基于非下采样轮廓波变换遥感影像超分辨重建方法

针对现有非下采样轮廓波变换(NSCT)超分辨率重建方法的不足提出了一种改进的重建方法。空间频率大小反映图像细节信息丰富的程度,改进方法将区域窗口内空间频率的大小作为定权的标准对NSCT分解获得的各对应高频图像进行自适应加权融合。将NSCT分析与自适应加权融合相结合用以实现影像超分辨率重建,其中利用自适应加权融合方法将各高频图像分别进行融合,同时将低频图像进行取均值处理,分别获得处理后的高低频图像,通过NSCT逆变换获得最终的超分辨图像。通过仿真实验与工程应用验证了改进方法的可行性与有效性。     

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。     

结构光照明显微中的超分辨图像重建研究

近年来,随着各种新型荧光探针的出现和成像方法的改进,远场光学成像的分辨率已经突破了衍射极限的限制。基于结构光照明的荧光显微技术凭借成像速度快、光毒性弱等优点,已成为目前主流的超分辨成像技术之一。实现结构光照明超分辨显微成像的关键在于照明光场的精准调控和后期的超分辨图像重建算法,否则将会在重建的超分辨图像中产生不可预估的伪影,混淆对观测结构真实形态的判断。详细对比了几种典型的结构光照明显微超分辨重建算法,证明基于图像重组变换的结构光照明超分辨图像重建算法可以有效解决极低结构光场调制度下的超分辨图像重建问题,降低结构光照明显微中的激发光功率。     

基于多任务卷积神经网络的红外与可见光多分辨率图像融合

红外与可见光图像融合一直是图像领域研究的热点,融合技术能弥补单一传感器的不足,为图像理解与分析提供良好的成像基础。因生产工艺以及成本的限制,红外探测器的分辨率远低于可见光探测器,并在一定程度上因源图像分辨率的差异阻碍了实际应用。针对红外与可见光图像分辨率不一致的问题,提出了用于红外图像超分辨率重建与融合的多任务卷积网络框架,应用于多分辨率图像融合。在网络结构方面,首先设计了双通道网络分别提取红外与可见光特征,使算法不受源图像分辨率的限制;其次提出了特征上采样模块,先用双线性插值方法增加像素个数,再通过多层感知器精细化拟合像素平滑空间与高频空间的映射关系,无需重新训练模型即可实现任意尺度的红外图像上采样;接着将线性注意力引入网络,学习特征空间位置间的非线性关系,抑制无关信息并增强网络对全局信息的表达。在损失函数方面,提出了梯度损失,保留红外与可见光图像中绝对值较大的滤波器响应值,并计算该值与重建的融合图像响应值的Frobenius范数,无需理想的融合图像作为真值监督网络学习就能生成融合图像;此外,在梯度损失、像素损失的共同作用下对多任务模型进行优化,可以同时重建融合图像和高分辨率红外图像...     

卷积稀疏表示图像融合与超分辨率联合实现

为避免图像融合与超分辨率分步实现的不足,提出了基于卷积稀疏表示的融合与超分辨率重建联合实现方法。假设低分辨率与高分辨率图像之间具有相同的稀疏特征图,设计了一种高、低分辨率滤波器联合学习框架,实现对图像高低频成分的分离,并根据不同成分的形态特性设计了不同的融合规则:对于高频成分,根据稀疏特征图亮度信息和像素活跃性水平,设计了一种像素显著性度量方案来指导高频特征图的融合;对于低频成分,根据脉冲耦合神经网络能捕获邻域相似像素点火的特性,设计了低频成分融合方法。所提方法不需要将图像分割成重叠的块,避免块向量化的缺陷。实验结果表明,能有效提高图像融合的质量。     

光电成像系统超分辨成像技术方法研究

提出一种提高现有光电观瞄系统成像空间分辨率的新方法.在不改变阵列探测器件像元尺寸和不移动探测器的前提下,利用双光楔的较大移动使像平面发生微小位移,实现对探测器各相邻像元和不感光间隔目标进行微位移采样,提高目标信息的采样率,通过超分辨重建技术来提高系统的分辨能力,达到提高光电观瞄系统空间分辨率的目的.实验结果表明:该方法绕开了微小位移探测器需要克服的技术难题,同时避开了直接减少像元尺寸的工艺问题,且成像分辨率高.     

