基于迭代的傅里叶望远镜图像重构方法

为了提高最终图像的质量,结合传统的直接重构算法和相位重构算法,提出了一种基于迭代的傅里叶望远镜图像重构方法。对反演得到的傅里叶频谱进行逆傅里叶变换得到直接重构图像,取直接重构图像的阈值图像作为相位重构算法的初始输入,通过迭代能够获得质量更高的图像。成像仿真实验结果表明,成像信噪比为50倍时,与直接重构图像相比,迭代重构图像斯特列尔比从0.82提高到0.88,峰值信噪比从17dB提高到19dB;在成像信噪比为100倍时,迭代重构图像斯特列尔比从0.89提高到0.93,峰值信噪比从20dB提高到22dB。     

基于深度学习的合成孔径雷达图像去噪算法

针对合成孔径雷达在生成图像时产生的固有斑点噪声问题,提出了一种基于多尺度注意力级联卷积神经网络的去噪算法,用多尺度卷积网络与注意力机制来实现图像的特征提取,将级联网络结构作为主网络中的特征增强部分,并加入批量归一化来防止模型中出现过拟合。实验结果表明,所提算法相较于其他传统图像去噪算法,峰值信噪比、结构相似性分别平均提高了0.75 dB～14.45 dB和0.01～0.16,在图像熵上也优于其他算法,并且能较好地恢复图像中的细节信息。     

小波双线性插值迭代算法应用于光学遥感图像

分析了小波双线性插值中高频外推阈值门限与重建图像峰值信噪比的变化关系，提出了峰值信噪比最大小波双线性插值迭代算法.提出的算法能够自动搜索到峰值信噪比最大的高频外推最佳阈值门限，实现了在不破坏光学遥感图像原始信息的情况下，提高图像的空间分辨率，有利于对图像的细节信息进行观察分析.实验结果表明，该算法重建图像的峰值信噪比比双线性插值和全小波插值重建图像的峰值信噪比高5.5 dB和2.5 dB，重建图像的熵增加到原图像的1.3倍.     

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。     

基于局部位移校正的磁共振图像相干平均

多次扫描相干平均是提高磁共振图像信噪比的常用方法,但如果在多次扫描过程中病人发生自主或不自主的运动,使得图像中的组织发生位移,简单相干平均图像会导致图像模糊.本文受非局域均值算法的启发,提出了一种基于局部位移校正的相干平均方法.该算法通过比较多次采集的图像中组织结构的局部相似性,找出图像间的局部位移,利用该信息修正位移后进行加权平均,从而达到提高图像信噪比的目的.我们用模型及真实的肝脏弥散数据进行了实验.实验结果表明,对于不同次采样间存在运动的磁共振图像,该算法可有效地提高信噪比并保持结构边缘;其结果优于简单的相干平均,去噪效果也优于经典的非局域均值算法.     

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。     

基于图像分割和局部亮度调整的微光图像颜色传递算法

为提高微光夜视图像质量，提出一种基于图像分割和局部亮度调整的颜色传递算法。用简单线性迭代聚类结合K均值聚类对微光图像进行分割，在YCbCr颜色空间中利用子区域与参考图像每一个像素点上亮度的一致性，将匹配参考图像的颜色分量传递到目标图像的子区域，以目标图像纹理特征中对比度的值作为系数，调整目标图像子区域的亮度值，进行颜色空间转换并显示颜色传递结果。搭建了微光图像成像系统，进行了微光图像分割及完成了微光图像的颜色传递。结果表明，改进的分割算法将图像中不同的景物分割出来，得到的彩色微光图像的峰值信噪均值达到12.048 dB，比Welsh算法平均提高2.63 dB。     

基于卡尔曼滤波的双约束CUP-VISAR压缩图像重构算法

针对从基于压缩超快成像（Compressed Ultrafast Photography,CUP）的任意反射面速度干涉仪（Velocity Interferometer System for Any Reflector,VISAR）中获得的压缩图像中重构出冲击波二维条纹图像的问题,提出一种基于卡尔曼滤波的双约束图像重构算法。该算法首先基于条纹图像具有的稀疏性和平滑性,将问题转化为基于小波与全变分双先验约束的优化问题,然后,考虑到实际成像的噪声问题,采用加权卡尔曼滤波对图像已有信息进行预测和调整,最后将卡尔曼滤波引入二步迭代阈值算法的迭代过程中,进而求解该双约束优化问题,实现压缩图像的精确重构。在大噪声仿真实验中,该算法重构图像的峰值信噪比和结构相似度分别提高了4.8 dB和14.81%,显著提高了图像重构质量。在实际实验中,该算法重构出了清晰的冲击波条纹图像,且将冲击波速度最大相对误差降低了9.57%和平均相对误差降低了2.2%,验证了该算法的可行性。     

