基于阈值分割的并行压缩鬼成像方法

为了提高鬼成像的速度,提出了基于阈值分割的并行压缩差分鬼成像方法。首先通过设置合理的阈值筛选出涨落较为明显的数据进行采样;然后再通过并行分块降低图像维度,提高整体运算速度;最后通过压缩感知重构算法重构图像。通过对图"BUAA"的半物理仿真以及透射物体"光"的实验结果表明,与普通的二阶赝热光关联成像相比,该方法能以更少的采样次数和运行时间重构图像,可提升成像信噪比。     

采用声场成像的声源自适应降噪方法

针对现有声音定位技术动态适应能力弱的问题,基于由21个MSM261S4030H0组成的麦克风阵列群和声波接收时间差算法实现的声源定位技术,提出声源自适应降噪方法.该方法在声场成像的基础上,通过能根据声源实际情况调整参量的异常值剔除和迭代修正复合式降噪过程,兼顾定位的准确性和实时性,实现8 m内的声源自适应定位.     

超声医学图像降噪处理中的软阈值方法

通过二维离散小波变换将超声医学图像投影到小波变换域 ,利用Donoho软阈值技术方法进行降噪处理 ,可快速有效地去除图像的斑点噪声     

小波包自适应阈值语音降噪新算法

为了克服低信噪比输入下,语音增强造成语音清音中的弱分量损失,造成重构信号包络失真的问题。论文提出了一种新的语音增强方法。该方法根据语音感知模型,采用不完全小波包分解拟合语音临界频带,并对语音按子带能量进行清浊音区分处理,在阈值计算上,提出了一种清浊音分离,基于子带信号能量的小波包自适应阈值算法。通过仿真实验,客观评测和听音测试表明,该算法在低信噪比输入时较传统算法,能够更加有效地减少重构信号包络失真,在不损伤语音清晰度和自然度的前提下,使输出信噪比明显提高。将该算法与能量谱减法结合,进行二次增强能进一步提高降噪输出的语音质量。     

基于频域分解的融合鬼成像方法

针对传统鬼成像对比度差、信噪比低的问题,提出了一种基于频域分解的融合鬼成像方法.该方法将参考光路中获得的散斑图进行频域变换,选取合适的阈值将其分解为高频散斑和低频散斑,通过分别对高低频散斑与桶探测器得到的值进行关联运算得到高低频鬼像,最后利用逆非下采样剪切波变换重构出最终的鬼像.以对比度和峰值信噪比为评价指标,通过4组实验仿真验证了融合鬼成像方法的有效性.仿真实验结果表明,融合鬼成像的峰值信噪比/对比度较计算鬼成像、差分鬼成像方法分别平均提高了41%/173%、27%/135%.     

基于Bootstrap方法的鬼成像系统图像信息重构不确定度估计

提出使用统计分析中的Bootstrap方法对鬼成像中图像信息重构的不确定度进行估计。仿真结果表明,Bootstrap方法估计的标准误差分布图与强度关联重构的标准误差理论计算结果一致;用标准Bootstrap方法估计的标准误差和置信区间分布能够很好地解释压缩感知算法得到的重构结果误差,并且使用相应的Bootstrap方法的变种能够更为准确地描述从原始样本中重构图像信息的偏差和绝对误差。所提方案适用于估计无真实参考图像的实际应用场景的重构图像的不确定度。     

关联成像目标重构的伪逆迭代降噪方法

结合伪逆关联成像和迭代去噪关联成像,提出了关联成像目标重构的伪逆迭代方法.该方法以伪逆关联成像重构结果为初始值,选取合适的与噪声干扰相关的阈值,通过迭代运算逼近实际的噪声干扰,最终抑制噪声并提高重构图像的峰值信噪比.以峰值信噪比和相关系数为衡量标准,将伪逆迭代关联成像的重构结果与差分关联成像、伪逆关联成像进行对比分析.仿真实验结果表明,伪逆迭代方法的峰值信噪比较伪逆关联成像方法、差分关联成像方法分别高出约1.0dB、3.1dB,同时其相关系数、视觉效果也有所改善,验证了该方法的有效性.     

