动态混沌扰动遗传算法的振动模糊高光谱图像复原

高光谱图像具有较高的光谱分辨率和空间分辨率,从而具备区分诊断地物光谱特性的能力,但是在获取高光谱图像时,经常会由于载荷平台的振动,导致光谱图像失真,严重影响光谱图像在应用中的精度和可信度。提出一种能够将振动模糊高光谱图像复原的动态混沌扰动遗传算法, 该算法对比于普通的遗传算法,不会出现过早收敛,能够较准确的恢复图像,提高光谱质量。根据振动模糊图像的退化原理,找到振动模糊图像与清晰图像之间的映射关系和振动模糊图像的点扩散函数。针对振动模糊图像退化的非线性和混沌系统特征,用tent映射生成混沌初始种群,增强遗传算法的全局搜索能力。对产生的优秀个体,用切比雪夫映射进行混沌扰动,对优秀个体混沌优化,以增强遗传算法自身局部搜索能力。将三维高光谱影像平铺为二维图像,利用相邻的光谱通道的图像相关性,对每一幅图像进行复原,从而实现三维高光谱数据的复原。在澳大利亚机载Hymap成像光谱仪所提供的数据立方体中,进行了两组不同的振动模糊光谱图像复原仿真验证。将所提出的方法与近期使用的光谱图像复原算法和遗传复原算法进行对比分析,图像采用无参评价方法灰度平均梯度GMG和拉普拉斯算子LS,有参评价方法信噪比SNR和峰值信噪比PSNR,光谱采用光谱信息散度SID和光谱梯度角SGA评价方法,发现各个评价指标均有大幅改善。与最新的光谱复原算法相比,SNR提高了60%,PSNR提高了10%,GMG提高了11%,LS提高了11%,SID降低了39%,SGA降低了5%。与原遗传算法相比,图像的SNR提高了51%,PSNR提高了12%,GMG提高了33%,LS提高了43%,SID降低了39%,SGA降低了16%。计算结果表明该方法对恢复振动模糊高光谱图像数据非常有效,不仅能提高单波段图像的清晰度,光谱数据立方体的光谱质量也明显提高。     

一种基于模糊成像机理的QR码图像快速盲复原方法

提出了一种基于模糊成像机理的QR码图像快速盲复原方法。在对模糊成像弥散光斑质心不变性研究的基础上,设计圆形寻像图形,在成像模糊时能通过连通域等方法快速检测到图形质心以及QR码符号位置,再结合阶跃边缘特性、梯度强度特性、边缘检测技术以及光学成像机理快速准确估计出模糊QR码图像离焦半径大小,应用维纳滤波算法快速且有效复原QR码图像。与对比算法相比,本文算法在结构相似性和峰值信噪比上都有提升,特别是在复原速度上有显著提高,其平均复原时间为0.329 2 s。该方法能够以较高的精度估算出离焦半径大小,并能快速实现QR码图像的盲复原,具有快速性及稳健性优势,便于嵌入式硬件实现,能较好适用于条码标识相关的工业物联网应用场景。     

基于赋权连接图的增量式运动恢复结构算法北大核心CSCD

运动恢复结构算法(structure from motion, SfM)是一种通过计算图像匹配关系,恢复出相机位姿和目标三维结构的重建算法。提出一种基于赋权视角连接图的增量式运动恢复结构算法。首先建立基于图像对立体匹配质量的赋权连接图,量化了图像两两之间的匹配关系;其次在赋权连接图中边的权重的基础上,搜索度数感知的最佳初始种子对;最后根据已重建顶点的连通性构建下一张最佳图像候选集,设计了基于顶点度数与特征点分布的下一张最佳图像评价算法。在公开数据集上实验结果显示,本文算法在重建质量、相机校准率和点云生成数量的表现优于现有先进的运动恢复结构算法,相比基准对比算法,本文算法在不同数据集上平均重建耗时至少降低了19%,点云生成速率至少提升了21%。     

