图像重构

摘要： 近年来,深度学习在图像处理中表现显著,因此研究者开始将深度学习用于磁共振成像的重构.现有的深度学习模型需要依赖大量数据进行训练,而医学图像很难获得大量数据,因此,为有效的提高MR成像重构的质量,本文提出一个在小数据集上表现良好的深度学习MRI重构方法.本文对U-Net模型进行改进,结合GoogleLeNet和ResNet的优势,提出了UGR-Net模型,并与数据一致性层结合得到级联的UGR-Net.在多种加速因子下使用3种欠采样模式对脑部复数数据进行欠采样,并对级联CNN网络、级联U-Net模型、新提出的级联UGR-Net重构模型的重构性能进行了比较.实验结果表明,级联UGR-Net在视觉和定量指标上均优于级联CNN模型和级联U-Net模型.

摘要： 针对光路中前景遮挡物影响感兴趣信息采集的问题,本文对应用相机阵列的遮挡物移除算法进行实验研究。用阵列型光场相机采集四维光场数据,然后用数字重聚焦技术进行不同深度的重聚焦,突出目标物细节特征。利用图像重构技术合成子图像阵列,选择最小误差阈值分割法标记遮挡物区域并复现原图像的细节特征。实验结果证明了应用阵列型光场相机移除遮挡物的可行性,及其改善图像质量、复现遮挡区域图像、提高图像可读性、降低噪声影响的能力。依据无参考的图像质量评价指标,本文算法在重构图像质量上SNR与PSNR分别提升了17.3%与77.6%。

摘要： 为更准确获取缎纹影光组织织物的明度值,提出一种基于织物图像光影重构的明度预测方法。将织物图像分离为经纬图形层、阴影层和材质层,计算3层中不同因素的相对面积率,并赋予各图形面积以实际经纬纱线明度值,采用明度相加重构织物图像明度值,再将重构明度与织物实际测色数据进行拟合分析。选择经纬图形、投影和杂点面积率为自变量,建立经、纬两向加强织物的明度预测回归模型,并随机选取样本检验模型精确度。结果表明:经纬图形层重构明度与织物实测明度的接近度为0.15,依次增加阴影层和材质层明度,则接近度从0.76提升为0.89;模型预测的织物明度总体相对误差在±4%以内,预测结果可为影光组织织物设计提供参考。

摘要： 针对X光射线轮胎图片中出现的灰度特征缺陷,提出基于主成分分析的轮胎缺陷检测算法.该算法首先通过图像增强技术使轮胎的缺陷特征更加明显;然后,采用主成分分析技术设置阈值,保留整幅图片的主要特征,再通过重构图像将轮胎图片映射到更少的相互正交的向量空间中,将原图与重构图像的像素值矩阵进行差分,得到初步定位的含有缺陷的图像;最后,初步定位的图像经过阈值分割和腐蚀得到只含有缺陷的图像,实现精确定位.对200幅具有不同灰度缺陷形状的X射线轮胎图片进行缺陷检测,实验结果表明:该算法能有效地检测出缺陷所在位置,且算法时效性优于其他算法.

摘要： 激光的单色性和自然图像频谱稀疏且集中在低频区间的特点,使图像频谱稀疏采样成像成为可能.基于小规模激光探测器,引入参考激光,本文提出了频域稀疏采样激光成像方法.介绍了频域稀疏采样激光成像的原理和成像系统结构,推导了激光回波重构复频谱的表达式,给出了重构频谱和复图像的仿真结果并分析了信号参数对重构效果的影响,同时采用相干系数、均方误差和结构相似度来评价其重构效果.规模为256×256的激光回波复图像仿真表明,5个拼接1/4×1/4规模频域探测器组成的近似十字型稀疏采样结构,在约31.25%(5/16)的频域稀疏采样条件下,仍可获得较好的重构频谱和重构复图像.

摘要： 针对色织物缺陷检测存在难以获取大量有标记的缺陷数据、过检现象严重等问题,提出一种基于无监督对抗式学习的缺陷图像重构修复模型。首先,构造了基于生成对抗网络(generative adversarial net,GAN)的图像重构修复模型,利用叠加噪声后的无缺陷色织物样本图像训练模型,使模型能够有效重构出对应的无缺陷图像;然后,将待测色织物样本图像输入模型得到重构图像,进一步获取待测样本与其对应重构图像之间的残差图像;最后,通过对残差图像进行阈值分割与数学形态学运算,实现对缺陷区域的快速检测与定位。实验结果表明:该方法在不需要对缺陷样本进行标记的情况下,通过重构图像与原图之间的残差分析实现色织物的缺陷区域检测与定位。

