基于先验信息约束的Curvelet域地震数据POCS插值方法

由于野外采集环境的限制,常常无法采集得到完整规则的野外地震数据,为后续地震处理、解释工作的顺利进行,需要进行地震数据重构。凸集投影(POCS)方法利用地震波形在Curvelet域的稀疏特性,可以重构出高信噪比地震数据,该迭代算法稳定,其收敛速度较快。但在地震数据恢复的时候,由于直达波和炮集上部空白区域的影响,随着迭代的进行,重构数据中噪声干扰越来越严重,导致最终恢复的地震数据信噪比较低。本文在实现POCS迭代阈值算法基础上,引入先验信息约束的思想对算法进行优化。通过先进行坐标映射的方法进行炮集插值,然后将其作为先验信息约束进行插值,可以有效地压制迭代噪音对重构地震波形数据的影响。通过合成地震炮记录与实际炮集进行测试,结果表明本文提出的改进方法可以明显改善重构地震数据的信噪比,并提高地震波场同相轴的连续性。

POCS联合改进的Jitter采样理论曲波域地震数据重建

由于采集条件的限制及后续处理中废炮废道的剔除,使得地震数据成为不完整数据体,这将影响后续地震资料的处理及反演,因此有必要进行地震数据重建。本文结合曲波变换和凸集投影(POCS)方法对不规则地震数据进行重建:对比分析不同阈值模型对二维地震数据重建结果及收敛速度的影响,采用改进的指数阈值模型(q=0.5)和改进的Jitter欠采样方法在频率域对每一有效频率切片进行二维重建,最终实现三维地震数据重建,并有效地提高了计算效率。在迭代过程中,定义了新的误差函数公式,从而在保证重建质量的同时有效地结束迭代,再次提高了计算效率。模拟数据分析和实际数据处理结果均验证了方法的有效性。

基于Curvelet变换与POCS方法的三维数字岩心重建

随着页岩气勘探与开发的深入,研究页岩裂隙的三维空间展布成为页岩岩石物理研究的必要步骤之一.但由于仪器的限制,页岩切片在深度上具有不连续性,以及数字岩心纵向上成像最小间隔与横向分辨率的不一致成为影响裂隙表征和数字岩石物理模拟精度提高的重要因素.为了更好的研究裂隙在三维的空间展布,本文将curvelet稀疏变换与凸集投影(POCS)迭代算法有效结合,实现三维数字岩心重建.首先对X射线扫描砂岩得到的三维数据体进行隔片抽稀,利用本文方法实现三维数据体重建,重建结果与完整数据体具有很好的一致性,且优于现有方法(spgl1),验证了新方法的有效性与先进性.其次对聚焦离子束扫描电镜(FIB-SEM)得到的纳米级页岩二维切片在深度上进行了加密重建,获得纵向上成像最小间隔与横向分辨率基本一致的三维数字岩心,由于仪器限制引起的页岩切片深度上的不连续性得到减弱,裂隙展布更加清晰.砂岩CT图像以及页岩FIB-SEM成像数据的重建结果验证了本文方法的有效性与先进性.

基于POCS框架的时空联合自适应视频超分辨率重建算法

针对传统POCS(projection onto convex sets)算法的局限性,提出了一种基于POCS框架的时空联合自适应视频超分辨率重建算法。通过引入时空联合自适应机制,算法有效地减缓了错误运动估计信息对重建图像质量的影响,克服了传统POCS算法对目标运动剧烈的视频序列重建时存在的噪声放大效应。实验结果表明,该算法有效地缓解了噪声放大,重建图像主观质量得到了增强,提高了信噪比。

基于投影修正和POCS的图像超分辨率重建

针对超分辨重建技术中传统POCS图像重建算法存在的Gibbs效应问题,提出一种采用投影修正机制抑制Gibbs效应的图像超分辨率重建算法.首先针对初始图像采用方向差分方法获得图像的边缘约束算子;随后在每一次的迭代重建过程中,结合前后重建结果的差值和边缘约束算子设计投影修正算子,并对残差阈值和点扩散函数分别进行修正,从而获得修正后的数据一致性投影过程;最后利用修正的投影过程获得最终重建图像.试验结果表明:改进算法具有较好的峰值信噪比,并且有效抑制了Gibbs效应,具有较好的应用前景.

