一种基于压缩感知全变差算法的图像去噪方法

压缩感知技术突破了奈奎斯特准则的局限性,在图像处理方面有着广泛的应用。提出一种改进的基于压缩感知的图像去噪方法。该方法中,对混有噪声的图像首先进行稀疏变换,然后对变换后的部分系数采用测量矩阵进行测量,最后通过全变差(TV)重建算法进行图像重建。仿真结果证实全变差重建算法在图像去噪中优于其他压缩感知重建算法,可以有效地去除图像中混有的噪声,实现图像的良好去噪。

基于全变差重构算法的数字全息研究

为了消除传统算法对数字全息重构过程中会出现0级像、共轭像干扰的问题,将压缩感知理论与数字全息图再现相结合,提出了基于全变差的两步迭代收缩阈值重构算法(TwIST),并应用于数字全息图压缩感知全息图重建。TwIST算法根据重构成分的特点增加正则约束,对相应的形态进行调整,在满足全变差最小的特性的基础上进行重构,提高了重构全息图的质量。结果表明,TwIST算法可以对数字全息图稀疏重建,利用35%的部分全息图数据进行图像重构,重构图像峰值信噪比为36.46dB,且没有0级像和共轭像等干扰。该研究结果对实现计算全息的实时性具有重要的意义。

倒谱和快速全变差去卷积的运动模糊图像复原

物体和成像系统之间的相对运动导致图像产生运动模糊,降低了图像质量,为了获得更加理想的复原图像,提出一种基于倒谱和快速全变差去卷积相结合的运动模糊图像复原算法。利用倒谱法对运动模糊图像的点扩散函数参数(模糊角度和模糊尺度)进行辩识,采用快速全变差去卷积法对模糊图像进行复原,采用多幅图像进行仿真实验测试算法的性能。仿真结果表明,相对于经典图像复原算法,该算法复原图像的主观视觉效果以及客观评价指标均更优,具有一定的实际利用价值。

基于线阵列探测器的多角度平行投影数据及其图像重建算法

针对工业断层CT进行三维结构成像的应用需求,提出了由多角度的平行投影数据重建三维CT图像的TV-ART迭代算法的新实现方法,其中将Chambolle方法推广至三维情形并用于求解CT图像全变差(TV)最小。使用该方法进行TV求解的重建图像的质量优于基于最速下降法或共轭梯度法的TV-ART迭代算法。此外,该方法具有高度并行性,适合在GPU,FPGA等高速并行计算硬件上实现,从而可以大幅提高图像重建速度。在扫描时间相同的情况下,该方法重建的三维CT图像质量优于已有方法,特别是显著提高了CT图像的轴向分辨率。

基于匹配追踪算法的乳腺X影像的压缩感知重构

大规模乳腺普查产生海量的乳腺X影像数据,为了数据存储和传输需要对乳腺X影像进行高质量高效率的压缩。在保证重构图像绝不影响诊断结果的前提下,本文提出基于多级感兴趣区域(Region of Interest ROI)和压缩感知技术采集数据对乳腺X影像进行高效的压缩,并利用全变差算法精确重构原始影像。

基于变采样率压缩感知的视频压缩研究

业界分块视频压缩感知通常对所有图像块均采用相同的测量矩阵进行测量,这种方式未考虑到视频中不同区域的变化程度不同的事实。在视频帧间相关性的基础上提出一种自适应分配采样率的方法,即在编码端根据图像块的帧间相关性大小分类并分配不同的采样率;在解码端使用全变差算法以充分利用帧间相关性。为减小网络环境影响,此算法不区分参考帧与非参考帧,并对每一帧作相同处理。实验结果表明,该方法能够在较低采样率下重构出较高质量的视频图像,并且缩短计算时间。

TWO-LAYERED IMAGE COMPRESSION USING 2G BANDELETS AND WAVELETS

An image can be decomposed into the structural component and the geometric texturalcomponent.Based on this idea,an efficient two-layered compressing algorithm is proposed,which uses2nd generation bandelets and wavelets.First,an original image is decomposed into the structuralcomponent and the textural component,and then these two components are compressed using waveletsand 2nd generation bandelets respectively.Numerical tests show that the proposed method worksbetter than the bandelets and JPEG2000 in some specific SAR scene.

平滑约束的OSEM代数重建算法

有序子集期望最大化(OSEM)迭代算法是近年来发展较快的一种迭代类算法。但该算法在迭代过程中容易产生条纹状伪影、金属伪影或者散射伪影。构造了平滑约束矩阵作为先验信息引入到重建迭代过程,建立了一种平滑约束OSEM(SC-OSEM)迭代重建算法。分别将中值滤波、全变差最小(TVM)方法作为平滑约束条件,通过数值模拟,针对不完备理想投影数据、含金属不完备投影数据、含噪声不完备投影数据三种情况,重建出了与原始模型一致性较好的计算机层析成像技术(CT)图像,比单独OSEM迭代算法重建质量高,并且发现中值滤波约束重建图像的整体噪声较小,TVM算法使金属边界更清晰,表明SC-OSEM迭代重建算法是一种精度高、适应性较强的CT重建算法。