基于稀疏分解的图像修复方法

提出将冗余离散小波变换(RDWT)和波原子变换(WAT)作为字典对应用于图像稀疏形态成分分解,获得图像的结构与纹理;然后针对结构和纹理所具有的不同形态学特征,对结构采用具有曲率驱动、边缘强化和平滑去噪性能的CDD模型修复,对纹理采用基于样例的Criminisi纹理合成方法修复;最后合成获得修复结果。实验结果表明,该修复方法能够获得强且光顺的边缘,纹理清晰完整,相比于传统方法具有更好的修复结果。     

稀疏特征自适应的彩色图像隐写

为了提高稀疏域隐写的性能,提出一种基于图像成分的稀疏域隐写算法.首先构造2个字典,分别用于稀疏表示图像的分片平滑成分(卡通成分)和纹理成分,并给出了2种构造字典的方法,一种是利用现有数学模型,另一种是利用K-SVD算法进行自适应学习;然后结合2个字典对彩色图像的R,G,B通道进行稀疏分解,分别获得2种图像成分的稀疏表示系数;最后将秘密信息嵌入到其中2个通道的非零表示系数中,并优先选择纹理成分稀疏表示系数,另一通道则用于保存分解路径.实验结果证明,该算法在获得较高视觉质量的同时,比其他稀疏域隐写算法具有更强的抗隐写分析能力和更好的鲁棒性.     

基于混合基稀疏图像表示的压缩传感图像重构

单一基函数不能对同时包含边缘和纹理信息的自然图像进行最优压缩传感图像重构. 本文根据Meyer的卡通--纹理图像模型和生物视觉原理, 用拉普拉斯塔式分解和圆对称轮廓波分别表示图像的光滑成分和边缘成分, 并构造了窄带轮廓波变换实现纹理成分的稀疏表示. 三种稀疏变换的基函数分别与视觉皮层中的侧膝体、简单细胞及栅格细胞的感受野类似. 结合三种图像稀疏表示方法和凸集交替投影算法提出了基于混合基稀疏表示的压缩传感图像重构算法. 实验结果表明,与基于块匹配三维变换迭代收缩的图像重构算法比较, 本文算法能获得更高的图像重构质量.     

基于图像块分类的图像超分辨率重建

针对当前图像超分辨率重建算法中存在的字典单一而导致重建图像质量不佳的问题，提出一种将图像块分类与图像卡通纹理分解相结合的单幅图像超分辨率重建算法。首先，将图像分块，并将图像块分为边缘类、纹理类和平滑类三类，其中纹理类用形态成分分析（MCA）算法分解为卡通部分和纹理部分；然后，对边缘类、卡通部分和纹理部分分别训练高低分辨率字典；最后，求解稀疏系数并与高分辨率字典重建图像块。仿真结果显示，与基于稀疏表示的超分辨率重建（SCSR）算法和单幅图像超分辨率重建（SISR）算法相比，所提算法的峰值信噪比（PNSR）值分别提高了0.26 dB和0.14 dB，表明该算法的重建效果更好，重建图像纹理细节更丰富。     

结合级联字典和双层稀疏分解的图像重构

图像重构问题中一个关键的问题是如何选取变换基实现对图像的稀疏分解。根据Meyer图像模型将图像分割为卡通部分（cartoon,or piecewise smooth）和纹理部分（texture）,并用Symlet系列小波基、Contourlet基和离散余弦变换基、波原子分别构造级联字典表示图像的卡通部分和纹理部分。然后利用块坐标松弛法求解优化问题提出结合级联字典和双层稀疏分解的图像重构算法。实验结果表明,与基于单一最佳小波基的重构算法和基于级联字典的匹配追踪算法比较,该算法获得更高的图像重构质量。     

图像的多成分混合字典压缩感知表示及重构

信号分解的稀疏程度决定了压缩感知重构信号的精度,针对标准正交基稀疏程度的不足,提出了基于混合字典的压缩感知图像分解和重构方法。构建匹配图像边缘和纹理的二维Gabor字典,将图像在离散余弦字典与建立的二维Gabor字典上进行混合稀疏分解,得到图像的光滑成分、边缘成分和纹理成分。对得到的稀疏成分进行CS观测,通过求解一个优化问题重构图像。实验结果表明,构造的混合字典能够对图像进行更加稀疏的表示,在相同的采样率下,图像的重构质量优于标准正交基分解。     

