基于lp范数的压缩感知图像重建算法研究

图像重建是光学成像、光声成像、声纳成像、核磁共振成像、 天体成像等物理成像领域中的关键技术之一. 近年来提出的压缩感知理论指出: 对稀疏或者可压缩信号进行少量非自适应线性投影,投影信号含有足够的信息, 从而能对信号进行高概率重建. 压缩感知已被应用于多种物理成像系统. 将罚函数法和修正Hesse阵序列二次规划方法相结合, 并采用了分块压缩感知思想, 提出一种基于l_p范数的压缩感知图像重建算法. 以cameraman, barbara和mandrill图像为例, 采用该算法进行图像重建. 首先, 在不同采样率下对图像重建. 即便采样率低至0.3时, 也能获得高达32.23dB的信噪比, 重建图像清晰可辨. 验证了该算法的正确性. 其次, 将该算法与正交匹配追踪算法进行对比, 在采样率达到0.5以上时, 能够获得高信噪比的重建图像, 成像时间也大为减少, 特别是采样率为0.7时, 成像时间减少88%. 最后, 与现有基于l_p 范数的压缩感知图像重建算法进行对比, 计算结果表明在成像质量有所提高的基础上, 成像时间大为缩短. 关键词： 图像重建 压缩感知 罚函数 修正Hesse阵序列二次规划     

高分辨率合成孔径雷达图像的Gamma分布下最大后验概率降斑算法

针对传统的Gamma分布下最大后验概率降斑算法不能有效保留均匀区域的点目标, 不能有效保留弱边缘以及不能有效滤除强边缘区域的斑点等问题, 提出了基于第二类统计量的先验参数估计的高分辨率合成孔径雷达图像Gamma 分布下最大后验概率降斑算法. 使用Mellin卷积和斑点的乘性模型, Gamma先验分布的参数可由观察图像的前两阶对数累积量精确估计.所提算法具有解析的滤波输出, 便于实现.农田和城区的高分辨率合成孔径雷达图像的降斑实验表明, 与传统的Gamma分布下最大后验概率降斑算法相比, 所提算法既能有效保留均匀区域的点目标, 又能有效保留弱边缘, 还能有效滤除强边缘区域的斑点. 关键词： 高分辨率合成孔径雷达图像 Gamma分布下最大后验概率降斑算法 第二类统计量 对数累积量     

一种基于核特征空间的鲁棒性高光谱异常探测方法

传统高光谱异常探测器的背景统计信息易受异常目标干扰,鲁棒性较差,且难以探测非线性混合的异常目标.针对此问题,运用核特征投影理论,在异常探测器的背景信息构建中引入鲁棒性分析方法,提出了一种在核特征空间中具有鲁棒性的异常探测方法.该方法可以在不需要确定具体的非线性映射函数下,将高光谱数据从低维空间映射到高维特征空间,背景和目标在特征空间中可以用线性模型表示,并在特征空间中构造鲁棒性的探测器.该方法揭示了地物光谱间的高阶特性,可以较好地反映地物分布复杂的目标光谱特性.通过高光谱真实影像和模拟数据的实验证明:1)本文提出的异常探测方法具有更优的受试者工作特征曲线和曲线下面积统计值,目标和背景的分离度更大;2)在核特征空间内,排除异常目标对背景统计信息的干扰,有助于进一步提高探测准确度;3)特征提取可以更好地利用目标和背景的光谱区分性,是异常探测的重要步骤.     

基于Shearlet变换的自适应图像融合算法

针对多聚焦图像与多光谱和全色图像的成像特点,结合Shearlet变换具有较好的稀疏表示图像特征的性质,提出了一种新的图像融合规则.并基于此融合规则,提出了基于Shearlet变换的自适应图像融合算法.在多聚焦图像的融合算法中,分别对聚焦不同的图像进行Shearlet变换,并基于本文提出的融合规则,对分解后的高低频系数进行融合处理. 通过与多种算法的比较实验证明了本文提出的算法融合的图像具有更高的清晰度和更加丰富的细节信息.在多光谱和全色图像的融合处理中,提出了一种基于Shearlet变换与HSV变换相结合的图像融合方法.该算法首先对多光谱图像作HSV变换,将得到的V分量与全色图像进行Shearlet分解与融合,在融合过程中对分解系数选用特定的融合准则进行融合,最后将融合生成新的分量与H、S分量进行HSV逆变换产生新的RGB融合图像. 该算法在空间分辨率和光谱特性两方面达到了良好的平衡,融合后的图像在减少光谱失真的同时,有效增强了空间分辨率. 仿真实验证明,本文算法融合的图像与传统的多光谱和全色图像融合算法相比,具有更佳的融合性能和视觉效果.     

