基于图像块先验的单帧红外自适应校正算法

红外焦平面阵列的非均匀性严重限制了红外成像系统对目标的灵敏度,降低了图像的成像质量。本文基于图像块统计特性的期望块对数似然概率(EPLL),提出了基于图像块先验的单帧红外图像非均匀性校正算法,可以完成单帧红外图像的非均匀性校正。该算法首先利用高斯混合模型完成对图像块训练分类,然后利用EPLL准则获取带有非均匀性噪声图像对应的最大似然概率对数期望图像来完成对图像的校正。仿真试验和真实红外图像实验结果表明该方法对单帧红外图像的非均匀性校正效果良好,校正速度快,可以避免鬼影的产生并且可以完成持续性工作。

梯度直方图约束的多尺度块先验模型

块先验模型在图像复原领域取得了较大的成功,但其整体模型强制局部性的缺点,易出现局部伪影、视觉观感较差的问题,提出一种新的集成多尺度块先验和梯度直方图先验的图像复原方法。对原始图像实施滤波和下采样以保持尺度不变性,在多尺度上施加同一局部块模型,即保持块低维模型的简单性,又在图像较大区域实施非局部性;将梯度直方图全局统计先验加入正则约束中,利用Wasserstein距离对复原图像与参考直方图的相似性进行度量。借助半二次分裂和最优传递理论,求解所提出的模型。通过在图像去噪和去模糊实验,相比传统方法无论在客观质量评价还是视觉观感上都更有优势,验证了方法的有效性。

基于无噪图像块先验的MRI低秩分解去噪算法研究

针对核磁共振图像中存在莱斯噪声的现象,提出一种基于无噪图像块先验的MRI低秩分解去噪算法。该算法首先利用高斯混合模型学习无噪核磁共振图像块的先验;然后将带有无噪核磁共振图像块先验的高斯混合模型用于噪声核磁共振图像块聚类,并将聚类后每个高斯类中的核磁共振图像块叠在一起构成低秩矩阵并对其进行低秩分解操作来达到除去噪声的目的;最后根据去噪后的数据重建清晰核磁共振图像。实验结果表明相较于各项异性滤波,非局部均值滤波和权重核范数最小化复原算法,文中方法在PSNR值、SSIM值和视觉上有较大提升,在去除噪声的同时,能较好地保留图像本身的纹理细节信息。

心电压缩感知恢复先验块稀疏贝叶斯学习算法

压缩感知在低成本、低功耗、长时间的无线心电信号应用上具有优势。但现有重构算法中存在重构信号质量不理想、较大的计算量以及不能自适应噪声变化等问题。本文针对非稀疏心电信号快速精确压缩感知重构提出了先验块稀疏贝叶斯学习(P-BSBL)算法。算法在块稀疏贝叶斯学习基础上,根据心电信号先验引入了近似零解空间初值设置和数字特征迭代停止条件。为了验证算法效果,提出的方法在MIT-BIH心电数据库上进行了仿真实验。实验结果表明P-BSBL能够实现高效非稀疏心电信号高信号质量重构。P-BSBL在正常和非正常心电信号重构上都优于凸优化和贪婪方法;适用于高数据压缩比和噪声变化的心电信号重构。

结构相似度索引耦合最优稀疏表示的大规模损坏图像动态修复

当前的图像修复算法在处理小面积损坏图像时,可取得较佳的视觉质量;但难以用于高对比度边缘和高频分量的大面积损坏图像的修复,存在明显的模糊效应与块效应,使得修复质量较差。对此,提出了结构相似度索引耦合优化稀疏表示的大规模损坏图像动态修复机制。基于数据度与置信度构造图像块先验模型,提取损坏图像的已知块;再引入K-SVD算法和拉格朗日乘数机制,构造最优字典矩阵,优化稀疏表示,以重构目标图像损坏区域;并设计结构相似度索引与动态更新机制,估算稀疏表示系数,并动态更新字典矩阵,输出修复图像。最后测试了其机制性能。结果表明:与当前图像修复算法相比,在大规模损坏图像与高对比度边缘图像修复中,具有更好的修复效果、更高的相似度,显著消除了模糊效应与块效应。

基于反应扩散和非局部自相似的图像去噪算法

为了更好地利用图像先验以及保护图像边缘、纹理等细节信息,提出一种结合反应扩散(Trained Nonlinear Reaction Diffusion,TNRD)与基于块组先验去噪(Patch Group Prior based Denoising,PGPD)的改进算法。首先,对PGPD去噪后的图像进行小波分解得到3个正交的子带,由理论分析可知图像为各子带之和;然后利用反应扩散对高频系数大于阈值的子带部分进行扩散处理,并将处理结果替代原来部分从而获得最终去噪图像。实验结果表明,改进算法在峰值信噪比、保护细节信息等方面都有较大的性能改善。