基于图像块匹配约束的弥散磁共振成像

目的:改善高加速倍数下弥散加权成像的图像重建质量,从而实现加速采集。方法:利用图像块匹配的方法提取弥散图像内相似的图像块,进行低秩特性约束和稀疏约束,随后将其与传统的敏感度编码(SENSE)并行重建算法相结合来改善图像重建质量,降低图像噪声。实验采集两组人体数据,分别比较3倍加速和4倍加速下传统的SENSE重建、基于总变分约束的SENSE(SENSE-TV)重建以及本文方法的重建效果,定量分析弥散图像以及各向异性分数(FA)图与全采样的参考图像的误差。结果:在3倍加速和4倍加速采集下,本文方法均比传统的SENSE、SENSE-TV方法重建的弥散图像质量更好,定量分析的参数FA值更精确,误差更低。结论:利用图像内相似性图像块的低秩特性和稀疏特性约束图像重建,有望实现高加速倍数下的高质量成像。

联合多尺度块匹配的非局部均值去噪算法

针对非局部均值(Non-Local Means,NLM)图像去噪算法易产生伪影与平滑细节的问题,提出一种联合多尺度图像块匹配的像素相似性测度,提高NLM算法去噪性能。首先,研究与分析了加权欧氏距离与欧氏距离两种相似性度量以及图像块尺寸设置对NLM算法的影响。其次,通过引入图像特征信息并利用K-means聚类方法将图像划分为平坦区域和包含边缘与纹理的结构区域,对每个类别中的像素点,联合两种尺度图像块匹配计算像素的平滑权重。最后,优化了算法的滤波参数。实验结果表明,提出的算法在噪声去除与细节保持方面明显优于经典的NLM算法,相比其他改进的NLM算法也有优势。

基于改进三维块匹配滤波的图像去噪算法

为了有效滤除樱桃图像在获取过程中混杂的不同噪声,保障图像识别与机器自动采摘时良好的图像信息质量,提出一种改进三维块匹配滤波(block-matching and 3D filtering, BM3D)的图像去噪方法.首先,在三维块匹配滤波的基础估计阶段构建自适应中值滤波处理器,滤除图像中部分椒盐噪声,并改进优化硬阈值、滑窗步长及三维硬阈值等关键参数快速滤除高斯噪声;其次,在基础估计阶段与最终估计阶段之间引入中值滤波,最大限度地去除图像中剩余的混合噪声;最后,通过仿真实验验证所提算法的有效性,并对比分析改进前后算法的归一化均方误差、峰值信噪比、信噪比改善因子及结构相似性等性能.结果表明,改进的BM3D方法在保持好樱桃图像细节信息的同时,能有效去除高斯噪声和滤除大概率椒盐噪声,且随混合噪声干扰的增强,所提算法的去噪性能更佳且优于其他滤波方法.

结合人工结构引导和图像块匹配的萌坑村清代壁画修复

为萌坑村清代建筑壁画相关研究提供更为清晰的壁画图像信息,并为相似受损壁画的修复方法提供参考,提出一种融合人工引导和稀疏图像块模型算法的壁画数字化修复方法。从图像信息损失区域、损失程度与已知信息3个方面,对萌坑村清代建筑壁画的损伤现状与类型进行分析。针对壁画结构和内容缺失问题,通过加入人工结构引导的方式以明确修复区域边界。在人工结构引导下,基于图像块与稀疏表示模型算法实现损坏壁画区域的修复。萌坑村M-H-002壁画修复结果表明,所提出方法修复效果更为准确,视觉效果更佳,且在峰值信噪比和结构相似性方面,相较于传统的CDD(Curvature-Driven Diffusion)和Criminisi更优。

基于遮挡优化的金字塔块匹配光流估计方法

针对现有光流计算方法在大位移和运动遮挡等场景下光流估计的准确性与鲁棒性问题,提出一种基于遮挡优化的金字塔块匹配光流估计方法.首先利用金字塔块匹配模型得到初始匹配运动场,构造遮挡检测模型优化匹配运动场,去除初始匹配运动场包含的误匹配点以获取鲁棒稀疏运动场;然后设计边缘约束的鲁棒插值算法获取稠密光流场,并构建全局能量泛函解决局部最优问题,得到最终的鲁棒稠密光流场.最后分别利用Middlebury、MPI-Sintel和KITTI数据集提供的测试图像序列对本文方法和具有代表性的变分光流估计方法、匹配插值光流估计方法、卷积神经网络光流估计方法进行对比分析.实验结果表明本文方法对大位移和运动遮挡场景光流估计的准确性与鲁棒性具有明显的提升效果.

