基于Cycle Spinning Contourlet变换和总变分最小化的遥感图像去噪算法(英文)

针对大部分已有的遥感图像去噪算法在去噪的同时不能有效的保留细节和增强边缘,提出了一种基于Cycle Spinning Contourlet变换和总变分最小化的图像去噪新算法.该算法依据了Cycle Spinning Contourlet变换能够很好的保留原始图像的细节和纹理信息,而总变分最小化方法具有在去噪的同时增强图像边缘的特性,因此使用所提出的融合规则对两种算法去噪后的图像进行融合能够取得更好的增强效果.通过对比,实验结果表明该算法不仅能在很大程度上削弱分别由平移不变Contourlet变换和总变分最小化的图像去噪方法产生的伪吉布斯现象和阶梯效应,而且视觉效果和PSNR值均优于其它方法,同时该算法能够保留更多的光谱信息,因此该算法是一种有效的遥感图像去噪算法.

基于图像结构-纹理分解及局部总变分最小化的图像修复模型

在基于样例的图像修复算法中,由于优先权公式的计算容易受图像局部噪声和细小纹理的干扰,导致修复顺序错乱;而在搜索最优匹配块时,因忽略了图像块内部的结构影响,可能导致误匹配。针对以上问题提出了一种基于图像的结构-纹理分解及局部总变分最小化的图像修复模型。首先,根据对数总变分最小化模型,将待修复图像进行结构-纹理分解,得到图像的结构分量,并利用图像的结构分量来计算待修复点优先权,使优先权的计算排除局部纹理干扰而更具鲁棒性;其次,将优先权的计算改进为数据项和置信项的加权和,避免了乘积效应,确保数据项一直发挥作用,减少因修复顺序不合理造成的错误匹配;最后,根据图像的局部总变分最小化原则,将图像块的最优匹配转换为0-1优化问题,确保图像修复后的局部结构一致性。与3组参考文献的5组对比实验结果表明,峰值信噪比(PSNR)提高了1.12~3.56 d B,结构相似性指数提高了0.02~0.04。所提模型更好地遵循了修复优先性原则,具有更强的保持图像局部结构一致性的能力,改善了修复图像的视觉效果,适用于复杂结构的大面积毁损的图像的修复。

利用总变分最小化方法的无监督纹理图像分割

纹理图像的分割是图像处理领域中的一个典型难题。不同于传统的提取纹理特征量进行纹理分割的方法,本文将图像复原和重建中的总变分最小化方法和活动围道分割方法相结合,提出了一种简单的线性纹理模型。利用总变分最小化方法在保持图像大尺度棱边信息的基础上对纹理体现的局部小尺度周期性灰度振动细节进行平滑得到简化的图像原型。对其进行分割获得不同纹理区域之间的低定位精度的边界围道,再利用原始图像对围道进行高精度细化。在总变分最小化导致的非线性扩散方程求解过程中,运用AOS(additiveoperatorsplitting)数值算法以改进算法效率。实验结果表明,该方法能很快提取出纹理图像的简化图像,同时是一种无监督的纹理分割方法。

一种基于各向异性总变分最小化的CT图像重建算法

由于受数据采集时间、照射剂量、成像系统扫描的几何位置等因素的约束,计算机断层成像(CT)技术目前只能在有限角度范围或在较少的投影角度得到数据,这些都属于不完全角度重建问题。图像重建问题中的总变分(Total-Variation, TV)最小化模型使用基于交替方向法(alternating direction method, ADM)的稀疏优化算法能够在不完全角度的图像重建中获得较优的重建结果。然而,在极稀疏的角度数量下,各向同性TV最小化算法的重建精度不是很理想,存在进一步改善空间。本文针对该问题,通过基于稀疏优化的交替方向方法推导基于各向异性TV最小化的CT图像重建算法。实验结果表明,在稀疏角度重建中,本文提出的基于各向异性TV最小化重建算法与各向同性TV最小化重建算法相比,在稀疏性保持良好的基础上,重建精度上存在优势,综合性能方面表现更优异。