摘要： 基于MR图像来进行心肌病模式的识别以用于医生辅助诊断。首先提出了一种心肌图像重构的方法,该方法以心肌MR图像的医学结论为基础,采用线性插值的方式将原始心肌重构为更能表现环方向特征的形式,通过灰度共生矩阵(GLCM)、灰度游程矩阵(GLRLM)、局部二值模式(LBP)以及直方图模式提取出422个纹理特征。然后针对特征维数高的情况,提出了一种改进ReliefF算法和ACO算法的联合特征选择方法,引进欧氏距离为基础的距离系数改进ReliefF,所得的特征权重配合皮尔逊相关系数、识别精度以及特征子集长度来改进ACO算法的信息素更新和剪枝策略等。该算法在4个公开的高维特征基因数据集上,平均选择0.4%的特征,平均精度可达91.73%。该算法在重构和原生所构成的纹理特征中选取了6个特征用于三种心肌纤维化模式(正常、HCM、DCM)的识别,通过SVM分类模型,在测试集上取得了93.8%的准确率,可在临床应用中辅助医生进行心肌病诊断。

摘要： 随着深度学习的应用普及,其安全问题越来越受重视,对抗样本是在原有图像中添加较小的扰动,即可造成深度学习模型对图像进行错误分类,这严重影响深度学习技术的发展。针对该问题,分析现有对抗样本的攻击形式和危害,由于现有防御算法存在缺点,提出一种基于图像重构的对抗样本防御方法,以达到有效防御对抗样本的目的。该防御方法以MNIST为测试数据集,核心思路是图像重构,包括中心方差最小化和图像缝合优化,中心方差最小化只针对图像中心区域进行处理;图像缝合优化将重叠区域纳入补丁块选取的考量,并以补丁块的1/2大小作为重叠区域。使用FGSM、BIM、DeepFool以及C&W攻击方式生成对抗样本来测试两种方式的防御性能,并与现有的3种图像重构防御方式(裁剪与缩放、位深度压缩和JPEG压缩)效果对比。实验结果表明,所提中心方差最小化和图像缝合优化算法,对现有常见对抗样本的攻击起到了较好的防御效果。图像缝合优化对4种攻击算法生成的样本分类正确率都达到了75%以上,中心方差最小化的防御效果在70%左右。而用作对比的3种图像重构算法则对不同攻击算法的防御效果不稳定,整体分类正确率不足60%。所提中心方差最小化和图像缝合优化两种图像重构防御算法达到了有效防御对抗样本的目的,通过实验说明了所提防御算法在不同对抗样本攻击算法中的防御效果,另外,将其他图像重构算法与所提算法进行比较,说明了所提算法具有良好的防御性能。

摘要： 针对大多数塔杆接地装置腐蚀检测方法存在较大的破坏性、且精度不佳的问题,提出了一种基于电阻层析成像的塔杆接地装置腐蚀无损检测方法.在对塔杆接地装置腐蚀过程和影响因素进行数学建模的基础上,设计无损检测系统,其中利用埋入式电极注入电流采集电压的方式获取电导率数据,并运用基于共轭梯度法的电阻成像技术进行图像重构,从而实现塔杆接地装置的无损检测.所提方法在LabVIEW和MATLAB平台的试验结果表明,其可以对接地装置的钢材腐蚀情况进行可视化处理,且检测误差与时间分别为0.42 ms和36 ms,均优于其他对比方法.

摘要： 一、引言本文针对桥梁裂缝图像的特点,提出了一种融合卷积神经网络和传统图像处理的新型裂缝检测与测量方法,实现裂缝高准确度检测及其参数的像素级测量。本文的主要贡献:1.将语义分割用于图像预处理,精确地去除外部环境干扰;2.调整了CNN网络架构和数据集构成,可对图像进行准确度更高的裂缝分类;3.用提取的特征图进行图像重构,用于像素级精度的裂缝长度测量。二、基于CNN的桥梁裂缝检测基于卷积神经网络的图像分类和参数检测流程如图1所示。

摘要： 粉碎文件图像重构是指将碎纸机产生的碎纸片进行重构,目前最有挑战性的是DARPA的碎纸机挑战竞赛,此竞赛已成为文件重构的评测标准之一.目前的方法仅能给出前两个题目的解决方法.本文针对前三个题目,提出一种利用曲线匹配和信息对齐的方法重构粉碎文件的高效率方法.该方法将文件碎片轮廓分割为若干条曲线,通过曲线距离大小来描述两曲线的相似度,进而选择碎片对进行曲线匹配,同时重点提取了碎片的文本线、颜色、字符和图形等信息进行对齐以排除错误配对,最后结合匹配信息重构粉碎的文件图像.该方法对碎片旋转具有鲁棒性,并能容忍碎片边缘重叠区域的存在.实验结果给出DARPA数据集中前三个题目的重构结果及其匹配效率,验证了该算法优于当前方法的有效性.

