协作稀疏字典学习实现单幅图像超分辨率重建

字典的选择影响基于稀疏编码的图像超分辨率重建模型的重建质量。提出了一种基于协作稀疏表达的字典学习算法。在训练阶段,通过K-Means聚类算法将样本图像块划分为不同的聚类;构建基于同时稀疏约束条件的协作稀疏字典学习模型对每个聚类训练高、低分辨率字典;应用基于L_2范数的稀疏编码模型将图像超分辨率重建过程中输入图像块由低分辨率到高分辨率的映射转变为简单的线性映射,并针对不同聚类求得相应的线性映射矩阵。在重建阶段,输入图像块通过搜索与自身结构最相似的聚类来选择相应映射矩阵获得重建后的高分辨率图像。结果表明,本文算法通过改进字典学习过程实现了更好的图像超分辨率重建质量。     

基于代数重建算法的有限角度扫描的光声成像

由于滤波反投影重建算法要求对成像区域进行全方位扫描以获取完全投影数据,它需要较长时间采集大量数据,使其在医学上的应用受到限制。研究了在有限角度下采用代数重建算法进行光声成像的方法,实验用的光源为YAG激光器,波长为1064nm,重复频率20Hz,脉宽为6ns,探测器为针状的磺化聚二氟乙烯(PVDF)膜水听器,接收面积的直径为1mm,从仿真和实验结果表明该方法适用于“非完备投影数据”的光声层析成像。从图像重建效果上与滤波反投影算法相比较,该成像算法提高了重建图像的分辨率和对比度。采用代数重建算法的有限角度的光声成像方法,对临床医学的无损伤检测,具有重要的意义。     

基于字典学习的稠密光场重建算法

相机阵列是获取空间中目标光场信息的重要手段,采用大规模密集相机阵列获取高角度分辨率光场的方法增加了采样难度和设备成本,同时产生的大量数据的同步和传输需求也限制了光场采样规模.为了实现稀疏光场采样的稠密重建,本文基于稀疏光场数据,分析同一场景多视角图像的空间、角度信息的关联性和冗余性,建立有效的光场字典学习和稀疏编码数学模型,并根据稀疏编码元素间的约束关系,建立虚拟角度图像稀疏编码恢复模型,提出变换域稀疏编码恢复方法,并结合多场景稠密重建实验,验证提出方法的有效性.实验结果表明,本文方法能够对场景中的遮挡、阴影以及复杂的光影变化信息进行高质量恢复,可以用于复杂场景的稀疏光场稠密重建.本研究实现了线性采集稀疏光场的稠密重建,未来将针对非线性采集稀疏光场的稠密重建进行研究,以推进光场成像在实际工程中的应用.     

基于双字典和稀疏表示的医学图像超分辨率重建

在医学影像图像处理过程中,由于成像技术和成像时间的限制,还无法获取满足诊断需求的清晰图像,这使得在现有技术和极短时间内所获取的医学病理图像需要进行超分辨率的重建处理;基于学习的图像超分辨率思想是从已建立的先验模型中重建出高频细节;在文章中,将要估计的高频信息认为是由主要高频和冗余高频两部分组成,提出了一种基于双字典学习和稀疏表示的医学图像超分辨率重建算法,由主要字典学习和冗余字典学习组成,分别渐近地恢复出主要高频细节和冗余高频细节;实验结果的数据分析和视觉效果显示,所提出双层递进方法能够恢复更多的图像细节且在性能指标上比现有的其他几种方法均有所提高。     

基于滤波反投影的光声图像重建

 为了进一步提高光声重建图像的质量,采用滤波反投影算法进行图像重建。实验所用的光源为YAG激光器,波长为1 064 nm,重复频率为20 Hz,脉宽为7 ns,探测器为针状的PVDF膜水听器,接收面的直径为1mm,得到了4个圆形吸收体和5根头发的光声重建图像。仿真和实验结果表明：通过对信号进行滤波,能很好地抑制噪声信号,明显提高图像的对比度和分辨率。     