多局部残差连接注意网络的图像去模糊

针对现有的基于卷积神经网络的图像去模糊算法存在图像纹理细节恢复不清晰的问题,提出了一种基于多局部残差连接注意网络的图像去模糊算法。首先,采用一个卷积层进行浅层特征提取;其次,设计了一种新的基于残差连接和并行注意机制的多局部残差连接注意模块,用于消除图像模糊并提取上下文信息;再次,采用一个基于扩张卷积的成对连接模块进行细节恢复;最后,利用一个卷积层重建清晰图像。实验结果表明：在GoPro数据集上的PSNR (peak signal to noise ratio)和SSIM (structure similarity)分别为31.83 dB、0.927 5,在定性和定量两方面都表明所提方法能够有效地恢复模糊图像的纹理细节,网络性能优于对比方法。     

基于二次引导滤波的红外图像增强算法及其FPGA实现

针对红外图像细节模糊、对比度低等问题，提出了一种基于二次引导滤波的红外图像增强算法。首先，将原始红外图像作为引导图像，使用引导滤波提取出红外图像的细节信息；其次，将得到的细节信息再进行一次引导滤波处理提取出噪声更低的细节信息；最后，将原始红外图像和两部分的细节信息进行加权求和，实现红外图像增强。该算法能够提高红外图像对比度，增强红外图像细节信息。实验结果表明：相比于其他增强算法，本文算法增强之后的红外图像平均对比度提高了123%～246%，平均梯度提升了56%～101%，视觉效果获得明显改善，更能突显细节特征。基于可编程逻辑门阵列(field programmable gate array, FPGA)实现该算法时，占用资源低，处理640×512像素分辨率的单帧红外图像所需时间可达10.12 ms，能满足红外探测系统的实时性要求，具有一定的实用价值。     

单幅模糊图像点扩散函数估计的梯度倒谱分析方法研究

针对单幅图像复原算法引入先验信息导致复杂度高、运算效率低的问题, 提出了单幅模糊图像点扩散函数估计的梯度倒谱分析方法. 首先给出了单幅模糊图像梯度倒谱估计其点扩散函数的基本原理, 利用相位恢复策略复原了二维点扩散函数相位信息, 实现了点扩散函数的快速估计; 其次, 为鉴别点扩散函数估计精度, 建立了图像梯度保真约束的全变分正则化图像复原模型, 并采用快速稳定收敛的交替方向策略优化能量函数; 通过对仿真和实拍单幅模糊图像进行的测试实验结果表明, 该方法快速准确地估计出点扩散函数, 克服了传统复原算法收敛速度慢的缺点, 有效抑制了振铃效应、保护了边缘信息, 为大尺寸单幅图像复原的工程化实现提供了理论和技术基础. 关键词： 图像复原 点扩散函数 梯度倒谱分析 全变分     

一种红外偏振图像的二次融合方法

根据红外偏振特性图像的冗余性与互补性,提出了一种基于梯度特征和支持度变换的二次融合方法。利用提出的方法先对红外偏振度与偏振角图像进行梯度特征融合,然后利用支持度变换对梯度特征融合图像和合成强度图像进行二次融合,得到了边缘突出、轮廓清晰、对比度高的的融合图像。实验结果表明:融合图像与偏振角图像、偏振度图像、合成强度图像相比局部方差分别提高23.02%、176.9%、148.2%;对比度分别提高67.84%、196.5%、49.39%;平均梯度分别提高46.09%、164.1%、214.5%。     

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.     

基于能量约束的自适应加权图像盲复原算法

提出一种基于能量约束的自适应加权图像盲复原算法。首先,将图像划分成多幅子图像,引入图像梯度作为权重构建加权光学传递函数估计模型,以减少图像纹理对光学传递函数辨识的影响;其次,根据图像信号能量建立约束方程,采用二分法选择最优复原结果,实现自适应图像盲复原。仿真实验和多光谱遥感图像实验结果都表明,该算法具有较高的峰值信噪比和结构相似度,能有效恢复高斯类模糊图像,增强图像细节分辨能力,提高图像的主观视觉效果。该算法可应用于数据量大、实时性强的领域。     

