伪影干扰和改善图像质量的优势,并且计算效率得到显著提升。     

基于低秩信息的纽扣无缺陷图像重建与缺陷检出算法

纽扣表面缺陷形态、大小、位置多变,导致缺陷检测成为一个具有挑战性的问题。基于缺陷图像信息空间结构相关性,提出了一种基于低秩信息的纽扣图像重建方法。该方法采用低秩约束缺陷图像矩阵,通过回归的方式重构纽扣表面无缺陷图像,并利用差影法分离带有缺陷信息的残差图像,通过局部加权自适应阈值使缺陷有效显现。所提方法将最小化残差矩阵的秩转化为最小化核范数,并通过交替方向乘子法求解回归系数,利用正样本实现图像重建。针对构建的纽扣样本测试集对算法性能进行测试,证明所提方法对于不同类别的纽扣和不同大小、形状的缺陷都是有效的,算法准确率达99%,并且该方法对于光照变化也具有一定的适应性。     

基于空间自适应非凸正则项全变差相干斑噪声抑制

全变差正则化方法是相干斑噪声抑制研究的热点.非凸正则项能够更好地保持图像的边缘、纹理细节信息;空间自适应正则化参数可以根据像素点所在的区域,合理地控制噪声抑制程度,从而提高噪声抑制效果.本文结合非凸正则项和空间自适应正则化参数提出了一种新的全变差相干斑噪声抑制模型,并且给出了一种模型求解的数值算法.数值试验结果表明该模型能够获得更好的相干斑噪声抑制效果.     

稀疏张量约束的低剂量CT图像重建

提出了一种稀疏张量约束重建算法,该方法利用非局部相似的先验信息,将CT图像分割成一系列图像块组;采用张量的多维低秩分解方法,将这一先验信息引入低剂量CT重建中,构造目标函数;通过重建图像更新和图像块组张量稀疏编码两个步骤,交替迭代求解目标函数。基于仿真数据和临床数据的实验结果验证了该算法的有效性,实验结果表明:与经典重建算法相比,所提算法在抑制噪声的同时,能更好地保持重建图像的细节,获得更高质量的图像。     

基于改进Hodrick-Prescott分解模型的近红外自适应降噪方法

在检测果蔬农药残留的近红外光谱采集过程中,往往会受噪声干扰获得低信噪比近红外光谱,且近红外光谱中表征农药和果蔬化学组分的谱峰微弱且重叠度高,因而此近红外光谱降噪普遍存在易平滑微弱的农药组分谱峰、或增加非测量物化学组分谱峰的危险,导致在后续以仅挖掘红外光谱谱峰特征为前提的分类和化学组分分析中,恶化近红外光谱的分类精度、影响农药残留成分的正确分析。针对抑制近红外光谱噪声与保持近红外光谱谱峰的矛盾,提出一种改进Hodrick-Prescott分解模型的自适应降噪方法。在该方法的Hodrick-Prescott分解模型中,以染噪光谱与复原光谱之间残差的L2范数为残差项,描述高斯噪声结构,以复原光谱信号二阶差分的L2范数为正则化项,惩罚复原光谱、迫使从染噪光谱中复原的光谱倾向于梯度减少的方向,以平滑噪声、保持原始谱峰信息。该方法同时结合L-曲线方法,自适应地获取染噪光谱在Hodrick-Prescott优化方程中的正则化参数,并通过求解该曲线最大曲率点对应的参数获得最优正则化参数,确保能平衡Hodrick-Prescott分解模型中正则化项和残差项,以得到较为理想的光谱复原结果。实验以农药残留和未残留的上海青近红外光谱为基本数据、通过降噪前后信噪比、以及支持向量机分类模型的识别率,对比分析bior6.8小波分解方法、 sym8小波分解方法、互补集合模态分解方法的降噪效果。实验结果显示,该方法在处理18.79 dB信噪比染噪近红外光谱时获得了33.35 dB信噪比;在实施上海青农药残留检测中,处理训练集与测试集近红外光谱数据后,训练所得支持向量机分类模型的训练集识别率达93.58%、测试集识别率达71.18%,此识别率明显高于上述三种方法降噪后的结果,接近于原始未染噪声光谱数据。该方法在近红外光谱降噪方面具有明显的优势,能应用于农药残留近红外光谱检测的前期处理。