光声池中微弱光声信号检测

大气中的污染源气体含量很少, 用光声光谱对其进行监测得到的光声信号极其微弱. 本文首先分析微弱信号产生机理, 在分析Holmes Duffing方程的基础上, 提出了适合光声池微弱信号检测的变尺度差分方法. 该方法通过对信号进行尺度变换, 再做差分来检测微弱信号. 理论分析和实验表明, 变尺度差分方法能很好地抑制系统相空间的共模噪声, 而且能很好地凸显混沌状态临界值. 变尺度差分方法测出的信号相对误差都小于5%, 说明其可以用于较高频率、 相位和频率都未知的微弱光声信号幅值检测. 关键词： 光声光谱 微弱信号 幅值 Duffing     

光谱分析采样数据重建原始信号

用光谱分析方法分析信号的采样与恢复。用三个改进的升余弦脉冲构造对称的限带频谱F(ω),经理论推导获得时域信号f(t)。采用梳状函数δ_T(t)对f(t)采样,调节T值,获得Shannon采样。应用快速傅里叶变换,计算采样的频谱F_d(ω),比较计算频谱F_d(ω)与限带频谱F(ω)的差别,讨论由采样频谱F_d(ω)重建f(t)的方法。结果发现：计算频谱F_d(ω)与限带频谱F(ω)非常相似,由采样数据可以在时域直接重建原始信号,而由频谱数据经快速逆傅里叶变换,同样能准确重建原始信号。因此,信号存储,既可以存储其采样信号,也可以存储采样信号的数字频谱。     

光声信号的声透镜层析成像研究

提出了一种用声透镜实现光声层析成像的新模式。从理论上计算出了声透镜的响应，测出了已知声场中标准物像面处的声场分布。考虑到圆形活塞振源的指向性，对代表物成像进行了理论修正，并与实验结果做了对比分析。研究表明，利用声透镜可以实现光声层析成像，并经图像重构得到了生物组织中异物的光声图像，横向、纵向分辨力较高。     

光声信号的数字处理

利用数字信号处理技术,可直接应用微机而不用锁定放大器来检测物质的光声信号。本文给出用互功谱技术和多次平均方法所得的一些实验结果。当炭黑和黄色金刚石粉末为试样时,用微机和用锁定放大器所得到的光声信号的相位和幅值都非常吻合。文章还给出了用这数字信号处理技术检测一些薄型不透光试样的热扩散率的实验结果。这些结果与用激光导热仪所测得的结果也良好地相符合。     

基于字典学习和稀疏表示的单通道语音增强算法综述*

如何从带噪语音信号中恢复出干净的语音信号一直都是信号处理领域的热点问题。近年来研究者相继提出了一些基于字典学习和稀疏表示的单通道语音增强算法,这些算法利用语音信号在时频域上的稀疏特性,通过学习训练数据样本的结构特征和规律来构造相应的字典,再对带噪语音信号进行投影以估计出干净语音信号。针对训练样本与测试数据不匹配的情况,有监督类的非负矩阵分解方法与基于统计模型的传统语音增强方法相结合,在增强阶段对语音字典和噪声字典进行更新,从而估计出干净语音信号。本文首先介绍了单通道情况下语音增强的信号模型,然后对4种典型的增强方法进行了阐述,最后对未来可能的研究热点进行了展望。     

字典学习稀疏表示的高光谱图像异常检测

针对稀疏表示高光谱检测算法性能受背景字典影响较大的问题,充分利用高光谱图像空间信息和光谱主成分信息,提出了一种基于字典学习的稀疏表示异常检测算法。首先利用主成分分析提取高光谱数据的主特征,建立目标主成分空间,并证明了在主成分空间进行字典学习稀疏重构的可行性;然后在主成分空间内构造基于K-SVD算法的训练字典,改善了背景字典性能;采用正交匹配算法重构主成分分量,利用主成分分析反变换得到待检测像元重构光谱,增强了高光谱图像的局部异常特性;最后,基于重构误差异常特性实现高光谱图像异常检测。仿真结果证明了该方法的有效性。     

