基于约束共轭梯度的高能闪光照相3维重建算法

 针对高能闪光照相系统成像信噪比低的特点，提出了3维约束共轭梯度算法，该算法基于3维重建理论来重建方程，利用约束共轭梯度法迭代求图像重建的最优解。数值模拟结果表明：采用3维约束共轭梯度算法能有效改善高能闪光照相重建图像轴线噪声大的问题，是一种具有很高抗噪能力的闪光照相图像重建算法。     

基于约束优化的闪光照相图像重建算法

针对闪光照相图像受模糊及噪声影响的问题,提出了一种基于约束优化的闪光照相图像重建算法。该算法建立基于平行束投影的正向成像矩阵,并通过嵌入模糊矩阵表达成像过程中的模糊因素,采用最速下降法求解重建问题。在算法中设计了预优矩阵以提高迭代重建速度,利用客体密度值非负、密度分布分段光滑并含有阶跃性边界的先验知识,设计和采用了非负约束、光滑约束及广义变分边界约束条件。对仿真FTO客体图像及实际闪光照相图像的重建结果表明,基于约束优化的重建算法具有良好的边界保持能力及噪声抑制能力,可以有效提高图像重建质量。     

基于贝叶斯准则的闪光照相图像重建

 针对闪光照相图像低信噪比的特点,研究了一种带约束的贝叶斯图像重建算法,较好地抑制了噪声对重建结果的影响,同时对细节信号具有较高的保持能力。该算法以贝叶斯重建为基础,在重建过程中考虑了闪光照相图像的受模糊影响比较严重的特点,引入了重建结果具有平滑性的先验信息进行约束,以提高重建结果的信噪比。通过在迭代过程中对重建结果进行平滑性约束以提高重建质量。数值模拟结果表明,该方法在闪光照相图像重建中具有较好的抗噪能力和边界保持能力。     

基于广义变分正则化的闪光照相图像重建算法

 针对闪光照相图像信噪比低的特点,提出了一种基于广义变分正则化的图像重建算法,该方法采用p-范数取代目前广泛采用的全变分范数作为正则项,构造了用于图像重建的展平泛函,将图像重建问题转化为目标泛函最优化问题,采用固定点迭代法求解图像重建的最优解。数值计算结果表明,该算法在重建过程中能够有效抑制图像噪声,并加大对图像边缘的保持能力,从而提高了图像重建质量,是一种有效且性能优良的闪光照相图像重建算法。     

一种基于约束共轭梯度的闪光照相图像重建算法

 针对闪光照相系统成像信噪比低的特点，提出了正则化预优约束共轭梯度算法（RPCCG）。RPCCG算法在闪光照相重建方程中引入Tikhonov正则化准则，利用预优约束共轭梯度法迭代求图像重建的最优解。数值试验表明，采用最小二乘+平滑准则的RPCCG算法是一种具有较高的抗噪能力的有效闪光照相图像重建算法，具有良好的收敛性和稳定性以及较高的重建精度。     

基于极大似然模型和期望最大化算法的闪光图像重建

针对闪光照相图像低信噪比的特点,研究了带约束的基于极大似然模型和期望最大化算法（ML-EM）的闪光照相图像重建算法。该算法在ML-EM迭代重建算法的基础上,根据闪光照相图像低信噪比的特点及被重建客体具有分段平滑的先验信息,在迭代重建的过程中进行了相应的噪声抑制,抑制了噪声对重建结果的影响,同时很好地保持了客体的边界特征。数值模拟结果表明,基于噪声约束的ML-EM重建算法能取得较好的重建效果。     

基于约束共轭梯度的高能闪光照相图像复原算法

 针对闪光照相系统模糊较大、成像信噪比低的特点,提出了一种基于约束共轭梯度的闪光照相图像复原算法,将闪光照相图像复原问题转化为一个约束优化问题,引入基于非负、中值滤波和偏微分方程的光滑约束条件,并利用约束共轭梯度法迭代求最优解。数值试验表明,该算法能较好再现图像边缘信息,复原出的图像在信噪比和视觉方面都有较大提高。     

改进的约束共轭梯度闪光照相图像重建算法

 针对闪光照相图像信噪比低的特点,提出了一种改进的约束共轭梯度闪光照相图像重建算法。该算法在约束共轭梯度迭代重建的基础上,提出了新的预优矩阵选取方案,减小了重建图像的轴线噪声,利用松弛迭代步长代替共轭梯度法中的最优迭代步长,并采用了新的收敛准则,在保证算法收敛的同时,减少了重建算法的计算量。数值试验表明,与传统约束共轭梯度重建算法相比,改进算法稳定收敛,迭代速度更快,并能有效提高重建质量。     

