离焦模糊图像超分辨力盲复原算法分析

根据计算机模拟和实际拍摄的离焦模糊标准分辨力靶标图像,对提出的离焦模糊图像超分辨力盲复原算法进行了分析研究,对比了超分辨力盲复原算法与几种典型复原算法的效果,以及在不同离焦模糊半径下该算法的复原效果。实验结果表明,该算法对深度离焦模糊图像具有较明显的复原效果,复原图像相比较于模糊图像分辨力提高1倍;显著改善了标准分辨力靶标图像的可分辨组块。可分辨组块可以定量地描述复原算法对图像分辨力的改善程度。该算法已经应用到实际工作当中,并获得了较好的效果。     

基于最大似然法的共焦拉曼光谱成像方法

随着现代科技对纳米微观区域兴趣的增加,如DNA测序、分子纳米器件微结构检测等,其对拉曼光谱技术的空间分辨力提出了更高的要求,而现有共焦拉曼光谱技术受自身原理限制,空间分辨力已无法满足科学需求。针对这一问题,在现有共焦拉曼光谱技术的基础上,提出一种基于最大似然算法的共焦拉曼光谱成像方法。该方法将超分辨图像复原技术与共焦拉曼光谱技术相结合,利用基于Poisson-Markov约束的最大似然超分辨复原算法对共焦拉曼光谱图像进行超分辨图像复原处理,恢复图像高频成分,进而改善共焦拉曼光谱系统的空间分辨能力,实现超分辨成像。仿真分析和实验结果表明,提出的基于最大似然算法的共焦拉曼光谱成像方法在不改变现有共焦拉曼光谱系统光学结构的前提下,仅对单幅拉曼光谱图像进行超分辨图像复原处理,即可将系统空间分辨力提高到200 nm,实现超分辨成像,同时该方法具有较强的噪声抑制能力。该方法有效地提高了共焦拉曼光谱系统的空间分辨力,为物理化学、材料科学等前沿领域中的高空间分辨微区光谱探测提供了一种新的途径,是一种行之有效的高空间分辨的共焦拉曼光谱成像方法。     

显微热成像系统像素相关度插值微扫描图像重建技术

显微热成像技术根据温度变化对细微目标进行热成像,是国内外光电成像领域重要的研究方向。由于加工技术精度有限,前期研制的光学微扫描显微热成像系统存在扫描位置误差,该误差使基于微扫描图像直接融合形成的图像质量下降。提出一种结合图像预处理思想、微扫描原理和通过计算像素相关度进行微扫描图像插值重建的算法。仿真及实验表明:方法能改善图像重构质量,提高系统的空间分辨力,还可应用于其他带有微扫描的光电成像系统以提高其系统性能。     

微扫描显微热成像系统的降采样高分辨力图像重建算法

提出了一种基于降采样模型的显微热图像高分辨力重建算法,该算法通过与三次样条插值放大得到的像素点相比较以补偿微扫描产生的系统误差。仿真和实验结果表明,提出的方法减少了由于微扫描误差所带来的图像重建质量下降,提高了光学微扫描显微热成像系统的空间分辨力,具有较强的实用价值。提出的方法还可以应用到其他光电成像系统中以提高系统空间分辨力。     

条纹管激光成像系统空间分辨力实验研究

简要分析了非扫描激光成像的技术优势,介绍了利用条纹管实现非扫描激光成像的工作原理,说明了图像空间分辨力与系统距离精度的对应关系。对影响图像空间分辨力的主要因素进行了理论分析,得到了系统总空间分辨力与各单元器件空间分辨力和放大倍率的对应关系,在此基础上,对现有条纹管成像系统进行了相应的计算,得到了空间分辨力的理论预期值;最后,提出了一种基于分辨力板成像的系统空间分辨力测试方法,设计了相应的验证实验,对实测图像进行了去噪处理和数据分析,得到了图像的衬比度传递函数(CTF)曲线,通过衬比度传递函数分析,计算出了成像系统的实际空间分辨力,并将实测的分辨力数据与理论值进行了对比分析。     

基于局部梯度插值的显微热成像系统微扫描误差修正技术

显微热成像系统可观测、记录分析细微目标的温度变化过程,在需要细微热分析的诸多方面有着广泛的发展前景。由于设备加工及工作过程中存在误差,影响微扫描系统的精度,使得微扫描系统扫描过程中偏离标准位置,故采集得到的四幅低分辨力图像会存在误差,最终影响显微热成像系统高分辨力图像的重建质量。为尽可能降低微扫描误差,文章提出了基于局部梯度插值与预处理相结合的微扫描误差修正技术,通过进行模拟仿真和实验证实该技术可以降低系统微扫描误差,提高系统的空间分辨力。     

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。     

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.     

