图像抖动核函数估计与图像恢复

抖动模糊是摄影中常见的问题,为此提出了一个鲁棒快速的核函数估计和图像恢复方法。给定一幅因相机抖动而模糊的图像,该方法首先建立金字塔,然后自顶向下、迭代地估计运动模糊核函数,同时对图像进行恢复。使用混合高斯模型对核函数建模,使用自然图像的边缘大尾巴分布对图像进行约束。通过冲击滤波器预测图像的强边缘,对图像的边缘与核函数进行约束,从而更好地估计核函数。并通过迟滞阈值方法和核函数重新定位的方法,降低核函数的噪声,提高核函数估计的鲁棒性能。在求解核函数能量方程时,采用共轭梯度法,利用图像的一阶和二阶偏导数降低系统方程的条件数,加快收敛速度。最后,在一个国际公开的包含32组运动模糊图像的数据集上验证了该方法。实验结果表明,该方法所恢复的图像,其边缘和纹理清晰,能够很好地避免噪声和振铃走样问题。     

边缘保持的核回归图像插值方法

研究核回归图像插值问题,基于各向异性距离方法,提出一种边缘保持的核回归图像插值方法。分析不同参数对该方法以及 Steering核回归方法的影响。实验结果表明,边缘保持的核回归图像插值方法对于参数变化具有较强的稳定性,算法鲁棒性较高,插值图像的边缘信息也得到更好的保持。     

各向异性扩散与高斯差分模型的多聚焦图像融合方法

利用各向异性扩散模型具有良好的边缘保持特性,提出一种基于各向异性扩散滤波与高斯滤波差分规则的图像融合算法。各向异性扩散方程对图像进行滤波操作,在图像的同质区域实施正向扩散以平滑图像,而在图像边缘实行较弱平滑以保护边缘细节信息。将通过各向异性扩散模型处理的图像与经过高斯函数滤波的结果图像进行差分操作,可以得到图像的高频系数信息。为提高健壮性,对高频系数进行小窗口累加,其作为像素选择准则,再分别从原始图像中直接获取对应的像素值组成融合结果图像。实验结果表明,所提出的方法可以有效地融合源图像信息,非常适合多聚焦     

自适应的归一化卷积超分辨率重建算法研究

图像超分辨率重建技术是数字图像领域的一个研究热点,应用广泛。为了使重建的图像能更好地保持边缘细节,采用各向异性高斯核函数作为适用度函数,并将改进的自适应归一化卷积超分辨率重建算法应用于设计的多通道光学成像系统图像。由于各向异性高斯核函数邻域的尺度和方向由提出的自适应结构张量矩阵决定,其能很好地估计图像局部结构的方向和强度。实验仿真结果表明,提出的方法与其他方法相比可以保持边缘细节和提高信噪比,从而改善图像成像质量。     

一种新的结合图像梯度的局部活动轮廓模型

基于区域的局部二值拟合模型只考虑图像灰度的平均值统计信息,然而由于图像中的噪声改变了图像的灰度分布,该类方法对于包含大量噪声的图像往往很难获得理想的效果。为了提高模型对于噪声的鲁棒性,提出了一种结合图像统计信息和梯度信息的局部活动轮廓模型。该模型在图像灰度的统计信息的基础上,加入图像梯度信息,分别构造以高斯函数为核函数的局部二值灰度拟合能量和局部二值梯度拟合能量,得到最终的能量泛函,并通过最小化该能量函数,驱使活动轮廓向目标边缘演化。实验结果表明,基于图像灰度和梯度的局部活动轮廓模型能够有效克服图像中弱边缘以及强噪声对于分割结果的影响,其分割精度高于同类方法。     

高斯型模糊润饰图像的模糊核反演算法

为了从模糊润饰图像恢复模糊核,基于对数傅里叶空间图像高斯型模糊润饰前、后的指数黎曼度量具有等距性特点,提出一种高斯型模糊润饰图像的模糊核反演算法.首先将模糊润饰前、后的图像转换到对数傅里叶空间;然后利用黎曼测地距离度量图像高斯型模糊润饰前、后的模糊不变量,从模糊不变量携带的信息中反演恢复出高斯型模糊核.在对高斯模糊、中值模糊、盒式模糊和多步高斯模糊润饰图像进行的实验结果表明,文中算法能够鲁棒地恢复出模糊核.     

