基于梯度阈值自适应处理的红外图像超分辨率重建

超分辨率图像重建中,Huber马尔可夫随机场模型是一种常用的正则化算子.针对Huber函数中固定梯度阈值引起图像重建效果不佳的问题,本文提出一种梯度阈值自适应处理的红外图像超分辨率重建算法.在最大后验概率理论框架下,构造了基于数据项和正则项的正则化模型;通过迭代的方式,利用中间重建结果不断更新正则化参量,解决了Huber马尔可夫随机场模型中梯度阈值不易选择的难题.实验结果表明,改进算法能够根据局部梯度特征自适应选择相应的正则化参量并找到最优解,较好恢复目标细节的同时有效抑制了图像噪音.     

基于梯度阈值自适应处理的红外图像超分辨率重建

超分辨率图像重建中,Huber马尔可夫随机场模型是一种常用的正则化算子.针对Huber函数中固定梯度阈值引起图像重建效果不佳的问题,本文提出一种梯度阈值自适应处理的红外图像超分辨率重建算法.在最大后验概率理论框架下,构造了基于数据项和正则项的正则化模型;通过迭代的方式,利用中间重建结果不断更新正则化参量,解决了Huber马尔可夫随机场模型中梯度阈值不易选择的难题.实验结果表明,改进算法能够根据局部梯度特征自适应选择相应的正则化参量并找到最优解,较好恢复目标细节的同时有效抑制了图像噪音.     

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.     

自适应非凸稀疏正则化下自适应光学系统加性噪声的去除

自适应光学系统可以实时测量并校正波前信息,但是系统中大量的噪声严重影响了系统的探测精度.自适应光学系统中一般为加性噪声,本文提出一种全新的变分处理模型去除加性噪声,该模型采用自适应非凸正则项.非凸正则项在保持图像细节上较凸正则项具有更好的效果,能更好地保持点源目标的完整性.另外,根据不同区域的噪声水平自适应地构建正则化参数,使不同区域的像素点受到不同程度的噪声抑制,可以更好地保持目标的边缘细节.在算法实现上,为了解决非凸正则项收敛性较差的缺陷,采用分裂Bregman算法及增广拉格朗日对偶算法进行计算.实验及数值仿真结果都表明,该方法能够较好地去除系统中的加性噪声,且光斑信号保存得较为完整,处理后的质心探测精度及信噪比较高.     

基于自适应正则化的超分辨率重建方法

传统正则化超分辨重建得到的图像往往存在过度平滑或伪信息残留的问题,结合超分辨重建模型对重建图像伪信息的产生进行了分析,针对传统方法的不足提出了基于图像区域信息自适应的正则化方法,通过图像的区域信息将图像划分为平滑区与非平滑区域,对不同区域选用不同的先验模型进行约束。同时考虑人眼的视觉感知特性,结合区域信息实现正则化参数的自适应选取。实验结果表明该方法在抑制重建图像伪信息的同时能有效保护细节,效果要优于传统方法与单一的先验模型约束,对于红外与可见光图像重建效果的提升提供了一定的理论参考。     

MPPC low-level-light imaging enhancement algorithm based on sub-window box filtering北大核心CSCD

针对多像素光子计数器(MPPC)进行微光成像时,图像受光照不足和噪声影响出现的图像亮度低、对比度差、边缘模糊等问题,提出一种基于子窗口盒式滤波的自适应微光图像处理算法。为了减少算法运行时间的同时突出图像的边缘细节信息,利用子窗口盒式滤波器对图像进行分层得到基础层和细节层;对基础层图像采用自适应阈值直方图均衡化拉伸对比度,细节层图像采用自适应增益控制方式进行增强;根据基础层图像中有效灰度值个数占总灰度的比值自适应确定融合系数,将基础层图像与细节层图像融合得到增强后图像。通过微光实验平台设置3组不同照度的微光环境进行实验仿真,验证了本文算法在保持边缘信息和增强细节方面获得了更好的效果。实验结果表明本文算法在标准差、信息熵、平均梯度等客观评价方面优于改进前算法,提升了微光图像的成像效果。     

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.     