基于仿射变换与Levenberg-Marquardt算法的织物图像配准

针对多光谱成像系统采集的织物图像的颜色色差分析问题,提出了一种基于仿射变换与LevenbergMarquardt(LM)算法的图像配准方法。从配准角度出发,利用提出的配准方法将标样图像与打样图像配准后进行空间色差分析。多光谱系统采集的织物图像的形变,包括平移、旋转、缩放和错切变换,符合典型仿射变换模型。提出一种新的方法来估计仿射变换矩阵,该方法对两幅图像的对数极坐标幅度谱积分曲线进行匹配,将仿射变换矩阵求解转化为一个非线性最小二乘拟合问题,进而利用LM算法搜寻最优参数值,同时引入分块配准以得到更好的配准效果。实验结果表明,与传统基于Fourier-Mellin配准算法和基于尺度不变特征变换的特征点配准算法相比,提出的算法可获得更好的配准效果,可有效解决具有周期性元素的织物图像配准问题,有助于织物图像色差评估。     

图像复原式整形环形光横向超分辨共焦显微测量新方法

提出一种新的图像复原式整形环形光横向超分辨共焦显微测量法. 该方法首先利用二元光学器件，将高斯照明光束整形为环形光束，用于初步改善共焦显微镜的横向分辨力，然后利用基于最大似然估计法(maximum likelihood estimate, MLE)的单幅图像超分辨复原技术，重建测量图像的高频信息，来进一步改善共焦显微镜的横向分辨力. 实验表明,当λ=632.8nm，N.A. =0.85时，该方法能使共焦显微镜获得优于0.1μm的横向分辨力. 利用该方法建立的横向超分辨共焦显微系统除了具有显著的超分辨效果外 关键词： 超分辨 超分辨复原 最大似然估计 共焦成像     

多探测器拼接成像系统实时图像配准

依据已设计完成的基于同心球透镜的四镜头多探测器阵列拼接成像系统,对该系统图像拼接配准过程所采用的特征检测提取、特征向量匹配与筛选、空间变换模型参数估计等算法进行了研究。首先,采用Fast-Hessian检测子提取参考图像和待配准图像的特征点,并生成加速鲁棒特征(SURF)描述向量。接着,采用快速近似最近邻(FANN)逼近搜索算法获得初始的匹配点对,并对匹配点对特征向量的欧式距离进行排序。然后,参照成像系统光学设计参数设定合理的阈值,筛选并保留下较好的匹配点对。最后,提出了一种改进的渐进式抽样一致性(IPROSAC)算法对空间变换矩阵模型进行参数估计,从而得到参考图像与待配准图像的空间几何变换关系。实验结果表明:该算法对图像尺寸、旋转和光照变化都具有一定的不变性,特征匹配时间为0.542 s,配准变换时间0.031 s,配准误差精度小于0.1 pixel,可以满足成像系统关于图像配准实时性和准确性的要求,具有一定的工程应用价值。     

基于多相组重建的航空图像超分辨率算法

为提高航空图像的空间分辨率, 提出一种基于多相组重建的超分辨率算法. 融合图像间的互补信息, 将多帧低分辨率图像作为图像基, 参考帧分解为多相组, 利用差异采样特性构建图像基与参考帧之间的的多相组线性关系重建得到高分辨率图像的多项组, 经图像多相分解逆变换获得融合的高分辨率图像. 根据该融合图像的局部内容和结构信息自适应调整控制核核函数, 应用改进的控制核回归算法去除图像模糊和噪声得到清晰的超分辨率图像. 与传统算法相比, 该算法无需图像配准和迭代过程, 计算效率极大地提高. 实验结果表明, 本文算法能够有效提高航空图像的空间分辨率, 在定量评价指标和主观视觉效果方面都有显著提高.     

基于双阈值Huber范数估计的图像正则化超分辨率算法

多帧图像超分辨率算法利用图像间的互补信息, 可以从一系列具有亚像素位移的低分辨率影像数据中重建出高分辨率图像. 在众多超分辨率算法中, 正则化方法以其求解病态问题的有效性而被广泛应用, 但在此类方法中, 最优估计算子的估计准确度对最后的重建结果有着较大的影响. 本文在现有正则化超分辨率重建算法的基础上, 提出了一种基于双阈值Huber范数的极大似然估计算子, 可以提高Huber范数对于阈值取值的容忍性和算子估计精度; 并给出了基于该算子的正则化超分辨率算法的迭代公式. 通过对仿真图像进行重建, 结果表明算法可有效地抑制各种噪声并保证重建效果; 同时将此算法应用于实际图像的超分辨率重建, 有效地提高了目标影像的空间分辨率. 关键词： 图像处理 图像重建 超分辨率 正则化     

Magnetic resonance image enhancement using highly sparse input

Lately, the Magnetic Resonance scans have struggled with its own inherent limitations, such as spatial resolution as well as long examination times. In this paper, a novel, rapid compressively-sensed magnetic resonance high resolution image resolution algorithm is presented. This technique addresses these two key issues by employing a highly-sparse sampling scheme and super-resolution reconstruction (SRR) method. Due to highly challenging requirements for the accuracy of diagnostic images registration, the presented technique exploits image priors, deblurring, parallel imaging, and a discrete dense displacement sampling for the deformable human body and motion analysis. The clinical trials as well as phantom based studied have been conducted. It has been proven that the proposed algorithm is able to enhance image spatial resolution, reduce motion artefacts and scan times.     

