WBCT与变分正则化方法的医学图像去噪

在分析几种变分正则化去噪模型的基础上,改进了变分正则化去噪模型,它是各向异性扩散的,去噪效果好,但计算量较大。由于WBCT的阈值法去噪速度快,本文提出了混合去噪方法,充分利用两种方法的优点,先对噪声图像做WBCT,高频子带用WBCT的阈值法去噪,对低频子带用改进的变分正则法去噪,然后用WBCT逆变换重建图像。实验结果表明:这种混合去噪方法比单独用WBCT阈值去噪效果好,计算时间比单独使用正则化方法少,因此混合去噪方法的综合性能最好。

联合稀疏表示和总变分正则化的超分辨率重建方法

为提高基于稀疏表示的图像超分辨率重建的质量,该文提出了联合稀疏表示与总变分正则化的超分辨率重建算法。首先,在字典训练阶段,从具有相似统计特征的训练图片中获取图像块,作为训练字典的样本,并用K-SVD算法进行字典训练,得到高、低分辨率的字典。在稀疏编码阶段,根据局部稀疏编码模型求解出低分辨图像的稀疏表示系数,再利用稀疏表示系数和高分辨率字典对输入低分辨率图像进行重建,得到高分辨率图像。最后,将重建得到的高分辨率图像进行总变分正则化优化,进一步提高重建效果。仿真实验结果表明,该算法在客观评价指标和主观视觉效果上,图像质量都有明显提高。

基于高维全变分正则化的鲁棒低剂量CT心肌灌注去卷积方法

目的研发一种基于高维全变分(high dimension total variation,HDTV)先验的CT心肌灌注(computed tomography myocardial perfusion,CT-MP)去卷积方法。方法首先对低剂量CT-MP数据进行灌注去卷积建模,其后通过引入HDTV正则化修正模型最小化解的一致性。其中,HDTV利用心肌血管空间结构相似性和心肌血流信号时间连续性。结果 XCAT心肌灌注仿真数据和猪心肌灌注数据实验表明,同已有的方法相比,本方法能更有效地抑制低剂量血流动力学参数图中的噪声和伪影,同时较好地保持具有诊断意义的结构信息。结论本文方法可实现低剂量CT-MPI血流动力学参数图的优质成像。

确定隐含波动率的总变分正则化方法

求解隐含波动率是一个典型的PDE反问题,传统的Tikhonov正则化方法往往导致解的过度光滑化.基于波动率的跳跃性、隔夜周末效应等及总变分正则化方法具有较好地保持图像边界的优点,本文以Black-Scholes理论为框架,把确定隐含波动率问题转化为一个抛物型方程的终端问题,进一步提出求解隐含波动率的总变分正则化方法,并证明了解的存在性.

基于总变分正则化算法的散射计图像重构

目前业务化运行的星载散射计分辨率一般为25 km,在分辨率需求较高的应用中(如极地海冰监测、热带雨林监测、近岸风场研究等)受到了限制。散射计图像重构技术可以在不改变系统硬件的前提下,通过数据处理方法的改进,提高分辨率。现有的散射计图像重构方法(SIR)是基于图像处理领域中较早期的乘性代数重建技术(MART)。该文针对星载扇形旋转扫描散射计,将一种新的图像重构方法总变分正则化(total variation regularization)算法应用于散射计图像重构,并通过仿真实验说明,新算法可以在增强分辨率的同时减少噪声,提高重构图像的质量。

基于变分正则化的混合泊松-高斯噪声图像去噪方法综述

对基于变分正则化的混合泊松-高斯噪声图像的去噪模型及算法进行综述.首先,简要介绍了2个针对单一类型噪声的去噪模型,包括处理高斯噪声的ROF模型和处理泊松噪声的TV-KL模型;然后,在此基础上重点介绍基于变分正则化方法的混合泊松-高斯噪声去噪模型,包括通过最大后验估计推导的精确泊松-高斯噪声去除模型、Shifted-Poisson模型、TV-IC模型,以及广义的Anscombe变换模型和PURE模型等;相应地,总结了求解上述模型的常用高效数值算法,包括原始-对偶算法、交替方向乘子算法和半光滑牛顿算法等;在数值实验部分,对相关模型的噪声去除效果进行评估;最后,对该领域未来的研究方向进行了展望,指出了在模型改进、具有收敛性保证的算法设计、自动调参策略以及高维非线性等几个方面存在的问题和未来的发展方向.