一种快速鲁棒核空间图形模糊聚类分割算法

针对现有鲁棒图形模糊聚类算法难以满足强噪声干扰下大幅面图像快速分割的需要，提出一种快速鲁棒核空间图形模糊聚类分割算法。该算法将欧氏空间样本通过核函数映射至高维空间；采用待分割图像中像素邻域的灰度和空间等信息构建线性加权滤波图像，对其进行鲁棒核空间图形模糊聚类；并引入当前聚类像素与其邻域像素均值所对应的二维直方图信息，获得鲁棒核空间图形模糊聚类快速迭代表达式。对大幅面图像添加高斯和椒盐噪声进行分割测试，实验结果表明:本文算法相比基于图形模糊聚类等分割算法的分割性能、抗噪鲁棒性和实时性有了显著提高。     

结合高斯过程和形变模型的超声图像分割方法

目标区域的先验形状在基于形变模型的超声图像分割方法中扮演着重要的角色。为了提高先验形状模型对目标轮廓形变细节的建模能力,提出了一种基于高斯过程的统计形状模型。目标的形状被表示成一种离散的随机时间序列;利用高斯过程的性质对训练集中的目标形状变化进行统计学习,从而生成目标的先验形状和先验概率。为给形变模型向目标区域的演化提供观测模型,结合超声图像中目标边缘内外灰度变化特征设计了一种径向纹理特征模型。分割的优化被转化为求最大后验概率的过程。基于真实的临床超声图像实验结果显示,与其他方法相比该方法在复杂形变区域和弱边缘区域提供了更准确和鲁棒的结果。     

具有高斯噪声不变性的特征描述算子

提出了一种对高斯模糊和高斯噪声鲁棒的图像纹理特征描述算子。通过对图像进行二进小波变换,得到图像4个尺度的横向和纵向滤波系数,在每个像素点排列这些系数,然后量化为一个8维的空间,并通过二进制编码变成一个整数。然后对图像进行分区域统计得到一个直方图序列作为图像的特征描述算子。由于仅利用了图像的边缘等高频信息,所以对高斯噪声更具有鲁棒性。通过人脸图片识别实验表明特征描述算子具有比LBP、LPQ等著名的特征描述算子具有更好的性能。     

基于各向异性主动轮廓模型的图像分割方法研究

摘 要：分割的作用是将数字图像分割为多个简单区域,并根据区域中图像的某种特征提取和分离出的目标区域,便于图像识别与理解分析。主动轮廓模型(snake)是一条可变形的参数曲线及相应的能量函数,广泛应用于医学领域的图像分割。主动轮廓模型是以最小化能量函数为目标,控制参数曲线变形,最后具有最小能量的闭合曲线就是所需分离的目标轮廓。在采用主动轮廓模型进行分割之前,通常都采用高斯滤波器对图像进行滤波,在对图像进行平滑的同时,也会使边缘模糊化,从而影响分割效果。本文将各向异性滤波和主动轮廓模型结合起来,充分利用各向异性滤波在平滑图像的同时能保持边缘的特点,在利用主动轮廓模型进行分割之前使用各向异性滤波代替传统的高斯滤波对图像进行预处理。实验结果表明：与传统方法相比,在主动轮廓模型的预处理阶段,采用本文所提出的算法平滑噪声图像,提高了后续图像分割的准确性。     

逆主元法盲目复原高斯模糊图像

盲目图像复原的一个重要方法是检测出图像退化的点扩展函数的参数，然后根据估计的点扩展函数复原图像，但是对于高斯模糊的图像，很难检测出其点扩展函数，因此高斯模糊图像的盲复原一直是个棘手问题。本文提出一种新的算法：逆主元法，利用高斯点扩展函数的特性，在径向基神经网络的模型下，对图像进行盲目复原。实验表明，这种方法对轻度的高斯模糊图像，有很好的复原效果。     

