基于自适应矩阵的核联合稀疏表示高光谱图像分类

针对高光谱图像丰富的空间信息和光谱信息未充分利用的问题,提出了基于自适应矩阵的核联合稀疏表示高光谱图像分类的方法。在特征表示阶段,定义了自适应矩阵特征,通过结合自适应邻域块策略与非线性相关熵度量构成的特征来描述原始光谱像素,充分融合了形状可变的空间信息与非线性光谱信息。在分类阶段,考虑自适应矩阵和高光谱图像非线性,采用对数欧式核函数,构建了核联合稀疏表示模型,以获得重构误差。同时利用字典空间信息构建了矩阵相关性,引入平衡参数实现了稀疏重构误差与矩阵相关性的联合分类。在两个数据集上的实验结果表明,该算法充分利用了高光谱图像的空间信息、光谱信息,能够有效提高分类精度。

基于Distance-2算法的并行Jacobian矩阵计算及其在耦合问题中的应用

并行Newton-Krylov方法是求解大规模多物理耦合问题的有效方法,如何高效自动计算Jacobian矩阵是一大难点。利用有限差分方法,可避免推导Jacobian矩阵的表达式,实现矩阵的自动计算。现有工作表明,在串行环境下利用矩阵的稀疏性和图着色算法,Jacobian矩阵的计算效率可提高至少1个量级。但在并行环境下,串行着色算法失效,需采用相应的并行着色算法。本研究将图论领域的Distance-2算法应用于Jacobian矩阵的并行着色。通过求解一个简化多物理耦合问题检验了该并行算法的正确性和计算效率。测试结果表明,该并行算法得到的Jacobian矩阵完全正确;着色数随着并行核数的增加略微有所增加,100个进程下并行效率为56%;基于该算法求解多物理耦合问题,其计算时间和Krylov迭代次数较JFNK减少了约1/2。

基于矩阵乘法关联的分级图像秘密共享方案

针对目前图像秘密共享中缺乏集合内或集合间多级权限控制的细粒度问题,提出一种基于矩阵乘法构造分级恢复的图像秘密共享方案。利用图像所具有的矩阵属性,在对原始像素干扰最小的情况下,通过矩阵可逆乘法构建秘密图像之间的关联矩阵,引入效率较高的矩阵运算进行共享份额生成与秘密恢复。当参与者集合中必要参与者满足对应门限时,可恢复第一级秘密图像;当全体参与者满足整体门限时,可恢复第二级秘密图像。仿真结果表明,该加密算法具有良好的安全性与鲁棒性。

基于矩阵优化分解的测绘图像三维重建系统

由于测绘图像细节信息特征独立性显著,三维重建波段的选取易出现偏差,影响测绘图像三维重建效果。为此,本文设计基于矩阵优化分解的测绘图像三维重建系统。设计测绘图像导入主从设备接口,实现测绘图像数据导入处理。3D引擎图像渲染模块和多通道三维显示模块可以实现多台计算机对同一场景的渲染。采用矩阵优化分解方法选择图像三维重建波段,将波段上任意点到对应极线距离作为重建目标,连接所有坐标形成曲面,计算各点三维笛卡尔坐标值,并恢复测绘图像被遮挡部分,修正波段值,实现三维重建。测试结果表明:该系统重建的三维图像像素均匀,无异常凸起部分。重建误差平均为0.06,具有精准三维重建效果。

基于二阶混联灵敏度矩阵的ECT图像重建

电容层析成像技术求解图像重建问题属于非线性问题。在灵敏度矩阵的推导过程中,通常只保留灵敏度系数的线性部分,但是被忽略的非线性部分同样包含重要的成像信息。为了提高图像重建精度,基于二阶灵敏度系数的数学定义,结合模糊C-均值聚类算法和电场中心线理论,建立了二阶混联灵敏度矩阵,并将矩阵引入到Landweber算法中,提出了二阶Landweber算法;最后,进行仿真和静态实验,并与传统的Tikhonov算法和一阶Landweber算法进行对比,结果表明,二阶混联灵敏度矩阵可以提高图像重建精度。

