基于点扩散函数的图像学高分辨率技术

常规基于一维假设的高分辨率处理技术如反褶积、反Q滤波方法等,针对水平构造或者小倾角构造有较好的处理效果,但在面向高陡构造或者断裂等复杂构造时处理效果不佳。而偏移成像结果可以看作是点扩散函数(PSF)与真实反射系数褶积的结果,高维空间条件下的高分辨率处理技术实际上是此正演问题的一个反问题,即基于成像结果进行反射系数反演。为此,提出了一种基于点扩散函数的高分辨率处理技术,首先基于点扩散函数的计算原理,推导出了基于高频近似条件下的快速求解算法,并在高维空间褶积理论的指导下结合图像学反演算法研发了纯数据驱动的点扩散函数提取技术,最后采用高维空间反褶积算法求得高分辨率成像结果,实现地震频带的有效拓宽和成像分辨率的提升。模型数据和实际数据测试结果表明,该算法可在不损失低频的前提下有效扩宽高频,且具有在计算效率与常规高分辨率算法基本相当的条件下有效提高不同展布方位地质体分辨率的优势。

基于奇异值分解估计点扩散函数的复原算法研究

基于奇异值分解的性质,从离散退化模型出发,采用理想图像奇异值向量的平均能谱理论,得出用奇异值分解来估计点扩散函数的方法,复原过程用逆滤波法来实现。文中采用奇异值累计和函数的二阶导来确定点扩散函数估计过程中的重组阶数R1,三阶导曲线用于去噪的重组阶数R2的选取。用本文方法进行去噪复原实验,与自动选取法进行比较,去噪复原效果较好。

散焦含噪图像的点扩散函数估计与边缘检测

针对机器视觉中图像模糊的原因,采用广义高斯函数描述点扩散函数(PSF),建立边缘扩散模型,从一幅图像所含的多条边缘中提取样本,依据提出的整合准则从全部样本的估计结果中计算整幅图像的PSF,利用最优求解的概念,在最小二乘近似下实现PSF及亚像素级边缘位置的最佳估计.实验结果表明,由于获得了图像对应的PSF最佳估计,因此边缘检测具有比较高的抗噪性能,在边缘亚像素检测基础上完成的尺寸测量误差小于0.5%.

基于射线理论点扩散函数的成像域最小二乘偏移

最小二乘偏移能够消除非规则地震采集、带限子波等因素对偏移结果造成的不良影响,提高成像分辨率和振幅保真度,但高昂的计算成本严重制约了其实用性和应用前景.本文基于射线理论格林函数和地震波走时一阶近似,提出了一种快速的点扩散函数计算方法,不但可以大幅降低点扩散函数的计算成本,还能够适应任意的空间采样以保证点扩散函数的插值精度.以此为基础,本文进一步发展了成像域最小二乘偏移方法,能够高效、灵活地实现地下反射率的迭代更新,并最终获得分辨率更高、照明更加均衡的反演成像结果.文中给出的模型和实际数据的测试结果验证了上述方法的正确性和有效性.

一种鲁棒的散焦模糊图像点扩散函数参数估计方法

提出了一种具有较强抗噪能力的频率域鉴别散焦模糊参数的方法。该方法对模糊图像对数频谱图实施极坐标变换,然后计算距频谱中心不同半径下的多方向幅值累加和函数,进而提取第一过零圆环的半径,完成散焦模糊参数的估计。实验结果表明,该方法能够适应带噪散焦模糊图像退化模型的参数估计问题,且具有较高的鉴别精度。

大倾角光学遥感中大气点扩散函数的近似模型

大气对垂直遥感和大倾角遥感影响的主要差别之一体现于邻近象元的影响。对于垂直遥感，点扩散函数是各向同性的，即邻近象元对于目标象元的影响只与它们之间的距离有关，和它们之间的相对方位无关。但是对于大倾角遥感，点扩散函数不仅依赖于邻近象元和目标象元之间的距离，而且还依赖于它们之间的相对方位，在距离相同时，在观测方位上的邻近象元对目标象元的影响最大。本文用传感器、目标象元和邻近象元构成的几何关系描述来自邻近象元的漫反射再经大气的一次散射而达到传感器的辐射通量，从而得到大气的点扩散函数的近似解析解。这种解析近似同蒙托卡洛的模拟结果有很好的一致。我们用这种方法得了ＡＳＡＳ（ＡｄｖａｎｃｅｄＳｏｌｉｄ－ｓｔａｔｅＡｒｒａｙＳｐｅｃｔｒｏｒａｄｉａｍｅｔｅｒ）大倾角观测时的大气的点扩散函数，并设计了一个Ｗｉｅｎｅｒ滤波器去除邻近象元的影响。视觉效果评价和空间相关性分析的结果表明了这种方法的有效性和可行性。

