基于超拉普拉斯分布的磁化率重建算法

定量磁化率成像由于能够定量分析组织内部的顺磁性物质而受到越来越多的关注。然而由局部场反演出磁化率分布的过程是一个病态反问题,在反演过程中,引入合理的先验信息可以提高结果的准确性。为此,提出基于超拉普拉斯分布的磁化率重建算法,实际人脑实验验证该方法在提高结果准确性方面的优越性。

基于L_p稀疏正则的图像去模糊方法研究

在图像去模糊问题中,图像的模糊核估计是重中之重.通常图像的梯度服从重尾分布这一先验被广泛的运用于图像的模糊核估计中,然而受限于非凸优化的数值求解方法,人们往往采用图像梯度的L1范数或者L2范数来近似,从而构造出计算较为简单的凸优化能量函数来估计模糊核.为此,本文提出一种基于Lp稀疏正则的非凸优化的模糊核估计方法,该方法以服从超拉普拉斯分布的图像梯度的Lp范数为稀疏先验项,有效的提高了先验知识的准确性的同时增强图像的强边缘,抑制了细小边缘对模糊核估计的影响.在对Lp范数的数值求解问题中,本文采用GISA(generalized iterated shrinkage algorithm)可以简单且有效的求得任意p值下的最优解.实验表明与传统方法相比,本文方法有效地提升图像的质量,去模糊后的图像更加清晰.

结合稀疏表示与匹配梯度分布的图像复原

针对基于稀疏表示的传统图像复原方法无法准确恢复图像小尺度细节的不足,提出了一种结合稀疏表示与匹配梯度分布的图像复原方法。首先在稀疏表示图像复原模型的基础上,利用参数化的超拉普拉斯分布估计原始图像的梯度分布;然后,通过对图像的梯度分布进行全局约束,利用梯度直方图匹配操作匹配图像梯度分布,使复原图像的梯度分布尽可能接近原始图像。仿真实验结果表明,本文算法能够取得较优的复原效果,并且能以较高精度复原图像的细节信息。