基于边窗盒子滤波和透射率修正的图像去雾

针对雾线先验去雾算法存在的颜色过饱和现象、图像初始透射率估算不准确等问题，提出了一种基于边窗盒子滤波和透射率修正的图像去雾算法。为了解决初始透射率估算不准确带来的边缘细节信息丢失的问题，首先利用非局部总广义变分（TGV）正则化的方法估算初始透射率，并将二阶的非局部总广义变分（TGV）正则器来作为正则项，以确保对由图像颜色和深度之间的噪声和歧义引起的异常值具有鲁棒性。随后利用边窗滤波算法对初始透射率进行优化，从而实现对图像中纹理信息和边缘信息的保留。最后利用大气散射模型和多角度优化后的透射率复原出无雾的原始图像。实现结果表明，本文算法能够解决图像颜色过饱和与边缘处的细节纹理信息丢失的问题，且无色调偏移和光晕效应。在定性评估上，复原后的图像视觉效果好；在定量评估上，本文算法的去雾后图像的评价指标皆高于基于雾线先验算法。     

基于线性模型的自适应优化去雾算法

针对线性传输算法中透射率和大气光估计不足问题，提出一种基于线性模型的自适应优化去雾算法。利用边缘信息模型来增强初始透射率图的细节信息，使得复原后图像边缘区域细节更丰富；根据暗通道先验，得到自适应优化透射率，更好地处理包含景深区域图像；采用局部大气光估计方法代替四叉树方法，避免大气光估计不准确问题，并结合物理模型恢复图像。仿真实验在matlab2014中进行，实验结果表明，该算法具有较好的有效性和时效性。     

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.     

基于随机点扩散函数的多帧湍流退化图像自适应复原方法

针对湍流退化图像随机性的问题,提出了一种基于随机点扩散函数的多帧湍流退化图像自适应复原方法。首先介绍了随机点扩散函数的图像退化模型,并分析了点扩散函数随机性对图像复原造成的影响,建立了基于随机点扩散函数的多帧图像退化模型。在此基础上,建立了基于多帧退化图像的全变分复原模型,利用前向后向算子分裂法对模型进行求解,提高了算法的运算效率。然后,提出了一种新的自适应正则化参数选取方法,该方法利用全变分复原模型的目标函数计算正则化参数,当正则化参数收敛时,复原图像的峰值信噪比达到最大值,因此利用目标函数的相对差值作为自适应算法迭代终止的条件,可以获得最佳复原效果。最后通过实验分析,算法中退化图像的帧数应不大于10帧。实验结果表明:当取10帧退化图像时,AFBS算法运算时间与单帧的FBS算法相当,信噪比增益为1.4 dB。本文算法对图像噪声有明显的抑制作用,对湍流退化图像可以获得较好的复原效果。     

基于改进NAS-RIF的三维显微图像盲复原

对二维NAS-RIF算法进行了改进,并将它用于三维显微图像复原,分别用模拟样本和真实生物样本进行了实验。针对原算法对噪声有放大作用,提出了基于中值滤波去噪的改进。在支持域的确定、最小点的搜索上进行改进,提高复原质量。改进了原算法仅适用于均匀背景的不足,扩大了应用范围。实验结果表明,该算法在三维显微图像盲复原中具有较好的效果。     

基于Markov约束的泊松最大后验概率超分辨率图象复原法

提出了基于Markov约束的泊松最大后验概率(Poisson-MAP)超分辨率图象复原方法(MPMAP),该方法把Poisson-MAP法和Markov随机场先验分布有机地结合在一起.实验表明,该方法能有效地减少和去除复原图象中的噪音和振荡条纹,提高图象复原质量,具有很好的超分辨率复原能力.     

基于POCS-MPMAP合成算法的超分辨率图像复原

阐述了凸集投影理论(POCS)和基于Markov约束的Poisson-MAP超分辨率图像复原算法(MPMAP).为了能获得更大的带宽扩展和更好的复原图像,把POCS理论与MPMAP算法结合在一起,提出基于POCS-MPMAP的合成超分辨率图像复原算法.由此获得了改善的图像复原结果.     

Super-resolution image restoration algorithm based on orthogonal discrete wavelet transform

By using orthogonal discrete wavelet transform(ODWT)and generalized cross validation(GCV),and combining with Luck-Richardson algorithm based on Poisson-Markovmodel (MPML),several new superresolution image restoration algorithms are proposed.According to simulation experiments for practical images,all the proposed algor ithms could retain image details better than MPML,and be more suitable to low signal-to-noise ratio(SNR)images.The single operation wavelet MPML(SW-MPML)algorithm and MPML algorithm based on single operation wavelet transform(MPML-SW)avoid the iterative operation of self-adaptive parameter in MPML particularly,and improve operating speed and precision.They are instantaneous to super-resolution image restoration process and have extensive application foreground.     