基于图像总变分最小化的穿墙雷达多层墙体成像方法

针对穿墙雷达多层墙体探测场景,文章提出了一种基于图像总变分最小化(Total Variation Minimization,TVM)的穿墙雷达多层墙体成像方法,成像重构过程中通过计算多层媒质的格林函数来构造字典矩阵,通过引入图像的TVM约束来实现成像重构。仿真结果表明所提成像算法不仅可以减少成像重建时间,而且可以较好地保留目标的几何形状和边缘,提高图像重建质量。

基于对数函数的非局部总变分图像修复模型

针对基于总变分最小化的图像修复模型容易造成阶梯效应及假边缘的问题,提出了基于对数函数的非局部总变分图像修复模型。新的总变分能量泛函的被积函数为一个关于梯度幅度的对数函数。在总变分模型与各向异性扩散模型的偏微分方程框架下,首先,从理论上证明了对数总变分模型满足良好扩散所需的所有性质,并对其局部扩散行为进行了理论分析,证明了其在等照度方向及梯度方向扩散的良好特性。其次,为考虑图像块的相似性及避免局部模糊,采用非局部对数总变分进行数值实现。实验结果表明,与经典的总变分修复模型相比,基于对数函数的非局部总变分模型对图像修复的效果良好,避免了局部模糊,且在图像平滑区域能较好地抑制阶梯效应;与基于样例的修复模型相比,所提模型对纹理图像能获得更为自然的修复效果。实验结果表明,与三类总变分模型和基于样例的修复模型相比,所提模型的性能最优,且与各对比模型的平均结果(图2、图3、图4)相比,其结构相似性指数(SSIM)分别提高了0.065、0.022和0.051,峰值信噪比(PSNR)分别提高了5.94 dB、4.00 dB和6.22 dB。含噪图像的修复结果表明所提模型具有较好的鲁棒性,对含噪声的图像也能获得良好的修复效果。

病态总体最小二乘的混合正则化算法

病态问题在大地测量数据处理中广泛存在,单一的Tikhonov正则化算法会造成求解过度平滑,而TV正则化可以更有效地抵抗噪声。本文将Tikhonov正则化和TV正则化两种方法有效结合,推导了具体求解公式并给出相应迭代算法。计算表明,本文提出的方法在处理病态总体最小二乘问题上稳定性更高。

空间变化PSF图像复原技术的研究现状与展望

空间变化PSF(Space-variant Point Spread Function,SVPSF)图像,即物空间各点的退化随位置的改变而改变的图像,由于其复原技术涉及到多个甚至海量PSF的提取、存储和运算,相对于空间不变PSF(Space-Invariant Point Spread Function,SIPSF)图像复原要困难得多。目前处理此类图像的主要方法包括空间坐标转换法,等晕区分块复原法,以减少数据存储量,降低计算量,提高收敛速度为目标的直接复原法等。本文回顾了这一课题的研究历史,对目前的研究工作进行了分析和总结,介绍了本实验室提出的结合GRM(Gradient Ringing Metric)评价算法的总变分最小化图像分块复原法,并提出了未来工作关注重点的展望。

基于TV正则化算法的电容层析成像自适应剖分方法

针对电容层析成像逆问题解的不适定性及重建图像分辨率较低的问题,提出一种基于总变差(totalvariation,TV)正则化的图像重建算法,并由该算法提出一种自适应剖分方法。同常见的Tikhonov正则化算法相比,这种新算法不仅保证了逆问题求解的稳定性,而且提高了对介质非连续分布区域成像的分辨能力,具有良好的保边缘性。基于该算法的自适应剖分方法能够根据介质分布自动对剖分网格进行局部细分。相比全区域细分方法,这种剖分方法在保证图像分辨率的同时减少了计算量,提高了图像重建速度。实验结果表明,该算法在重建图像质量和实时性两方面均具有优势。

