基于空间变化点扩展函数的图像直接复原方法

采用点插值法、循环矩阵模型、拉普拉斯正则化方法和共轭梯度迭代法,解决了空间变化图像复原过程中空间变化点扩展函数的获取、反卷积的计算模型、反问题的病态性以及复原算法等问题。在此基础上,建立了空间变化图像复原方法,并分析了图像复原的基本模型。最后,通过仿真对比了提出的空间变化图像复原算法和空间不变图像复原算法,结果表明,空间变化算法的图像复原结果好于空间不变算法。     

中子数字图像几何不锐度校正算法研究

以中子数字成像系统的开发为背景,提出一种用于中子数字图像几何不锐度校正的图像复原算法。首先分析了中子数字成像的准直成像系统,得到引起中子数字图像几何不锐度的点扩展函数。据此,提出一种正则化的Lucy-Richardson(LR)算法,该算法利用贝叶斯(Bayes)最大后验估计理论研究了小波系数的双变量层间模型,推导出一种有效的小波降噪方法,并将小波降噪引入LR算法的迭代过程,此方法可有效解决原始LR算法的噪声放大问题。将改进的LR算法用于一个测试样品中子数字图像的几何不锐度校正,结果表明,该算法可以克服原始LR算法的不足,并优于频域小波域联合正则化图像复原算法。该方法还可以推广到其他图像复原的应用中。     

基于高斯函数假设的图像频谱恢复特性分析方法

为了对图像复原算法频谱恢复特性进行分析和评价,提出了一种基于高斯函数假设的分析新方法。该方法假设光学传递函数H和退化图像频谱函数G为高斯函数,采用方差以及提出的方差比作为频谱宽度指标,对图像复原算法的频谱恢复特性进行定量分析和评价。分析中对H和G曲线设定两组方差,分无噪声和有噪声两种情况,计算出约束最小平方滤波法(CLS)和最大似然法(PML)等图像复原算法复原的图像频谱曲线及其方差和方差比,采用计算结果对复原算法进行定量的分析和评价,获得良好的效果。分析指出,最大似然法的频谱外推能力和噪声抑制特性均明显好于约束最小平方滤波法。对两种算法的分析评价实验表明,高斯函数假设分析方法是一种简便有效的图像频谱恢复特性分析方法。     

基于分数阶最大相关熵算法的混沌时间序列预测

为提高最大相关熵算法对混沌时间序列的预测速度和精度,提出了一种新的分数阶最大相关熵算法.在采用最大相关熵准则的基础上,利用分数阶微分设计了一种新的权重更新方法.在alpha噪声环境下,采用新的分数阶最大相关熵算法对Mackey-Glass和Lorenz两类具有代表性的混沌时间序列进行预测,并分析了分数阶的阶数对混沌时间序列预测性能的影响.仿真结果表明:与最小均方算法、最大相关熵算法以及分数阶最小均方算法三类自适应滤波算法相比,所提分数阶最大相关熵算法在混沌时间序列预测中能够有效地抑制非高斯脉冲噪声干扰的影响,具有较快收的敛速度和较低的稳态误差.     

基于POCS-MPMAP合成算法的超分辨率图像复原

阐述了凸集投影理论(POCS)和基于Markov约束的Poisson-MAP超分辨率图像复原算法(MPMAP).为了能获得更大的带宽扩展和更好的复原图像,把POCS理论与MPMAP算法结合在一起,提出基于POCS-MPMAP的合成超分辨率图像复原算法.由此获得了改善的图像复原结果.     

基于蚁群算法的二维最大熵分割算法

由于二维最大熵分割法不仅考虑了像素的灰度信息,而且还充分利用了像素的空间邻域信息,因此能够取得较好的分割效果.但是,该方法的计算量巨大,不利于红外图像的快速处理.蚁群算法于20世纪90年代初提出,是受到蚁群集体行为的启发而提出的一种基于种群的模拟进化算法,属于随机搜索算法.该算法已经成功应用于旅行商等离散问题.将蚁群算法应用于二维最大熵法,提出了基于蚁群算法的二维最大熵分割算法.与传统的穷尽搜索法相比,求解速度提高了60倍左右.仿真实验表明,该方法快速、简单、有效.     