压缩感知光谱成像技术的编码孔径与探测器匹配优化

编码孔径光谱成像仪在实际应用中存在着编码模板与探测器分辨率不匹配从而降低系统分辨率的问题。针对该问题进行了两种情况分析,并通过数学理论建模给出了相应的解决方案。对于编码模板分辨率高于探测器分辨率这一情况,提出引入邻域嵌入超分辨技术的方法,实现了基于压缩感知的超分辨光谱成像。对于编码模板分辨率低于探测器分辨率这一情况,提出区块阈值划分的编码孔径,将编码微元按照区块阈值重新划分并进行灰度分级,从而实现低分辨率编码模板的高分辨率编码孔径。利用梯度投影稀疏重构(GPSR)算法进行数据立方体重建,实验结果表明:运用基于超分辨理论的编码孔径快照光谱成像系统所测得的光谱图像更精准,内容更丰富;采用基于区块阈值划分的编码孔径的编码孔径快照光谱成像系统具有更高的空间分辨率和光谱分辨率。结果证实优化后的编码孔径快照光谱成像系统,其分辨率和成像质量大幅度提升,并实现了高分辨率元件的100%利用。     

基于亚像素扫描的超分辨技术在高分辨X射线显微镜中的应用

在不改变现有硬件条件的情况下,开展超分辨扫描重建方法,可以在不增加系统成本的基础上提高高分辨X射线显微镜的成像性能.设计了基于亚像素扫描的超分辨扫描模式,按照设计的调制方式进行亚像素位移的移动,采集多幅具有互补信息的低分辨率图像;然后基于系统的点扩散函数,对高分辨率图像进行复原;最后结合POCS超分辨重建算法重建出高分辨图像.实验结果表明,10倍光耦探测器下的衬度噪声比提高了20%左右,空间分辨力提高了0.2μm(约15%),细节分辨能力超过探测器像素尺寸1.35μm的限制,可以看到在低分辨率图像中看不到的细节.实验说明用超分辨技术提高高分辨X射线显微镜的分辨率是有意义的.     

稀疏阈值的超分辨率图像重建

为了解决基于字典学习的超分辨重构算法耗时过长的问题,提出了基于稀疏阈值模型的图像超分辨率重建方法。首先,将联合字典理论与图像块稀疏阈值方法相结合,训练得到高、低分辨率过完备图像字典对。接着,通过稀疏阈值OMP算法对图像特征块进行稀疏表示。然后,通过高分辨率字典重构出初始的超分辨图像。最后,通过改进迭代反投影算法对初始的超分辨图像进行全局优化,从而进一步提高图像重构质量。实验结果表明,超分辨图像重构平均峰值信噪比(PSNR)为30.1 d B,平均结构自相似度(SSIM)为0.937 9,平均计算时间为10.2 s。有效提高了超分辨重构的速度,改善了重构高分辨图像的质量。     

一种数字微镜阵列分区控制和超分辨重建的压缩感知成像法

提出一种压缩感知成像框架结构.该结构采样端用新建的采样矩阵实现数字微镜阵列分区控制,可增强信息获取的准确性,测量得到与新数字微镜阵列对应的压缩采样值;重构端由采样值优化重构出低分辨率图像后,根据分区控制过程建立压缩感知理论框架下的超分辨重建模型,利用梯度稀疏约束优化算法进行求解,恢复出原高分辨率图像.实验结果表明:数字微镜阵列分区控制与超分辨重建相结合的方法可以明显降低压缩感知成像系统的计算量,缩短成像时间,并且具有较高的图像重构质量.     