一种基于Contourlet变换与分裂Bregman方法的CT图像重建算法

针对稀疏投影CT图像重建算法中梯度算子在图像稀疏表示方面的局限,本文将Contourlet变换与CT图像重构相结合,利用Contourlet变换包含图像中的方向信息,从而更有效表达图像这一优势,提出一种将Contourlet变换与最小化图像总变差(TV)方法相结合,进而借助分裂Bregman方法进行最优化求解的CT重建算法。实验结果表明,在投影数较少的条件下,本文算法重构结果在RMSE与UQI方面均优于ART与TV方法,重构图像的边缘细节亦保持良好,且抗噪性能较强,说明本文算法更适合稀疏投影情况下的重建。

非精确交替方向总变分最小化重建算法

CT(computed tomography)系统实际应用当中,经常会出现扫描数据不满足数据完备性条件的情况.针对不完全角度重建问题的研究,是目前迭代型算法研究中的一个热点.一系列基于带有约束的总变分最小化的重建算法近年来在不完全角度重建中取得了较好的效果,这其中基于交替方向法(alternating direction method,ADM)的重建算法表现出更好的性能.然而,ADM方法在求解过程中对矩阵求逆的处理效率不高,导致极大的计算开销.本文针对该问题,使用非精确ADM方法,利用线性近似的方式替换掉计算开销较大的项,使得矩阵求逆问题可以通过快速傅里叶变换加速实现.实验结果表明,本文提出的非精确交替方向总变分最小化重建算法与精确ADM重建算法相比,没有明显的精度损失,计算时间缩减30%左右.

结合基于梯度的振铃评价算法的总变分最小化图像分块复原法

为了消除退化函数随空间变化发生变化模糊图像分块复原法子块之间的不平滑拼接缝,提出了一种结合了基于梯度的振铃评价算法梯度振铃评价(GRM)的总变分(TV)最小化分块复原法。根据图像分布及退化类型将模糊图像划分为矩形、环形或其他形状的子块,图像子块之间要留有一定的重叠区;然后对每一个图像子块进行复原,GRM方法是基于图像梯度结构相似度的图像质量评价算法,以GRM作为TV复原算法迭代过程中的收敛条件,可以更好地控制复原图像的振铃;最后去除复原图像子块含振铃波纹的重叠区,拼接得到完整图像。并以矩形分块及环形分块为例,证明该方法可以很好地抑制图像边界振铃效应,克服分块复原法本身的缺陷,得到拼接平滑的完整图像。

基于总变分最小化模型的异步并行GPU加速算法

相比于传统同步并行计算策略,在异步并行计算框架下,针对最常用的总变分(TV)最小化重建模型,通过将其转化为不动点迭代问题,并利用异步交替方向法(ADM)进行求解,推导出基于TV最小化模型的异步ADM迭代重建算法,即异步交替方向总变分最小化算法(Async-ADTVM)。利用消息传递接口技术将该算法在图形处理器(GPU)集群上进行测试,进一步提高了原始基于TV最小化模型的迭代重建算法的计算效率。实验表明,该算法在计算求解精度上略优于ADTVM算法,同时在GPU性能存在差异的条件下相比传统多GPU加速策略可获得更高的加速比。

基于非平稳滤波算子的成像域最小二乘偏移

岩性油气藏储层的精确描述需要宽带波阻抗的成像结果。假设已经得到准确的背景阻抗,可以采用最小二乘叠前深度偏移(LS-PSDM)估计高保真、高分辨率的反射系数,进而采用合理的深度域反演方法,将背景阻抗和宽带反射系数融合成宽带波阻抗成像结果。LS-PSDM有数据域和成像域两种求解方法。数据域LS-PSDM由于其高昂的计算代价以及较慢的收敛速率,通常不能很好地应用于实际生产中;成像域LS-PSDM的关键是估计线性算子Hessian矩阵的逆,对常规成像结果去模糊,提高成像质量。由于Hessian矩阵规模庞大,无法直接进行计算及存储,研究了成像域最小二乘叠前深度偏移Hessian矩阵逆的近似估计方法:在总变差正则化约束下求解非平稳匹配滤波算子,近似Hessian矩阵的逆。将计算得到的非平稳滤波算子直接作用到常规成像结果上,即得到成像域LS-PSDM的反演结果。该方法极大程度降低了LS-PSDM的计算代价,并且计算稳定,适用于各类偏移算子。局部Sigsbee模型以及Marmousi模型的数值试验结果表明,求得的非平稳滤波算子能够较好地实现Hessian矩阵逆的功能,得到的成像域LS-PSDM结果相较于常规偏移成像结果具有更均衡的振幅,分辨率也有一定提高。根据该方法求解成像域LS-PSDM得到的高保真、高分辨率的反射系数为宽带波阻抗成像提供了重要的数据基础。

