双树复数小波变换的视网膜图像半盲解卷积复原

针对导致自适应光学视网膜图像降质退化的原因,提出了一种结合双树复数小波变换(DTCWT)和图像半盲解卷积复原算法的方法。首先,对经过自适应光学实时校正技术得到的视网膜图像进行DT-CWT分解,得到低频和高频部分应的图像。将自适应光学成像系统中残余像差重建的光学传递函数作为图像复原模型的初始估计点扩散函数(PSF),并对低频部分图像进行条件约束的迭代半盲解卷积复原;对高频部分的图像进行去噪处理。最后,将处理后的高频和低频部分图像进行双树复数小波逆变换,获得复原图像。实验和结果表明:由该方法处理的视网膜细胞图像质量得到明显提高,图像客观质量评价参数相对于原始图像提高了5倍多;在视网膜细胞的空间频率范围内(70~90(°)~1),复原图像功率谱平均值提高了5倍左右,有助于对视网膜细胞的高分辨率观察。     

双树复数小波变换的视网膜图像半盲解卷积复原

针对导致自适应光学视网膜图像降质退化的原因,提出了一种结合双树复数小波变换(DT-CWT)和图像半盲解卷积复原算法的方法。首先,对经过自适应光学实时校正技术得到的视网膜图像进行DT-CWT分解,得到低频和高频部分对应的图像。将自适应光学成像系统中残余像差重建的光学传递函数作为图像复原模型的初始估计点扩散函数(PSF),并对低频部分图像进行条件约束的迭代半盲解卷积复原;对高频部分的图像进行去噪处理。最后,将处理后的高频和低频部分图像进行双树复数小波逆变换,获得复原图像。实验和结果表明：由该方法处理的视网膜细胞图像质量得到明显提高,图像客观质量评价参数相对于原始图像提高了5倍多;在视网膜细胞的空间频率范围内(70~90()-1),复原图像功率谱平均值提高了5倍左右,有助于对视网膜细胞的高分辨率观察。     

光学小波包变换及其滤波器的研究

基于对光学小波变换必要条件的分析,提出光学小波包变换的概念.选出虹膜图库的联合最优小波包基,利用最优基的线性组合生成相应的复合光学小波包滤波器.将滤波器用于光电混合虹膜识别系统中对待识别输入进行小波包特征提取预处理,模拟结果不仅证明引入该滤波器可明显提升系统的识别效果,也证明了光学小波包变换提出的意义.     

光学小波变换

首先讨论了常规傅里叶变换的缺点,导入短时傅里叶变换及小波变换,分析了小波变换的特点和实现小波变换的光学方案,在空域和频域中详细分析了利用高斯－哈尔小波变换进行边缘探测的特征,介绍了小波变换图形识别的结果。     

光学可分离小波变换的研究

为改进光学小波变换,提出了光学可分离小波变换的概念。通过对光学小波变换的必要条件进行分析,采用层叠算法和二维可分离小波变换构造方法计算出了尺度和小波函数的二维离散近似序列。将新的母小波引入到光学小波变换中,获得了光学可分离小波变换。通过与现有光学小波变换及二维可分离离散小波变换进行比较说明了其优点。     

基于小波变换的多尺度图像融合增强算法

为解决原始单源图像缺乏多尺度细节信息和图像融合后出现的噪声问题,提出了一种基于小波变换的多尺度图像融合增强算法,根据不同频率子带分量采用不同融合规则的思想,对高频子带提出了三种融合方法,同时构建了一种新颖的多尺度残差金字塔空间并将其参与融合过程,以减少融合噪声.多种小波分解和对比实验结果表明,提出的小波多尺度融合增强算...     

基于方向角预测三维小波变换的干涉多光谱图像压缩

根据大孔径静态干涉多光谱图像的成像特点,提出一种基于方向角预测的三维小波变换.这种三维小波变换的新颖之处在于它将方向预测结合到三维提升小波中.这样每次提升小波中的预测可在相关性最强的方向上进行而不需总是局限在变换的方向上.实验证明,对于干涉多光谱图像这种方向性很强的立体图像序列,基于方向角预测的三维小波变换比原始三维提升小波变换有明显改进,在相同的量化编码下,基于方向角预测的三维小波变换比原始三维提升小波变换提高1 dB左右.经该种方法压缩的图像的光谱特性也得到明显改善.     