基于神经网络的大孔径厚针孔成像复原算法研究

为了更好地获取低强度辐射源空间分布图像,提出一种使用神经网络算法将大孔径厚针孔退化图像复原的方法。建立了孔径5 mm、10 mm、15 mm的厚针孔模型,获得了3600个汉字形状辐射源的厚针孔退化图像集。基于DnCNN神经网络模型,建立了大孔径厚针孔退化图像复原神经网络,并与维纳滤波、Lucy-Richardson这些传统算法进行了比较。在考虑噪声影响后,利用迁移学习理论,对原神经网络模型进行迁移训练,再对含噪大孔径厚针孔退化图像进行复原。神经网络算法复原的RMSE明显低于传统方法,迁移学习显著减小了噪声的影响。证明了神经网络算法在大孔径厚针孔退化图像复原领域的优越性,并验证了神经网络方法复原含噪大孔径厚针孔退化图像的可行性。     

基于结构字典学习的图像复原方法

本文提出一种新的结构字典学习方法,并利用它进行图像复原。首先给出结构字典学习的基本内容和方法,然后将傅里叶正则化方法和结构字典学习方法有效整合到图像复原算法中。结构字典学习方法是先将原图像进行结构分解,再分别学习出每个结构图像中的字典,最后利用这些字典对原图像进行稀疏的表示。结合傅里叶正则化,提出了一种有效的迭代图像复原算法:第一步在傅里叶域利用正则化反卷积方法得到图像的初步估计;第二步采用结构字典学习的方法对遗留的噪声进行去噪处理。实验结果表明,提出的方法在改进信噪比和视觉质量上都要优于6种先进的图像复原方法,改进的信噪比平均提升0.5 d B以上。     

空间变化PSF非盲去卷积图像复原法综述

传统的图像复原一般认为点扩散函数(PSF)是空间不变的,实际光学系统由于受到像差等因素的影响,并非严格的线性空间不变系统,基于空间变化PSF的非盲去卷积图像复原法逐渐体现其优越性。空间变化PSF的非盲去卷积图像复原法先准确估计图像空间变化的PSF,再利用非盲去卷积算法对图像进行复原,有利于恢复出高质量图像。本文从算法的角度综述了近几年提出的基于空间变化PSF的非盲去卷积图像复原方法,并对比了基于强边缘预测估计PSF的非盲去卷积法、基于模糊噪声图像对PSF估计非盲去卷积法等算法的优缺点,各算法分别在PSF估计精确度、振铃效应抑制效果、适用范围等方面体现出各自的优劣。空间变化PSF的非盲去卷积图像复原法的研究,有利于推进图像复原技术向更高水平发展,使光学系统往轻小型化方向发展,从而在多个科学领域发挥其重要作用。     

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。     

Delayed feedback control via minimum entropy strategy in an economic model

In this paper minimum entropy (ME) algorithm for controlling chaos, is applied to the Behrens-Feichtinger model, as a discrete-time dynamic system which models a drug market. The ME control is implemented through delayed feedback. It is assumed that the dynamic equations of the system are not known, so the proper feedback gain cannot be obtained analytically from the system equations. In the ME approach the feedback gain is obtained and adapted in such a way that the entropy of the system converges to zero, hence a fixed point of the system will be stabilized. Application of the proposed method with different economic control strategies is numerically investigated. Simulation results show the effectiveness of the ME method to control chaos in economic systems with unknown dynamic equations.     

一种基于清晰度计算的NSCT域多聚焦图像融合算法

针对多聚焦图像的特点．提出了一种基于清晰度计算的非抽样轮廓波变换（Non-Subsampied Contourlet’Transform,NSCT）域多聚焦图像融合算法。该算法首先对源图像进行NSCT分解．以此克服传统Contourlet变换不具平移不变性的缺点。在分析光学成像中散焦表现形式的基础上．对分解后的低频子带和高频方向子带分别以“邻域梯度”及“合成邻域模值”作为清晰度指标。采用自适应选择法实现对多聚焦图像的融合处理。实验结果表明,该方法不仅能有效融合图像中的“伪影”和“振铃效应”．视觉效果明显优于传统小波和Contourlet方法,且融合图像的熵、交叉熵及均方根交叉熵等客观评价指标也有明显提高。     

用于摄像机定位的单目视觉方法研究

利用单目视觉算法确定摄像机相对于被测点的聚焦位置的方法 ,提出了一种新的能量谱 熵函数图像聚集锋利性测度评价函数以及新的单目视觉测量方法 ,即将单目视觉方法中的离焦法和聚焦法结合起来 ,进行聚焦位置的测量。并给出了用于摄像机定位的单目视觉离集法和聚焦法的计算模型。实验验证结果证明了算法的稳定性和可靠性     