基于伪魏格纳分布分解的合成孔径雷达图像目标与阴影分割

在二维魏格纳分布的框架内,针对魏格纳变换的交叉项问题和计算量大的问题,提出了合成孔径雷达图像局部伪魏格纳变换的目标和目标阴影的分割方法.首先,将合成孔径雷达图像进行二维伪魏格纳变换,得到各像素点的二维能量谱图|然后提取各像素点的二维能量谱图对应位置值形成多个不同频段的与原图像同大小的能量谱图|最后,对不同频段的能量谱图采用不同的处理方法后,将各能量谱图相加处理后形成区域标识图像,最终得到原图像的目标和目标阴影分割图像.本文利用该方法对MSTAR切片图像进行了分割试验,并对分割图像与频谱最大值距离或方位分割算法和基于双参量CFAR与隐马尔科夫联合分割算法进行了分割图像对比度对比.实验结果表明,采用本文算法的合成孔径雷达分割图像,对比度明显提高,且保留了目标图像细节.     

基于微分图像自相关的离焦模糊图像盲复原

针对离焦模糊图像的盲复原算法的研究具有重要的实际意义和实用价值.根据光学离焦成像模型,研究提出了一种基于微分图像自相关的离焦模糊图像超分辨力盲复原算法,即首先采用拉普拉斯算子对离焦模糊图像进行二阶微分并求微分图像的自相关,然后从自相关结果所包含的信息中确定离焦模糊半径,最后以离焦模糊模型结合MPMAP超分辨力复原算法对离焦模糊图像进行肓复原.实验证明:算法能够以较高的精度估计出离焦模糊半径并实现离焦模糊图像的盲复原,该算法较其它同类算法在减少计算过程中需要考虑的各类因素的同时也减少了计算量,提高了结果精度,依靠超分辨力复原算法获取更多的复原图像信息,已在实际刑侦和物证鉴定的离焦模糊图像判读和鉴定中获得成功应用.     

基于Contourlet域隐马尔可夫树模型的图像融合算法

本文提出一种基于Contourlet域隐马尔可夫树(HMT)模型的图像融合算法。由于Contourlet变换能克服小波变换在处理高维信号时的不足,它比小波变换具有更好的方向性、较高的逼近精度和更好的稀疏表达性能。而HMT模型能有效捕获尺度间、尺度内的contourlet系数特性。因此将Contourlet域HMT模型应用于图像融合领域,能充分挖掘数据之间的相关性,更好的提取图像边缘特征,为融合提取更多的特征信息。实验结果表明本文的算法获得的融合图像视觉效果良好,是一种有效且可行的融合算法。     

基于马尔可夫随机场的改进Metropolis混凝土CT的图像分割方法

提出一种基于马尔可夫随机场改进的Metropolis模拟退火算法.该算法中阈值α的选取优化了Metropolis算法.根据Beyes理论将图像分割问题转化为最大后验概率求取问题,并给出了参量预测算法.在实验中,将本文提出的算法与ICM、传统的Metropolis和Gibbs采样模拟退火算法进行比较.结果表明改进的Metropolis算法在图像分割效率和分割准确度上都有明显的提高.通过混凝土CT图像分割实验,改进Metropolis的应用能够较完整地反映出混凝土材料的内部结构和缺陷.     

基于改进DeepLabv3+的无人车夜间红外图像语义分割

为了增强无人车对夜间场景的理解能力，针对无人车在夜间获取的红外图像，提出了一种基于改进DeepLabv3+网络的无人车夜间红外图像语义分割算法。由于自动驾驶场景中的对象往往显示出非常大的尺度变化，该算法在DeepLabv3+网络的基础上，通过引入密集连接的空洞卷积空间金字塔模块，使网络生成的多尺度特征能覆盖更大的尺度范围。此外，该算法将编码器模块的多层结果拼接在译码器模块中，以恢复更多在降采样过程中丢失的空间信息和低级特征。通过端到端的学习和训练，可直接用于对夜间红外图像的语义分割。实验结果表明，该算法在红外数据集上的分割精度优于原DeepLabv3+算法，平均交并比达到80.42，具有良好的实时性和准确性。