摘要： 量子关联成像技术采用单点强度探测,存贮信息量大,成像速度慢,需研究快速图像重构成像算法.对量子关联成像技术图像重构算法中的统计迭代法和压缩感知算法的采样次数进行了仿真分析,压缩感知算法采用二维离散余弦变换(DCT)将图像稀疏化,高斯随机矩阵作为测量矩阵,正交匹配追踪(OMP)算法对图像进行重构.结果表明:图像越大,重构图像需要的采样次数和采样时间越长,采用压缩感知算法能有效减少采样次数,从而提高系统成像速度.因此,研究量子关联成像的图像重构算法,减少图像的采样次数,对提高成像速度具有重要意义.

摘要： 傅里叶叠层显微成像技术可以通过进行频域内的孔径合成在显微镜中实现大视场的超分辨率成像.为了研究该技术在宏观领域应用于漫反射目标的可行性,设计了宏观反射式傅里叶叠层成像实验.实验选取USAF分辨率板和五角纸币为漫反射目标进行图像数据采集,并运用傅里叶叠层图像重构算法对采集的实验数据进行重构以及分辨率分析.实验结果表明,将傅里叶叠层成像技术应用于宏观漫反射目标可实现较大的分辨率提升.

摘要： 基于传统交替方向算法的框架,提出了一种求解全变分问题的修正交替方向算法(modified alternating direction method,MADM).该算法利用当前点的信息和前两个迭代点的信息得到修正的初始BB步长,再结合非单调线搜索技术得到子问题的近似解,在理论上验证了该算法的全局收敛性.最后,将该算法分别在小规模、无噪声和大规模、有噪声的情况下应用于全变分图像重构问题.对重构后的结果,从运行时间、迭代次数、相对误差以及图像的重构效果四个角度进行评价,并与求解全变分问题的交替方向算法(TV minimization by alternating direction algorithms,TVAL3)进行对比,其数值结果表明了该算法具有更好的收敛速度和重构效果.

摘要： 针对MEMS振镜激光扫描成像的应用需求,提出MEMS振镜成像涉及的振镜驱动、图像重构和激光器驱动等几大关键问题的解决方法.该方案以FPGA为核心,具有较好的灵活性和拓展性,可通过扩展适应各种视频格式,数据存取通过端口总线仲裁方式,可有效提高存储器使用效率.实际测试验证了系统的合理性.

摘要： 本文提出了一种用于经编织物疵点分割的非下采样小波轮廓波变换算法(NWCT).相较于传统轮廓波变换,NWCT引入了小波变换来替代原有算法中的拉普拉斯金字塔变换,并改进采用了非下采样方向滤波器组用于方向子带的分解.通过这一算法,输入的织物图像首先被分解为低频近似系数A和高频细节系数V,H和D.然后,通过非下采样滤波器组对高频细节系数进行滤波以获得方向子带系数.随后,采用区域能量法选择出最优方向子带系数用于高频细节系数V,H和D的重构,并通过非下采样小波轮廓波逆变换来重构织物图像.最后,采用自适应阈值法和和数学形态学处理分割出清晰的疵点轮廓.本文实验表明NWCT可实现对常见疵点(断纱、横档和油污)的有效分割.同时,该算法对方向性较强的疵点具有良好的分割性能,这也为将来经编织物疵点自动检测提供了新的途径.

摘要： 本文提出了一种用于经编织物疵点分割的非下采样小波轮廓波变换算法(NWCT).相较于传统轮廓波变换,NWCT引入了小波变换来替代原有算法中的拉普拉斯金字塔变换,并改进采用了非下采样方向滤波器组用于方向子带的分解.通过这一算法,输入的织物图像首先被分解为低频近似系数A和高频细节系数V,H和D.然后,通过非下采样滤波器组对高频细节系数进行滤波以获得方向子带系数.随后,采用区域能量法选择出最优方向子带系数用于高频细节系数V,H和D的重构,并通过非下采样小波轮廓波逆变换来重构织物图像.最后,采用自适应阈值法和和数学形态学处理分割出清晰的疵点轮廓.本文实验表明NWCT可实现对常见疵点(断纱、横档和油污)的有效分割.同时,该算法对方向性较强的疵点具有良好的分割性能,这也为将来经编织物疵点自动检测提供了新的途径.

