雷腾 1,2,3张义民 1,2,3马一哲 1,2,3丁学专 1,2,3[ ... ]王世勇 1,2,3,*
1 中国科学院 上海技术物理研究所,上海200083
2 中国科学院大学,北京100049
3 中国科学院 红外探测与成像技术实验室,上海20008
低采样率下的高质量鬼成像(GI)对于科学研究和实际应用具有重要意义,为了在低采样率条件下重建高质量图像,提出了一种高质量的被动式压缩鬼成像重构算法(PCGI-LRC)。基于图像的非局域相似块堆叠而成的矩阵具有低秩和稀疏奇异值的假设,从理论和实验上证明了一种对最小二乘问题与非局域相似块低秩近似问题进行联合迭代求解的方法,能够在低采样率(6.25%~50%)条件下实现高质量鬼成像。实验结果表明:与基于稀疏基约束的GI(GI-SBC)和基于全变分约束的GI(GI-TVC)相比,PCGI-LRC在峰值信噪比、结构相似性系数和视觉观测等方面均更优,在抑制重构噪声的同时保持了目标的细节信息,其中PSNR提升效果优于1.1 dB,SSIM提升效果优于0.04。
鬼成像 图像重构 图像压缩 单像素成像 ghost imaging image reconstruction image suppression single pixel imaging
1 山东理工大学 电气与电子工程学院,山东 淄博 255049
2 潍坊工程职业学院,山东 潍坊 262500
集成成像技术作为一种重要的裸眼三维显示技术,在完整记录三维场景信息的同时,庞大的数据量给传输和存储带来了压力。为了实现图像的有效压缩和重构,根据光子计数集成成像的特点,基于分布式压缩感知理论,提出用于图像压缩与重构的方案。该方案将图像分为参考图像和非参考图像两类,对其设置不同的测量率并分别进行重构。为保证非参考图像的重构质量,提出一种联合重构算法。该算法首先对非参考图像进行分块测量,依据与参考图像之间的相关性进行图像块分类,然后结合参考图像测量值信息构建新的测量矢量,利用新的测量矢量完成初次图像重构。为了进一步提升图像重构质量,对初次重构结果进行二次残差补偿重构,获得最终重构结果。最后通过设置不同的测量率进行了大量实验,实验结果表明,所提算法在测量率为0.25时,图像重构质量可以达到30 dB,测量率为0.4时,图像质量可以达到35 dB,算法性能具有一定的优越性。
光子计数集成成像 图像压缩 图像重构 压缩感知 photon counting integral imaging image compression image reconstruction compressed sensing
1 北京工业大学理学部,北京 100124
2 南阳师范学院机电工程学院,河南 南阳 473061
光波作为信息载体具有高速并行处理二维信息的能力及天然优势。光波的波长、振幅、相位、偏振等为光波的调制提供不同的维度和多种可能,也使得光学加密技术和光学密码系统展现出巨大的应用价值。随着加密数据传输量的急剧增长,在进行加密的同时实现信息的压缩变得愈加重要,因为这将缩短处理这些数据所需的时间并有效节约存储空间。提出广义的光学图像压缩加密的概念,并将压缩策略分为明文压缩、密文压缩和明文密文同步压缩。在此基础上,介绍适合每种策略的具体压缩方法,并通过阐述这些压缩方法在一些实例中的应用,综述了光学图像压缩加密技术的研究进展,也对未来的研究方向进行了展望。
光学信息安全 压缩加密 图像压缩 光信息处理 激光与光电子学进展
2023, 60(4): 0400001
1 国家电网公司电力线通信应用技术实验室 北京智芯微电子科技有限公司,北京 102200
2 北京电科智芯科技有限公司,北京 100192
3 吉林大学仪器与电气工程学院,吉林 长春 130026
4 东北电力大学 电气工程学院,吉林 吉林 132012
5 吉林工程技术师范学院 量子信息技术交叉学科研究院,吉林 长春 130052
随着智能电网的快速发展,用于监视电网运行状况的测量设备大规模投入,其产生的海量运行图像等监视数据由于规模大、维度高、数据冗余等问题难以得到有效利用。为了进一步提高电力大数据的分析应用能力,文中提出一种基于深度学习的电网运行图像数据压缩方法,考虑电网图像监视数据在时序上的耦合关联,通过卷积神经网络对电网运行图像数据进行压缩,有效减少了电网运行图像数据的冗余度。与其他方法相比,基于卷积神经网络的图像数据压缩模型不依赖于人工的数据特征提取和工程经验,可以直接以电网中采集到的原始图像数据的灰度函数作为模型的输入,将数据的特征提取和分类合二为一,实现电网运行图像数据的高效、便捷压缩。通过仿真进行了文中所提方法有效性的验证,结果表明,与其他神经网络相比,所提方法在电网图像压缩效率及压缩精度中具有较强优势。
