[工学]试讲-图像复原与超分辨重建.ppt

1.聚类分析2.图象超分辨重建技术 哈尔滨工业大学 杨学峰 主要内容 1 聚类分析的相关概念 2 层次聚类法 3 k-均值聚类法 4 ISODATA法（迭代自组织数据分析法） 5 核函数聚类法 1 聚类分析的相关概念 对一批没有标出类别的模式样本集，在没有训练样本情况下，按照样本之间的相似程度分类，相似的归为一类，这种分类称为聚类分析，也称为无监督分类。 影响聚类结果的因素 特征的选取 相似性测度 聚类准则 相似性测度 目的：为了能将模式集划分成不同的类别，必须定义一种相似性的测度，来度量同一类样本间的类似性和不属于同一类样本间的差异性。 欧氏距离 设x和y为两个模式，其欧氏距离定义为：D = || x - y || 马氏距离 设x是模式向量，m是均值向量，C为模式总体的协方差矩阵，则马氏距离的表达式： 聚类准则 1、误差平方和准则： 将样本分成c个子集D1, …, Dc，ni为第i个子集的样本数，mi为样本均值： 误差平方和准则： 2.散布矩阵 类内散布矩阵： 类间散布矩阵： 总体散布矩阵： 几种基于散布矩阵的散布准则 2 层次聚类法 Step1：每个样本为一类。 Step2：最近的两类合并。直到到达所 设类别数或只剩一类。 层次聚类示意图 层次聚类的相关问题 应分几类？ 两类的距离？ 最近距离： 最远距离： 平均距离： 层次聚类的特点 层次聚类不用初始化聚类中心，因此聚类结果不受初始聚类中心的影响； 需要定义类别之间的相似性度量； 当样本数比较多时，算法的计算量比较大。 聚类结果是对平方误差准则函数的贪心优化结果。 3 k-均值聚类法 k-均值聚类的特点 k-均值算法可以看作是对平方误差准则函数的贪心搜索算法； 聚类结果受初始聚类中心的选择影响很大，不同的初始聚类中心会导致不同的聚类结果。 如果模式样本可以形成若干个相距较远的孤立的区域分布，一般都能得到较好的收敛效果。 K-均值算法比较适合于分类数目已知的情况。 4 ISODATA法 与K-均值算法的比较 考虑了类别的合并与分裂，最近的两类合并，类内方差大，样本数多的类别进行分裂。 K-均值算法通常适合于分类数目已知的聚类，而ISODATA算法则更加灵活； 从算法角度看， ISODATA算法与K-均值算法相似，聚类中心都是通过样本均值的迭代运算来决定的； ISODATA算法加入了一些试探步骤，并且可以结合成人机交互的结构，使其能利用中间结果所取得的经验更好地进行分类 基本算法步骤 （1）选择某些初始值，包含类别数、各类别中心以及各类别的初始聚类。 （2）计算各类中诸样本的距离指标函数。 （3）按给定的要求，将前一次获得的聚类集进行分裂和合并处理，从而获得新的聚类中心。 （4）重新进行迭代运算，计算各项指标，判断聚类结果是否符合要求。经过多次迭代后，若结果收敛，则运算结束。 博士期间主要工作 1、基于前后向扩散的图像去噪与增强技术 2、基于频谱扩展与补偿的单帧超分辨技术 3、两帧至多帧频域解混叠超分辨技术 4、改进的Poisson MAP超分辨重建技术 5、改进的POCS超分辨重建技术 6、PMAP/POCS融合超分辨重建技术 7、基于BPNN与RBF的超分辨重建技术 8、提出一种发光标志器光学强度的计算方法（利 用平面积分，柱面积分和圆锥积分从接收到的平面图像像素灰度值来计算远处标志灯的发光强度） 。 参与项目 作为主要成员之一，参与了总装“十一五”预研项目“遥感图象超分辨处理技术”的研究，主要负责其频空域超分辨重建技术的开发研究及其算法软件模块的设计和调试。 作为主要成员之一，参与了总装项目“遥感图象复原及信息增强处理系统”的立项工作，主要负责单帧图象复原与超分辨处理算法及软件模块的编制和调试等工作。 作为成员之一，参与了国家921二期工程关键项目——交会对接CCD光学成像敏感器目标标志器及相机窄带干涉滤光片的研制，从事电、光、机设计中数据处理算法的研究、计算分析及试验验证工作。 1.图像超分辨重建的概念和理论基础 图象超分辨重建技术是指由一帧或多帧同一目标的低分辨率图象来重建一帧高分辨率图象的技术，它不改变成像系统的硬件。 (4) 先验信息 (1)．视频监控领域 (2)．军事遥感侦察领域 (3)．资源与环境的遥感应用领域 (4)．医学成像领域 (5)．其它领域 2. 基于频谱扩展与补偿的单帧超分辨技术 振铃出现的原因 抑制振铃的基础函数 一维数据实验结果 3. 多帧频域解混叠超分辨重建技术 频域解混叠的理论基础 频域解混叠的数学模型 频域解混叠迭代计算模型 限制条件的突破技术 实验结果与分析 1、采样定理 2、CFT与DFT的混叠关系 3、CFT与DFT的位移性质 输入图象的帧