一种三维物体相息图的迭代计算方法

在传统迭代傅里叶变换算法的基础上,提出了一种计算三维物体相息图的新方法.基于层析法将三维物体的多个分层物面作为衍射再现图像,在一个输入面(相息图)和多个输出面(再现像)之间进行迭代.通过在傅里叶迭代运算中引入距离相位因子,表示物体不同物面的深度,体现了物体的三维特征.实验结果证明了本文算法良好的收敛特性和再现性能.最后,分析了物面数量和间距对全息再现质量的影响,利用液晶空间光调制器采用时分复用的方法还原了三维物体的多个物面.     

基于图像熵的高动态范围场景的自动曝光算法

自动曝光控制是通过控制曝光量使图像亮度最优化的过程,由于图像亮度与曝光值有着直接的关系,因而图像亮度在自动曝光算法中被广泛应用.虽然熵已用于各种图像处理应用,但是很少应用在自动曝光中.基于图像熵提出一种新的自动曝光算法,不同于传统的主要依赖于图像亮度的算法.首先根据图像熵值大小来判断光照条件,通过图像熵大小的比较,把图像的各区域划分为感兴趣区域与不感兴趣区域.然后由图像熵值大小采用分配权重方法对不同区域分配权重,最后进行准确地自动曝光.由于该算法主要基于图像熵值的大小,所以曝光效果不受图像中对象位置影响,使得该算法更灵活.实验结果表明,该算法对高动态范围场景可以准确地检测出各种光照条件,提高相机系统输出图像的动态范围,同时还增加了自动曝光的准确性.     

不确定性边缘表示与提取的认知物理学方法

图像边缘检测是图像处理的一种重要技术, 其中不确定性表示与提取是关键问题之一. 在现有模拟物理学思想的相关方法基础之上, 提出了基于认知物理学的不确定性边缘表示与提取方法. 该方法利用数据场发现图像全局灰度认知, 构建图像灰度值空间到数据场势值空间的映射关系, 从场论的角度建立了可扩展的理论框架、统一了现有相关方法; 另一方面, 构造半升云模型建立云模型确定度的变化幅度与边缘像素表示与提取的内在关联关系, 最终在认知物理学核心理论的支持下实现图像不确定性边缘表示与提取. 所提出的方法时间耗费近似与图像尺寸成线性关系. 定性和定量的实验结果及分析表明, 该方法的分割效果较好, 性能稳定, 具有合理性和有效性. 关键词： 边缘检测 图像分割 云模型 数据场     

基于网络传输的实时图像融合系统设计

 为了实现图像融合系统远距离实时传输,提出一种基于TI公司TMS320DM642和TMS320DM365处理器平台的高速网络传输图像融合系统的设计方案。设计基于TMS320DM642融合模块和基于TMS320DM365网络传输模块,解决了图像融合模块和网络传输模块间的数据通信问题;在融合模块中实现图像配准和图像实时融合,融合图像数据在网络传输模块中进行H-264算法压缩并根据RTP(real-time transport protocol,实时传输协议)协议实现RTP封包处理,传输码率约为460 kb/s;利用线程间管道通信技术,实现了一种新的基于RTP/RTSP(real time streaming protocol,实时流传输协议)嵌入式流媒体服务器的搭建方法。实验结果表明：系统总体图像延迟为300 ms左右。     

复杂背景下货车制动梁的快速分割方法

为了准确分割货车制动梁,实现货车运行故障图像动态检测系统(TFDS)的故障自动识别,提出了灰度投影、离散小波变换和自适应分割相结合,利用灰度分布特征与位置相关性实现分割的方法。计算图像的垂直灰度投影,采用离散小波变换分析投影曲线,选择表示制动梁边缘的特征点,拟合其中心线。结合制动梁先验信息,将投影区域旋转相应角度并计算灰度投影,设置自适应阈值选择曲线上的特征波峰,实现不同角度制动梁的分割。实验结果表明,制动梁分割准确率为99%,处理一幅图像的平均时间21.7ms,可以准确地分割不同曝光条件下的图像,为后续的故障检测提供有力的保障。     

基于扩张卷积注意力神经网络的高光谱图像分类

为了解决训练样本有限情况下高光谱图像分类精度低的问题,提出了一种结合扩张卷积与注意力机制的三维-二维串联卷积神经网络模型。首先,该模型以串联的三维-二维卷积神经网络作为基础结构,利用三维卷积同时提取高光谱图像的空谱特征,并采用二维卷积进一步提取高级空间语义信息;然后,通过引入扩张卷积增大卷积核感受野,构建了多尺度特征提取结构,实现了多尺度特征的融合;最后,利用注意力机制使网络关注重要的空谱特征,并抑制噪声和冗余信息。在两个常用数据集上对本文算法和四种基于深度学习的分类算法进行对比实验,结果表明,所提模型取得了最准确的分类结果,有效提高了训练样本有限条件下的分类精度。