摘要： 本文提出了一种用于经编织物疵点分割的非下采样小波轮廓波变换算法(NWCT).相较于传统轮廓波变换,NWCT引入了小波变换来替代原有算法中的拉普拉斯金字塔变换,并改进采用了非下采样方向滤波器组用于方向子带的分解.通过这一算法,输入的织物图像首先被分解为低频近似系数A和高频细节系数V,H和D.然后,通过非下采样滤波器组对高频细节系数进行滤波以获得方向子带系数.随后,采用区域能量法选择出最优方向子带系数用于高频细节系数V,H和D的重构,并通过非下采样小波轮廓波逆变换来重构织物图像.最后,采用自适应阈值法和和数学形态学处理分割出清晰的疵点轮廓.本文实验表明NWCT可实现对常见疵点(断纱、横档和油污)的有效分割.同时,该算法对方向性较强的疵点具有良好的分割性能,这也为将来经编织物疵点自动检测提供了新的途径.

摘要： 本文提出了一种用于经编织物疵点分割的非下采样小波轮廓波变换算法(NWCT).相较于传统轮廓波变换,NWCT引入了小波变换来替代原有算法中的拉普拉斯金字塔变换,并改进采用了非下采样方向滤波器组用于方向子带的分解.通过这一算法,输入的织物图像首先被分解为低频近似系数A和高频细节系数V,H和D.然后,通过非下采样滤波器组对高频细节系数进行滤波以获得方向子带系数.随后,采用区域能量法选择出最优方向子带系数用于高频细节系数V,H和D的重构,并通过非下采样小波轮廓波逆变换来重构织物图像.最后,采用自适应阈值法和和数学形态学处理分割出清晰的疵点轮廓.本文实验表明NWCT可实现对常见疵点(断纱、横档和油污)的有效分割.同时,该算法对方向性较强的疵点具有良好的分割性能,这也为将来经编织物疵点自动检测提供了新的途径.

摘要： 本文提出了一种用于经编织物疵点分割的非下采样小波轮廓波变换算法(NWCT).相较于传统轮廓波变换,NWCT引入了小波变换来替代原有算法中的拉普拉斯金字塔变换,并改进采用了非下采样方向滤波器组用于方向子带的分解.通过这一算法,输入的织物图像首先被分解为低频近似系数A和高频细节系数V,H和D.然后,通过非下采样滤波器组对高频细节系数进行滤波以获得方向子带系数.随后,采用区域能量法选择出最优方向子带系数用于高频细节系数V,H和D的重构,并通过非下采样小波轮廓波逆变换来重构织物图像.最后,采用自适应阈值法和和数学形态学处理分割出清晰的疵点轮廓.本文实验表明NWCT可实现对常见疵点(断纱、横档和油污)的有效分割.同时,该算法对方向性较强的疵点具有良好的分割性能,这也为将来经编织物疵点自动检测提供了新的途径.

摘要： 一种层析成像装置及程序，相对通过某种形式求解的暂定截面像f(x，y)，定义评价函数E，该评价函数E包含从f(x，y)计算的投影像与测定的投影像的差，变更f(x，y)，使E大致减少，由此求解对应投影像的截面像。特征在于，本质上无需在通常的计算机层析成像中所需的反投影操作，在金属伪像、人为现象等的去除、降低上尤其效果好。

摘要： 一种用于对象的图像的重构方法，所述重构方法包括：接收表示关于所述对象的信息的第一投影数据集；接收表示关于所述对象的信息的第二投影数据集；利用第一投影数据集来重构所述对象的第一图像；利用第二投影数据集来重构所述对象的第二图像；在第一图像和第二图像之间执行配准；以及将第一图像和第二图像融合成所述对象的所述图像；其中，利用单一的辐射类型获取第一投影数据集和第二投影数据集。

摘要： 重构应用基于视频源内容裁剪视频源的子部分。重构应用包含产生显著性图的视觉关注模型、和基于显著性图推断裁剪窗口的专用重构算法。裁剪后，只有每个视频图像的重构部分保持可见。处理视频序列的图像的方法包括以下步骤：确定（21）视频序列的参数、视频序列的先前解码的子序列的参数和用户设置，根据所确定的参数确定（22）要裁剪的部分，在重构步骤剪裁（23）所确定的部分以供显示。本发明的优点是提供了基于视频内容自动调整重构参数的先进自动方法。