基于keren改进配准算法的POCS超分辨率重建

详细介绍了keren亚象素配准算法及其不足,提出了keren算法及其迭代算法的改进算法。该算法基于简化的四参数仿射变换模型而不是传统的刚体变换模型,成功地避免了keren算法因为角度的泰勒级数展开所带来的误差,大大地提高了配准精度。实验仿真结果表明该算法与keren迭代算法相比角度绝对误差显著的降低;平移参数在15°的大角度旋转情况下获得了0.1个象素以下的绝对误差精度,在小角度的情况下获得了0.01个象素以下的绝对误差精度,最后采用POCS方法进行序列图像的高分辨率重建,实验仿真结果表明基于改进配准算法的POCS重建具有良好的配准精度和超分辨率重建效果。

一种基于凸集投影(POCS)的数字图像超分辨率重建算法

该文研究了一种基于凸集投影(POCS)算法的超分辨率图像重建方法,分析了POCS方法恢复图像的理论算法,通过仿真对比了其与双线性插值方法恢复超分辨率图像的差异,仿真结果表明,该方法明显地提高了超分辨率图像的恢复质量。

具有边缘保持特性的POCS超分辨率图像重建方法

为解决利用经典的POCS(Projection onto Convex Set)算法进行图像重建时所产生的边缘模糊问题,提出了具有边缘保持特性的POCS超分辨率重建算法。根据待插值点的邻域特征判断该点所在区域是边缘区域还是非边缘区域,利用改进的双线性插值算法构建参考帧,减小了传统算法重建后图像边缘的模糊现象。结果表明,该方法能得到具有较好边缘质量的高分辨率重建图像。

序列图像的POCS超分辨率重建方法

为了有效地执行超分辨率算法,使其改善高分辨率图像的边缘质量,根据POCS算法的原理,给出了模拟-修正迭代超分辨率图像重建方法和具体实现步骤.针对重建的高分辨率图像中产生的边缘Gibbs现象,提出了一种抑制方法,该方法将中心在边缘像素的PSF与一个指数型权值函数相乘,使得修改的PSF系数沿着边缘正交的方向减小.利用模拟序列和实际序列对改进的POCS算法的有效性进行了验证.结果表明:该方法简单易行,能有效地保持边缘的特性,达到提高图像质量的目的.

基于加权POCS的图像超分辨率重建

对凸集投影(POCS)图像超分辨率重建算法中的残差修复阈值选取问题进行分析,提出一种基于图像超分辨率重建的改进算法。改变传统POCS算法中固定残差修复阈值模式,通过引入低分辨率图像清晰度这一先验信息,用表征图像相对清晰度的参数控制阈值,从而实现整个重建过程阈值动态选取。实验结果证明,该算法能提高残差计算和阈值选取的针对性,对提升重建图像的清晰度及信噪比具有较好的效果。

基于曲波域凸集投影算法的缺失GPR信号高精度重建

受采集环境和仪器性能的影响,实测探地雷达(GPR)剖面中不可避免会出现部分信号缺失和坏道现象,易造成目标体产生的反射波和绕射波同相轴不连续,严重降低后续处理与成像精度和分辨率。为此,将图像处理中广泛应用的凸集投影(POCS)算法与具有良好稀疏特性的曲波变换相结合,提出了一种基于曲波域POCS算法的缺失GPR信号高精度重建方法。从压缩感知理论出发,建立了离散曲波变换基下缺失信号重建的目标函数,并采用POCS算法详细推导了缺失GPR信号重建的时间域迭代公式。其中,线性和指数迭代阈值模型用于更新曲波变换系数,从而高精度重建时间域缺失信号;平均绝对误差、信噪比、峰值信噪比用于定量评价GPR信号重建精度。模拟与实测GPR信号的重建试验表明:POCS算法可有效重建GPR剖面中的缺失信号;与线性阈值模型的POCS算法相比,指数阈值模型的POCS算法重建精度更高;与指数阈值模型的频率域POCS算法相比,指数阈值模型的曲波域POCS算法用于重建GPR剖面中连续多道缺失信号的误差更小、纵向伪影能量更弱,且对复杂GPR结构模型的缺失信号重建具有较强的适用性;与线性和指数阈值模型的频率域POCS算法、线性阈值模型的曲波域POCS算法相比,指数阈值模型的曲波域POCS重建方法的重建精度更高、平均绝对误差下降45%~99%、信噪比和峰值信噪比提高1~20 dB,其重建结果可为后续处理与解释提供高质量GPR信号。

基于区域阈值模型的地震信号凸集投影高效重建方法

地震信号重建广泛应用的凸集投影(POCS)算法大都采用线性或指数阈值模型,虽然计算效率高,但由于难以完全消除缺失信号泄露引起的噪声,重建效果不佳。为此,提出了一种基于区域阈值模型的POCS地震信号重建方法,将数值阈值转化为区域阈值,将区域滤波窗口作为阈值进行迭代更新。其核心思想是根据时—空域缺失地震信号的频率—波数(F⁃K)谱分布范围,在每次POCS重建迭代时按照一定规律选取固定大小的矩形或扇形区域作为阈值,将区域内和区域外的变换系数分别保留和置零,以尽可能地保留有效信号的变换系数,构建了地震信号POCS重建的矩形与扇形区域阈值模型。数值试验结果表明:相比于F⁃K域指数阈值模型的POCS重建,F⁃K域区域阈值模型对连续缺失信号的重建精度更高;相比于扇形区域阈值模型,矩形区域阈值模型的重建精度和计算效率均略高;与曲波域指数阈值模型的POCS重建相比,F⁃K域区域阈值模型的重建精度相当,但计算效率提高了约90%。