基于深度变化成像模型的调整EM算法

在实际成像中,通常样本中的物质是变化的,故样本中不同位置的折射率不一样。由于三维样本的折射率与物镜所浸物质的折射率的不匹配,导致不同深度的点扩展函数可能不同。在此深度变化成像模型基础上应用最大期望(EM)复原算法能够提高图像清晰度,尤其是深度方向,但会丢失图像的一些微弱细节且出现一些孤立亮点,因此将调整EM算法运用到基于三维显微光学切片中成像随深度变化的图像模型上,此二者结合后的新算法可以避免上述缺点,较好地恢复图像微弱细节。     

基于阈值式小波变换的波前重构算法

 针对传统的波前重构器计算效率低、稳态误差大的问题,提出了阈值式波基多分辨力波前重构算法,采用4维波基作为标准正交基,将波前相位畸变投射到4维波基上,使伪逆矩阵变为稀疏矩阵,有效地减少了计算量,并采用阈值法去除波前重构矩阵算子中对精度影响较小的高分辨力波基系数,进一步增加了矩阵的稀疏程度,提高了运算效率,并与传统的最小二乘法、Zernike模式法和迭代法进行了计算量和均方根误差的比较,仿真结果表明该算法无论在计算速度和收敛精度上均优于其它算法。     

基于阈值式小波变换的波前重构算法

针对传统的波前重构器计算效率低、稳态误差大的问题,提出了阈值式波基多分辨力波前重构算法,采用4维波基作为标准正交基,将波前相位畸变投射到4维波基上,使伪逆矩阵变为稀疏矩阵,有效地减少了计算量,并采用阈值法去除波前重构矩阵算子中对精度影响较小的高分辨力波基系数,进一步增加了矩阵的稀疏程度,提高了运算效率,并与传统的最小二乘法、Zernike模式法和迭代法进行了计算量和均方根误差的比较,仿真结果表明该算法无论在计算速度和收敛精度上均优于其它算法。     

基于Markov随机场的自适应正则化三维显微图像复原

提出了基于马尔可夫随机场模型的正则化因子自适应调整三维显微图像复原算法,并用模拟序列样本和真实生物样本进行了实验.为了保持复原图像的边缘等细节信息,以Markov随机场模型作为图像的先验概率模型,对代价函数添加边缘约束惩罚项.其中,正则化因子在迭代过程中自适应地进行更新.实验结果表明此算法在对原始图像进行估计的同时,能够有效地保留图像的边缘等细节信息.而EM算法虽然能够有效地去除层间干扰,却丢失了大量的细节信息.     

基于小波变换和非负支撑域递归逆滤波算法的盲目图像复原

提出了一种将自适应正则化方法与非负支撑域递归逆滤波(NAS-RIF)算法相结合用于小波域的盲图像复原算法.该算法先对降质图像进行小波分解,得到了图像在不同子频段的信息.在各个子频段采用NAS-RIF算法进行复原.针对各个子频段内图像的频率和方向特性,分别引入了不同的正则化约束项.在各个子频段估计出噪声方差,提出了根据噪声方差和图像局部方差来选取正则化参数.分别对两幅模糊图像进行了仿真实验,复原结果取得的信噪比分别为19.66 dB和23.86 dB.实验结果表明,复原效果相对于空间自适应正则化方法有一定的提高.     

基于指数律分布的图像快速盲复原算法

针对现有图像盲复原迭代算法多存在耗时较长和难以保证收敛性等问题,提出一种改进的快速算法.首先根据指数律重建原始图像的频谱,然后利用原始图像和降质图像的频谱关系,采用多方向综合估计方法得到点扩散函数.多方向综合估计方法可降低估计误差,增加算法的稳定性.最后利用得到的点扩散函数和维纳滤波法进行图像重建.与现有算法的对比实验结果表明,针对适合大量成像系统的G类点扩散函数,本算法可以得到更准确的点扩散函数估计,且降低了振铃效应的影响,取得更好的图像复原效果.     

基于平移不变小波阈值算法的噪声图象估计

在小波基下简单的阈值算法几乎是最优的非线性估计, 若信号是分片光滑函数, 小波阈值方法所得的风险就接近于最佳值. 采用标准的小波阈值估计可较大幅度的提高PSNR, 但由于图像的边缘被Gibbs类的振荡所影响, 图像视觉质量较差. 本文采用改进的平移不变阈值算法可获得更高的PSNR, 更重要的是该方法明显地改善了图像的视觉质量.     