透射矩阵引导的水下图像融合网络

目前基于深度学习的融合类方法在水下图像增强领域展现出较大优势,但现有方法仍存在融合方式单一、融合特征缺乏优势互补性以及易忽略水下先验等问题.为此,本文提出一种基于透射矩阵引导的水下图像融合网络.该网络由多尺度特征提取模块、自适应对比度增强模块和透射矩阵引导的融合模块组成.多尺度特征提取模块通过提取三颜色空间特征,增强失真图像色彩;另外,该模块设计的多级级联方式可实现在多尺度特征复用的同时避免编码器端失真信息传输到解码器.自适应对比度增强模块通过对比度受限直方图均衡增强水下图像对比度,并基于通道注意力机制实现自适应对比度增强.透射矩阵引导的融合模块通过衡量输入特征和参考图像透射矩阵之间的距离,引导融合特征逼近参考图像.同时,本文设计了一种多级级联损失,实现更准确的特征增强.实验结果表明,所提算法通过合理引入先验,实现融合特征优势互补,可显著增强图像视觉质量,具有较强的泛化能力,在Test-R90数据集上测试取得峰值信噪比为19.37 dB,优于目前主流方法.

低秩矩阵恢复下的自适应图像超分辨率重建

低分辨率自适应图像的像素密度过于稀疏,导致图像清晰度达不到超分辨标准。为此提出低秩矩阵恢复下的自适应图像超分辨率重建方法。构建低秩矩阵恢复模型,计算峰值信噪比参数,完成低秩矩阵恢复下的自适应图像降噪处理。在图像区域中提取自适应特征,根据超分辨率判别条件定义具体的重建函数表达式,完成低秩矩阵恢复下自适应图像超分辨率重建方法的设计。实验结果表明,该方法的应用可使图像有效去噪,信噪比高于31 dB,重建后图像分辨率均值达到100 PPI,实现了超分辨重建。

基于矩阵补全的图像处理应用研究

近年来,矩阵补全在图像处理中的应用备受关注,其对推动图像处理技术的发展和应用具有重要的意义。文章分析了矩阵补全及其算法原理,概述了当前矩阵补全的应用及影响。详细阐述了图像处理中矩阵补全的应用,以图像高斯去噪为例,对建立数学模型、采用奇异值分解的矩阵补全去噪进行了设计,并通过试验进行了验证。最后对矩阵补全技术的改进与优化及案例进行了分析,以及对基于矩阵补全的图像处理应用进行了展望。

基于非负正交矩阵分解的多视图聚类图像分割算法

多视图聚类在应对非线性结构数据上具有一定优势,却存在需要后处理和时间效率较低等缺点.针对这一问题,文中提出基于非负正交矩阵分解的多视图聚类图像分割算法.首先,提取图像多视图数据,使用流形学习非线性降维方法获取每个视图的谱嵌入矩阵,构建相应的谱块结构.再设计自适应权值,将谱块结构融合成一致性图矩阵.然后,对一致性图矩阵进行非负正交矩阵分解,获取非负嵌入矩阵.最后,由非负嵌入矩阵获得多视图特征的聚类,进而得到图像分割结果.在5个数据集上的对比实验表明,文中算法在分割精度和时间效率上都有一定提升.