基于图像分解和稀疏表示的多聚焦图像融合

针对多聚焦图像融合中缺乏细节保护和结构不连续的不足,提出了一种基于图像分解的多聚焦图像融合算法.首先,源图像采用卡通纹理图像分解得到卡通部分和纹理部分;其次,卡通部分采用卷积稀疏表示的方法进行融合,纹理部分采用字典学习进行融合;最后,将卡通和纹理部分融合得到融合图像.实验建立在标准的融合数据集中,并与传统和最近的融合方法进行比较.实验结果证明,该算法所获得的融合结果在方差和信息熵上具有更好的表现,该算法能够有效克服多聚焦图像融合中缺乏细节保护和结构不连续的缺点,同时有更好的视觉效果.     

基于卡通纹理分解和稀疏表示的图像超分辨率重建

针对Yang等人提出的基于稀疏表示的图像超分辨率的重建效果不够理想问题,提出了一种将图像卡通纹理分解和稀疏表示相结合的方法用以实现单幅低分辨率图像的超分辨率重建。本文提出的算法涉及到卡通字典和纹理字典的学习,图像重建过程分为两步。首先重建观测低分辨率图像的卡通高分辨率图像和纹理高分辨率图像,最后将重建的卡通和纹理高分辨率图像线性加权叠加,实现低分辨率观测图像的超分辨率重建。实验结果表明,本文提出的方法在主观视觉和客观指标峰值信噪比(PSNR)上都有明显的提升。     

基于Gabor 感知多成份字典的图像稀疏表示算法研究

如何设计合适的能够匹配各层面几何结构的图像稀疏表示过完备字典, 进而形成对图像的稀疏分解是当前研究者关注的热点问题. 根据图像的几何结构特性, 从人类视觉系统特性出发, 建立了匹配各层面图像结构的Gabor感知多成份字典, 进而提出一种高效的基于匹配追踪的图像稀疏分解算法. 实验结果表明: Gabor感知多成份字典具有对图像中平滑、边缘与纹理结构的自适应性, 与Anisotropic refinement-Gaussian (AR-Gauss)混合字典相比以较少的原子实现了对图像更为高效的稀疏分解.     

图像稀疏表示的结构自适应子空间匹配追踪算法研究

如何设计高效的图像稀疏表示模型及其分解算法是稀疏表示领域的研究热点.文中首先构建了图像的结构自适应多成分稀疏表示模型,该模型采用相对阈值标准对图像进行结构自适应的四叉树区域剖分,并将其分类为平滑、边缘和纹理结构的同性区域,构建与其结构形态相一致的多成分字典进行表示.进一步提出了一种结构自适应的子空间匹配追踪图像稀疏分解算法,将每一区域只在与其结构类型相一致的单一结构类型子成分字典中进行低维子空间搜索,降低了图像维数与字典搜索复杂度,提高了稀疏分解效率.实验结果验证了文中算法的有效性.     

基于偏微分的图像放大算法研究

在研究图片放大算法中,分析了现有的运用偏微分算法在图像法大中的不足,利用图像放大过程中的边缘信息可预知性,本文提出一种新的基于偏微分方程的图像放大算法,这种算法通过将图像边缘检测、平滑处理,然后采用三次样条插值算法对边缘进行相应倍数的放大,并通过对可能出现的锯齿边缘进行细化处理;将处理过的边缘作为放大图像的边缘,从而可以将源图像的边缘很好的保持下来,避免了偏微分方程放大过程中出现的边缘模糊现象。实验结果显示,该方法是一种能够很好的保存图像的边缘信息的图像放大算法。     

图像放大的偏微分方程方法

在分析一些常见的图像放大方法的基础上,根据图像像素值特点及近期偏微分方程在图像处理中的应用,将图像的像素值看作是平面物体的温度;利用偏微分方程理论中的热传导数学模型,提出了基于一种新颖的热传导方程初边值问题的图像放大法;并根据其物理意义,设计相应的差分算法．实验证明,这是一种有效的图像放大方法．     

Adaptive variational models for image decomposition

Image decomposition refers to the splitting of an image into two or more components.In this paper,a clean image is separated into two parts:one is the cartoon component,consisting only of geometric structure,and the other is the oscillatory component,consisting of texture.Three parts for noisy image are considered:cartoon,texture,and noise.To better decompose an image,we propose two new variational models.In our models,two adaptive regularization terms are introduced.The two regularization terms are determined by an adaptive function which can discriminate the cartoon and texture of an image automatically.Experimental results illustrate the efectiveness of the proposed models for image decomposition.     