基于稀疏先验的空间目标图像盲反演方法

针对图像盲反演算法未考虑空间目标图像自身特性,致使对空间目标图像细节信息恢复不理想、重构图像中易产生边界伪像等不足之处,提出了一种基于稀疏表示的联合稀疏先验约束盲反演算法.首先,结合空间目标图像梯度的稀疏特性,采用图像梯度的L 0范数提取有利于模糊核估计的图像显著边缘信息;其次,采用L p范数和L 0范数对图像的梯度分布和空间域进行稀疏约束,以保证反演图像的像素点间具有显著的对比度,同时保证图像中包含边缘和纹理等细节信息;最后,采用拉普拉斯分布先验对模糊核进行约束,以保证模糊核的稀疏特性.采取交替迭代策略对所提出的模型进行优化求解,从而得到模糊核和空间目标图像的估计值.实验结果表明,相比于几种具有代表性的盲反演算法,提出的方法能估计出更准确的模糊核,对图像边缘和纹理等细节信息具有更好的恢复能力,在主观评价和客观评价方面均取得了较好的反演性能.     

基于对称变换的人脸图像眼睛定位方法

利用图像灰度分布的特性,从计算对称值的角度出发,利用梯度对称变换,实现了一种自动定位人脸图像中眼睛的算法。经计算机模拟实验表明,它对一定程度的背景干扰以及光照的变化不敏感,对正面人脸且在眼睛张开的情况下,对称变换的定位准确率可以达到95%以上。     

基于奇异值分解的矩阵低秩近似量子算法

在大数据时代,高效的数据处理至关重要,量子计算具有平行计算能力,为方便处理数据提供了新的解决途径.本文提出了一个基于奇异值分解的矩阵低秩近似量子算法,复杂度为O [log(pq)].在核磁共振量子计算系统完成了算法的原理演示,选择一个8 × 8维的图像矩阵,实现共振跃迁算法的哈密顿量H的时间演化,用量子态层析法分别读出密度矩阵的不同成分,对密度矩阵进行重构,保真度为99.84%,在误差范围内验证了本文提出的矩阵低秩近似量子算法的正确性.而通过奇异值分解计算低秩矩阵的经典算法的复杂度是O[poly(pq)],量子算法与经典算法相比,实现了指数加速.     

基于无人机载的光电与SAR图像融合技术研究

为了提高无人机侦察识别能力,提出基于小波变换方法的无人机载光电与SAR的图像融合技术。经时间配准算法生成图像配准源,采用SIFT算法提取图像特征点,BBF算法计算生成匹配点集,依据匹配点集计算图像间透视变换模型完成图像配准,利用小波变换算法实现配准图像融合。经实验验证以及利用Matlab分析图像灰度直方图和计算信息量,结果表明:融合图像保留了光电图像95.7%的细节(熵),相比于光电图像平均梯度提高了1.52倍,增强了光电图像目标区对比度,降低了随机性噪点;融合图像相比于SAR图像信息量提高了1.44倍。     

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。     

基于图像复原的高光谱图像前向像移补偿

为了提高高光谱图像空间维的图像分辨力,针对航空遥感器成像时由前向像移造成的图像模糊提出了像移补偿方法。分析了航空遥感器前向像移造成图像模糊的退化机制,对运动模糊图像进行了预处理;估计了点扩散函数和噪声功率,使用改进的维纳滤波算法对图像进行复原并以绝对平均误差、峰值信噪比作为评价标准进行了实验。在估计出模糊图像点扩散函数和噪声功率的情况下得到的结果显示:与传统的维纳滤波复原算法相比,改进的维纳滤波复原算法的图像绝对平均误差降低了9.31%,峰值信噪比提高了13.98%,表明提出的算法能够有效改善高光谱图像的像质。     

多算法融合的自适应图像增强方法

提出一种多算法融合的图像增强方法,用于工程应用中的复杂降质图像的细节特征恢复.该方法汲取了Laplacian变换法、Sobel梯度法、盒状滤波法、非锐化掩蔽法及灰度幂律法等算法的优点,可对模糊图像进行自适应增强.通过拉普拉斯滤波器和梯度滤波器将原始图像分为基础层、细节层及边缘特征层;对微小细节信息及边缘特征信息进行增强,对基础信息进行压缩;然后采用盒装滤波器对图像的三个分层进行平滑过度及噪音过滤,最后使用非锐化掩蔽法和灰度变换来增加图像灰度的动态范围,从而得到增强后的图像.在相同的工况下,该方法分别与直方图均衡法、自适应伽马矫正法及小波变换的图像增强法实验结果进行对比,结果表明,该方法将图像的清晰度提高了13.1%~126.1%,能有效地处理复杂型感染的图像,避免图像过度增强,可以获得适合人眼的最佳视觉细节内容的增强效果.     