基于变分正则化的低质视频图像二维增强仿真

受环境、硬件设备及成本等因素限制,所生产的视频质量低,存在大量冗余噪声,导致局部区域图像模糊不清,无法对目标个体判定或识别。为解决上述问题,构建一种基于变分正则化的低质视频图像二维增强方法。通过采集先验信息,确定噪声去除和质量增强区域,随后使用ROF经典模型和偏微分对原始图像做平滑及去噪处理,并提出前后扩散方程,使方法能够有效抑制背景区域噪声,并对目标个体边缘做锐化处理,利用变分正则化提升视频图像整体分辨率,使其完成图像二维增强。仿真结果表明,所提方法具有控制噪声与加强图像质量双重优势,有效去除、抑制噪声影响,提升目标个体区域强散射点,且方法复杂程度较低,能够实现低质视频图像的均衡优化。

基于变分正则化的乘性噪声图像去噪综述

为研究变分正则化乘性噪声去除的发展及现状,本文首先根据保真项的不同特征将模型分为方差–均值、最大后验概率、I-散度及混合保真项乘性噪声去噪模型。其次分别对此进行了详细介绍并从保真项及正则项的角度出发对模型进行了总结。接着通过实验对不同类型的保真项模型的效果进行直观展示,并给出恢复图像的峰值信噪比值及实验运行时间。最后提出了自适应参数的设定、求解速度的改善、图像的分解去噪、特定图像去噪等几个方面关于乘性噪声去除未来发展的趋向和展望。

基于超拉普拉斯正则化的冲击波超压层析重建

超压层析成像是利用传感器采集到的冲击波信号来反演测试区域的超压分布,是典型的不完全数据重建问题,为了提高求解精度,本文提出了一种基于高斯牛顿迭代联合超拉普拉斯正则化的冲击波超压层析重建方法。由于实际采集到的冲击波信号通常与干扰信号混叠在一起,会影响超压值的测量精度,本文首先采用改进的小波阈值算法对冲击波信号进行去噪处理;其次利用超拉普拉斯先验对图像边缘和二维层析模型进行正则约束;然后采用高斯牛顿迭代算法和交替方向乘子算法,解决大型病态稀疏矩阵的求解问题。实际实验结果表明本文的正则化方法与传统的全变分正则化和广义全变分正则化相比,重建精度可保持在15%左右,在实际场景中具有一定的应用价值。

变分分数阶PDE的自适应图像保边缘去噪方法

为了优化图像去噪过程中的边缘保真问题,本文以ROF模型及其改进模型为基础,以分数阶变分偏微分方程方法为工具,通过构造自适应的边缘检测函数,提出了一种能更好地保护图像的边缘特征,有利于纹理细节保持和“阶梯效应”抑制的基于自适应分数阶变分PDE的图像去噪模型,并以标准图像测试了新模型的去噪效果。实验结果表明:与同类方法相比,新方法可以更加有效地提高图像的信噪比;从去噪前后的图像差可以看出,新方法在去噪的同时更好地保护了图像的边缘特征及纹理细节信息。文中提出的方法可以用于遥感成像、医学图像处理及地震图像处理等领域。

SAR图像相干斑抑制和特征增强的自适应正则化变分方法

研究合成孔径雷达(Synthetic Aperture Radar,SAR)图像的相干斑抑制和特征增强问题.传统的SAR图像相干斑抑制方法通常会导致边缘和目标的模糊,针对该问题,本文基于SAR图像的先验信息和处理理念,通过合理构造扩散系数和正则化参数,提出了一种新的更适合SAR图像相干斑抑制和特征增强的自适应正则化变分方法.理论分析和实验结果表明,该方法不仅能有效地抑制相干斑,而且还能有效保护并增强图像的目标和边缘特征.

基于L1范数和总变分正则化的超分辨率重建

超分辨率图像重建技术能够利用多帧离散图像直接的互补信息,重建质量更好、空间分辨率更高的图像。本文采用正则化的方法进行超分辨率重建,用L1范数对进行保真项的约束,利用总变分正则化解决重建过程中的病态问题,有效的保持了图像的边缘细节信息。

基于投影数据全广义变分最小化的低剂量CT重建

目的提出基于投影数据全广义变分最小化的低剂量CT重建方法。方法首先,通过非线性Anscombe变换将满足Poisson分布的投影数据转化为近似Gaussian分布,然后基于全广义变分正则化模型对变换后的Gaussian型数据进行噪声去除。最后,对去噪的结果进行Anscombe逆变换后实现传统的滤波反投影(FBP)CT重建。结果数值体膜实验结果表明本文提出的方法可以大大地改进重建图像的质量。FBP方法重建的Clock和Shepp-Logan体膜图像的信噪比分别为17.752 dB和19.379 dB,本文方法重建的图像的信噪比提高到24.0352 dB和23.4181 dB。FBP方法重建方法重建的Clock和Shepp-Logan体膜图像的均方误差分别为0.86%和0.58%,本文方法重建的图像的均方误差降低到到0.2%和0.23%。结论本文方法可以在投影数据不满足分段常数假设的前提下去除噪声和条形伪影,从而提高低剂量CT图像重建质量。

空间自适应正则化的图像超分重建算法

为提高稀疏表示系数的精度和图像的分辨率,提出一种基于稀疏表示和正则化技术的超分重建算法.首先引入自回归正则化项,通过样本图像来训练出描述图像局部结构的自回归模型,每个图像块自适应选择一个自回归模型用以调节解空间,实现图像局部的自适应性控制.然后,引入非局部相似正则化项作为自回归正则化项的补充,用于保持图像边缘清晰度.从而,完整构造出一种基于自回归正则化和非局部相似正则化的稀疏编码目标函数.为了进一步恢复图像,实现图像去噪、去模糊,利用总变分正则化实现全局优化.实验结果表明,与L1SR、SISR、ANR、NE+LS、NE+NNLS、NE+LLE和A+(16 atoms)等算法相比,无论在主观视觉效果还是客观评价指标上,提出的算法都取得了更好的超分重建效果.