基于Bayesian估计和Wiener滤波的阈值去噪方法

基于阈值的小波域去噪方法的核心是阈值选取,通过最小化一个Bayesian风险函数得到一种自适应阈值,结合线性滤波中具有代表性的Wiener方法,提出了一种新的去噪方法.实验结果表明,该方法能有效地去除图像中的白噪声,同时还能较好地保留图像的边缘信息,其效果优于目前的一些小波阈值去噪方法.     

基于小波变换的干涉图压缩算法

在研究小波变换和分层树集合分割排序算法的基础上,将小波图像压缩技术应用于干涉图的压缩.根据小波分解系数矩阵中高频子图像上数据接近于零,信息主要表现部分在低频子图像上,以及干涉图数据中主要信息集中在零光程差附近的特征,将干涉图一行数据拆开并按对角Z型排列存储为矩阵形式,再进行小波压缩.结果表明,此改进能提高压缩性能.     

基于小波变换的图像融合新算法

针对现有图像融合技术中的尺度系数卷积法存在的边缘细节损失和对比度下降问题,提出了将Canny边缘检测算子等价于提取图像的小波变换模极大值点这一思想引入图像的低频分量融合规则以及用于高频子带融合的局部对比度结合方向方差方法.最后通过仿真试验以及熵值数据证明该算法有效改善了边缘细节的准确度,提高了分辨率,并使局部对比度信息得以保留,从而更加符合人类的视觉特性.     

一种新的运动模糊图像超分辨力盲复原算法

研究了具有深度运动模糊效果的图像的复原算法.采用对运动模糊图像的傅里叶频谱进行Radon变换来估计运动模糊方向,在此方向上计算运动模糊图像的自相关来估计运动模糊长度,再以运动模糊方向和运动模糊长度为参量结合超分辨力图像复原处理算法对比较严重的运动模糊图像进行复原.结果表明,该综合性算法能够较为精确地估算出运动模糊图像的模糊参量并取得较好的复原效果.     

改进的傅里叶域小波域联合去模糊算法

傅里叶域与小波域的联合去模糊算法在低噪声时具有优越的恢复效果,但是这种联合去模糊算法并不适用于含噪声的模糊图像.为了解决这一问题,本文将先验约束分别引入傅里叶域的去模糊步骤和小波域的去噪步骤.在傅里叶域,用矩阵形式表示目标函数.对目标函数添加平滑约束并且通过噪声水平和模糊图像高频信息计算得到平滑约束项的滤波系数.同样方式,在小波域对小波域目标函数添加能量约束,实现小波域目标函数的正则化过程.分析傅里叶域的噪声放大程度,通过傅里叶域的滤波系数计算得到小波域能量约束的滤波系数.傅里叶域的平滑约束可以抑制滤波过程中噪声的产生,小波域的能量约束可以提高小波域滤波的鲁棒性.仿真实验表明,改进的算法相比于原始算法具有更好的鲁棒性,可以有效提高图像的恢复质量.对于噪声标准差为0.010.1的模糊图像,改进算法恢复图像峰值信噪比比原始算法恢复图像的峰值信噪比高1左右.并且改进算法对于高斯型点扩散函数误差具有鲁棒性,当点扩散函数估计方差与实际方差相差0.4时,改进算法的恢复效果仍优于原始算法.     

基于小波域三状态HMT模型的含噪图像增强

针对含噪图像增强问题,提出一种基于小波域三状态隐马尔可夫树模型的方法,采用三状态的高斯混合模型逼近小波系数的分布,不需要设定精确的阈值,依据期望最大算法训练得到的每个系数所属状态的后验概率,将系数区分为噪声系数、弱边缘系数和强边缘系数,然后通过抑制噪声系数,增强细节特征系数来达到对含噪图像增强的目的,并引入循环平移策略避免人工失真.通过对含噪的标准图像和人脑核磁共振图像进行仿真实验,并与几种经典的图像增强方法作视觉上的对比和定量分析.实验结果表明,本文所提出的方法具有很好的鲁棒性,在突出了图像中更多的细节信息的同时,可以有效抑制噪声.