智能电网 深度学习 数据驱动 卷积神经网络 图像压缩 smart grid deep learning data-driven convolutional neural network image compression 红外与激光工程
2022, 51(12): 20220097
如何将红外探测器采集的高动态范围的数据压缩为低动态范围图像数据的同时,能尽可能地保留图像的信息,提高图像的对比度一直是一个技术难点。针对这一问题,本文提出了一种新的红外图像压缩方法。该方法引入了直方图信息,通过对直方图进行分割,区分背景区域像素和目标区域像素;然后计算压缩映射模型;最后结合分割后的直方图对图像的像素采用不同强度的对比度增强。本文算法利用直方图区分背景区域像素与目标区域像素,在增强图像对比度时,能有效抑制背景噪声。通过实验对比,结果表明,本文所提出的算法更能较好地突出图像的细节,增强图像对比度。
高动态范围 红外图像压缩 对比度增强 直方图分割 high dynamic range, infrared image compression, co
1 广东技术师范大学天河学院 计算机科学与工程学院, 广东 广州 510540
2 华南农业大学 电子工程学院, 广东 广州 510642
3 暨南大学 管理学院, 广东 广州 510000
为了有效降低计算的复杂度并保证压缩质量, 提出了一种基于可分二维马尔可夫过程全局模型的单模低复杂度图像压缩方法。在假定的全局图像模型上寻求最优的空间预测, 其模型构建主要采用了可分二维马尔可夫过程; 对预测残差块进行变换编码进一步消除空间冗余。方法与视频编码中的帧内编码类似, 但仅使用一种空间预测模式(单模)以便有效降低算法的复杂度。实验结果表明, 与相似的低复杂度单模图像编码器相比, 单模方法在平均编码/解码时间不变的情况下, 平均比特率(BD-BR)有所改善(约12%), 且在低比特率下没有产生明显的方块效应, 证明了方法的有效性。
图像压缩 马尔可夫过程 离散余弦变换 全局图像模型 空间预测 image compression Markov process discrete cosine transform global image model spatial prediction
1 南京森林警察学院, 江苏 南京 210023
2 东华大学信息科学与技术学院, 上海 201620
在图像大数据应用背景下,伴随着硬件技术的高速发展,基于深度学习的图像视频编码技术逐渐成熟。基于端到端学习的压缩框架因能更高效地对原始图像数据进行紧致表达,在学术界和工业界都得到了广泛的关注。系统地总结了基于端到端学习的图像压缩框架中的核心模块如变换、量化、熵编码和损失函数的研究现状,对其研究进展和关键技术进行了概括性的介绍,并对前沿研究成果进行了性能比较。
图像处理 图像压缩 端到端学习 深度学习 激光与光电子学进展
2020, 57(22): 220002
针对联合图像专家组(JPEG)标准设计了一种基于自适应下采样和超分辨力重建的图像压缩编码框架。在编码器端,为待编码的原始图像设计了多种不同的下采样模式和量化模式,通过率失真优化算法从 多种模式中选择最优的下采样模式(DSM)和量化模式(QM),最后待编码图像将在选择的模式下进行下采样和JPEG编码;在解码器端,采用基于卷积神经网络的超分辨力重建算法对解码后的下采样图像进行重建。此外, 所提出的框架扩展到JPEG2000压缩标准下同样有效可行。仿真实验结果表明,相比于主流的编解码标准和先进的编解码方法,提出的框架能有效地提升编码图像的率失真性能,并能获得更好的视觉效果。
图像压缩 自适应下采样 超分辨力重建 率失真优化 image compression adaptive downsampling super-resolution rate distortion optimization 太赫兹科学与电子信息学报
2020, 18(2): 298