基于全变分正则化的高能闪光照相消模糊图像重建算法

 针对高能闪光照相投影图像消模糊难度大的问题,提出了一种基于全变分正则化的消模糊图像重建算法,该算法根据闪光照相的成像特点,将客体的纵向截面作为一个整体来进行建模,并在重建方程中考虑了模糊因素,然后采用全变分范数作为正则项,构建了用于消模糊图像重建的展平泛函,将消模糊图像重建问题转化为能量泛函极小化问题,通过固定点迭代算法求解图像重建问题的最小化解。数值模拟结果表明：该算法由于考虑了闪光照相成像时的图像模糊因素,在重建时能够较好地消除模糊对重建结果的影响,在抑制噪声的同时能较好地保持图像的边缘信息,有利于提高重建图像的质量。     

基于BP神经网络的闪光照相图像复原

针对闪光照相系统模糊较大、成像信噪比较低的问题,提出了一种基于BP神经网络的闪光照相图像复原方法。该方法利用BP神经网络的泛化能力,用样本图像对网络进行训练,建立退化图像与真实图像之间的非线性映射关系,然后将待复原图像分区,利用训练好的BP神经网络对待复原图像的边界区域进行复原处理。数值试验表明,在系统点扩展函数未知的情况下,该算法能较好再现图像边缘信息,复原出的图像在信噪比和视觉方面都有较大提高。     

基于K-SVD和残差比的低信噪比图像稀疏表示去噪算法

针对低信噪比图像去噪问题,提出了一种基于K-SVD(Singular Value Decomposition)和残差比(Residual Ratio Iteration Termination)的正交匹配追踪(Orthogonal Matching Pursuit,OMP)图像稀疏分解去噪算法。该算法利用K-SVD算法将离散余弦变换(Discrete cosine transform,DCT)框架产生的冗余字典训练成能够有效反映图像结构特征的超完备字典,以实现图像的有效表示。然后以残差比作为OMP算法迭代的终止条件来实现图像的去噪。实验表明,该算法相对于传统基于Symlets小波图像去噪、基于Contourlet变换的图像去噪,以及基于DCT冗余字典的稀疏表示图像去噪,能够更加有效地滤除低信噪比图像中的高斯白噪声,保留原图像的有用信息。     

Image recovery by backward iteration of the non-standard finite difference time domain algorithm

The time-reversed finite difference time domain (FDTD) algorithm is a useful tool for image recovery. By using a negative time step, a scattered wave field can propagated backwards to extract information about the size and shape of a scatterer, but errors, in both the FDTD algorithm and noise in scattered field data, reduce the quality of the recovered image. Using a new high accuracy FDTD algorithm derived from a nonstandard (NS) finite difference model, we can greatly reduce FDTD error. Using NS-FDTD we have investigated image recovery as a function of noise in numerical experiments.     

基于Contourlet变换和形态学的图像增强方法

传统的图像增强算法在增强图像时,增大噪音,同时丢失细节.针对该问题,结合Contourlet变换中相关系数理论,提出了基于Contourlet变换和数学形态学的图像增强新算法.首先,对图像进行Contourlet变换分解,采用数学形态学算子对高频细节部分区分为细节信息和噪音产生的系数,然后,对变换系数采用非线性映射函数进行增强.最后,利用修改后的变换系数进行Contourlet逆变换得到增强后的图像.实验表明,该方法无论是增强效果还是抗噪性能都明显优于传统的图像增强算法.     

Regularized maximum likelihood algorithm for PET image reconstruction using a detail and edges preserving anisotropic diffusion

The traditional iterative reconstruction algorithms of positron emission tomography cannot effectively suppress the noise in low SNR case. Recently anisotropic diffusion (AD) is introduced into tomography reconstruction, which can improve the reconstructed image. Although AD reconstruction algorithm can suppress noise, it does not perverse the detail edge information accurately, especially the thin edges. In order to solve the problem, we introduce a new anisotropic diffusion term, which can preserve the detail edges effectively, into the maximum likelihood algorithm, and combine with median filter, forming the regularized maximum likelihood algorithm in PET image reconstruction (PML_NewAD). Results of computer simulated demonstrate that compared with the other classical reconstruction algorithms, PML_NewAD not only availably suppress the noise and produce a higher quality image, but also preserve the structure of image's edge excellently.     

基于人眼视觉特性的彩色图像自适应增强算法

针对有些图像增强算法对噪声比较敏感,提出了一种自适应图像增强算法.利用原算法的基本原理,结合人眼的视觉特性自适应地生成算法的参数,这样首先保留了原算法实现容易、运算速度快等特点,其次,对噪声具有一定的抑制作用,再次,可以增强和保留图像细节信息.通过实验比较,所提算法能够自适应地生成算法的参数,并在保持了原算法原有的容易实现的优点的基础上,提高了算法抑制噪声方面的性能,将该算法应用于彩色图像增强也取得了相当理想的结果.     

