基于期望块对数似然的激光吸收光谱层析成像

可调谐二极管激光吸收光谱层析成像(TDLAST)是一种重要的非侵入式燃烧检测技术。然而,TDLAST逆问题的欠定性使得传统算法重建的气体吸收密度存在较大误差。本文将期望块对数似然先验引入TDLAST逆问题的求解,提出基于高斯混合模型(GMM)正则化的温度重建算法(GMMTRT)。该方法利用GMM建模燃烧场气体吸收密度的局部分布特性,采用半二次分裂方法求解引入GMM正则化的TDLAST逆问题。利用火灾动力学模拟器生成的仿真数据与利用TDLAST实验系统获得的实际数据进行的重建实验均表明,GMMTRT重建的温度图像能够准确定位火焰位置,并清晰描述燃烧场感兴趣区域的温度分布。与现有的基于Tikhonov正则化的温度重建算法和同时代数重建算法相比,GMMTRT的重建误差分别能够降低15.42%~36.16%和23.10%~44.79%。

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。

基于空间约束高斯混合模型的EPLL自然图像复原

为了提高基于块先验的自然图像复原效果,有效去除图像中的噪声和模糊,提出了一种基于空间约束高斯混合模型的块似然对数期望(Expected patch log likelihood,EPLL)复原框架。基于图像块的空间分布信息,将图像块的空间约束高斯混合统计特性作为先验,在图像块复原的基础上实现整幅图像的全局优化复原。对比相关的图像复原方法,提出的方法去噪和去模糊效果更好,并且保留图像细节。利用客观性能指标对复原结果进行评价。实验结果表明,提出的方法有效易行,而且复原图像表现出良好的可视效果。

空间自适应EPLL低频地震随机噪声降噪方法

期望块对数似然降噪方法从外部数据学习高斯混合模型作为地震信号先验,利用与图像块最匹配的高斯分量对数据块去噪,并与含噪图像加权实现图像重构,能够有效抑制地震图像中的随机噪声,保持图像细节。期望块对数似然算法采用与噪声方差有关的正则化参数,在处理沙漠地震图像的非平稳信号和低频色噪声时很难兼顾弱信号保真与噪声压制。针对期望块对数似然正则化参数不适应非平稳地震信号问题,提出空间自适应期望块对数似然低频随机噪声降噪方法。该方法采用方差归一化对图像平稳化,根据图像块信噪比控制正则化参数,使其随非平稳地震勘探信号强度的时空变化而自适应调整,从而平衡局部细节的保持和非平稳信号全局特征的恢复。此外,在信号重构过程中,通过块信噪比对图像块加权平均,减少信号丢失。笔者采用空间自适应期望块对数似然算法对合成以及实际地震勘探图像去噪。结果表明,该方法可以有效地恢复沙漠地震勘探图像中非平稳信号,抑制低频弱相似随机噪声。