基于曲波域凸集投影算法的缺失GPR信号高精度重建

受采集环境和仪器性能的影响,实测探地雷达(GPR)剖面中不可避免会出现部分信号缺失和坏道现象,易造成目标体产生的反射波和绕射波同相轴不连续,严重降低后续处理与成像精度和分辨率。为此,将图像处理中广泛应用的凸集投影(POCS)算法与具有良好稀疏特性的曲波变换相结合,提出了一种基于曲波域POCS算法的缺失GPR信号高精度重建方法。从压缩感知理论出发,建立了离散曲波变换基下缺失信号重建的目标函数,并采用POCS算法详细推导了缺失GPR信号重建的时间域迭代公式。其中,线性和指数迭代阈值模型用于更新曲波变换系数,从而高精度重建时间域缺失信号;平均绝对误差、信噪比、峰值信噪比用于定量评价GPR信号重建精度。模拟与实测GPR信号的重建试验表明:POCS算法可有效重建GPR剖面中的缺失信号;与线性阈值模型的POCS算法相比,指数阈值模型的POCS算法重建精度更高;与指数阈值模型的频率域POCS算法相比,指数阈值模型的曲波域POCS算法用于重建GPR剖面中连续多道缺失信号的误差更小、纵向伪影能量更弱,且对复杂GPR结构模型的缺失信号重建具有较强的适用性;与线性和指数阈值模型的频率域POCS算法、线性阈值模型的曲波域POCS算法相比,指数阈值模型的曲波域POCS重建方法的重建精度更高、平均绝对误差下降45%~99%、信噪比和峰值信噪比提高1~20 dB,其重建结果可为后续处理与解释提供高质量GPR信号。

基于区域阈值模型的地震信号凸集投影高效重建方法

地震信号重建广泛应用的凸集投影(POCS)算法大都采用线性或指数阈值模型,虽然计算效率高,但由于难以完全消除缺失信号泄露引起的噪声,重建效果不佳。为此,提出了一种基于区域阈值模型的POCS地震信号重建方法,将数值阈值转化为区域阈值,将区域滤波窗口作为阈值进行迭代更新。其核心思想是根据时—空域缺失地震信号的频率—波数(F⁃K)谱分布范围,在每次POCS重建迭代时按照一定规律选取固定大小的矩形或扇形区域作为阈值,将区域内和区域外的变换系数分别保留和置零,以尽可能地保留有效信号的变换系数,构建了地震信号POCS重建的矩形与扇形区域阈值模型。数值试验结果表明:相比于F⁃K域指数阈值模型的POCS重建,F⁃K域区域阈值模型对连续缺失信号的重建精度更高;相比于扇形区域阈值模型,矩形区域阈值模型的重建精度和计算效率均略高;与曲波域指数阈值模型的POCS重建相比,F⁃K域区域阈值模型的重建精度相当,但计算效率提高了约90%。

基于改进快速凸集投影算法的地震数据同时插值和去噪研究

缺失地震数据是在处理获取的数据时遇到的普遍问题,空间假频问题会增大后期处理解释的难度,该问题可以利用稀疏反演方法恢复缺失数据,但此类方法通常针对高信噪比数据。实际采集地震数据不可避免的含有随机噪声,增加了求解插值问题的难度。快速凸集投影(FPOCS)方法是种高效的地震数据插值方法,但并不适合处理噪声数据。

基于凸集投影的计算机图像重建优化算法

移动互联网的发展以及社交信息技术的不断涌现使得大量的数据信息充斥在生产和生活过程中,其中图像作为事物的直观呈现方式之一,其应用范围得到较大程度的扩展。但图像融合质量、成像噪声、像素分辨率等因素使得当前计算机图像重建质量难以得到较好的保证。基于凸集投影算法,考虑到迭代次数和松弛因子对算法的影响,对其进行全变分处理以保证图像的边缘信息。同时为减少算法步长对收敛性能的干扰,在全变分凸集投影算法基础上引入Armijo法则和KSVD分解以实现目标图像训练和稀疏表达。结果表明,所提算法MSE均值为355.28,平均SNR为21.44,信息熵值基本低于8.5,其性能结果均优于其他四种对比算法,图像重建信息质量效果较好,能有效为计算机图像信息的处理和伪影消除提供新的改进思路。

基于凸集投影和线过程模型的超分辨率图像重建

为了改善超分辨率重建图像的效果,提出了一种基于线过程模型的凸集投影方法.根据先验信息在图像重建中有重要作用的原理,该方法在数据一致性投影的基础上,将描述边缘信息的线过程模型作为图像的一个先验知识,用于重建过程中的平滑性约束投影,从而达到既保存图像的高频分量,又在一定程度上降低平滑区域噪声的效果.实验结果表明,该方法重建结果的视觉效果好于原方法,且信噪比有所提高,尤其是在高抽取率的情况下可以明显减少振铃效应.