基于各向异性扩散的红外图像噪声滤波算法

抑制红外焦平面阵列探测器噪声时,为了有效保持边缘细节,在塔基(Tukey)扩散模型的基础上,提出了一种基于各向异性扩散的滤波算法.算法由微分法提取边界点集,利用信号和噪声的空间分布特性对图像进行预处理,从而改善了Perona-Malik(P-M)方程的病态性.建立了新的扩散系数且该系数在理论上满足Charbonnier等人构造准则.通过给定边界条件实现了有利于保持边缘的目的.该算法已在基于DSP FPGA的硬件平台上实时运行,较好地抑制了噪声,又有效地保持了边缘,处理后的图像具有良好的视觉效果.     

基于压缩感知与扩展小波树的自适应压缩成像

为了在现有的采样条件下,通过新的压缩采样方式获得计算量小且质量更好的图像,提出了基于压缩感知与扩展小波树的自适应压缩成像方法。首先将图像投影到分区控制的DMD上,获得图像在低分辨率下的测量值,并通过压缩感知重构算法重构出低分辨图像,接着利用扩展小波树预测重要小波位置,通过DMD在小波域采样获取图像的细节信息,最后由小波逆变换恢复高分辨率图像。将该方法与最小化全变分算法（TVAL3）和近来提出的基于扩展小波树的自适应成像算法（EWT-ACS）效果进行对比,实验结果表明,以boat图像为例,在压缩感知采样率为0.75,整体采样率为10%的无噪声条件下,该方法相较于TVAL3、EWT-ACS算法信噪比提高了4.63 dB和2.87 dB,在附加噪声条件下成像效果也较好。该方法能极大地降低压缩感知重建算法的运行时间,同时减少采样次数,具有较好的抗噪性。     

非局部变分修复法去除高密度椒盐噪声

分析了中值滤波及其改进型算法在处理高密度椒盐噪声时效果不理想的原因,采用变分修复方法来去除高密度椒盐噪声,基于现有的全变差修复模型提出了非局部全变差修复模型。该模型利用椒盐噪声特点(均匀分布、灰度值为0或255),将噪声点看成是图像中遗失或是破损的点,首先在图像中寻找与噪声点邻域相似的区域,将相似区域的中心像素作为噪声点新的邻域然后对其插值,把图像降噪问题转化为图像修复问题,从而达到去除高密度噪声的目的。实验结果表明:该模型对噪声密度为90%的彩色和灰度图像去噪后,其峰值信噪比为22.85和28.77,在客观评价标准方面优于中值滤波及其改进型算法。该模型能有效去除高密度下的椒盐噪声并较好地恢复图像细节,为图像去除高密度噪声提供了一种新的途径。     

基于小波变换与卷积神经网络的图像去噪算法

图像在生成或传感过程中往往会受到噪声干扰，噪声干扰会给后续图像处理工作增加难度，甚至会给某些生产活动带来巨大的经济损失。结合平稳小波变换与卷积神经网络的优势，提出了一种有效的图像去噪算法。训练阶段，采用提出的算法对图像进行尺度为1的平稳小波分解后，分别把高、低频分量输入4个设计好的残差网络进行训练；在测试阶段使用小波逆变换来获得最终的预测图像。实验结果表明:在高斯白噪声水平达到σ=50时，去噪后图像的峰值信噪比（peak signal to noise ratio, PSNR）均值和结构相似性（structural similarity index method, SSIM）均值可以达到28.37 dB和0.808 0，提出的算法可以有效去除可见光图像中的高斯白噪声、自然噪声，以及遥感图像在传感过程中产生的噪声，并且在去除图像噪声的同时能较好地保留图像的边缘与纹理细节。     

三次相位板波前编码系统彩色图像恢复的迭代算法

采用三次相位板进行景深延拓的波前编码系统得到非对称的点扩展函数.为了获得最终清晰的彩色图像.研究了一种基于广义极小残差法(GMREs)的迭代算法,结合Tikhonov规整化方法,并利用多通道处理过程对中间图像进行左卷积恢复.为了消除恢复图像边界的振铃效应,推导了新的光学成像过程数学模型,该模型采用反镜像边界条件并利用直积近似对卷积核进行处理.模拟数据的分析表明,采用多通道处理过程对彩色图片进行恢复时,新的算法在给出精确的反巷积结果的同时能有效地抑制噪声的放大;实验结果显示,较之经典的维纳滤波恢复结果,新算法能够更好的消除边界的振铃和图像边缘的振动波纹.