基于压缩感知超分辨鬼成像

分辨率是成像系统的一个重要参数, 获得高分辨率图像一直是鬼成像系统的一个目标. 本文提出了以成像系统点扩散函数作为先验知识, 基于稀疏测量的超分辨压缩感知鬼成像重建模型. 搭建了一套计算鬼成像实验装置, 用于验证该模型对于提高鬼成像系统分辨率的有效性, 并与传统的鬼成像计算模型进行了对比. 实验表明, 利用该模型可突破成像系统衍射极限分辨率的限制, 得到超分辨鬼成像. 关键词： 鬼成像 压缩感知 超分辨 稀疏测量     

表面等离子体平面金属透镜及其应用

由于衍射极限的存在,传统光学透镜成像分辨率理论上只能达到入射光波长的一半。通过恢复和增强携带物体细部特征信息的高频倏逝波,基于表面等离子体的平面金属透镜有望突破这种光学衍射极限,实现超分辨成像。本文对平面薄膜式与纳米结构式两类平面金属透镜进行了综述,详细介绍了若干典型平面金属透镜的结构设计、工作机理及其聚焦性能,并对其特点与存在的问题进行了分析与讨论。由于光波在金属中传播时存在一定损耗,如何更高效地增强高频倏逝波信号并转换成传播波,使其参与成像,以更好地实现远场超分辨成像,以及如何进一步增大近场超高分辨率聚焦光斑焦深以及减小远场聚焦光斑尺寸,是表面等离子体平面金属透镜进一步研究的重点。     

基于深度神经网络的时空编码磁共振成像超分辨率重建方法

单扫描时空编码磁共振成像是一种新型超快速磁共振成像技术,它对磁场不均匀和化学位移伪影有较强的抵抗性,但是其固有的空间分辨率较低,因此通常需要进行超分辨率重建,以在不增加采样点数的情况下提高时空编码磁共振图像的空间分辨率.然而,现有的重建方法存在迭代求解时间长、重建结果有混叠伪影残留等问题.为此,本文提出了一种基于深度神经网络的单扫描时空编码磁共振成像超分辨率重建方法.该方法采用模拟样本训练深度神经网络,再利用训练好的网络模型对实际采样信号进行重建.数值模拟、水模和活体鼠脑的实验结果表明,该方法能快速重建出无残留混叠伪影、纹理信息清楚的超分辨率时空编码磁共振图像.适当增加训练样本数量以及在训练样本中加入适当的随机噪声水平,有助于改善重建效果.     

基于层次聚类的图像超分辨率重建

多字典学习的图像超分辨率重建过程中常见的K均值聚类、高斯混合模型聚类等方法会导致图像的重建质量欠佳且不稳定,针对这一问题提出一种新的基于层次聚类的图像超分辨率重建算法;首先对样本图像块提取特征并进行层次聚类,经改进的主成分分析方法训练得到K个字典,然后将测试图像裁切成若干图像块,并分别自适应匹配最合适的字典进行图像块重建,最后对整幅图像进行优化,以实现全局重建。结果表明:所提算法具有较高的可行性,能有效改善图像的重建质量;与传统算法相比,所提算法重建图像的峰值信噪比和结构相似度均有所增大。     

超分辨重建技术及其研究进展

超高分辨成像技术一直是航天、遥感、目标识别等领域的研究热点。随着光学成像到光电数字成像的转变,如何提高CCD的几何分辨率,已成为研制高分辨光电成像系统亟待解决的问题。本文从理论和工程实现的角度介绍了超分辨成像的技术原理,分析了实现超分辨重建技术的几种方法,主要描述了微扫描和亚像元两种重建技术的实现方式,指出了目前超分辨技术存在的缺陷。最后,针对超分辨技术中无混淆重建带宽较窄的问题,提出了一种新的技术方案。该方案将光学编码技术与目前的亚像元技术相结合,可将重建带宽拓展3倍。研究结论指出：融合了光学,光电子学和信号处理的成像系统的综合设计,将是未来成像领域的一个重要研究方向。     