液体脉冲光声信号的增强

本文研究了用PZT传感器作液体脉冲光声信号增强的若干因素,其中包括PZT响应频率匹配,多层PZT积叠,光束聚焦及溶剂增强等。实验结果表明,这些措施都能使光声信号增强,有效地提高光声检测的灵敏度。     

分块稀疏信号1-bit压缩感知重建方法

1-bit压缩感知理论指出:对稀疏信号进行少量线性投影并对投影信号进行1-bit量化,该1-bit信号包含足够的信息,从而能对原始信号进行高精度重建.然而,当信号难以进行稀疏表达时,传统1-bit压缩感知算法无法精确重建原始信号.前期研究表明,分块稀疏模型作为一种特殊的结构型稀疏模型,对于难以用传统稀疏模型进行表达的信号具有较好的表达作用.本文提出了一种针对分块稀疏信号的1-bit压缩感知重建方法,该方法利用分块稀疏的统计特性对信号进行数学建模,通过变分贝叶斯推断方法进行信号重建并在光电容积脉搏波(photoplethysmography)信号上进行了实验验证.实验结果表明,与现有1-bit压缩感知重建方法相比,本文方法重建精度更高,且收敛速度更快.     

水声信号稀疏重构高分辨角度-多普勒成像

针对傅氏空时二维谱估计分辨率低以及声呐空时采样数据样本数不足给角度-多普勒成像带来困难的问题,提出一种水声信号稀疏重构的高分辨角度-多普勒成像方法和抗混响空时滤波器的稀疏重构方法。该方法在声呐阵列单测量向量的极少观测样本条件下,建立阵列信号的空时稀疏表示模型,应用稀疏表示的匹配追踪算法和基追踪算法重构回波与混响的高分辨角度-多普勒像。并根据运动声呐回波与混响的空时分布规律及声呐待检测距离单元位置的先验信息,沿着混响空时分布脊线设计混响稀疏表示的专用空时导向向量字典,通过重构抗混响空时滤波器来抑制角度-多普勒平面的混响干扰。对运动声呐前视和侧视阵列的计算机仿真结果表明,在混响背景中,该方法采用声呐阵列单测量向量重构了低速运动目标多亮点回波的高分辨角度-多普勒像,频率分辨率突破傅里叶分辨率,角度分辨率突破阵列瑞利限,分辨率明显优于傅氏空时谱估计。     

基于稀疏优化的计算机断层成像图像不完全角度重建综述

计算机断层成像(computed tomography,CT)技术在医学和工业无损检测中都具有非常广泛的应用,CT重建算法是其中的核心,而不完全角度重建问题则是实际应用中重建算法研究领域的一个热点和难点问题.近年来,随着稀疏优化理论与算法的飞速发展,基于稀疏优化的重建算法已经在不完全角度重建问题中得到了较广泛的应用,且表现出了良好的精度与速度性能.本文首先对稀疏优化的基本理论结论与常用算法进行了介绍;而后对稀疏优化理论在CT图像不完全角度重建中的应用进行归纳,分类介绍了其主要研究成果及稀疏优化所发挥的作用;最后对基于稀疏优化的不完全角度重建研究进行了展望.     

基于光声信号的高铁钢轨表面缺陷检测方法

针对传统的基于超声信号的高铁钢轨无损检测方法对于表面微裂纹检测效果不佳的问题,提出了一种基于光声信号的高铁钢轨表面缺陷检测方法.首先,使用有限元及K-wave方法建立了钢轨模型并获得了模拟光声信号;然后利用时间反演的方法对钢轨表面的光声图像进行了重建,并研究了不同传感器中心频率对成像结果的影响;最后设计实验采集了钢轨表面的光声信号并进行了处理和分析.实验结果表明,基于光声信号的高铁钢轨表面缺陷检测方法对于表面微裂纹有很好的检测效果,该方法在钢轨探伤领域有较大的可行性及发展潜力.     