Stewart并联机构运动Jacobian矩阵表达形式的多样性

现有文献中Jacobian矩阵存在多种表达形式,不利于指标值的统一评估和对比。为此,通过剖析Stewart并联机构运动Jacobian矩阵的机理,找到引起上述现象的根本原因,用欧拉角及其导数描述动平台的转动速度并运用位置方程求导法推导出第1类形式的Jacobian矩阵;用角速度矢量描述动平台的转动速度,并运用环路方程法推导出第2类形式的Jacobian矩阵;将动平台上与静坐标系原点重合的点选为线速度基点,并运用环路方程法推导出第3类形式的Jacobian矩阵。运用角速度加法公式和线速度基点法,构建不同形式Jacobian矩阵之间的映射;运用矩阵理论推导各Jacobian矩阵行列式之间的关联。通过数值算例验证上述结论的正确性,并绘制机构的奇异曲面。所得结论为并联机构的型综合、型优化提供了理论指导。

面向复杂图像分类的共享转换矩阵胶囊网络

针对胶囊网络(CapsNet)在处理含有背景噪声信息的复杂图像时分类效果不佳且计算开销大的问题,提出一种基于注意力机制和权值共享的改进胶囊网络模型——共享转换矩阵胶囊网络(STM-CapsNet)。该模型主要包括以下改进:1)在特征提取层中引入注意力模块,使低层胶囊能够聚焦于与分类任务相关的实体特征;2)将空间位置接近的低层胶囊分为若干组,每组内的低层胶囊通过共享转换矩阵映射到高层胶囊,降低计算开销,提高模型鲁棒性;3)在间隔损失与重构损失的基础上加入L2正则化项,防止模型过拟合。在CIFAR10、SVHN(Street View House Number)、FashionMNIST复杂图像数据集上的实验结果表明,各改进均能有效提升模型性能;当迭代次数为3,共享转换矩阵数为5时,STM-CapsNet模型的平均准确率分别为85.26%、93.17%、94.96%,平均参数量为8.29 MB,比基线模型的综合性能更优。

面向青花瓷碎片图像的U-Net++拼接网络

针对现有图像拼接方法存在拼接处伪影以及非重叠区域内容失真,导致较低的准确性和鲁棒性的问题,提出一种基于U-Net++消除伪影的青花瓷碎片图像拼接方法.首先估计待拼接图像单应性矩阵;然后将单应性矩阵应用于结构拼接阶段,得到图像粗拼接结果;最后以图像粗拼接结果作为先验信息,在内容校正阶段改进现有的U-Net,利用U-Net++细化粗拼接结果,得到最终图像精确拼接.以青花瓷碎片图像数据集与相关经典方法进行实验的结果表明,在3个评价指标中,所提方法的峰值信噪比提高约13%,均方根误差降低约33%,均方误差降低57%左右;该方法具有较小的误差比,不仅能够提高图像拼接质量,而且表现出较好的鲁棒性.

计算机辅助下自体荧光图像定量结果与口腔白斑病上皮异常增生等级的相关性

目的·探究计算机辅助下自体荧光图像定量结果与口腔白斑病上皮异常增生等级的相关性。方法·纳入2016年4月—2024年1月于上海交通大学医学院附属第九人民医院口腔黏膜病科就诊的口腔白斑病患者357例。利用手持自体荧光仪器获取患者病损的自体荧光图像,将自体荧光图像转为灰度图像,获得量化指标。在Python中拟合有序多元Logistic回归模型,绘制累积概率图。将数据集划分训练集和测试集,生成决策树,调整不同的超参数,获得最佳的模型效果。计算准确度、精确度和F1分值。利用混淆矩阵对模型性能进行可视化呈现。结果·随着上皮异常增生程度的增加,相对色阶平均值呈现下降趋势。在上皮异常增生二分类中累积概率图不同类别曲线之间无重叠,在四分类中仅上皮重度异常增生与其他类别曲线有重叠,说明模型的区分能力较好。在二分类病理等级中,当训练集和测试集比例为4∶1、决策树最大深度为2时,准确度、精确度、F1分值可达到较高,分别为0.792、0.801和0.795。在四分类病理等级中,当训练集和测试集比例为9∶1、决策树最大深度为4时,准确度、精确度、F1分值可达到较高,分别为0.611、0.537和0.569。结论·口腔黏膜病专科医师可将计算机辅助下自体荧光图像定量结果作为参考依据,预测口腔白斑病患者上皮异常增生程度,监控患者癌变风险。

