中国矿业大学信息与控制工程学院, 江苏 徐州 221116
提出一种参数自适应的在线字典学习图像超分辨率重建算法。在经典的稀疏表示算法框架下,运用在线字典学习方法来提高字典学习的精度。通过参数自适应方法灵活调整稀疏重建阶段的正则化参数,并依据每个图像块的特点自适应确定正则化参数,以此克服人为设定参数的单一性和非最佳参数值的缺点。实验结果表明,与传统算法相比,所提算法可有效降低测试图像对训练图像集的依赖程度,同时克服图像在重建过程中存在的局部模糊或失真,进一步提高重建图像的质量。
机器视觉 图像重建 超分辨率 在线字典学习 正则化参数 自适应 激光与光电子学进展
2020, 57(6): 061505
山东理工大学,电气与电子工程学院, 淄博 255049
颗粒粒径大小决定了微凝胶的相变行为,因此采用有效可靠的手段来确定胶体悬浮液中颗粒的平均粒径及粒度分布是至关重要的.CONTIN算法是分析动态光散射实验数据,获取胶体悬浮液中颗粒粒度分布的有效算法,但目前的最优正则化参数选取策略依赖于颗粒粒度分布的先验条件.为此,本文提出利用V-曲线准则获取最优正则化参数,使用CONTIN算法表征微凝胶悬浮液颗粒系的平均粒径和粒径分布信息.实验结果表明,与V-曲线正则化参数选取准则相结合,利用CONTIN算法可以有效的获取微凝胶悬浮液的颗粒粒度信息.
散射 CONTIN算法 最优正则化参数 V-曲线准则 scattering CONTIN algorithm optimal regularization parameter V-curve criteria
苏州大学 物理与光电能源学部, 江苏 苏州 215006
在双边总变分(BTV)正则化方法中, 由于同时考虑了周围像素与中心像素的几何距离和灰度相似性, 获得了比Tikhonov正则化方法和总变分(TV)正则化方法更好的重建质量。然而, 在BTV方法中, 由于正则化参数λ为一个定值, 使得该方法不能同时保持图像的边缘纹理信息和抑制图像噪声。针对这个问题, 提出一种图像局部纹理特征自适应的正则化重建方法, 基于灰度共生矩阵提取图像局部纹理特征, 建立正则化参数与图像局部纹理特征的函数关系, 使正则化参数λ随图像局部纹理特征自适应调整。实验结果显示, 与BTV方法相比, 该方法能使图像的边缘和纹理细节重建效果更好, 并有效抑制噪声。
超分辨率重建 图像局部纹理特征 正则化参数 灰度共生矩阵 双边总变分 super resolution reconstruction image local texture feature regularization parameter gray level co-occurrence matrix bilateral total variation
1 苏州大学物理科学与技术学院, 江苏 苏州 215006
2 光电信息控制和安全技术重点实验室, 河北 燕郊 065201
在 Farsiu提出的双边总变分正则化方法中, 尺度加权系数和正则化参数为定值, 在边缘、纹理区域, 重建图像效果不理想。针对这个问题, 提出了一种自适应加权正则化函数和正则化参数的重建算法, 该方法利用图像局部结构信息控制权函数形状、带宽和正则化参数, 使这些参数根据图像局部结构信息自适应地调整。对所提出的算法进行了仿真实验, 实验结果表明, 与传统的总变分重建方法相比较, 该算法能更好地重建图像的纹理细节, 重建图像的对比度高。
超分辨率重建 自适应加权 总变分 正则化参数 super resolution reconstruction adaptive weight total variation regularization parameter
北京理工大学 光电学院 光电成像技术与系统教育部重点实验室，北京 100081
研究了周期边界条件下，Tikhonov正则化的固定点算法，提出了变化正则化参数的方法。首先对正则化参数取较大值，抑制复原图像中的噪声，通过得出的收敛结果来修正初始梯度; 然后对正则化参数取较小值，以增强复原图像中的细节。实验结果表明，与当前求解L1范数正则化函数和全变分正则化函数的流行算法比较，本文算法对于运动模糊与高斯模糊图像的复原效果更佳。
图像复原 周期边界条件 Tikhonov正则化 变正则化参数 image restoration periodic boundary condition Tikhonov regularization change regularization parameter
对因大气湍流引起的退化图像复原问题, 采用Tikhonov 正则化方法将其归结为一个适定的线性方程组的求解问题。当图像边界满足周期性条件时, 利用二维离散傅里叶变换及其逆变换即可求得复原图像。在求解方程组中, 利用L-曲线准则确定出能够平衡正则化函数和偏差函数的正则化参数, 以得到较为理想的复原结果。仿真结果表明, 当降质图像的噪声方差不是很大时, 该方法能够得到较好的复原效果。
正则函数 偏差函数 L-曲线准则 正则化参数 regularization function discrepancy function L-curve criterion regularization parameter
北京理工大学光电学院 光电成像技术与系统教育部重点实验室, 北京 100081
正则化方法是近年来流行的图像复原算法。研究了周期边界条件下Tikhonov正则化的预处理共轭梯度算法，提出了新的预处理矩阵和变化正则化参数的方法。正则化参数先取较大值，抑制复原图像中的噪声，得出收敛的结果来修正初始梯度；再取较小值，用来增强复原图像中的细节。对一组图像复原基准问题的实验结果表明，与当前流行的正则化图像复原算法比较，该算法的图像复原效果更佳。
图像处理 图像复原 周期边界条件 Tikhonov正则化 变正则化参数 激光与光电子学进展
2013, 50(5): 051001
研究了图像处理中各向异性扩散的正则化参数选取问题.根据分片常数模型,提出了一种噪声估计方法,该方法通过寻找图像中的最小区域方差来估计噪声;分析了正则化参数与图像噪声的关系,提出了一个正则化参数选取的修正公式,该公式使正则化参数能根据图像噪声自适应调整;最后给出了由正则化参数选取高斯模板尺度的规则.实验结果显示,这种正则化选取方法可以使各向异性扩散方程对图像噪声具有很好的自适应性.
各向异性扩散 分片常数模型 正则化参数 噪声估计 Anisotropic diffusion Piecewise constant model Regularization parameter Noise estimation