摘要： 一种层析成像装置及程序，相对通过某种形式求解的暂定截面像f(x，y)，定义评价函数E，该评价函数E包含从f(x，y)计算的投影像与测定的投影像的差，变更f(x，y)，使E大致减少，由此求解对应投影像的截面像。特征在于，本质上无需在通常的计算机层析成像中所需的反投影操作，在金属伪像、人为现象等的去除、降低上尤其效果好。

摘要： 一种用于对象的图像的重构方法，所述重构方法包括：接收表示关于所述对象的信息的第一投影数据集；接收表示关于所述对象的信息的第二投影数据集；利用第一投影数据集来重构所述对象的第一图像；利用第二投影数据集来重构所述对象的第二图像；在第一图像和第二图像之间执行配准；以及将第一图像和第二图像融合成所述对象的所述图像；其中，利用单一的辐射类型获取第一投影数据集和第二投影数据集。

摘要： 在本发明的图像重构处理方法中，在图像更新工序(步骤S2)中，通过逐次逼近法来更新重构图像，在权重系数映射图更新工序(步骤S4)中，根据通过在该图像更新工序(步骤S2)中更新图像所得到的重构图像来生成针对先验知识的权重系数映射图，基于该权重系数映射图调整针对各像素的先验知识的权重系数，由此更新权重系数映射图。这样，根据通过更新图像所得到的(估计中的)重构图像来生成针对先验知识的权重系数映射图，基于该权重系数映射图调整针对各像素的先验知识的权重系数，由此能够解决无法获得高画质的重构图像这一问题点。也就是说，通过调整针对各像素的先验知识的权重系数，能够避免对重构图像的像素施加过度的制约，能够获得高画质的重构图像。

摘要： 提供一种图像重构装置及图像重构方法，基于对重构像进行正投影计算而得到的计算投影数据与计量投影数据的差分，进行逐次近似计算来生成逐次近似重构像，该重构像是基于所述计量投影数据而重构出的，图像重构装置具备：输入操作者重视的画质参数的输入部；基于所述画质参数来计算权重系数的权重计算部；和基于对利用所述权重系数将自此要求出的像素值和前次反复时求出的像素值进行加权相加而得到的值，进行逐次近似计算的逐次近似计算部。由此，在利用逐次近似计算来重构断面图像之际，可生成具有符合操作者要求的画质的图像。

摘要： 本发明涉及一种波浪三维高度场的图像重构方法及图像重构试验系统。该方法包括如下步骤：步骤一，水面预处理，使用二氧化钛将目标试验区域的水面染成白色；步骤二，随机生成迷彩图形，并利用投影仪将迷彩图形投影至目标试验区域的水面；步骤三，制造波浪，使用两个重构相机从目标试验区域的上方采集目标试验区域的重构用图像，同时使用两个验证相机从目标试验区域的侧方采集目标试验区域的验证用图像；步骤四，采用归一化互相关算法对重构用图像进行问询匹配，并得到在原始坐标系下的初步重构图像；步骤五，坐标变换，将原始坐标系变换到目标坐标系；步骤六，重构结果验证。根据本发明的图像重构方法的重构精度高、空间分辨率高。

摘要： 本发明提供一种图像重构模型的训练方法、图像重构方法及系统，训练方法包括：获取第一训练集；对于第一训练集中每组训练样本对，将有油烟样本图像输入特征提取子模型进行特征提取，得到初始特征图；将初始特征图输入空间注意力子模型得到包含油烟区域信息的注意力图；将初始特征图和注意力图相乘得到包含油烟区域信息的空间特征图；将空间特征图输入生成器得到重构图像；将重构图像输入判别器以判断重构图像是否为无油烟图像；根据无油烟样本图像、判别器的输出结果以及重构图像计算损失误差，并根据损失误差调整模型参数，直至图像重构模型符合迭代停止条件。本发明实现了油烟区域的特征相互联系，重构图像能够符合真实烹饪场景。

摘要： 在本发明的图像重构处理方法中，在图像更新工序(步骤S2)中，通过逐次逼近法来更新重构图像，在权重系数映射图更新工序(步骤S4)中，根据通过在该图像更新工序(步骤S2)中更新图像所得到的重构图像来生成针对先验知识的权重系数映射图，基于该权重系数映射图调整针对各像素的先验知识的权重系数，由此更新权重系数映射图。这样，根据通过更新图像所得到的(估计中的)重构图像来生成针对先验知识的权重系数映射图，基于该权重系数映射图调整针对各像素的先验知识的权重系数，由此能够解决无法获得高画质的重构图像这一问题点。也就是说，通过调整针对各像素的先验知识的权重系数，能够避免对重构图像的像素施加过度的制约，能够获得高画质的重构图像。