一种改进的基于全变差范数图像融合方法

针对基于全变差范数图像融合方法在多聚焦图像融合中产生分块效应的缺陷,提出将区域的特征表示与主成分分析思想相结合的改进算法,解决了单独块变换造成的图像分块效应问题.实验结果表明,改进算法能有效地消除分块效应,且针对含噪图像,其融合效果明显优于离散小波方法.

基于弱选择正则化正交匹配追踪的图像重构算法

正则化正交匹配追踪算法由于重构效率高在信号重构中得到广泛应用,然而该算法需要以信号稀疏度为先验条件,若稀疏度水平估计不合适会造成重构结果不稳定.针对该问题,提出了一种基于弱选择正则化的正交匹配追踪算法.该算法可以实现在信号稀疏度未知的条件下,根据弱选择标准对算法中每次迭代产生的余量与观测矩阵之间的相关性进行判定,并且自适应地确定表示原信号的原子数目和原子候选集,进而通过正则化原则从候选集中快速有效地挑选出完成信号重构的最优原子组.数值实验表明,所提出算法和其它贪婪算法相比较,峰值信噪比提高0.5～1.5dB,最小均方差也明显降低,图像信号重构效果优于其它同类算法.

改进的小波变换子空间匹配追踪图像重构

为提升压缩感知信号重构效果,提出一种改进的小波变换子空间匹配追踪图像重构。根据图像信号小波变换后各子带系数的不同特性,保留小波变换低频子带系数,滤除、筛选高频子带系数,从而更有效地提取小波变换后图像的显著信息。然后基于压缩感知理论对处理后的高频子带系数进行随机观测,并结合子空间匹配追踪算法完成恢复计算,最后与低频子带系数结合实现图像的重构。仿真实验验证了该算法可以有效地提高图像信号的重构效果。

改进的频域内亚像素级旋转角估计方法

亚像素级配准是超分辨率重构的前提,其中旋转角估计的准确程度对重构效果有直接影响。针对传统的频域内旋转角估计在小角度估计不精确的缺点,提出了用部分幅值进行配准的改进算法。实验结果表明,改进算法对小角度旋转角估计比传统算法效果好。

一种快速的超分辨率图像重构算法

基于稀疏表示的超分辨率(SR)图像重构算法需要求解l1范数优化问题,时间效率不高。本文在该方法的基础上加入平移不变性约束条件,并且考虑到稀疏参数对重构结果影响不大,对重构算法进行简化,避免了求解复杂的l1范数优化问题,实现了一种快速的图像SR重构。数值实验结果表明,本文算法具有更高的时间效率。