中北大学信息与通信工程学院, 山西 太原 030051
针对计算鬼成像采样过程中出现的数据扰动及采样次数不易较多所引起的鬼图像质量较差的问题,提出了一种基于Tikhonov正则化的计算鬼成像方法。该方法利用一个表征噪声强度的约束项,将计算鬼成像问题转化为信号误差与噪声强度最小化的数学问题,并利用广义交叉验证法选取合适的正则参数来重构待测物体的鬼像。实验结果表明,所提算法在干扰情况下明显优于传统鬼成像、差分鬼成像和伪逆鬼成像,具有较强的稳定性;在无干扰情况下,也明显优于传统鬼成像、差分鬼成像,且不差于伪逆鬼成像。
图像处理 鬼成像 图像重建 Tikhonov正则化 广义交叉验证法 激光与光电子学进展
2020, 57(2): 021016
1 信息工程大学 地理空间信息学院, 河南 郑州 450001
2 地理信息工程国家重点实验室, 陕西 西安 710054
针对光学线阵遥感影像几何定位中, 系统误差改正参数对应系数矩阵存在误差的问题, 提出了一种基于正则化总体最小二乘的光学线阵遥感影像定位方法。首先依据有理函数模型的定义, 构建共线条件方程, 利用线性化构建光学线阵影像定位方法和系统误差改正方法, 然后依据EIV模型的定义和性质构建相应的优化目标函数, 并引入正则化项, 依据Lagrange条件极值原理推导基于正则化总体最小二乘的系统误差参数迭代估计方法。实验结果表明: 与经典的最小二乘平差算法相比, 该方法的总体定位精度提高了11.61%, 且比Tikhonov正则化法的定位精度平均提高了6.06%。本文提出方法在不增加任何额外控制信息的情况下, 是提高光学线阵影像定位精度的有效途径。
线阵CCD影像 定位 总体最小二乘 正则化 广义交叉验证 linear array CCD images geo-positioning regularized total least squares regularization generalized cross validation
中国航天科工集团第二研究院北京无线电测量研究所，北京 100854
正则化图像特征增强算法能够在保持图像较高分辨力的情况下抑制散斑和旁瓣。选择合适的正则化参数对于正则化算法所形成图像的质量至关重要。本文应用推广到非二次型正则化情形的广义交叉验证 (GCV)、稳健广义交叉验证(RGCV)和 Stein无偏风险估计(SURE)方法研究正则参数选择策略，推导了特征增强正则化方法中 GCV,RGCV和 SURE函数的直接计算公式，并提出了修正特征项后快速求取正则解的算法以及一般的不动点迭代算法，从而实现了正则参数的自适应选择。数值仿真和实测数据处理结果均说明所提方法的有效性。
正则参数 广义交叉验证 鲁棒广义交叉验证 Stein无偏风险估计 特征增强 regularization parameter Generalized Cross Validation Robust Generalized CrossValidation Stein ’s Unbias Risk Estimator feature enhancement 太赫兹科学与电子信息学报
2015, 13(6): 937
1 College of Information Science and Technology, Beijing Normal University, Beijing 100875, China
2 State Key Laboratory of Remote Sensing Science, Beijing Normal University, Beijing 100875, China
中国激光
2012, 39(s1): s114007
1 北京师范大学信息科学与技术学院， 北京 100875
2 北京师范大学遥感科学国家重点实验室， 北京 100875
在基于小波变换的图像去噪中，广义交叉验证算法利用统计方式能够获得对小波去噪阈值的最优估计，因此得到广泛应用。但是广义交叉验证具有较高计算复杂度，对图幅较大的高空间分辨率遥感图像，计算去噪阈值所消耗的时间较长。提出一种基于感兴趣区与快速广义交叉验证的高分辨率遥感图像去噪算法。新算法利用形状自适应整数小波变换来提取图像感兴趣区，通过快速广义交叉验证计算高分辨率遥感图像感兴趣区域的小波去噪阈值，最后利用软阈值算法完成感兴趣区去噪。实验表明，新算法不仅能够实现遥感图像感兴趣区域的优先去噪，而且有效降低了广义交叉验证的计算复杂度，对今后的高空间分辨率遥感图像去噪具有一定价值。
图像处理 图像去噪 小波阈值 广义交叉验证 形状自适应小波 感兴趣区 光学学报
2010, 30(s1): s100410
北京师范大学 信息科学与技术学院,北京 100875
本文提出了一种整数递推广义交叉校验算法.在对遥感图像做小波变换后,统计子带中小波系数的幅值分布,进行同值小波系数合并运算,然后通过整数优化递推加速广义交叉校验计算过程,减少相邻阈值下广义交叉校验函数的冗余计算.在对多幅遥感图像仿真实验中,当噪音标准差为10~30时,整数递推-广义交叉校验算法耗时仅为广义交叉校验算法的2%至0.5%,且保证了去噪效果一致,能有效提高图像PSNR0.66 dB至6.03 dB.此外,广义交叉校验算法耗时随噪音增大及遥感图像尺寸增长而迅速升高,整数递推-广义交叉校验算法耗时则相对平稳.