X射线探测器图像的恢复研究

图像退化是引起X射线探测器图像质量下降的主要原因。图像恢复,可以提高系统的分辨率和对比度灵敏度。通过对射线成像系统图像退化的分析,介绍了反滤波信号恢复方法,并提出了一种近似恢复算法,该算法将反滤波恢复近似为除法运算的恢复。给出了恢复前后的图像及标准差的对比,实验结果表明了该算法的有效性。     

An infrared image super-resolution reconstruction method based on compressive sensing

Limited by the properties of infrared detector and camera lens, infrared images are often detail missing and indistinct in vision. The spatial resolution needs to be improved to satisfy the requirements of practical application. Based on compressive sensing (CS) theory, this thesis presents a single image super-resolution reconstruction (SRR) method. With synthetically adopting image degradation model, difference operation-based sparse transformation method and orthogonal matching pursuit (OMP) algorithm, the image SRR problem is transformed into a sparse signal reconstruction issue in CS theory. In our work, the sparse transformation matrix is obtained through difference operation to image, and, the measurement matrix is achieved analytically from the imaging principle of infrared camera. Therefore, the time consumption can be decreased compared with the redundant dictionary obtained by sample training such as K-SVD. The experimental results show that our method can achieve favorable performance and good stability with low algorithm complexity.     

结合Harris与SIFT算子的图像快速配准算法

本文提出了一种结合Harris与SIFT算子的快速图像配准方法。首先,对Harris算法进行两方面的改进:一是构建高斯尺度空间,提取具有尺度不变性的角点特征;二是采用Forsnter算子对提取的角点精定位,提高配准精度。然后,利用SIFT算子的特征描述方法描述提取到的特征点,通过随机kd树算法对两幅影像的特征点进行匹配。最后采用RANSAC算法对匹配点对进行提纯,并通过最小二乘法估计两幅影像间的空间变换单应矩阵,完成图像配准。实验结果表明:本文方法在基本保持配准精度的同时,在配准过程的时间消耗上比标准SIFT算法减少了64%。     

Incoherent digital holographic spectral imaging with high accuracy of image pixel registration

Fresnel incoherent correlation holography(FINCH) is a unique three-dimensional(3 D) imaging technique which has the advantages of scanning-free,high resolution,and easy matching with existing mature optical systems.In this article,an incoherent digital holographic spectral imaging method with high accuracy of spectral reconstruction based on liquid crystal tunable filter(LCTF) and FINCH is proposed.Using the programmable characteristics of spatial light modulator(SLM),a series of phase masks,none of whose focal lengths changes with wavelength,is designed and made.For each wavelength of LCTF output,SLM calls three phase masks with different phase constants at the corresponding wavelength,and CCD records three holograms.The spectral images obtained by this method have a constant magnification,which can achieve pixel-level image registration,restrain image registration errors,and improve spectral reconstruction accuracy.The results show that this method can not only obtain the 3 D spatial information and spectral information of the object simultaneously,but also have high accuracy of spectral reconstruction and excellent color reproducibility.     

基于实时帧迭代反向投影算法的图像序列超分辨率处理

提出一种实时帧迭代反向投影算法实现对图像序列的超分辨率处理。通过建立虚拟全景图像及其迭代权阵,实现迭代反向投影的逐帧处理,从而可实时地对视频图像序列作超分辨率处理。另外还采用了基于光流计算的分层迭代图像配准、双线性插值模拟采样、阈值先验约束、坐标系同步变换等技术来提高算法的有效性。通过对仿真和实际视频序列的处理对算法进行了验证。     

基于改进维纳逆滤波的衍射成像光谱仪数据误差分析与重构

衍射成像光谱仪探测到的高光谱数据需要进行计算与反演才可以得到成像光谱数据,本文对衍射成像光谱仪的成像过程及数据误差产生的原理从空间维和光谱维两方面进行了分析,并针对其光谱重构过程中系统点扩散函数标准差较大时重构结果清晰度较低、存在振铃等问题,提出了基于改进维纳逆滤波的光谱数据重构算法,该方法在分析衍射成像光谱仪数据特点与误差的基础上,将每一次维纳逆滤波的重构结果视为新的模糊图像,利用成像过程及维纳逆滤波的基本原理确定新的模糊图像对应的点扩散函数,反复进行维纳逆滤波达到提高图像清晰度的效果,再根据图像自身的空间和光谱特征分布,进行自适应性的噪声去除.利用模拟的衍射成像光谱数据进行验证,在系统点扩散函数的标准差为2.5的情况下,能得到无振铃的重构结果,且与传统维纳逆滤波法的重构结果进行比较,清晰度、细节能力等指标均有所提高,满足了衍射成像光谱数据应用需求.