基于识别的凸集投影人脸图像超分辨率重建

人脸图像的超分辨率重建在公安、视频监控等领域有重要应用价值·基于识别的思想,对人脸灰度图像进行统计分析,得到有关人脸灰度整体特征的先验知识,将其描述为属性集合,从而利用凸集投影算法进行超分辨率图像重建·实验结果表明,重建质量较为理想,与通常的超分辨率凸集投影重建方法相比,抑制噪声的能力有显著提高,重建质量改善明显,收敛速度加快,且易于计算和实现·

基于凸集投影算法的被动毫米波图像超分辨率恢复

为了提高被动毫米波图像分辨率,该文将凸集投影算法(POCS)应用于被动毫米波图像的超分辨率恢复中。文章对引起被动毫米波成像系统图像降质的因素进行了分析和讨论,建立了成像模型,结合POCS算法原理,利用图像的噪声统计特性以及幅度约束条件,对POCS算法用于被动毫米波图像的超分辨率恢复进行了详细分析,并给出了算法流程。仿真结果表明:POCS算法用于被动毫米波图像的超分辨率恢复相对双线性差值方法恢复效果有明显改善。

基于凸集投影法和复数小波包域的遥感图像上采样研究

造成遥感图像降质的因素很多,包括大气影响、光学模糊、相对运动、传感器因素和下采样等.文中针对遥感图像的特点,改进通常用于多帧图像超分辨率技术中的凸集投影法,应用于单帧遥感图像的上采样,然后对其输出结果使用贝叶斯方法进行调制传递函数(MTF)的自适应估计,并在复数小波包变换域中做进一步的去模糊和降噪处理,从而实现单帧遥感图像的上采样.实验结果表明:基于凸集投影法和复数小波包域的综合方法,能快速有效地对遥感图像进行上采样,尤其对方向性纹理效果明显.

一种基于凸集投影(POCS)的数字图像超分辨率重建算法

该文研究了一种基于凸集投影(POCS)算法的超分辨率图像重建方法,分析了POCS方法恢复图像的理论算法,通过仿真对比了其与双线性插值方法恢复超分辨率图像的差异,仿真结果表明,该方法明显地提高了超分辨率图像的恢复质量。

非局部平均迭代修正的稀疏角度CT凸集投影重建

鉴于非局部平均(nonlocal means,NL-means)滤波后的图像质量大幅提升,本文提出一种非局部平均迭代修正的稀疏角度CT凸集投影(projection onto convex set,POCS)重建方法。新方法采用两相式重建策略:首先对CT稀疏投影数据采用POCS算法进行重建,以获得满足数据一致性及非负性约束的重建图像;随后由POCS重建图像导引非局部平均对其进行优化修正,以消除图像中的高频噪声,保持图像边缘,减少条形伪影,达到提升图像质量的目的。两相交替进行,直至满足某一终止准则。仿真实验表明,本文提出的非局部平均迭代修正稀疏角度CTPOCS重建算法,可有效抑制重建图像噪声和条形伪影,大幅提高重建图像质量。

改进块匹配与初始估计的凸集投影图像重建

凸集投影算法进行图像超分辨率重建时,图像配准和初始估计对重建结果有重要影响。为解决传统块匹配算法小块匹配易受噪声干扰,大块匹配对运动对象跟踪不精确的问题,本文以空间十字频率法判断图像的平坦程度,根据图像平坦度进行匹配块的分割,实现了匹配块大小的动态选择;针对单帧初始估计包含信息量少的不足,将所有已知低分辨图像与插值图像配准,以最优插值法作用后的插值图像作为初始估计。实验证明,改进的配准算法消除了固定块配准方式在噪声和局部运动同时存在时的不足,且算法简单,运算量较小;新的初始估计生成方式则提高了初始估计的峰值信噪比,加快了重建的收敛速度。

一种多幅欠采样图像的凸集投影超分辨率重建方法

介绍了一种由多幅欠采样低分辨率图像重建一幅高分辨率图像的凸集投影超分辨率重建技术。首先介绍了超分辨率空间域迭代重建方法中一个至关重要的因素——成像过程模型;其次通过介绍凸集投影的理论依据,给出了插值—模拟采样迭代超分辨率重建方法的模型和重建步骤;最后通过实验数据对算法进行了验证。

基于凸集投影的高分四号卫星影像超分辨率重建

基于凸集投影(projection on convex sets,POCS)对GF-4数据进行超分辨率重建处理。利用能量连续降减法构造参考帧以减少迭代次数,提高算法效率;利用Vandewalle配准法对图像块进行运动估计从而获取精确的运动参数有利于图像的分块处理。通过对GF-4真实数据进行试验与分析,表明超分图像结果的清晰度与序列影像帧数呈正相关;信噪比与帧数呈负相关。应用5帧数据进行超分重建,清晰度(平均梯度)从7.803提高到14.386;信噪比会略有下降,从3.411下降到3.336。试验表明该方法可以有效提高图像清晰度,增加图像细节信息,提升图像判别能力,扩展数据的应用范围。

