基于图像稀疏表达的模拟退火图像复原

针对现有的图像复原方法振铃效应严重的问题,提出了一种基于图像稀疏表达的模拟退火的图像复原方法来恢复模糊图像。首先根据模拟退火算法的要求,建立价格函数并通过图像的模糊因子确定参数;然后在价格函数中的约束项引入图像的稀疏性,以提高复原图像的质量;接着给初始解一个随机扰动,产生扰动解,并根据扰动解所造成的价格函数的变化判断是否接受该扰动解;最后,当价格函数小于某一预设值时所得到的解即为复原图像。实验结果表明,复原后图像细节增加且振铃效应明显减少,相对于目前已有的复原方法,峰值信噪比(PSNR)平均提高了2~3dB。恢复效果表明,本文方法具有较大的实用价值。

基于压缩感知的超分辨率成像技术分析

将压缩传感理论引入超分辨率成像,得益于绝大多数图像在变换域中普遍具有稀疏性。在介绍压缩感知原理基础上,通过仿真分析表明,二维图像在变换域具有稀疏性;测量矩阵的性能越好重建图像效果越好;压缩感知采样仅用相当于传统图像30%测量值,就能恢复出与传统采样相当质量的图像;相对GPSR、GPSR+TV等算法,ADM算法超分辨率图像重建效果更佳。提出了一套基于4f系统的棱镜反射式压缩编码孔径光学成像系统,采用SLM作为编码模板完成对目标图像的调制和压缩,通过开发的基于全变分稀疏重建的ADM算法软件,实现了重建图像分辨率比CCD采集到的图像分辨率提高4倍的超分辨率重建效果。压缩感知成像技术解决了传统成像系统存在图像分辨率低、数据存储压力大、数据传输速度慢等问题,具有巨大应用潜力。