层间约束下三维块匹配的双能CT多成分分解

双能CT利用两组不同能谱下的衰减信息,准确分割两种基材料。在实际应用中,物体内部材料结构复杂、组分多元化,想了解其内部结构信息往往需要获取三种及三种以上基材料图像。常规CT是连续混合谱束,获取的投影信息与单能重建算法不匹配,重建图像中各基材料的衰减系数存在误差。由于工业领域材料的密度普遍较大,所以重建图像中基材料的噪声更严重,影响各组分表征准确度,尤其对于衰减系数接近的材料区分难度更大。为实现双能数据分解得到多幅高质量基图像,除了重建图像本身存在的噪声影响外,材料分解模型中系数矩阵的选取也十分重要。然而重建图像中的衰减系数值与理论衰减系数值存在偏差,重建图像中密度接近的不同材料的衰减系数相近甚至相等,导致待分解像素的材料三元组选取错误,降低了材料分解精确度。因此,提出一种在层间约束下的三维块匹配多成分分解方法。该方法引入有质量体积守恒和每个像素至多包含三类材料约束的多材料分解模型,将三维结构相似性信息加入到像素材料成分选取中,利用三维结构信息进行约束求解达到降低噪声污染的目的,获取大致分解的初始基图像;再利用三维块匹配方法对初始基图像进行匹配,对各基材料图像进行三维特征约束分类,分类后选取含有该类基材料的最优材料成分三元组进行多材料分解,得到更准确的组分表征图。金属纯模体和花岗岩两组实验中,与已有方法的结果图进行对比,层间约束下三维块匹配分解方法对衰减系数接近的工业材料的识别更准确,各组分表征图结构更完整,图像质量更好,细节处理也更精确。金属纯模体实验中的定量分析表明,相比已有方法,该方法的PSNR值和SSIM值分别提高了5%~6%和31%~35%。验证了该算法的有效性和鲁棒性,在常规CT系统下实现了更精确的多成分分解。

决策中值滤波联合三维块匹配的遥感影像去噪

针对遥感影像高密度脉冲混合噪声去噪的问题,提出一种高效决策中值滤波算法(efficient decision-based algorithm, EDBA)和三维块匹配算法(block-matching and 3D filtering, BM3D)相结合的混合噪声去除方法。通过EDBA算法对原始噪声图像进行预处理,快速有效地解决原始影像中高密度脉冲去噪的问题,并利用BM3D算法消除影像中高斯白噪声的干扰。实验以峰值信噪比(peak signal to noise ratio, PSNR)和结构相似度(structural similarity, SSIM)作为评价指标,与非局部均值滤波算法(non-local mean, NLM)、BM3D算法、自适应中值滤波器(adaptive median filter, AMF)-BM3D算法进行对比分析。实验结果表明:随着噪声密度的增加,具有更好效果。如在脉冲噪声密度为0.01情况下,该方法PSNR相较BM3D提高2.5~3 dB,SSIM提高约6%。整体上,新方法的遥感影像高密度脉冲混合噪声的去噪效果优于传统单一去噪算法和同类型混合算法,在遥感影像混合噪声的去除上,具有一定的应用价值。

基于改进三维块匹配滤波的红外全息降噪算法

红外全息技术更适用于长距离的大视场成像,但其散斑噪声与高斯噪声对图像质量的影响也更加显著,限制了红外全息技术的应用与推广。本文通过引入全局傅立叶阈值与自适应维纳滤波的方法对三维块匹配滤波算法进行优化,提高了其对红外全息图像降噪的适应性与细节保留,得到改进的三维块匹配滤波算法,并与多种采用传统滤波方法的结果进行了对比。结果表明,改进后的算法可以在对红外全息图像中的高斯噪声等环境噪声与散斑噪声进行降噪的同时保留更多细节,是一种更加适用于红外全息图像的降噪方法。