超表面图像显示技术研究

提出了一种通过超表面实现超高分辨率灰度图像的存储和显示方法。利用金属纳米砖阵列的偏振分光特性,结合马吕斯定律,将图像的灰度信息转换为纳米砖阵列中纳米砖的方向角排布,从而实现精确、连续的灰度调制。实验结果表明,可在该超表面的反射近场处观测到清晰的灰度图像,分辨率高达90 714ppi。这种基于超表面的图像显示技术设计方法简单灵活,且超表面具有体积小、重量轻、结构紧凑、易于集成等优势,因此可广泛应用于高密度光信息存储,高端产品防伪,信息加密等领域。     

协作稀疏字典学习实现单幅图像超分辨率重建

字典的选择影响基于稀疏编码的图像超分辨率重建模型的重建质量。提出了一种基于协作稀疏表达的字典学习算法。在训练阶段,通过K-Means聚类算法将样本图像块划分为不同的聚类;构建基于同时稀疏约束条件的协作稀疏字典学习模型对每个聚类训练高、低分辨率字典;应用基于L_2范数的稀疏编码模型将图像超分辨率重建过程中输入图像块由低分辨率到高分辨率的映射转变为简单的线性映射,并针对不同聚类求得相应的线性映射矩阵。在重建阶段,输入图像块通过搜索与自身结构最相似的聚类来选择相应映射矩阵获得重建后的高分辨率图像。结果表明,本文算法通过改进字典学习过程实现了更好的图像超分辨率重建质量。     

一种基于多级小波域分解的时域扩散光学层析成像方法的研究

面向基于有限差分光扩散模型的平板乳腺扩散光学层析反演问题,提出了一种有效提高图像重建质量的方法.与基于全空间域离散像点的传统重建算法不同,本方法采用小波函数对吸收系数和散射系数在空间域进行多尺度分解,在减少低分辨率重建中光学参量的个数、有效改善重建过程病态性的同时,通过逐级细化分解尺度,最终提高了图像的量化度和空间分辨率.数值模拟表明,该方法可实现目标体边对边4 mm的空间分辨率,量化度明显高于传统算法.     

相干衍射成像的相位复原及重建

相干衍射成像是一种对材料体密度敏感的超高分辨成像技术。相较于传统表面敏感的超高分辨成像技术,相干衍射成像利用了硬X射线的强穿透能力,可以深入材料体内部进行成像,且成像分辨能力可以根据成像布局进行调整,最高达到原子级空间分辨能力。这种灵活的空间分辨调整依赖于相干衍射成像独特的相位复原技术,即通过对图像成像强度的过采样,利用含约束的迭代算法同时获得光场的强度及相位,进而对样品进行重建;同时结合图像定向及组合技术,相干衍射成像可以实现对样品的三维重建。本文主要从成像原理、复原算法和重建方法介绍相干衍射成像技术,并结合实验进展及模拟研究展示该技术在多种重建情形下具备的诊断能力,以期较为全面地给出相干衍射成像技术的发展趋势。     

基于小递归卷积神经网络的图像超分辨算法

针对现有软件实现超分辨算法通常过于复杂、运算开销大、模型复杂度高的问题,本文从成像过程中图像退化的物理原理出发,提出一套基于小递归卷积神经网络的单帧图像超分辨模型.将物理模型的约束融入到模型中,与现有的基于统计学习的图像超分辨算法相比,本文提出的模型的模型复杂度和计算量几乎可以忽略不计,同时内部的参数也有着更加明确的物理意义,并且引入了外部数据辅助对相应的模型参数进行学习.使用运行速度、峰值信噪比的数值方法对结果进行评价,结果表明:本文提出的算法消耗时间只有传统反向投影算法的75%,而精度比反向投影算法提高了0.2dB,比双线性插值提高了1.2dB.本文提出的算法可以取得比迭代反投影算法更快、重建精度更高的超分辨重建效果.