南昌工程学院 信息工程学院, 江西 南昌 330099
针对红外图像分辨率低、受噪声影响严重等问题, 引入近似稀疏正则化和K-奇异值分解(K-SVD)法, 提出了基于近似稀疏表示模型的红外图像超分辨率重建方法。考虑到红外图像受到噪声污染, 首先建立了稳健近似稀疏表示模型。针对已有字典训练方法时间消耗巨大问题, 在假定低分辨率图像空间和高分辨率图像空间具有相似流形的前提下, 联合近似稀疏表示模型和K-SVD方法, 提出近似稀疏约束的基于K-SVD的高低分辨率字典对学习算法。最后, 通过高分辨字典和对应的红外图像群稀疏表示系数重建得到高分辨率的红外图像。为了验证算法的性能, 对提出的算法与稀疏性正则化的图像超分辨模型(SRSR)和Zeyde算法进行了实验比较。结果表明, 本文方法能够较好地减少红外图像中的噪声, 同时获得更好的超分辨率重建效果。
红外图像 超分辨率重建 近似稀疏 字典学习 infrared image super-resolution reconstruction approximate sparsity dictionary training
为了将工业CT技术应用于逆向工程中,开发了一个面向逆向工程的工业CT图像预处理系统.该系统主要通过图像处理、轮廓拟合和数据格式转换三个步骤对工业CT切片图像进行处理,输出的IGES格式数据能直接输入到专业化的逆向工程软件中进行3维CAD模型重构,减少了重构3维模型的工作量;输出的2维DXF格式数据能直接输入到AutoCAD软件中进行处理,提高了系统的灵活性.同时,提出了用加权方法计算拟合圆弧的圆心和半径,有效提高了曲线的拟合精度.并通过实例验证了该系统的正确性.
工业CT 图像处理 逆向工程 曲线拟合 数据格式转换