太赫兹成像三维块匹配自适应Canny边缘检测算法

针对传统Canny算子在滤波时会模糊边缘且需要人工设置高低阈值的缺点,提出了一种基于三维块匹配的改进自适应阈值Canny边缘检测算法,并用于太赫兹三维层析成像。该算法一方面对滤波方法进行了改进,用三维块匹配(BM3D)滤波算法结合引导滤波算法代替高斯滤波算法以减少图像边缘信息的丢失;另一方面,针对传统人工设定阈值的不确定性,将梯度图进行块匹配后对三维图像块组使用最大类间方差法(OTSU)以自适应确定高低阈值。最后利用该算法对含有噪声的图像进行边缘检测处理,发现在高斯噪声方差为20时滤波后的峰值信噪比(PSNR)从22.202提升至27.151,验证了该算法去除噪声的有效性。三维块匹配改进自适应阈值Canny边缘检测算法(BM-OTSU-Canny)减少了错误边缘的数量,同时保留了连接性较好的边缘点,改善了边缘细节信息的提取效果。

基于GMS和块匹配的运动估计特征匹配算法研究

针对运动估计中传统特征匹配算法存在匹配时效性差、精度不高等问题,提出一种基于块匹配搜索的改进网格运动统计算法.首先提取ORB特征点并将图像划分网格;然后计算网格内各特征点的运动平滑约束度,并以此作为准则确保匹配精度;最后采用块匹配菱形搜索算法进行特征匹配筛选以提高匹配速度.仿真试验结果表明:相较于随机抽样一致算法,特征点保持数量为500时匹配效率提升24.6%,匹配速度提高42.9%;与ORB-SLAM2算法相结合用于连续运动估计时,单帧耗时0.13 s,实时性较好.

基于块匹配学习字典的图像去噪算法

文章提出基于块匹配学习字典的电力图像去噪算法。该算法将图像块间的相关性与稀疏表示相结合用于图像去噪。首先对图像块进行聚类,将相似的图像块分为一类,其次通过稀疏编码和字典学习建立每一类图像块的表示字典,以提高学习字典对于图像的表征能力,通过最小化块匹配去噪目标实现了图像去噪,最后对比各种去噪算法在不同噪音水平下对电力设备图像的去噪效果。实验结果表明,所提出算法在不同噪音水平下,均表现出较好的去噪性能,峰值信噪比(Peak Signal to Noise Ratio,PSNR)和结构相似度(Structural Similarity,SSIM)高于传统去噪算法。

块匹配三维协同滤波算法(BM3D)在探地雷达图像去噪的应用

采用探地雷达设备进行地下缺陷探测的过程中会产生大量的探地雷达图像,在使用人工智能算法进行地下病害体识别的研究中,输入的探地雷达图像的品质决定了人工智能识别成果的准确性。本文采用块匹配三维协同滤波算法(BM3D)对探地雷达图像进行预处理,压制噪声、干扰,提高地下病害体图像的信噪比,突出病害体的图像特征,为人工智能算法识别病害体图像特征提供高质量训练图像。

基于SIMD- MCC的图象块匹配并行算法

图像块匹配操作是图像处理中很多基于窗口任务的典型操作之一。文章提出了一种在 SIMD－ MCC计算机上实现的全搜索图像块匹配的并行算法，此算法对实时图中的每一个参考块和参考图中搜索区中的候选块进行比较，以确定一个最小的位移矢量。这个位移矢量所对应的位置就是匹配位置。该算法计算复杂度为 O(log2N)。

联合块匹配与稀疏表示的卫星云图修复

针对卫星云图在接收及传输过程中受噪声、大气湍流、太阳风暴及卫星轨道漂移等影响造成的云图数据破损,提出了一种联合块匹配与稀疏表示的卫星云图修复方法。首先,根据破损区域的优先权值确定待修复像素,对该像素的邻域进行分块处理。然后,利用待修复块与各匹配块之间的结构相似度,建立相应的冗余字典;通过求解稀疏表示问题修复该破损区域。最后,沿着等照度线不断更新优先权值,实现整幅图像的修复。实验结果表明,提出的方法不仅能避免传统偏微分方程(PDE)修复法所导致的结构丢失,也能很好地改善基于纹理填充修复方法所导致的修复不足及块效应现象。测试结果显示:在云图存在局部区域缺失时,修复后云图的峰值信噪比(PSNR)比匹配追踪法及总变分法的修复结果平均提高了8.50dB和0.28dB,而且在纹理细节及边缘区域具有更好的视觉效果。

一种用于视频超分辨率重建的块匹配图像配准方法

图像配准是超分辨率重建中的一个关键问题,直接影响超分辨率重建图像的质量.本文在自适应十字搜索(Adaptive rood pattern search,ARPS)块匹配算法的基础上,根据小波域中各图像之间的相关性,提出一种分层块匹配算法-基于小波变换的改进的自适应十字模式搜索算法(Improved adaptive rood pattern search algorithm based on wavelet transform,W-IARPS),该方法在小波变换域完成匹配宏块的搜索,有效地减少了匹配点的搜索个数,且配准图像的峰值信噪比相比全搜索算法下降不到0.ldB,保持了较高的配准精度.最后采用凸集投影(Projections onto convex sets,POCS)算法对配准后的图像进行超分辨率重建,取得了较好的视觉效果.实验结果表明,该方法具有较高的配准精度和重建效果,算法稳健可靠.