非局部的变分正则化图像放大算法

针对Chambolle图像放大模型存在分块效应,提出一种非局部的变分正则化图像放大算法。该算法的思想是构造一个适用于图像放大的变分泛函,该泛函由正则项和数据保真项构成,其中图像的正则项是用非局部全变差范数进行估计,进而用迭代投影方法求泛函的最小解,即为放大后的图像。与传统的图像插值方法不同,该算法是用变分的思想进行图像放大,非局部全变差的引入更使得该算法不只是利用图像的单个像素点,或某一邻域内的灰度和梯度信息进行放大,而是更大范围地利用了图像本身的信息,这将更有效地保留图像特征,避免了Chambolle方法在图像放大时出现的分块效应。实验结果表明,该算法能更好地保留边缘和细节信息,放大图像的清晰度比Chambolle图像放大方法和样条插值的效果要好。     

基于变分和小波变换的图像放大算法

为了更好地放大图像,利用小波变换的思想,提出了一种变分和小波变换相结合的图像放大算法.该算法的思想是先构造一个用Besov范数估计图像正则性的变分泛函,然后在小波域中最小化变分泛函得到放大图像.小波变换后的高频分量具有丰富的细节边缘信息,因而能够重构出高质量的图像,而且小波的引入使得文中新算法具有运行时间短、速度快的特点.与传统的插值放大图像不同,该算法是用变分的思想进行图像放大.理论分析和实验仿真表明,该算法能达到和样条插值同样的放大效果.     

A sharp edge-preserving joint color demosaicking and zooming algorithm using integrated gradients and an iterative back-projection technique

Following the advances in single-sensor imaging techniques, interest in producing a zoomed full-color image from a Bayer mosaic data has been increased. Almost all of the recent approaches identified, with respect to the demosaicking step in the imaging pipeline, have chiefly focused on misguidance problems. However, in regions consisting of sharp edges or fine textures, these approaches are prone to large blurring effects. This paper proposes a new joint solution to overcome the above problems associated with demosaicking and zooming operations. On the basis of an enhanced soft-decision framework, we estimate the edge features by computing the integrated gradients. This allows the extraction of gradient information from both color intensity and color difference domains, simultaneously. Then, the edge guidance is incorporated in the interpolation of various stages to preserve edge consistency and improve computational efficiency. In addition, an edge-adaptive, iterative, back-projection technique is developed to compensate for image blurring as well as to further suppress color artifacts. Experimental results indicate that the new algorithm produces outstanding objective performances and sharp, visually pleasing color outputs, when compared to numerous other single-sensor image zooming solutions.     

图像放缩的离散算法

从简单的二值图像出发提出灰度图像的离散放缩算法。该算法尽可能地保持了放缩后图像内物体边界的清晰，自然，而放缩倍数可为任意非整数倍。应用该算法，图像放大后层面清晰，色彩丰富，忠实地反映了原始图像的面貌；图像缩小后能较好地体现原始图像的主要特征。实例证明，此方法比常见的商品软件有更好的边界处理效果，且计算稳定，实现方便，将算法已成功地应用于开发的医学图像处理系统中。     

形态成分正则化约束的图像恢复方法

如何设计能够保持图像纹理等小尺度结构特征的图像恢复方法是目前该领域有待解决的难点问题。由于自然图像往往包含卡通（平滑、边缘）、纹理等多种形态结构成分,很难找到单一有效的正则项对整幅图像进行约束。因此将各形态成分分开处理,建立多形态成分正则化的图像恢复最优化模型。采用交替最小化策略,对相应的多变量优化问题进行数值求解,每一子问题采用TwIST算法进行快速求解。仿真实验结果显示与min-TV和min-l1方法相比,形态成分正则化方法可以较好地保持恢复图像的整体视觉效果及纹理等小尺度结构特征。     

曲率驱动与边缘停止相结合的图像放大

基于非线性扩散在保留图像重要特征方面表现出的良好性能,提出将曲率作为一个控制传导率因素的曲率驱动与边缘停止相结合的非线性扩散模型(C&E模型)应用于图像放大。该模型在实现热扩散时不仅能够连接等照度线和强化边缘,而且强调保护小曲率和大梯度。针对这一模型进一步讨论了其应用于图像放大的初始化条件和数值实现方案。实验结果证明,具有曲率运动、边缘冲击特性和平滑去噪性能的CB-E模型较线性扩散方法能更好地放大图像。