基于凸集投影(POCS)的车牌图像超分辨率重建研究

针对车牌识别中所拍摄的图像序列存在分辨率较低的问题,提出了利用图像间的互补信息来重建一幅高分辨率图像的方法,以便于车牌图像的识别。通过迭代求解法和高斯金字塔模型,快速精确地估计得到配准参数,采用凸集投影(POCS)算法对图像序列进行了超分辨率重建。实验表明算法具有亚像素级的配准精度和较强的稳健性,重建图像取得了良好的视觉效果。

基于POCS的微扫描超分辨率图像重建算法研究

超分辨率重建,就是从单帧或者序列低分辨率图像中,估计出接近原始高分辨率图像的过程。首先介绍了微扫描超分技术原理,给出了四幅通过微扫描超分相机拍摄的低分辨率图像,之后介绍了基于序列图像重建的超分辨率重建算法POCS(凸集投影法,projections onto convex set,简称POCS),给出了算法的重构图像及细节对比。

基于改进POCS算法的图像重建

利用传统凸集投影(POCS)算法进行图像超分辨率重建时,重建图像的边缘会产生振荡效应。针对该问题,提出一种改进的POCS算法。分析边缘振荡效应产生的原因,根据图像边缘两侧像素差值较大的特点,加权约束中心在边缘像素的点扩散函数,以减少边缘另一侧像素对当前像素的影响。实验结果表明,该算法能消除边缘振荡效应,提高重建图像的峰值信噪比。

组合MKSVD和MPOCS的图像恢复

为获得较高质量的恢复图像,采用一种改进的KSVD(MKSVD)算法对低分辨率(LR)图像进行消噪处理,进一步对消噪结果采用一种改进的POCS(MPOCS)算法进行恢复,得到边缘特征更清晰的恢复图像。MKSVD是一种典型的稀疏字典学习方法,具有自适应消噪特性,可有效减少特征系数的训练时间;MPOCS采用双边滤波器实现POCS算法中点扩散函数(PSF)的估计,较好保持了图像的边缘细节。采用模拟和真实的LR图像进行测试,仿真结果表明了该图像恢复方法的有效性。

基于混合POCS的视频图像超分辨率重建

提出混合凸集投影算法HPOCS对视频图像进行超分辨率重建,利用连续视频图像间的互异信息生成更高分辨率的视频图像。该算法首先采用图像匹配估计视频图像间的运动位移;然后进行基于的APEX盲解卷积,估计点扩散函数和理想视频图像;最后在凸集投影的理论框架下进行图像重建。实验表明,HPOCS重建后,视频图像的分辨率相对于原始图像、双线性内插图像和POCS重建图像明显提高,图像边缘更加清晰,细节信息更加突出。

基于非局部POCS的超分辨率图像重建

图像获取过程中,受成像系统的影响,无法获取原始场景中所有的信息。超分辨率图像重建技术就是在不改变成像系统的前提下,提高图像质量。POCS(凸集投影算法)可以利用多帧低分辨率图像重建一帧高分辨率图像。然而传统的POCS算法通常会产生"锯齿"边缘。在自然图像中,会存在许多的相似边缘结构。利用局部相似性的结构,可以有效地消除"锯齿"边缘。因此提出一种基于非局部POCS的超分辨率图像重建算法,以有效锐化图像边缘,提高图像的视觉感观。

基于改进POCS算法的太赫兹图像超分辨率重建

在太赫兹成像系统中,因衍射极限而导致图像具有较低的空间分辨率。为了提高图像的分辨率,提出了一种改进的凸集投影(POCS)算法。采用新的边缘指导插值(NEDI)算法获取初始图像;采用对中心像素在边缘的模板系数加权的方式优化点扩散函数,并且加权值能随边缘与水平方向夹角的改变而自适应调整。利用太赫兹扫描成像系统生成0.5 THz图像进行算法验证。实验结果表明:该算法重建后图像峰值信噪比较传统POCS算法提升1.02 dB,验证了改进算法的有效性。

地震数据POCS插值重建中的一种新型质量控制准则

大多数地震数据插值重建方法利用的是迭代策略,因此,有必要建立合理的质量控制准则来适时终止迭代,在保证插值精度的同时,提高计算效率。利用迭代硬阈值方法及投影算子推导出凸集投影方法(POCS),基于观测数据置入前、后的数据体建立了新的质量控制准则,该控制准则仅利用了观测数据的信息,具有较好的适应性,可以进一步提高POCS插值重建方法的计算效率。利用两套模拟数据详细比较了3种质量控制准则(J1,J2和J3)的应用效果,验证了新提出的质量控制准则的有效性。实际资料应用效果表明该准则可以在保证插值精度的同时提高计算效率。