基于二值化计算鬼成像的图像隐藏方法

图像隐藏技术在当今大数据时代扮演着重要角色,尤其在版权保护和保密通信等领域中有着巨大的应用价值。提出了一种基于计算鬼成像的图像隐藏方法,目标图像经过计算鬼成像系统加密,随机散斑作为系统密钥,将密文进行二值化后的结果采用最低有效位算法嵌入到宿主图像中,利用相应的水印提取规则和二阶相关算法恢复目标图像。仿真结果表明,该方法具有较好的隐蔽性,嵌入水印图像的峰值信噪比可以达到50 dB,授权用户可以用密钥获得目标图像,同时,所提方案有一定的容错能力,对椒盐噪声和图像裁剪具有一定的鲁棒性。     

基于改进迭代阈值的白细胞图像分割方法

人体外周血五类白细胞数量和所占比例反映了人体的健康状态,人工检查白细胞消耗医务人员的大量精力,如何用智能方法快速、准确进行白细胞智能分类是一个亟待解决的问题,其中白细胞分割的准确性是正确分类的关键。提出了一种改进的迭代阈值图像分割算法,对恢复有丝分裂连线的最小距离方法进行了基于数学和数模分析的预处理改良,提升了白细胞图像分割的精度和效率,解决了血小板粘连、白细胞边界不分明等问题。将白细胞从复杂的血液环境中分离出来,对有丝分裂细胞的多叶核进行最小距离判定并连线,然后定位到每个白细胞,制作数据集,最后用CNN分类。经测试,分割正确率达到了96%以上。实验结果验证了所提分割方法的准确性、高效性和实用性。     

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。     

一种新的基于小波变换的图像去噪方法

根据图像小波分解的特点和小波分解后高频小波系数的统计特性,构造了一种新阈值函数的去噪算法。与传统的硬阈值、软阈值函数相比,新阈值函数考虑了图像能量分布的特点,对于每一小波系数乘以一个与自身大小相关的降噪因子,并且新阈值函数简单易于计算,具有较强的自适应性。实验结果表明,采用新阈值函数的去噪结果能够有效地抑制图像的马赛克效应,无论在视觉效果上,还是在信噪比增益上均优于传统的软、硬阈值方法。     

Iterative filtered ghost imaging

It is generally believed that, in ghost imaging, there has to be a compromise between resolution and visibility. Here we propose and demonstrate an iterative filtered ghost imaging scheme whereby a super-resolution image of a grayscale object is achieved, while at the same time the signal-to-noise ratio (SNR) and visibility are greatly improved, without adding complexity. The dependence of the SNR, visibility, and resolution on the number of iterations is also investigated and discussed. Moreover, with the use of compressed sensing the sampling number can be reduced to less than 1% of the Nyquist limit, while maintaining image quality with a resolution that can exceed the Rayleigh diffraction bound by more than a factor of 10.     

基于小波域可导阈值函数与自适应阈值的脉冲星信号消噪

脉冲星辐射信号具有极低的信噪比, 传统降噪方法难以在抑制噪声的同时保留其细节信息. 为此, 提出了一种小波域脉冲星信号消噪方法. 在小波域, 利用一种可导的阈值函数和一种自适应阈值选取方法, 对含噪脉冲星信号进行小波域阈值去噪处理, 并利用信噪比(SNR)、 均方根误差(RMSE)、 峰值相对误差(REPV) 以及峰位误差(EPP) 四项指标来对去噪效果进行评价. 实验结果表明, 与软阈值与硬阈值法相比, 该方法能在有效去除含噪脉冲星信号中的噪声、 显著提高其信噪比的同时, 更有效地保留原始信号中的有用信息, 同时可以获得更小的均方根误差、 脉冲峰值相对误差与峰位误差.     

基于小波包分析二次阈值去噪图像复原方法

提出了基于小波包分析的二次去噪复原的图像复原新方法。利用小波包分析在信号去噪中对图像信号高频部分更加灵活、更加精确的局部分析能力,针对低信噪比模糊图像,通过选取较小的阈值,交替地进行了两次预去噪处理和复原。采用PML算法,实验比较了小波包阈值一次去噪法和二次去噪法。实验表明,二次去噪法由于阈值取值较小,对退化图像信息的能量分布改变较小,可以获得比一次去噪法更加良好的复原效果。     

Handwritten digit recognition based on ghost imaging with deep learning

We present a ghost handwritten digit recognition method for the unknown handwritten digits based on ghost imaging(GI) with deep neural network, where a few detection signals from the bucket detector, generated by the cosine transform speckle, are used as the characteristic information and the input of the designed deep neural network(DNN), and the output of the DNN is the classification. The results show that the proposed scheme has a higher recognition accuracy(as high as98% for the simulations, and 91% for the experiments) with a smaller sampling ratio(say 12.76%). With the increase of the sampling ratio, the recognition accuracy is enhanced. Compared with the traditional recognition scheme using the same DNN structure, the proposed scheme has slightly better performance with a lower complexity and non-locality property.The proposed scheme provides a promising way for remote sensing.     