采用结构自适应块匹配的非局部均值去噪算法

该文提出一种具有图像结构自适应性的非局部均值去噪算法。通过采用图像块间的多尺度匹配来描述图像中局部结构的相似性,增强非局部均值算法对复杂结构特征的辨别能力,实现去噪性能的提高。算法首先引入变差系数(CV)特征并提出CV-Kmeans区域分类算法,将图像划分为包含边缘及纹理的结构区域和平坦区域;在结构区域进一步根据不同尺度下图像块间的平均欧氏距离来自适应选择块尺寸;在此基础上获得新的非局部均值算法,用以去除图像噪声。实验结果表明,相比经典的非局部均值算法,基于块间概率相似性的改进型非局部均值算法以及基于区域自适应的非局部均值去噪算法提出的新算法提高了去噪性能,尤其是在纹理图像的去噪上具有明显优势。

基于双域滤波的三维块匹配视频去噪算法

将双域滤波和三维块匹配算法相结合,充分利用了视频序列的时空频域的相关性,进行视频去噪。将三维块匹配视频去噪算法中小波阈值去噪得到的图像替换原引导图像,抑制了双域滤波算法基本层不平滑的问题。参考残差矩阵的能量谱对短时傅里叶变换系数进行阈值收缩,减少细节层的噪声残留。实验结果表明,本算法有效地解决了双域滤波算法的基本层不平滑、细节层有噪声残留的问题,主观和客观对比也表明,本算法有着较为优秀的去噪效果。

基于矩阵相似度的最佳样本块匹配算法及其在图像修复中的应用

在基于纹理合成的图像修复算法中,最佳样本块匹配算法存在匹配精度不高和时间复杂度高等问题。针对上述问题,首先构造了块匹配算法,采用矩阵相似度来计算模板块与样本块之间的匹配度,以相对较粗的粒度初步选出最佳样本块的候选集。然后,又构造了像素点匹配算法,采用模板块与候选最佳样本块之间的误差矩阵的内积来计算对应像素点之间的匹配度,以更细的粒度来确定最终的最佳样本块。块匹配算法降低了时间复杂度,像素点匹配算法提高了匹配精度,因此,在此基础上构造的基于相似矩阵的最佳样本块匹配算法能够在不增加时间复杂度的情况下提高算法的匹配精度。实例验证结果表明,与当前基于纹理的图像修复算法相比,该算法的匹配精度提高,时间复杂度降低。

用于块匹配运动估值的正方形-菱形搜索算法

运动估值在视频图像编码中占有重要地位 ,该文首先研究了运动估值中的经典搜索算法并重点分析了菱形 (DS)算法 ;然后设计了一种新的综合模板 (SDP) ,它体现了粗定位和准确定位并行处理的思想 ,在此基础上提出了一种新的用于块匹配的运动估值搜索算法——正方形 -菱形搜索 (SDS)算法 .最后通过实验验证了该算法的有效性 .

一种用于动态视频超分辨率的多尺度最小二乘仿射块匹配图像配准方法

动态视频的超分辨率复原中,连续各帧图像间的精确匹配具有非常重要的意义。该文提出一种基于多尺度最小二乘仿射块匹配的图像配准方法。首先定义了一个指标Dmv来衡量图像的整体和局部匹配效果,并以此为基础设计了一种多尺度块选择机制,根据图像的运动情况选择匹配块大小,以兼顾图像中运动平坦和非平坦区域的匹配效果。与传统的块匹配方法不同,该文采用基于仿射模型的最小二乘配准方法实现各图像块的匹配,并通过修正步长的归一化处理解决了不同大小图像块在匹配时的收敛问题,从而在提高参数估计精度的同时降低了算法的运算量。最后,通过实验对算法的匹配性能及其对超分辨率复原算法整体性能的影响进行了测试。实验结果表明,该方法不仅可以实现更为准确的运动估计,当用于最大后验概率MAP超分辨率复原算法时,能够进一步有效提高算法的复原性能和实现速度。