运动模糊图像点扩散函数的频谱估计法

在深入研究无噪声情况下的匀速直线运动模糊图像的点扩散函数特性,提出一种基于频域的识别运动模糊图像模糊方向和模糊长度的算法。分析了对模糊图像频谱图出现平行暗条纹的原因,从理论和实验说明暗条纹的方向与模糊方向垂直的特性,并采用RADON变换法检测这些暗条纹,给出精确的数值估算方法。采用SOBEL算子对模糊图像进行一阶微分运算,求其自相关鉴别曲线,并估算出其模糊长度。仿真分析结果表明,该算法可以准确地识别图像运动模糊参数,其模糊角度绝对误差不超过2°,模糊长度绝对误差不超过1个像素。

基于点扩散函数估计长曝光大气湍流图像复原

在大气介质中工作的光学成像设备因为受到大气湍流的影响,获取的图像存在抖动、畸变、模糊以及光照不均等影响。在遥感、天文观测以及远程监视等领域需要对这一类的退化图像进行处理以求获得清晰图像。利用大气湍流退化的点扩散函数可以对模糊图像进行复原,但在实际的情况下,点扩散函数通常无法精确获得。结合研究背景,先针对长曝光大气湍流退化图像使用APEX算法,并通过结合图像的频谱特征对APEX算法中的点扩散函数(PSF)估计过程进行改进,通过该方法可以较为精确地获得大气湍流模型的点扩散函数(PSF),然后优化拟合算法,恢复出的图像可以拥有较为良好的视觉效果,通过对比改进前后图像的灰度平均梯度值和拉普拉斯梯度模这两个客观评价标准,进一步验证该方法的有效性。

基于点扩散函数的小目标辐射测量

提出了一种基于点扩散函数(PSF)精确测量尺寸很小或者距离很远的一类小目标的红外辐射特性的方法。该方法在已知目标几何形状的前提下,采用倾斜刃边法测得光学系统的点扩散函数;对目标成像和探测器焦平面阵列采样过程进行建模,得到目标在探测器上成像的模拟图像;通过对红外系统捕获的模拟图像与真实图像进行匹配获得最优化估计的目标亮度、尺寸以及中心位置。最后,通过实验对该方法进行了验证。结果显示:圆形目标温度为70℃,理想几何成像直径大于4个像元时,测得的辐射亮度最大误差为2.35%;目标尺寸(面积)最大误差为1.89%。该方法可用于获取目标和背景辐射特性,测试红外成像系统性能,完成图像复原和小目标定位等。

半参数跳-扩散模型的近似极大似然估计——基于转移密度的闭式展开方法

首先,引入半参数跳-扩散模型,用闭式展开的方法得到转移概率密度的近似表达式,证明了转移密度的展开式收敛到真实的转移密度.然后,利用近似极大似然估计的方法对模型中的参数进行估计.针对时变参数和非时变参数,分两步进行估计:第1步,采用局部常数拟合对时变波动率参数进行近似,利用核函数加权的方法得到了时变参数的局部近似极大似然估计量;第2步,用传统的极大似然估计方法,得到了非时变参数的近似极大似然估计.最后,证明了所得估计量的渐近性质.

非平坦地形下移动机器人位姿精准估计研究

非平坦地形上移动机器人的姿态和运动变得更加复杂和多样化,导致机器人位姿估计精准度和效率降低,为此提出非平坦地形下移动机器人位姿精准估计方法。根据移动机器人的运动特性和约束条件获取运动学函数,将该函数输入Mahony算法,得到粗略的姿态估计值。将姿态估计值和里程计观测数据作为EKF算法的初始参数,通过滤波和融合处理进行位姿估计,结合PL-ICP点云匹配方法进一步更新位姿估计结果。将更新后的位姿估计作为EKF算法的先验估计,并与其他传感器数据进行融合,得到初步位姿估计结果。将初步位姿估计结果作为果蝇优化算法的优化目标,获取更加精准的移动机器人位姿估计结果。实验结果表明:所提方法能够在确保移动机器人稳定运行的基础上,有效提高其位姿估计的精准度和效率,取得了较好的应用效果。

航天湍流退化图像的极大似然估计规整化复原算法

为了从有噪的湍流退化图像中有效地恢复出目标图像,提出了一种基于极大似然估计准则的规整化复原算法.根据图像随机场模型建立了有关多帧图像数据的对数似然函数,同时为了平滑噪声和保护图像边缘以及避免无价值的解,将一些合理的惩罚项和辅助平滑项融合到该对数似然函数中.推导出了湍流点扩展函数和目标图像的交替迭代求解公式,通过迭代方式可将点扩展函数和目标图像同时估计出来,给出了算法的并行处理方案.在微机上对强噪声条件下的湍流退化图像进行了恢复实验,实验结果表明本算法具有较强的抗噪能力和实用价值.