Reconstruction method of computational ghost imaging based on non-local generalized total variation北大核心CSCD

鬼成像是一种能够透过大雾等恶劣环境的成像技术。针对传统鬼成像重建图像存在噪声较多、图像对比度较低等问题,将非局部广义全变分方法用于鬼成像的图像重建之中,提出基于非局部广义全变分的计算鬼成像重建方法。所提方法构造了一种非局部相关性权重设计梯度算子,将其代入全变分重建算法中,使得重建的图像能有效去除噪声的同时实现细节较好的还原。首先在不同条件下进行仿真模拟,得到所提方法的峰值信噪比相对其他方法提升1 dB左右,且具有更好的主观视觉效果,进而设计并搭建实验平台对算法的有效性进行验证,实验结果证明了所提方法在去除噪声和细节重建等方面的优越性。     

基于自适应阈值法的合金弹头缺陷尺寸测量算法研究

在合金弹头缺陷尺寸检测中,针对传统分割算法无法在复杂背景下将缺陷完整分割的问题,采用了自适应阈值分割算法。该算法在分割时,图像的每个像素对应的阈值不同,可避免缺陷和背景错误划分,而且可以在保证缺陷完整分割的情况下避免噪声带来的干扰。给出了缺陷分割过程,完成了缺陷尺寸计算,并对尺寸计算的准确度进行了分析。实验结果表明,在缺陷与背景灰度差较小的情况下,该算法仍可较为完整地将缺陷分割出来,测量结果的标准差为0.122 8,不确定度为0.368 4。     

混沌信号自适应协同滤波去噪

混沌信号协同滤波去噪算法充分利用了混沌信号的自相似结构特征,具有良好的信噪比提升性能.针对该算法的滤波参数优化问题,考虑到最优滤波参数的选取受到信号特征、采样频率和噪声水平的影响,为提高该算法的自适应性使其更符合实际应用需求,基于排列熵提出一种滤波参数自动优化准则.依据不同噪声水平的混沌信号排列熵的不同,首先选取不同滤波参数对含噪混沌信号进行去噪,然后计算各滤波参数对应重构信号的排列熵,最后通过比较各重构信号的排列熵,选取排列熵最小的重构信号对应的滤波参数为最优滤波参数,实现滤波参数的优化.分析了不同信号特征、采样频率和噪声水平情况下滤波参数的选取规律.仿真结果表明,该参数优化准则能在不同条件下对滤波参数进行有效的自动最优化,提高了混沌信号协同滤波去噪算法的自适应性.     

Orthogonal-triangular decomposition ghost imaging

Ghost imaging (GI) offers great potential with respect to conventional imaging techniques. However, there are still some obstacles for reconstructing images with high quality, especially in the case that the orthogonal measurement matrix is impossible to construct. In this paper, we propose a new scheme based on the orthogonal-triangular (QR) decomposition, named QR decomposition ghost imaging (QRGI) to reconstruct a better image with good quality. In the scheme, we can change the randomly non-orthogonal measurement matrix into orthonormal matrix by performing QR decomposition in two cases. (1) When the random measurement matrix is square, it can be firstly decomposed into an orthogonal matrix $\bm Q$ and an upper triangular matrix $\bm R$. Then let the off-diagonal values of $\bm R$ equal to 0.0, the diagonal elements of $\bm R$ equal to a constant $k$, where $k$ is the average of all values of the main diagonal, so the resulting measurement matrix can be obtained. (2) When the random measurement matrix is with full rank, we firstly compute its transpose, and followed with above QR operation. Finally, the image of the object can be reconstructed by correlating the new measurement matrix and corresponding bucket values. Both experimental and simulation results verify the feasibility of the proposed QRGI scheme. Moreover, the results also show that the proposed QRGI scheme could improve the imaging quality comparing to traditional GI (TGI) and differential GI (DGI). Besides, in comparison with the singular value decomposition ghost imaging (SVDGI), the imaging quality and the reconstruction time by using QRGI are similar to those by using SVDGI, while the computing time (the time consuming on the light patterns computation) is substantially shortened.