基于光纤传感器的视频图像几何失真校正方法

视频图像在传播过程中会出现信息畸变,致使图像几何失真,为此提出基于光纤传感器的视频图像几何失真校正方法。分析视频图像像素节点在光敏区域分布情况,提取亚像素视差信息,通过面阵CCD图像传感器获取畸变视频图像;利用畸变曲线近似模型计算出视频图像畸变率,确定畸变图像坐标,并结合双线性灰度插值算法推导校正参数,实现视频图像的几何失真校正。实验结果表明,所提方法能够有效校正不同种类的视频图像几何畸变,校正后的图像与原图像相似度高超过0.97,图像边缘模糊程度降低,提高了图像的视觉观测效果。

CT大重建矩阵联合重建算法对肺结节的诊断价值

目的探讨CT大重建矩阵1024×1024联合Karl迭代重建算法对肺结节的诊断价值。资料与方法前瞻性收集2021年10月—2022年5月于大连医科大学附属第一医院行胸部CT检查的500例患者,对CT扫描图像原始数据进行分组重建。A组采用常规512×512矩阵结合Karl 5级重建;B组采用1024×1024大重建矩阵结合不同等级Karl算法重建,获得B1(Karl 6)、B2(Karl 7)、B3(Karl 8)、B4(Karl 9)4个亚组。测量主动脉弓上方的气管腔内(气管区)及左肺上叶无血管区(肺实质)的CT值和噪声值,计算信噪比。由2位医师评价A、B组肺部总体图像质量。比较B组中图像质量最佳亚组与A组病灶显示情况,依据手术病理结果,分析诊断效能。结果B组组内随Karl等级升高,气管和肺实质标准差值逐渐下降,信噪比逐渐升高(F=675.002~2020.903,P<0.05)。B组各项主观评分均高于A组(Z=-15.361~-6.465,P<0.05),B4组主观评分最高。A组和B4组部分实性结节(≤3 mm)和实性结节(6.1 mm~≤3 cm)显示清晰度差异无统计学意义(Z=-2.000、-0.378,P>0.05);与A组相比,B4组结节显示清晰率提升12%~100%;胸膜凹陷征显示差异无统计学意义(χ^(2)=2.143,P>0.05)。以43例手术病理结果为诊断金标准,B4组诊断准确度为65.12%,优于A组的41.86%(χ^(2)=4.674,P<0.05)。结论大重建矩阵联合Karl算法可以获得较好的图像质量,有利于诊断肺结节。

基于深度图像先验的高光谱图像去噪方法

为了避免现有的高光谱图像去噪优化模型仅考虑有限的高光谱内在结构特点、并未实现图像特征的精确表征的问题,采用了一种基于空谱深度图像先验与平滑的高光谱图像去噪方法,将紧框架变换与具有高表达与强学习能力的深度学习模型进行结合,构建基于深度学习的噪声去除模型。首先在低秩矩阵分解的基础上,利用特定的深度图像先验学习潜在的空谱特征;然后分别构建端元与丰度矩阵的紧框架稀疏正则探究空谱局部平滑,并解决深度图像先验的半拟合问题;最后设计高效迭代算法实现模型求解。结果表明,基于空谱深度图像先验的方法在各种复杂的噪声干扰下均表现出较好的视觉恢复性能,峰值信噪比至少有1 dB以上的提升,得到了高质量的恢复图像。该方法为高光谱图像去噪提供了参考。

单幅图像局部特征分层模糊挖掘算法仿真

为了能够深入获得图像纹理特征信息,提高后续数据识别精准度。因此,提出了单幅图像局部特征分层模糊挖掘算法。通过直方图均衡化方法,将图像中灰度值集中到对应灰度等级区域。由不均匀分布向均匀分布状态转换,拓展像素的灰度动态范围。分析图像局部特征复杂度与差异度,求出相邻模板灰度等级,得到局部复杂性和差异度矩阵,采用Laplace算法对图像局部特征推荐分类,根据推荐级别分层模糊挖掘所选特征,以此实现对单幅图像的局部特征分层模糊挖掘。通过实验证明,所提算法可准确挖掘出图像特征,不同层级纹理信息都完整,且挖掘时间保持在0.25s内。

