基于PCA和总变差模型的图像融合框架

为了能够抑制融合图像中的噪声且提升融合效果,提出一种在进行融合时去噪的新框架,并在此基础上提出一种基于主成分分析(PCA)的融合框架.首先将源图像进行PCA操作,依据前几个主成分重建图像,再经下采样过程得到近似图像;然后通过上采样得到与上层图像的差异图像,即细节图像;最后将最底层近似图像与各层细节图像累加,完成图像的重构.将该框架纳入总变差模型后形成一种新的具有融合和去噪效果的框架.实验结果表明,该方法不仅能对同分辨率图像融合,获得较好的融合效果,而且在全色图像和多光谱图像的融合中可较好地保持光谱信息和空间信息,并能够抑制图像中存在的噪声.     

基于图的数字全变差模型及其带噪图像任意精度放大

分析了利用Sobolev空间Tikhonov正则化模型对带噪图像进行放大的不足,基于图像的修复模型,提出带噪图像放大的数字全变差模型．利用有向图构造出兼顾噪声去除和图像放大的数字TV滤波器,并利用该滤波器提出一种新颖的图像放大算法．作为算法对比,利用Sobolev空间Tikhonor正则化模型,提出相对应的数字Tikhonov放大算法．结果表明：数字TV放大算法明显优于数字Tikhonov放大算法,不仅较好地抑制了噪声的影响,而且使得任意精度放大的图像边缘清晰、过渡自然,特别适合于目标边缘明显的一类非纹理的医学图像的放大。     

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。     

基于二阶总广义变差的欠采样图像重构方法

针对欠采样图像重构的凸优化问题,提出一种基于二阶总广义变差(TGV)范数最小化的算法。利用图像的二阶TGV半范作为正则约束项,自动地平衡一、二阶导数项,使得该算法可以更好地恢复图像边缘,有利于平滑噪声,避免阶梯效应。为了有效地计算该模型,通过正交投影和调整权重阈值对每一步迭代结果进行修正,最终获得更准确的重构结果。实验结果表明,与正交匹配追踪(OMP)模型和全变差(TV)模型比对,该算法重构的图像其峰值信噪比(PSNR)及结构相似度(SSIM)都有明显的提高,重构效果较好。     

一种新的图像放大方法及其评价体系

针对数字图像放大问题,重点考虑了图像的两个重要特征：梯度和光滑性,提出了一种新的非线性偏微分PM-MF方法,并将其应用于图像放大。进一步从灰度偏移、信噪比、均方误差和梯度模值4个方面,提出了一套衡量图像放大质量的评价体系。实验结果表明该方法无论从保护边缘信息、灰度偏移以及图像清晰度等视觉特性方面均优于线性偏微分方法。     

基于扩散率函数的图像放大算法

利用扩散率函数的特性,提出一种实现数字图像放大的新方法.该方法对原图像进行内插,采用距离函数和梯度函数作为权值对插入的像素赋值.算法简单、易于实现,且运算所需时间短.利用Matlab 6.5进行仿真,结果显示无论是整数倍放大还是分数倍放大,该算法均能得到比较理想的效果,放大后的图像清晰,且保留了原图像的边缘信息.     

非凸总广义变差图像恢复模型

为有效地保护图像的几何结构,提出了一种非凸二阶总广义变差图像恢复模型。该模型引入了类似于[L0]范数的非凸稀疏正则约束,模型能更好地保护图像的结构特征。为有效地计算该模型,采用迭代重加权和原始-对偶算法。数值实验表明,相比于最近的二阶总广义变差方法,该方法获得了较好的实验结果。     

基于小波融合的图像放大方法

提出一种基于小波融合技术与传统图像放大算法的结合的方法.该算法首先对源图像分别采用双三次插值和改进的双线性插值进行放大,然后对两幅放大后的图像进行小波分解,并对分解后得到的小波系数进行融合,增强图像轮廓,最后进行小波逆变换得到目标图像的重构.通过实验对比,采用所提算法放大的图像视觉效果明显,轮廓清晰,消除了传统放大算法的模糊和锯齿现象.     

各向异性四阶偏微分方程耦合二阶偏微分方程的图像放大

针对增强图像中的弱边缘、细节纹理和消除二阶偏微分方程在图像平滑部分的阶梯效应问题,提出一种各向异性四阶偏微分方程耦合二阶偏微分方程的图像放大算法。算法通过像素的局部方差自适应约束阈值,实现图像中不同结构的各向异性四阶扩散,增强弱边缘和细节纹理,去除平滑部分阶梯效应,同时耦合改进的总变差方法和受梯度约束的冲激滤波器对边缘进行增强,放大算法采用双正交映射实现图像退化模型的约束。仿真实验证明该算法能够很好地增强边缘、细节和纹理,去除阶梯效应。与其他二阶偏微分方程放大算法比较,算法具有较好的主观视觉效果,算法放大图像的峰值信噪比(PSNR)和平均结构相似性测度(MSSIM)也高于其他二阶偏微分方程算法,其中平滑部分较多图像的PSNR比基于改进的总变差放大算法提高1 dB左右,细节纹理较多的图像提高0.5 dB以上。该算法的放大图像更加自然,弱边缘和细节能够得到分辨率增强。     