基于帧选择和极大似然估计的自适应光学图像多帧联合去卷积算法

为提高自适应光学(AO)图像的空间分辨率,提出一种基于帧选择和极大似然估计的AO图像多帧联合去卷积算法.该算法基于极大似然估计,根据图像的高斯噪声模型建立多帧AO图像的联合对数似然函数.首先对观测的多帧AO图像进行帧选择,遴选高质量的降质图像;然后结合观测条件和AO系统特性,推导点扩散函数估计模型;最后建立迭代求解公式,得到多帧AO图像联合去卷积方法.实验结果表明,与基于期望值最大化的Richardson-Lucy算法(Richardson-Lucy EM算法)和基于合并惩罚函数的自适应应图像复原算法(CPF-Adaptive算法)相比,该算法的峰值信噪比分别提高9%和5%,Laplace梯度模分别提高11%和8%,且得到了较清晰的目标图像.

各向异性扩散与M-估计的比较研究

通过比较研究Perona和Malik提出的各向异性扩散方程与稳健统计学中的M-估计,从理论上揭示了各向异性扩散的数学本质,可视为M-估计在图像处理领域的一种典型应用。其中稳健函数的构造是M-估计的核心。基于Huber给出的稳健性定性描述,同时借鉴各向异性扩散中边缘停止函数的单调下降性,分析并总结了M-估计中稳健函数具备的基本性质。在此基础上,简洁地建立了一种稳健函数的构造框架,并导出了一个新型稳健函数。去噪实验结果验证了新型稳健函数的有效性。

训练支持向量机的Huber近似算法

支持向量机是基于统计学习理论的结构风险最小化原理提出来的一种新的学习算法,它把模式识别问题建模为一个简单约束的高维二次规划问题.该文利用Lagrangian对偶方法,给出此高维二次规划的无约束对偶问题;考虑到该对偶问题是不可微的,利用Huber近似将其近似转化为连续可微的分片二次函数的无约束极小化问题.证明了该分片二次函数的极小点对应原二次规划的ε最优解,而用此极小点可直接算出支持向量和最优超平面.最后针对分片二次函数的特点,提出了Newton型算法,结合精确一维搜索技巧,可以快速求解该问题.数据实验结果仿真表明该算法能够在低存储需求下有效提高大数据量、高维问题的训练学习速度.

一种基于局部Radon变换运动模糊图像参数估计算法

由于相机的运动会使获取的图像变得模糊,而图像模糊过程的本质是一个卷积过程.恢复这类模糊图像的关键是准确的估计运动模糊核函数,即对运动方向和模糊长度这两个参数的估计.提出一种基于局部Radon变换的方法来解决运动模糊核函数估计的问题,通过对模糊图像的频谱进行局部Radon变换,以此来构造一个目标函数,然后求解该目标函数的L1范数最优解来估计运动模糊的方向,在模糊长度估计上,提出一种改进的启发式算法,该算法能实现不同模糊程度下模糊长度的估计.实验结果表明,本文的算法在低信噪比和小模糊长度的情况下仍能准确的估计模糊核参数.

Wiener系统的变聚点样条逼近递推贝叶斯算法

为了辨识过程噪声干扰的Wiener非线性系统,提出了一种基于三样条函数逼近的递推贝叶斯算法.众所周知,传统的多项式逼近具有不能外推、高阶易震荡等缺点.为了克服这些缺点,首先利用三样条函数对Wiener系统的非线性反函数进行逼近,在此基础上将待辨识系统参数化为伪线性回归系统.然后把估计到的噪声方差融入算法,接着使用递推贝叶斯算法对参数进行了估计.为了提高三样条函数对非线性反函数的逼近能力,一种基于均值的变聚点选择方法被应用于算法.文中还对算法的收敛性进行了分析,并用数值仿真和案例建模验证了算法的有效性.

非对称损失函数下Burr Ⅻ型分布可靠性指标的Bayes估计

本文研究了R=P(Y<X)在两种非对称损失函数下的Bayes估计问题,其中随机变量X和Y相互独立且服从不同的Burr Ⅻ型分布.利用Lindley近似方法,获得了Bayes估计的显式近似表达式,通过随机模拟比较了不同损失函数下的Bayes估计的性质.

基于多尺度核函数的散乱点云数据过滤方法

针对光滑曲面采样散乱点云含有噪声及异常数据的问题,提出了一种基于多尺度核函数的过滤处理方法。采用核密度估计技术及均值漂移跟踪算法对原始点云数据进行聚类,结合局部似然函数来测度一个三维点位于采样曲面上的概率,利用过滤后的极大似然点集精确地逼近采样曲面,最后结合经典网格化算法能够获得较好的曲面重构效果。处理实例证明,该方法实用性好,不仅能够很好地抑制不同幅值的噪声,同时也能够探测到异常数据并进行自动清除。

改进极大似然估计大气湍流图像复原算法

采用Zernike多项式进行波前复原,并作为点扩散函数的初值,结合图像先验信息和参数估计改进最大似然估计法,对模拟的湍流退化图像进行复原实验。实验结果表明,相比于Lucy-Richardson和盲卷积算法,该算法复原后图像的灰度平均梯度有明显提高。