基于改进Logistic混沌和交叉混沌扩散的强鲁棒性图像加密

针对现有部分图像加密算法鲁棒性弱的问题,本文提出了一种基于改进Logistic混沌和交叉混沌序列扩散的强鲁棒性加密算法。首先,对Logistic一维混沌进行变换,构造出一种混沌序列分布更加随机的新混沌系统;然后,利用螺旋矩阵变换进行第一次置乱,利用明文的哈希值构造混沌的初始密钥,引入明文相关的两个数值val1和val2结合新混沌系统构造交叉混沌序列;接着对置乱后的序列进行交叉混沌的扩散。为克服螺旋矩阵变换部分像素未发生改变的问题,再进行一次交叉混沌置乱,形成置乱-扩散-置乱的加密框架。最后对本算法进行仿真模拟,其中本文密文图像的平均相关系数为–0.0027,更加趋近于0,大大的破坏了图像内部之间的相关性,达到图像加密的效果。像素变化率NPCR为99.61%,归一化强度UACI为33.36%,都分别接近于理想值99.60%和33.34%;密文图像的信息熵为7.9975,接近于理想值8,密钥的敏感性为10–17;能够在椒盐噪声和高斯噪声强度为0.2的情况下,仍然能够识别出解密图像。而且加密图像剪切1/2时,仍然能够恢复出明文图像;实验结果表明,本文算法具有较高的安全性,能够抵御选择明文攻击和穷举攻击,具有较强的抗噪声和抗剪切能力,对于图像传输过程中的安全性提供一定的保障,能够对于灰度图像达到安全稳定的加解密效果。

基于局部光谱的文物图像颜色校正方法

颜色校正是图像和视觉领域的一个基础问题,现有方法在图像增强和质量提升方面已取得较多成果,但对目标物的颜色表征值关注较少。针对文物数字化档案需要高保真记录文物颜色信息的需求,提出一种结合局部光谱信息的文物图像颜色校正方法。首先,聚类获取文物的典型颜色,采集文物典型色的光谱数据,在去除光源影响的基础上,得到典型色的光谱反射比,计算典型色在标准照明体D65下的CIE1931标准色度系统内的颜色表征值。其次,结合颜色映射矩阵、三维查找表、多项式回归等现有颜色校正方法,构建基于文物典型色的颜色校正模型,并提出自适应控制点的径向基函数插值方法,实现文物颜色在标准光源下的准确色度再现。最后,采用CIEDE2000色差对颜色校正效果进行评价。实验发现,平均色差值、最大色差值都显著降低,有效提高了颜色校正效果,使得文物数字化档案信息更加准确。

基于非负矩阵分解的熔池图像识别方法

为探求视觉传感智能识别焊接缺陷技术,利用电荷耦合器件(CCD)相机采集了熔化极气体保护焊(GMAW)熔池图像,分析了不同工艺条件下熔池动态变化过程及所对应的焊接缺陷,提出利用非负矩阵分解法对熔池图像进行解析,得到熔池图像的特征矩阵。通过最小二乘法计算未知焊接过程测试图像在特征矩阵的投影值,给出了焊接缺陷的自动识别方法。研究结果表明,焊接质量和熔池稳定程度有关联,熔池紊乱表现为熔池轮廓波动、浮渣离散等特点,熔池稳定程度下降伴随着焊接质量的下降,以及焊缝出现缺陷。利用非负矩阵分解法得到的熔池图像特征矩阵,能够对原始图像进行整体性描述(如熔池轮廓)和局部性描述(如浮渣区域、电弧区域等),具有物理可解释性,可用于识别焊接缺陷。