基于分块思想的最小化总变差去噪新算法

现有的图像分块方法在处理前将源噪声图像分割成不同的小块,分别独立进行去噪,最后将所有小块拼接。该方法所得图像的去噪效果有一定程度的提高,但在相邻分块结合处存在不连续。对去噪方法的现状进行了分析,并结合最小化总变差及分块思想,提出新的去噪方法:在每小块处理过程中,分块值参与判断终止,整幅图像值计算去噪图像;对各块所得去噪图像取均值,得到最终的结果;对新算法进行优化,提高了算法运行效率。分析实验结果表明,该方法在计算效率和信噪比上均有显著提高。     

Some First-Order Algorithms for Total Variation Based Image Restoration

This paper deals with first-order numerical schemes for image restoration. These schemes rely on a duality-based algorithm proposed in 1979 by Bermùdez and Moreno. This is an old and forgotten algorithm that is revealed wider than recent schemes (such as the Chambolle projection algorithm) and able to improve contemporary schemes. Total variation regularization and smoothed total variation regularization are investigated. Algorithms are presented for such regularizations in image restoration. We prove the convergence of all the proposed schemes. We illustrate our study with numerous numerical examples. We make some comparisons with a class of efficient algorithms (proved to be optimal among first-order numerical schemes) recently introduced by Y. Nesterov.     

基于整体变分的图像修复研究

图像修复是指对数字图像中丢失破损的部分进行还原,是一种很早出现的工艺技术。目前,图像修复技术有了巨大的发展。本文从基本理论、模型建立和数值计算方面介绍了基于总体变分的图像修复算法。     

一种基于整体变分的图象修补算法

图象修补是图象恢复研究中的一个重要内容，它的目的是根据图象现有的信息来自动恢复丢失的信息，可以用于旧照片中丢失信息的恢复。由于图象中的边缘代表了图象的重要信息，所以在设计修补算法时，必须着重考虑边缘的恢复，采用整体变分模型设计了一个图象修补算法，整体变分模型能够模拟人的低层视层，在修补图象时可以恢复图象中的边缘，数值实验表明，该模型能够较好地恢复待修补区域的信息，但是受修补区域大小的影响，同时又采用了一种向前传播操作来缩小修补区域。     

基于偏微分的图像放大算法在视频监控中的应用

视频监控是安全防范系统的重要组成部分,它是一种防范能力较强的综合系统。视频监控以其直观、准确、及时和信息内容丰富而广泛应用于许多场合。针对视频监控中画面回放的特殊场合和获得较好的视觉效果的需求,相对于传统放大算法难以获得高分辨率的优质图像的缺点,基于偏微分的图像放大算法,能较好地保持图像的边缘特征和细节信息,从而获得清晰的放大图像。     

三次样条插值的逆扩散图像增强算法

提出了非线性逆扩散图像增强算法的原则,应用三次样条插值方法构造了该算法的扩散系数,得到了较好的图像增强效果。说明该算法能够对有微弱噪声的图像进行图像增强并保持细节纹理,其扩散系数既满足了逆扩散图像增强的原则,又容易构造。     

基于定向双边全变差正则化的文档图像超分辨率算法研究

针对文档图像超分辨率重建问题,在传统双边全变差(Bilateral Total Variation,BTV)正则化超分辨率算法的基础上,提出了一种基于改进BTV的文档图像超分辨率算法。该算法引入一个新的正则项,即笔画宽度的方向,并根据字符笔画的局部宽度和局部方向自适应地进行平滑处理;然后通过分析输入的低分辨率图像及其插值,使输出图像的局部笔画宽度接近于局部的笔画方向。这种信息被压缩到基于笔画宽度的方向全变分正则项中。通过最小化正则项和数据保真项的线性组合,重建了高分辨率的图像。与相关的文档图像超分辨率方法相比,所提方法在视觉图像质量和字符识别精度方面得到了显著的改善。     

图像双线性插值无级放大及其运算量分析

针对图像的无级放大问题,提出了3种双线性插值放大方案,分析了3种方案各自的运算量,找出最优的图像放大算法.     

A Nonlinear Multigrid Method for Total Variation Minimization from Image Restoration

Image restoration has been an active research topic and variational formulations are particularly effective in high quality recovery. Although there exist many modelling and theoretical results, available iterative solvers are not yet robust in solving such modeling equations. Recent attempts on developing optimisation multigrid methods have been based on first order conditions. Different from this idea, this paper proposes to use piecewise linear function spanned subspace correction to design a multilevel method for directly solving the total variation minimisation. Our method appears to be more robust than the primal-dual method (Chan et al., SIAM J. Sci. Comput. 20(6), 1964–1977, 1999) previously found reliable. Supporting numerical results are presented.     

基于形状保持的图像增强模型

针对对比度低、边缘模糊和噪声干扰强的红外图像,提出一种融合非线性扩散与全变分的形状保持模型。其中,模型保真项用于保持图像形状,保留边缘、细节信息,范数项用于图像去噪。实验结果表明,与同类算法相比,该模型能更有效地去除噪声,保持图像形状,并增强图像对比视觉效果。     

基于前向和后向扩散的图像增强算法的改进

图像去噪和增强是图像处理和计算机视觉领域中的基本问题,而偏微分方程已经广泛应用于模糊图像的复原.针对P-M方法和原FAB方法的不足,通过区分图像的平坦区和边界区,综合这两种方法得出了新的扩散系数方程,并通过有限差分法将对应的偏微分方程离散化后得到了它的数值解.这种改进的各向异性的扩散方法,在平滑图像的同时能够保持和增强边界,对实际图像的滤波结果表明了该算法是有效的.