自适应双树复小波遥感图像复原

由于遥感图像先验知识难以获取,提出了一种自适应的双树复小波迭代收缩复原算法。该算法根据模糊程度和噪声程度估计正则化参数,并利用经验公式计算收缩阈值。在实际应用中,算法能有效解决两步迭代算法使用固定参数的缺点,从而达到提高图像复原质量的目的。实验表明:相对于两步迭代算法,该算法复原图像的峰值信噪比提高0.64~12.23dB,收敛速度提高1.4~16倍;同时,算法在提高图像复原质量、抑制噪声干扰及减少计算时间方面优势明显。     

小波双线性插值搜索算法及其在光学遥感图像中的应用

详细分析了在小波双线性插值中高频外推阈值门限与峰值信噪比的变化关系,提出了基于峰值信噪比最大的小波双线性插值搜索算法。提出的算法能够自动搜索到峰值信噪比最大的高频外推最佳阈值门限,实现了在不破坏光学遥感图像原始信息的情况下,提高了图像的空间分辨率,有利于对图像的细节信息进行观察分析。实验结果表明:该算法能够得到比双线性插值和全小波插值更高的峰值信噪比、熵值和更好的图像细节效果,是一种适合提高光学遥感图像分辨率的有效算法。     

一种基于信息保留网络的图像去噪算法

由于成像设备等各种因素影响, 图像在成像或传感过程中会受到噪声干扰。图像去噪旨在减少或消除噪声对图像的影响, 这一过程往往会导致高频信息的丢失。为了在去除图像噪声的同时保护图像的边缘信息与纹理细节, 文章提出了一种计算复杂度相对较低的含有信息保留模块的卷积神经网络, 直接对含噪声图像进行降噪。信息保留模块通过残差学习提取局部长路径和局部短路径的混合特征信息。该文采用峰值信噪比(PSNR/dB)和结构相似性(SSIM)两项评价指标对实验结果进行量化, 这两项指标值越大, 说明去噪效果越好。实验结果表明, 在峰值信噪比和结构相似性2项评价指标的均值可达到30.36 dB和0.828 0, 相比其他对比算法, 2项评价指标分别平均提升了2.15 dB和0.072 9。该算法对不同种类、不同水平的噪声都具有良好的去噪效果, 且速度优于所对比的一般算法, 对基于卷积神经网络的去噪工作的进一步发展有一定的作用。     

基于混合高斯模型的红外图像自适应校正算法

针对传统时域高通滤波校正算法存在的鬼影问题,提出一种新的基于混合高斯模型的红外图像自适应校正算法。新算法利用混合高斯模型对场景进行建模,只有在像元输出值满足一定条件的时候,才将其更新到校正系数中,实现有选择性地更新校正系数。通过一组仿真和真实的红外图像序列评价算法的性能,仿真图像采用峰值信噪比指标进行定量评价,新算法比传统时域高通滤波校正算法的峰值信噪比提高了约9 dB。真实图像采用主观的定性评价,传统算法校正结果中存在着明显的鬼影,而新算法校正结果中不存在鬼影。     

基于运动补偿和码率预分配的干涉多光谱图像压缩算法

提出了一种基于运动补偿的三维小波变换和基于码块预测的码率预分配的图像压缩算法.利用干涉多光谱图像成像推扫平移特性,在小波变换中使用运动补偿来减少帧间相关性,并对图像组中各个图像小波变换和量化后EBCOT编码码块的有效比特平面进行独立的熵估计.以图像估计熵总和指导整个图像组码率预分配,以解决平均分配码率对重建图像质量带来的影响.实验结果表明:该算法在8倍压缩时,图像序列的平均峰值信噪比比3D-SPIHT提高了0.85～1.25 dB,比单帧JPEG2000提高了1.91～4.25 dB, 算法复杂度低,易于硬件实现.     