基于凸集投影(POCS)的车牌图像超分辨率重建研究

针对车牌识别中所拍摄的图像序列存在分辨率较低的问题,提出了利用图像间的互补信息来重建一幅高分辨率图像的方法,以便于车牌图像的识别。通过迭代求解法和高斯金字塔模型,快速精确地估计得到配准参数,采用凸集投影(POCS)算法对图像序列进行了超分辨率重建。实验表明算法具有亚像素级的配准精度和较强的稳健性,重建图像取得了良好的视觉效果。

用于特征点配准的快速聚类凸集投影算法

提出一种用于特征点配准的快速聚类凸集投影算法．该算法首先将模板点集和目标点集的配准问题通过聚类转化为相应类集合的配准问题,降低了算法的计算量;进而采用基于二次规划的凸集投影来求解类配准问题,避免了序贯凸集投影算法由于交替行列投影而引起的积累误差．仿真表明,相对于现有的特征点配准算法,本文算法的配准精度和计算量均有所改善．

用于快速特征点配准的聚类凸集投影算法

为降低特征点配准的计算量,提出了一种聚类凸集投影算法。该算法首先通过聚类将模板点集和目标点集的点配准问题转化为相应的类配准问题,然后将序贯凸集投影算法用于求解该问题,从而得到一种聚类的凸集投影算法。它可以看作是序贯凸集投影算法结合聚类思想而得到的推广。由于该算法的误差和计算量取决于类半径的大小,因此在点密度较大的情况下,通过适当选择类半径,可明显降低计算量,而精度只有少许降低。仿真结果表明,该算法是有效的。

模糊数学和投影至闭凸集法结合提高医学图片谱估计质量

传统的功率谱估计得到的估值可视为是真实功率谱在隐含窗和噪声作用下退化的结果,可采用信号解卷积的方法恢复信号的真实功率谱。本文采用模糊数学和投影至闭凸集(POCS)法相结合实现解卷积的选代算法,对约束条件和隶属函数的选择均作了考虑。采用在模糊集的截集上的选代求解,提高了谱估计质量。该方法用于图片的功率均衡滤波,获得较好的效果。

基于微积分和凸集投影技术的图像超分辨率重建技术研究

针对传统图像超分辨率技术,在进行模糊图像时效果不佳的问题,开展了基于微积分和凸集投影技术的图像超分辨率重建技术研究.将分数阶微积分应用于传统凸集投影技术中,首先采用分数阶微分方法实现了图像帧的增强,然后采用分数阶积分方法降低了微分过程中产生的误差,提高了算法的效率和适应性.通过最终实验分析可知,本文算法在各项评价指标方面的表现均优于各传统算法,尤其对于模糊图像的重建,优势更加明显,有效解决了模糊图像的超分辨率重建问题.

利用抗假频凸集投影算法的规则缺失地震数据重建

在地震数据现场采集过程中,因受工区复杂地形等条件限制,采集到的地震数据大多不完整、不规则,且会呈现不同程度的空间假频现象。在均匀空间网格下,规则地震道缺失引起的假频与真实频谱相似,而常规基于傅里叶变换和凸集投影(POCS)的重建方法不能实现反假频重建。为此,针对线性同相轴规则缺失地震数据,通过在f-k域中采用倾角扫描方法拾取有效波能量,建立相应的选择函数,将其引入到POCS算法对数据进行反演计算,重建得到无假频数据。数值实验结果表明,文中所提方法在重建规则缺失地震数据的同时有效地消除了假频信息。

基于凸集投影的稀疏磁共振图像重建新算法

目的:只将稀疏MRI数据重建公式中的正则化项作为最小化的目标函数,避免在迭代过程中系统矩阵参与运算,以降低算法的运算量,提高稀疏MRI数据重建的速度。方法:本文中所用的正则化函数是图像全变分与小波系数L1范数的组合,其最小化问题是用次梯度优化算法来求解的。在每一步迭代过程中,首先求出正则化项的次梯度,用次梯度优化算法求解得到中间图像并对其进行傅立叶变换,再根据凸集投影原理,直接将在相位编码方向上随机降采样的K空间数据替换到中间图像频域值的相应位置上,然后对替换后得到的频域值进行反傅立叶变换并将求得的图像作为下一次迭代过程的初始图像。结果:在正则化函数和迭代步数均相同的条件下,本文方法重建的图像质量与NCG-SMRI方法的相当,但重建速度是NCG-SMRI方法的2倍多。结论:实验表明,在不降低重建图像的质量的前提下,本文方法可以提高稀疏MRI数据的重建速度,能进一步满足临床上对MRI重建速度的要求。