量子生成模型

近年来,很多基于生成模型的机器学习算法,如生成对抗网络、玻尔兹曼机、自编码器等,在数据生成、概率模拟等方面有广泛的应用.另一方面,融合量子计算和经典机器学习的量子机器学习算法也不断被提出.特别地,量子生成模型作为量子机器学习的分支,目前已有很多进展.量子生成算法是一类量子-经典混合算法,算法中引入参数量子线路,通过执行参数线路得到损失函数及其梯度,然后通过经典的优化算法来优化求解,从而完成对应的生成任务.与经典生成模型相比,量子生成模型通过参数线路将数据流映射到高维希尔伯特空间,在高维空间中学习数据的特征,从而在一些特定问题上超越经典生成模型.在中等规模含噪声的量子体系下,量子生成模型是一类有潜力实现量子优势的量子机器学习算法.     

基于混合梯度下降的高性能光刻机离轴照明衍射光学元件设计

深紫外(DUV)光刻机照明系统普遍采用衍射光学元件(DOE)实现光瞳整形。根据光刻机的指标要求,衍射光学元件应具有高衍射效率和高均匀性的特点。传统的相位恢复算法如Gerchberg-Saxton(GS)及其改进算法,一般只能通过降低均匀性来提高衍射效率,无法得到最优的解。而全局优化算法如模拟退火法、遗传基因法等需要大量的计算时间,难以实现像素数目多的深紫外DOE的设计。为了克服上述困难,提出了一种基于GS的混合梯度下降算法,在迭代过程中对每次迭代的振幅进行加权反馈修正,在加快收敛速度的同时,减少误差,同时实现高效率和高信噪比。利用该算法对光刻需要的传统、四极照明光瞳、定制照明光瞳的DOE进行了设计,结果表明,实现传统和四极照明光瞳的16阶量化相位DOE的衍射效率均超过92%,而非均匀性分别为3.98%和2.3%。实现定制照明光瞳的DOE的衍射效率为91%,图形恢复误差为5.8%。该方法为获得高性能深紫外DOE提供一条可行的途径。     

基于双模态融合网络的目标检测算法

针对红外图像和可见光图像的融合目标检测问题,提出一种基于双模态融合网络的目标检测算法。在同时输入红外和可见光图像对后,利用设计的红外编码器提取红外图像空间特征信息;通过设计的可见光编码器将可见光图像从垂直和水平两个空间方向聚合特征,通过精确的位置信息对通道关系进行编码;最后,采用提出的门控融合网络自适应调节两路特征的权重分配,实现跨模态特征融合。在KAIST行人数据集上,与基准算法YOLOv5-n单独检测可见光图像和红外图像的结果相比,所提算法检测精度分别提升15.1%和2.8%;与基准算法YOLOv5-s相比,检测精度分别提升14.7%和3%;同时,检测速度在两个不同基准算法模型上分别达到117.6 FPS和102 FPS。在自建的GIR数据集上,所提算法的检测精度和速度也同样具有明显优势。此外,该算法还能对单独输入的可见光或红外图像进行目标检测,且检测性能与基准算法相比有明显提升。     

双头增强与非均匀校正的水下图像增强算法

受水下环境浑浊度高、光照不足和均匀性差等因素影响,水下成像所获取的图像存在对比度低、细节模糊和颜色失真等缺陷,为此提出一种双头增强和非均匀校正的水下图像增强算法。利用构建的双头增强网络从浅层信息中提取多尺度特征,同时融合不同通道的上下文信息,有利于水下图像低对比度的增强;此外构建了非均匀校正网络,对图像不同通道和不同位置进行非线性加权融合,有利于颜色一致性和亮度的恢复。与10种算法相比,本文算法在UIEB测试集上峰值信噪比、结构相似性比其他方法的最优值分别提高了4.02 dB和0.120,CIEDE2000指标下降了1.51,在LUSI测试集上述指标分别提高了2.13 dB、0.025及下降了0.48。实验结果表明：所提算法针对不均匀的水下图像增强效果显著,更加符合人眼特性。