基于局部像素嵌入的人脸图像超分辨率重构

利用像素点在邻域空间的线性嵌入关系作为先验约束来重构高分辨率(HR)人脸图像.算法从HR训练样本集中选择与输入人脸最相近的K个样本进行配准,并以配准后的样本作为参考,学习目标图像中像素点的局部嵌入系数.在学习过程中,算法通过自适应调整各参考样本的权重来减小配准误差的影响,并利用总变差最小化约束嵌入系数的平滑度.结合局部像素嵌入关系以及降质模型,算法可以在最大后验估计的框架下实现对目标人脸的超分辨率重构.实验表明,重建的HR图像拥有更加细腻、清晰的局部特征,其平均峰值信噪比和结构相似度分别比对比算法高出1.26dB和0.04.

求解分段常数图象分割模型的一个快速算法

针对Xue-ChengTai等提出的分段常数图象分割模型,我们提出了一个新的快速求解算法。通过引进一个函数来选择模型中的正则化参数β的值,并判断在迭代过程中何时求解不含惩罚项的泛函F。此函数的引入有效地加速了算法的收敛速度。结合原始-对偶Newton方法来求解总变差最小化问题。数值试验表明新算法具有很快的收敛速度与良好的分割效果,且算法对初始值的要求不高。

基于先验图像-压缩感知的CT局部重建算法

为了提高CT图像局部重建的质量,在压缩感知理论的基础上提出基于先验图像-压缩感知的CT局部重建算法.首先对获得的局部感兴趣区域内的投影数据进行滤波反投影重建,并将重建的CT图像作为迭代的初始图像;然后以图像的总变差最小化为原则对局部感兴趣区域进行凸集投影总变差最小化重建.以Shepp-Logan模型和某型固体火箭发动机为例进行实验的结果表明,该算法能够获得更好的CT图像局部重建质量,且具有更强的抑噪性能.

固体火箭发动机界面脱粘切向CT检测

为了实现固体火箭发动机界面脱粘的快速检测,研究了窄角扇束工业CT检测固体火箭发动机界面脱粘的扫描方案和图像重建算法,提出了平移/旋转和只旋转扫描方案。采用窄角扇束工业CT,对某型固体火箭发动机进行扫描,并采用滤波反投影算法、凸集投影法和基于凸集投影的总变差最小化方法,对获得的切向投影数据进行重建。重建结果表明,平移/旋转扫描方式较只旋转扫描方式更适合该窄角扇束工业CT检测固体火箭发动机的界面脱粘。基于凸集投影的总变差最小化方法重建的图像质量优于滤波反投影算法和凸集投影法重建的图像质量,能够满足固体火箭发动机脱粘缺陷的检测要求。

各向异性边缘检测导引的CT稀疏角度重建

目的:提出一种CT稀疏角度重建方法,用以降低CT的辐射剂量。方法:基于图像各向异性的边缘检测信息,在图像重建过程中更新图像总变差各加权分量的加权权重,然后采用图像总变差最小化方法重建图像。结果:计算机模拟结果表明,与传统的总变差最小化方法相比,该方法可以更好地重建图像边缘,且边缘检测的结果会影响重建效果。结论:采用该方法可以增强图像边缘,提高重建图像的分辨率,改善重建图像的质量。

一种改进的非线性频谱外推算法及其在无源毫米波图像增强中的应用

由于天线的低通滤波效应和噪声的影响,导致无源毫米波图像严重模糊.针对该问题,提出了一种改进的非线性频谱外推算法,用于无源毫米波图像增强.该算法改变了原算法中非线性滤波的方式,并结合总变分最小化方法对图像进行降噪处理.实验结果证明,较之于原算法,新算法更有效地改善了无源毫米波图像的质量、抑制了图像中的噪声.