基于最大模糊熵和遗传算法的图像分割

为了分割照度不均匀的网格图像,提出了一种基于最大模糊熵和遗传算法的阈值分割方法。基于模糊集合理论,根据像素灰度值把原始图像中的像素分为黑和亮两个模糊集,利用最大模糊熵准则确定模糊区间的范围,寻找模糊参数的最优组合,实现图像分割。由于穷举法搜索模糊参数的最优组合存在计算复杂度高、占用存储空间大等缺点,因此采用了遗传算法确定最优阈值。为了验证该方法的有效性,对其进行了图像分割实验,并与最大类间方差法、迭代法和一维最大熵法进行了比较。实验结果表明,该方法能够自动、有效地选取阈值,分割效果优于其它三种算法,并能保留原始图像的主要特征。     

从SAR遥感图像中提取水域的一种双模式结合方法

水域是SAR图像的一个重要特征,针对SAR图像水域的检测问题,提出了一种利用形态学和信息跟踪双模式相结合的检测方法。采用形态学的开运算,提取基本的水域轮廓,再结合改进的信息编码,进行跟踪检测,进一步精确定位水域区域。实验结果表明,双模式结合的水域检测方法,可以较准确的提取SAR图像的水域区域,效果要优于单一模式的检测方法,而且跟信息熵方法相比较还提高了运算效率。     

基于改进的二维指数熵及混沌粒子群的阈值分割

鉴于现常用的灰度级—平均灰度级二维直方图区域划分存在明显的不足,提出了基于灰度级—梯度二维直方图的指数熵阈值选取方法,给出了基于改进的二维直方图的指数熵阈值选取公式,并利用混沌粒子群优化算法寻找最佳分割阈值,采用递推方式降低迭代过程中适应度函数的计算代价。实验结果表明,与现有的有关算法相比,该方法不仅使分割后的图像区域内部更均匀、边界形状更准确、特征细节更清晰,而且使计算效率及粒子群的收敛精度得到提高。     

一种基于提升小波的图像融合技术研究

针对红外与可见光图像进行提升小波变换后低频图像的特点,提出了一种低频分量的融合算法,高频分量采取邻域方差取大为准则进行融合,然后进行提升小波逆变换得到融合图像。通过与传统小波融合方法进行比较,并引入信息熵、清晰度、Xydeas-Petrovic客观性能指标对融合后的图像进行分析。实验结果表明不论从视觉效果还是从客观性能指标上,该算法都优于传统的融合方法。     

适合于生物图像的图像融合算法研究

图像融合作为一种有效的信息融合的技术,已广泛用于军事、遥感、机器视觉和医学图像等领域。本文讨论了三种基于像素级的图像融合算法：Ｐ加权平均,Ｔｏｅｔ算法和基于小波变换的算法;采用四种评价融合效果的量化判据：标准偏差,平均误差,峰值信噪比（ｓ／Ｎ）ｐ和熵差,将三种图像融合算法用于生物图像中细胞荧光图像和透射图像的融合,量化评价结果和视觉判断均说明,对于以细胞荧光图像和透射图像研究对象,需突出荧光图像的     

Maximum entropy networks are more controllable than preferential attachment networks

A maximum entropy (ME) method to generate typical scale-free networks has been recently introduced. We investigate the controllability of ME networks and Barabási–Albert preferential attachment networks. Our experimental results show that ME networks are significantly more easily controlled than BA networks of the same size and the same degree distribution. Moreover, the control profiles are used to provide insight into control properties of both classes of network. We identify and classify the driver nodes and analyze the connectivity of their neighbors. We find that driver nodes in ME networks have fewer mutual neighbors and that their neighbors have lower average degree. We conclude that the properties of the neighbors of driver node sensitively affect the network controllability. Hence, subtle and important structural differences exist between BA networks and typical scale-free networks of the same degree distribution.     

基于区域分割和Counterlet变换的图像融合算法

提出了一种基于区域分割和Contourlet变换的图像融合算法。首先,对各源图像做区域分割,并利用区域能量比和区域清晰比的概念来度量和提取区域信息;然后,对各源图像进行多尺度非子采样Contourlet分解,分解后的高频部分采用绝对值取大算子进行融合,低频部分则采用基于区域的融合规则和算子进行融合;最后进行重构得到融合图像。对红外与可见光图像进行了融合实验,并与基于像素的àtrous小波变换和Contourlet变换的融合效果进行了比较。结果表明,采用本文算法的融合图像既保留了可见光图像的光谱信息,又继承了红外图像的目标信息,其熵值高于基于像素的融合方法约10%,交叉熵仅为基于像素的融合方法的1%左右。