压缩感知新技术专题讲座(四) 第7讲 压缩感知在图像信号处理中的应用

绝大部分自然图像信号都在某个变换域具有稀疏性或近稀疏性。基于压缩感知理论,可以用远低于采样定理要求的采样频率采集信号,并可在一定条件下高概率恢复信号,这将极大降低图像信号的采样频率以及数据存储和传输的代价。文章首先简述了压缩感知理论,然后分析了图像的稀疏性对图像重建质量的影响,最后着重从图像压缩、图像融合、图像去噪、图像识别以及图像复原几个方面分析了压缩感知理论在图像处理领域中的应用以及目前所面临的问题。     

基于相位估计的湍流降质图像盲复原

地基望远镜观测的空间目标图像受大气湍流的影响,其分辨率受到很大的限制。为了提高湍流降质图像的复原效果,提出一种改进的盲解卷积方法。首先,考虑观测图像受到高斯噪声和泊松噪声的干扰,推导出基于混合噪声模型的盲解卷积代价函数;然后,根据傅里叶光学原理,利用波前相位表示点扩展函数,将点扩展函数从像素值估计转换为参数估计;最后,通过参数化表示方式,将代价函数寻优从约束最优化问题转换为无约束最优化问题。模拟实验结果验证了本文模型与数值算法的有效性。     

运动模糊图像的运动模糊方向鉴别

曝光瞬间造成图像模糊的运动通常作为直线运动近似处理,若能找出模糊图像的运动模糊方向,并将之旋转到水平轴,则二维问题可简化为一维来处理,大大简化由模糊图像估计出运动模糊点扩散函数以及图像恢复的过程,并为图像恢复的并行计算创造有利条件。由于运动模糊降低了运动方向上图像的高频成分,沿着运动方向实施高通滤波(方向微分),可保证微分图像灰度值(绝对值)之和最小。基于此,本文利用双线性插值的方法,固定并适当选取方向微分的微元大小,构造出3×3方向微分乘子,得到了高效高精度的自动鉴别运动模糊方向的新方法,并通过数值实验进行了验证。     

基于残差网络和注意力机制的红外与可见光图像融合算法

针对红外与可见光图像的融合,提出了一种基于残差网络和注意力机制的图像融合算法.首先,为了分别从背景层和细节层提取红外与可见光图像的特征信息,使用引导滤波将红外和可见光图像分解为含有低频背景轮廓信息的背景层和含有高频细节纹理信息的细节层,再使用编码网络分别从背景层和细节层中提取特征信息并进行融合,该特征提取方法可提获得更...     

基于因子分解和光束法平差从航空序列图像恢复三维结构

从航空序列图像恢复目标三维结构是航空摄影测量的基本问题。针对现有算法中精度与计算量的矛盾,提出一种基于因子分解与光束法平差的新算法。作为因子分解与光束法平差的桥梁,提出基于"R T"模式共线方程的概念,详细推导了其线性化公式。仿真实验和真实图像实验表明,新算法精度高、稳定性好,可应用于航空测绘、虚拟现实、军事侦察等工程实践。     

一种基于改进SIFT的航拍图像自动配准算法

针对传统SIFT算法匹配时间长、错匹配较多等问题,提出了一种基于改进SIFT特征的航拍图像自动配准算法.首先,通过特征点检测时设定检测极值点数目,按照DOG空间层次结构由粗到精来搜索特征点,并使用改进的SIFT特征描述符生成算法;其次,利用最近邻匹配准则进行初步匹配得到初始匹配点对,并采用双向匹配方法对匹配特征点对进行筛选;然后,基于马氏距离的特征点相似度量方法进行二次匹配,并使用RANSAC算法求取仿射变换模型;最后,通过双线性插值对变换后的图像进行重采样和插值.实验结果表明:该算法可以实现航拍图像之间的有效配准,在配准性能上优于传统SIFT算法.     

逐波段修正负相关的光谱角填图算法

光谱角填图算法作为一种常用的光谱相似性度量方法,不能正确区分光谱间的正负相关是其内在的缺陷,因此,导致基于光谱角的高光谱遥感图像分类算法误分率较高.详细分析了光谱角的数学公式,提出了逐波段修正负相关影响的光谱角填图算法.算法首先判断每个波段间是否存在负相关,然后对负相关产生的光谱角加以修正,使最终的全波段光谱角可以正确反映光谱间的相似关系.算法由IDL7.0实现,在模拟数据上的实验表明,修正了负相关的光谱角可以将光谱角填图算法无法区分的光谱正确分离出来;在实际高光谱遥感图像上进行目标探测的实验表明,修正后的光谱角可以提升探测效果,有效地压制误分率.     

图像融合的客观质量评估

随着图像融合技术在武器自动化系统中的广泛应用,图像融合的质量评估问题,即图像融合的性能评估问题,在融合方案的选择中具有重要地位。由于人工主观的图像融合评估具有很大的工程化和自动化难度,国际上研究人员都将研究目标投向了客观图像融合质量评估的研究中。从历史发展的角度系统地回顾了客观图像融合质量评估的发展历程和研究现状,对近十年来的客观图像融合质量评估方法进行了分类和分析。同时,对于国际上几种流行的图像融合质量评估方法的性能测定思路进行了介绍。对于图像融合质量评估现状的分析和讨论有助于我们对图像融合的质量评估方法进行更深入的研究。     

基于非负张量表示的扩展LDA标注模型

由于“语义鸿沟”的存在,自动图像标注是一项极具挑战性的工作。考虑到图像低层视觉特征与高层语义概念的差异,分别从图像表示与语义建模两个方面来实现自动图像标注。在图像表示方面,提出了一种正则化约束下的非负张量表示方法,用以提取符合人眼视觉直观理解的图像高阶结构特征。在语义建模方面,提出了一种三层贝叶斯模型——扩展隐Dirichlet分配。该模型利用隐变量来实现图像与标注词的关联,并通过一种基于变分推理的期望最大值方法来估计其参数。实验结果表明,ELDA模型在大规模数据库NUS-WIDE上的标注结果相较于现有方法有了显著的提高。