- 标题
- 摘要
- 关键词
- 实验方案
- 产品
-
[IEEE 2018国际通信与信号处理会议（ICCSP）- 金奈（2018年4月3日至2018年4月5日）] 2018年国际通信与信号处理会议（ICCSP）- 基于总变分和最小二乘法的高光谱图像去噪方法比较分析
摘要： 具有高光谱分辨率的高光谱图像（HSI）常因噪声累积而退化。因此，图像去噪是提升后续处理（如图像分类、解混等）精度的关键预处理技术。本文对比了光谱域最小二乘（LS）加权正则化与空间域最小二乘及全变分（TV）去噪方法，通过真实高光谱图像数据集和噪声模拟数据集进行实验验证。结果表明：光谱LS方法能良好保持图像对比度与边缘信息；空间LS方法的图像对比度存在波动，TV方法则会丢失边缘信息。实验数据显示，在视觉可解释性、信噪比（SNR）和结构相似性（SSIM）指标方面，光谱LS均优于其他两种技术。
关键词： 国际银行建筑委员会，信噪比，最小二乘法，高光谱图像，去噪，光谱域，总变分，结构相似性指数
更新于2025-09-23 15:22:29
-
通过总变分最小化实现图像恢复的递归SURE方法
摘要： 近年来，总变分正则化已成为图像去噪和反卷积的标准技术，甚至是一项基础工具。通常，恢复质量强烈依赖于正则化参数的选择。本研究基于特定重建算法，开发了用于参数选择的Stein无偏风险估计（SURE）递归评估方法，使我们能够监测迭代过程中均方误差（MSE）的变化趋势。特别地，为处理大规模数据，我们提出了一种无需显式矩阵运算的蒙特卡洛模拟方案来实现SURE的实际计算。实验结果表明，所提出的递归SURE方法能实现正则化参数的高度精确估计，并在MSE指标上达到近乎最优的复原性能。
关键词： 总变分，Stein无偏风险估计（SURE），反卷积，雅可比递归，去噪
更新于2025-09-23 15:22:29
-
面向低剂量X射线计算机断层扫描的稀疏视图数据稀疏诱导动态引导滤波方法
摘要： 能够融合滤波或正则化技术的迭代重建（IR）方法在多种场景中受到广泛关注。经证实，总变分（TV）正则化是抑制360°稀疏视角计算机断层扫描（CT）重建中条纹伪影和噪声的有效工具。然而对于欠采样投影数据（如半视角等有限视角CT扫描），当投影数据进一步减少时，基于TV的重建结果会出现边缘结构部分模糊、块状伪影等特定伪影未被有效抑制的情况。为进一步提升重建图像质量，本文提出稀疏诱导动态引导图像滤波重建（SIDGIFR）方法：以总差分最小化约束的中间重建结果作为引导图像，通过引导图像滤波对凸集投影（POCS）结果进行滤波处理。该算法中引导图像会动态更新，能在迭代过程中将边缘、微小细节等重要特征传递至滤波图像。为验证SIDGIFR算法的有效性与可行性，研究开展了模拟实验与真实数据研究。定量评估表明，该方法性能优于其他经典迭代重建技术，且相比现有迭代重建方法能更优地保留边缘结构并抑制噪声与伪影。
关键词： 计算机断层扫描、总变分、迭代重建、总差异、引导图像滤波、稀疏视图
更新于2025-09-23 15:21:01
-
通过全变分模型融合不同分辨率的红外与可见光图像
摘要： 在红外与可见光图像融合中，现有方法通常要求源图像具有相同分辨率。然而受硬件设备和应用环境限制，红外图像分辨率往往显著低于对应的可见光图像。这种情况下，当前融合方法不可避免地导致可见光图像纹理信息丢失或红外图像热辐射信息模糊。此外，现有融合规则原理主要侧重保留源图像纹理细节，这对融合以像素强度为特征的热辐射信息可能并不适用，还可能忽视融合图像中目标的显著性。针对这些难题，我们提出一种融合不同分辨率红外与可见光图像的新方法，通过生成高分辨率结果图像获得清晰准确的融合效果。具体而言，将融合问题构建为全变分（TV）最小化问题：数据保真项约束下采样融合图像与红外图像的像素强度相似性，正则化项迫使融合图像与可见光图像的梯度相似性。采用快速迭代收缩阈值算法（FISTA）框架提升收敛速度。最终融合图像类似经可见光纹理信息锐化的超分辨率红外图像。通过在公开数据集上与六种先进方法进行定性与定量比较，验证了本方法的优越性与创新性。
关键词： 图像融合、不同分辨率、总变分、红外
更新于2025-09-23 15:21:01
-
基于互补支撑集先验知识（Pri-CSS）的DECT半扫描加二次有限角扫描重建方法
摘要： 双能量计算机断层扫描（DECT）具有提升物质区分能力，但多数扫描方案需在不同X射线能谱下获取两组完整扫描数据，这限制了其在非完整扫描成像系统中的应用。本研究提出一种利用高低能谱梯度图像一致性信息的DECT重建方法，仅需一次半扫描配合二次有限角度扫描即可实现，从而降低DECT数据采集要求?；诓裳跫治隼砺郏荻韧枷竦幕ゲ怪С偶酝枷裰亟ň哂兄匾饔谩钩闪司稢T重建的充要条件。对于DECT而言，同一物体的高低能CT图像梯度图像理想情况下应共享相同的互补支撑集。受此启发，我们从首次半扫描CT图像的梯度图中提取互补支撑集先验知识（Pri-CSS），用于提升二次有限角度CT重建质量。该先验知识将以约束形式融入总变分正则化模型，通过交替方向法迭代求解改进后的优化模型，最终推导出从有限角度测量数据重建低能CT图像的算法。我们在数字体模和真实数据上开展定性与定量实验验证该方法，结果表明：在设计的扫描配置下，本方法优于同类技术并能实现高质量重建。
关键词： 互补支撑集、总变分、图像域方法、双能CT
更新于2025-09-12 10:27:22
-
基于总变分的神经网络回归用于红外图像非均匀性校正
摘要： 许多现有的场景自适应非均匀性校正（NUC）方法存在收敛速度慢和鬼影效应的问题。本文提出一种基于总变分惩罚神经网络回归的改进NUC算法。我们的研究主要聚焦于解决传统神经网络NUC方法中最小均方（LMS）回归的过拟合问题，通过采用总变分惩罚项并重新设计处理架构来实现。此外，还提出了一种自适应门控学习率以进一步抑制鬼影伪影并保证快速收敛。分别采用人工加噪测试序列和真实红外图像序列对所提算法的性能进行了全面评估。实验结果表明，该算法能有效加速收敛速度、抑制鬼影伪影并提高校正精度。
关键词： 总变分、神经网络、红外成像、非均匀性校正
更新于2025-09-04 15:30:14