基于整体变分正则的图像盲恢复研究

实现了一种基于TV正则化的图像盲恢复算法。采用了交替迭代算法,保证迭代中能同时恢复出图像以及点扩张函数,并在每步迭代中自适应调整其扩散参数。实验结果也显示了迭代过程的收敛以及鲁棒性(特别是对于非连续的模糊),而且图像和点扩张函数可以在很高的噪声级下恢复。

欧拉弹性正则化的图像泊松去噪

利用泊松噪声分布与图像灰度值相关这一特性,结合图像的水平集曲线对图像灰度值的刻画能力,在Bayesian-MAP框架下,提出了欧拉弹性正则与泊松似然保真的图像泊松去噪变分正则化模型.利用交替方向乘子法,将原问题转化为几个不同低阶子问题的求解.对于子问题中出现的高阶非线性项,利用滞后扩散不动点迭代进行线性化,从而得到模型的快速迭代求解算法.通过数值模拟实验,证明了当图像受不同强度泊松噪声影响时,所提出的泊松去噪方法都能够有效的抑制泊松噪声,同时具有良好的结构保持性能.

基于加速正则化RL算法的大气湍流退化图像盲复原方法

提出了一种基于加速正则化Richardson-Lucy(RL)算法的大气湍流退化图像盲复原方法(AccRLTV-IBD)。在总变分(TV)正则化RL算法的基础上,引入二阶矢量外推加速技术对其进行加速,形成加速正则化RL(AccRLTV)算法,并将该算法应用到迭代盲目反卷积(IBD)算法中。使用长曝光大气湍流光学传递函数(OTF)的物理模型或根据图像来获取初始的点扩散函数(PSF),在灰度平均梯度(gray mean grads,GMG)的基础上定义了一个相对灰度平均梯度(relative gray mean grads,RGMG)参数作为无参考图像复原质量的评价标准.模拟图像和实际湍流退化图像复原结果表明,基于RL的IBD算法要优于基于Wiener滤波的IBD算法,并且与RL-IBD算法相比,AccRLTV-IBD收敛速度更快,复原效果更好。

基于变分PDE的地震资料空间自适应保边缘去噪方法

地震资料去噪是地震资料处理的一个基本环节,其信噪比的好坏会直接影响地震资料的可靠性及地质解释的精度.本文主要针对已有方法在去噪的同时不能很好地保持边缘信息这一问题,通过构造空间自适应边缘检测函数,建立了基于分数阶偏微分方程的自适应变分去噪模型;然后,推导了求解新模型的分数阶Euler-Lagrange方程,并给出其离散格式;最后,将本文提出的方法用于合成地震数据及实际地震数据去噪,通过与传统去噪方法相比较,验证了新方法的有效性与实用性.

基于总变分的干涉成像高度计相位滤波方法

宽幅干涉成像高度计采用双天线近天底角短基线干涉测高技术,实现对海洋亚中尺度现象的高时空分辨率与高精度观测。在反演海面高度(SSH)的过程中,干涉相位滤波处理是抑制随机相位噪声,保持相位边缘细节的重要环节。该文针对成像高度计干涉相位随机噪声方差在刈幅范围内分布不均匀的特点,基于宽幅干涉成像高度计相位模型,提出一种改进的总变分正则化滤波方法,可以有效抑制去平地后成像高度计的干涉相位噪声。通过仿真数据验证,滤波相位误差的标准差(STD)由0.32 rad降低至0.023 rad,且刈幅范围内STD最大偏差小于0.001 rad。改进的总变分滤波方法实现全刈幅干涉相位误差精度的均匀分布,较好地保持了分辨率和边缘信息,为海面高程精度的一致性提供有效保障。

基于压缩感知和局部纹理特性的超分辨率重建算法

将压缩感知理论应用于图像超分辨率重建技术,并针对总变分正则化方法未能考虑图像局部纹理特性的缺点,提出一种基于局部方向特性的总变分正则化函数.通过在图像的有界变差函数空间中构造与图像纹理方向一致的椭圆形区域,再利用最小化算法进行迭代求解获得去噪图像,可以达到更好地重建图像边缘信息的效果.实验结果表明,该算法可以有效降低图像的均方误差,提高峰值信噪比,并在重建过程中保持了图像边缘和纹理细节,提高了图像的对比度和清晰度.