遥感图像 图像去噪 小波阈值 整数小波变换 广义交叉验证 Remote sensing image Image de-noising Wavelet threshold Integer wavelet transform Generalized cross validation GCV GCV
空军工程大学,工程学院,信号与信息处理实验室,陕西,西安,710038
基于软阈值的广义交叉验证准则(GCV)已运用于图像去噪中,但此方法对图像峰值信噪比(PSNR)的改善有限,不能有效保持细节.针对此问题,改进了广义交叉验证准则,且将平移不变应用于去噪.即先将原图像分别进行水平和垂直方向上的平移,然后将平移后的每幅图像变换到小波域,使用分块广义交叉验证准则对小波系数去噪后实行小波逆变换和反平移.最后将反平移后的各图像平均,即得恢复的图像.实验结果表明,该方法能有效恢复图像细节,图像的PSNR值和主观效果都有较大改善.
平移不变 广义交叉验证 去噪 细节 Translation invariant Generalized cross validation Denoising Detail
1 浙江大学,信息学院,信息与电子工程学系,浙江,杭州,310027
2 浙江大学,城市学院,信息与电子工程系,浙江,杭州,310015
针对实时THz脉冲(T-ray)成像系统所成图像分辨率低、受1/f相关噪声干扰严重的特点,提出一种新的基于小波去噪的T-fay图像复原算法.对T-ray图像进行离散小坡变换后,先利用广义交叉确认估计出各个分辨率层的噪声阈值,然后对每个分辨率层的高频子带进行迭代去噪,最后对去噪后的T-ray图像采用Jasson-Van-Cittert算法进行复原处理以提高分辨率.实验结果表明,该方法在提高T-ray图像分辨率的同时,能显著地抑制THz成像系统的1/f相关噪声.创新之处在于以广义交叉确认作为T-ray图像中1/f噪声的估计方法,大幅度提高了图像信噪比(～5 dB),避免了噪声带来的复原算法中的不适定问题,达到较好的图像复原效果.
T-ray图像 小波去噪 1/f噪声 广义交叉确认 图像复原 T-ray imaging Wavelet de-noising l/f noise Generalized cross validation Image restoration
1 北京理工大学,信息科学技术学院,自动控制系,北京,100081
2 大庆石油学院,电气信息工程学院,黑龙江,大庆,163318
提出一种基于离散平稳小波变换和非线性增益的红外图像对比度增强方法.对红外图像进行离散平稳小波变换后,利用所提出的去噪方法对分辨率较好的各高频子带直接去噪;并利用所提出的非线性增益法结合文中的去噪法对分辨率较差的各高频子带进行增强.实验结果表明,提出的方法在有效地增强红外图像对比度的同时,又能很好地抑制相关噪声.算法在视觉质量上优于传统的反锐化掩膜法、直方图均衡法.
离散平稳小波变换 广义交叉确认 阈值去噪 对比度增强 非线性增益 Discrete stationary wavelet transform Generalized cross validation Denoising by threshold Contrast enhancement Non-linear gain
1 北京理工大学信息科学技术学院自动控制系,北京,100081
2 大庆石油学院电气信息工程学院,黑龙江,大庆,163318
提出一种基于离散平稳小波变换和非线性增益的红外图像对比度增强方法.对红外图像进行离散平稳小波变换后,对分辨率较好的各高频子带直接利用所提出的去噪方法去噪;对分辨率较差的各高频子带利用所提出的非线性增益法结合文中的去噪法进行增强;并给出一种评价增强图象质量的准则.实验结果表明,本文提出的方法在有效的增强红外图像对比度的同时,又能很好的抑制红外图像中相关噪声、加性高斯白噪声和乘性噪声.
平稳小波变换 广义交叉确认 阈值去噪 对比度增强 非线性增益 stationary wavelet transform generalized cross validation de noising by threshold contrast enhancement nonlinear gain