Spatial curvature and large scale Lorentz violation

The tension between the Hubble constant values obtained from local measurements and cosmic microwave background (CMB) measurements has motivated us to consider the cosmological model beyond ΛCDM. We investigate the cosmology in the large scale Lorentz violation model with a non-vanishing spatial curvature. The degeneracy among spatial curvature, cosmological constant, and cosmological contortion distribution makes the model viable in describing the known observational data. We obtain some constraints on the spatial curvature by comparing the relationship between measured distance modulus and red-shift with the predicted one, the evolution of matter density over time, and the evolution of effective cosmological constant. The implications of the large scale Lorentz violation model with the non-vanishing spatial curvature under these constrains are discussed.     

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。     

The optical near-field speckles and their first order statistics on the basis of the integral equations of electromagnetic field

Speckle fields are the random light wave distributions produced when the light fields are scattered from random surfaces or a random medium. They appear in many optical phenomena that are related to light propagations[1,2] and have found wide appli-cations in a variety of scientific and technical fields. The examples of the recent impor-tant applications of speckles include the analysis of the movement of the granules[3], the three-dimensional imaging for the microstructures of metal nanocryst…     

基于深度反向投影的感知增强超分辨率重建模型

以SRCNN（super-resolution convolutional neural network）模型为代表的超分辨率重建模型通常都有很高的PSNR（peak signal to noise ratio）和SSIM（structural similarity）值，但其在视觉感知上并不令人满意，而以SRGAN为代表的拥有高感知质量的GAN（generative adversarial networks）模型却很容易产生大量的伪细节，这表现在其PSNR和SSIM值通常都较低。针对上述问题，提出了一种基于深度反向投影的感知增强超分辨率重建模型。该模型采用双尺度自适应加权融合特征提取模块进行特征提取，然后通过深度反向投影进行上采样，最终由增强模块增强后得到最终输出。模型采用残差连接与稠密连接，有助于特征的共享以及模型的有效训练。在指标评价上，引入了基于学习的LPIPS（learned perceptual image patch similarity）度量作为新的图像感知质量评价指标，与PSNR、SSIM一起作为模型评价指标。实验结果表明，模型在测试数据集上PSNR、SSIM、LPIPS的平均值分别为27.84、0.7320、0.1258，各项指标均优于对比算法。     

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。     

运动界面上反射超声散斑空间运动的研究

在Kirchhoff 衍射理论的基础上，应用随机信号相关原理，推导了作刚体运动的界面上反射超声散斑在空间运动时，保持其复振幅相关的必要条件.由此得到超声散斑的空间运动公式.界面、超声散斑和超声接收探头之间的相对运动，导致界面孔径的改变.分析表明，在保持界面孔径相关的条件下，界面所允许的最大平移量和转角值，与声源位置、接收用聚焦探头的数值孔径、超声入射角以及观察角有关.应用数字相关技术和三维扫描信号采集系统，根据散斑场子集相关系数的单峰性质，对超声散斑空间运动公式进行了实验验证.实验结果表明，理论分析所得的 关键词： 超声散斑 相关原理 空间运动     

Speckle suppression and contrast enhancement in reconstruction of freehand 3D ultrasound images using an adaptive distance-weighted method

In three-dimensional (3D) freehand ultrasound (US), reconstructing a set of B-scans into a regular voxel array is the key procedure for consequent visualization and analysis. This paper presents a new adaptive interpolation algorithm for computing the voxel array to suppress speckle noises and enhance contrast. The local statistics of homogeneous regions including mean and variance were measured and the ratio of variance to mean was used as homogeneity criteria. For the computation of each voxel, the interpolation method was adaptively determined with respect to its local statistics. If the neighbouring pixels of a voxel satisfied the homogeneity criterion, its value was computed with an arithmetic mean filter. Otherwise, the voxel was probably locating in an inhomogeneous region and an adaptive distance-weighted (ADW) interpolation method was employed to compute its value. A resolution phantom and a subject’s forearm were reconstructed using the proposed algorithm and two other well-known methods - conventional distance-weighted (DW) and voxel nearest neighbourhood (VNN) interpolations. The comparison results demonstrated that the adaptive interpolation algorithm was able to suppress speckles, preserve edges and enhance contrast effectively for the volume reconstruction.