基于非线性光谱字典学习的单幅RGB图像光谱重建方法研究

针对单幅RGB图像重建光谱图像中的病态问题,提出一种基于非线性光谱字典学习的非线性重建方法。为了适应线性和非线性数据,该方法首先改进了基于自联想神经网络模型的非线性主成分分析算法,并利用其从训练光谱集中学习低维光谱字典,用于光谱重建的求逆方程中,以缓解病态状况。再在此光谱字典基础上,利用阻尼高斯牛顿法结合截断奇异值分解的正则化方法,进一步缓解该非线性反演的病态问题,实现单幅RGB图像重建光谱图像。在实验中,采用Munsell以及Munsell+Pantone两个光谱训练集学习光谱字典,同时利用CAVE和UEA光谱图像库进行光谱重建测试。该方法测试结果与现有方法比较发现,该方法在不同光谱训练集下重建CAVE和UEA两库光谱图像的均方根差的平均值最低,分别为0.212 4, 0.255 4, 0.229 4和0.294 9,均方根差的标准偏差接近最好方法的效果,分别为0.068 5, 0.084 7, 0.066 8和0.087 0。此结果表明该方法针对单幅RGB图像重建光谱图像在重建精度和稳定性上均存在优势。     

双细胞光声信号的有限元分析

为了分析两个相同的细胞在不同距离下光声信号的特性,对细胞及环境进行了有限元分析。创建了不同距离的双细胞模型和相同环境下的单细胞模型,通过双细胞模型,得到了主体细胞在受到不同距离的另一个细胞的影响下,其不同角度的频域声压级曲线。通过单细胞模型,得到了单个细胞未受到影响时,其不同角度的频域声压级曲线。将主体细胞与单细胞频域声压级曲线进行相似度比较。结果表明,在受到不同距离的细胞影响下,主体细胞各角度的频域声压级曲线,存在与单细胞相似度极高的曲线,且距离为26.6微米时,相似度最高。这项研究表明,在两个双凹形红细胞距离适当时,细胞间的光声信号相互影响最小。     

光声信号的双谱分析方法研究

基于光声效应的光声光谱技术是光学与声学的有机结合, 可利用不同波长的入射光波, 产生不同的光声信号, 从而为组分识别、组织无损检测等提供高对比度图像, 是一种极具潜力的新型医学诊断技术.但光声光谱检测技术由于受检测方法的制约, 往往扫描时间较长, 而且信号的稳定性和图像识别的准确性也较差. 为了弥补单一光声光谱分析的局限性, 根据光声效应原理和振动理论, 提出了一种光声光谱与光声频谱相结合的双谱分析方法. 该方法通过光声频域信息的定量分析, 可以有效地提高不同组织的光声图像对比度, 从而提高光声成像的组分识别能力, 为光声频谱功能成像奠定理论基础. 实验结果显示, 光声光谱与光声频谱相结合的双谱分析方法可以较好地识别实验组织样品, 可实现高速、高分辨率的组分识别、组织探伤等, 具有广泛的应用前景和重要的临床诊断意义. 关键词： 光声成像 光声光谱分析 光声频谱分析     

基于稀疏优化的烟羽断层重建方法

烟羽断层重建一般使用两台光谱仪采集数据,属于典型的不完全角度重建.为了提高重建结果的稳定性和接近度,将压缩感知理论引入气体分布重建领域.提出了一种新的计算机层析算法——低三阶导数全变分法,用于重建电厂烟囱排放的SO_2截面的二维分布.使用低三阶导数模型模拟气体扩散,认为气体浓度对位置的三阶导数是稀疏的.将重建图像的全变分作为目标函数,并通过数值最优化方法求得气体浓度分布的最优解.数值模拟的结果表明,与传统的低三阶导数法相比,低三阶导数全变分法将接近度提高了80%以上.外场实验表明,重建图像的一致性相关因子达0.9023.低三阶导数全变分法能有效消除测量误差对图像重建的影响,提高重建图像的质量.