Anisotropic Probabilistic Neural Network for Image Interpolation

This study proposes a novel image interpolation method based on an anisotropic probabilistic neural network (APNN). The proposed method uses an anisotropic Gaussian kernel to improve image interpolation, which causes blurred edges. The objective of this anisotropic Gaussian kernel-based probabilistic neural network is to provide high adaptivity of smoothness/sharpness during image/video interpolation. This APNN interpolation method adjusts the smoothing parameters for varied smooth/edge regions, and considers edge direction. This APNN uses a single neuron to estimate sharpness/smoothness. The proposed method achieves better sharpness enhancement at edge regions, and reveals the noise reduction at smooth region. This study also uses interpolating a slanted-edge image to reveal blurring and blocking effects. Finally, this study compares the performance of these proposed methods with other image interpolation methods.     

基于PDE''''s的图像平滑方法

传统的图像平滑方法在去除噪声的同时往往会破坏边缘、线务、纹理等图像特征，而基于偏微分方程(PDE’s)的各向异性扩散算法则在抑制噪声的同时能够保持这些特征。本文在Perona ＆ Malik模型基础上引入梯度阈值和高斯平滑核，实验结果表明改进后的平滑方法既能更有效消除孤立噪声点，又可以更好地保持边缘。     

拉普拉斯与双边滤波的图像去运动模糊算法

运动模糊图像盲复原是图像复原中的关键问题之一,由于模糊信息的复杂性以及图像噪声的影响,导致复原的结果有振铃效应.为解决这些问题,提出基于拉普拉斯先验的改进算法.在原有的模糊核估计过程中,引入拉普拉斯锐化增强,增强图像的边缘信息,达到改善模糊核估计结果的目的.在复原时,针对图像振铃噪声,引入了双边滤波,抑制该噪声对复原结果的影响,进一步改善复原图像的质量.与三种现有图像去模糊算法相比,该方法能更准确地估计模糊信息,对图像复原具有更好的鲁棒性.     

混合高阶全变差正则化的运动模糊图像盲复原

针对运动模糊图像的盲复原,提出一种基于混合高阶全变差正则化的盲复原方法。该方法首先采用shock滤波器从模糊图像中预测出清晰的图像边缘,并用多尺度策略实现对模糊核由粗到细的准确估计。然后根据自然图像边缘的稀疏特性,将全变差模型的保护边缘特性结合高阶全变差克服平滑区域阶梯效应的优势,对图像进行正则化约束,提出新的混合高阶全变差正则化模型。最后,利用分裂布雷格曼迭代策略对提出模型进行最优化求解。实验结果表明,提出的方法能够很好地保护图像边缘细节,同时有效地抑制平滑区域内振铃和阶梯效应的产生,获得高质量的复原图像。与近几年图像盲复原算法相比,不仅改进了复原图像的主观视觉效果,而且客观上提高了峰值信噪比。     

p(x)调和映射在图像恢复中的应

本文研究了基于p(x)调和映射的变分图像恢复模型,得到关于能量泛函极小解的存在唯一性,导出了相应的演化方程。实验结果表明,此模型结合了TV非迷向扩散模型以及高斯迷向扩散的优点,在保持轮廓的基础上,减少了"块状"效应,并且提高了计算效率。     

结合核方法的选择性各向异性扩散去噪算法

在低信噪比图像噪声抑制处理中,为了有效地保持图像边缘,在基于多相位分层分割算法的各向异性扩散模型的基础上,提出一个基于核方法的选择性各向异性扩散去噪算法。该算法根据图像数据的线性不可分特点,首先利用核方法把多相位分层分割算法中的数据项从线性不可分的低维空间推广到可实现线性可分的高维特征空间,在特征空间中实现图像分割;然后根据分割得到的同质区域的梯度信息改进了P-M模型中的扩散系数;最后,在同质区域中采用改进的P-M模型平滑噪声。实验结果表明,该算法无论在噪声去除还是边缘保持上都具较好的效果。     

稀疏平滑特性的多正则化约束图像盲复原方法

为了实现对线性空间不变的模糊图像的盲复原,提出了一种基于稀疏性和平滑特性的多正则化约束的模糊图像盲复原方法.首先,根据自然图像边缘的稀疏特性,运用了一种权重的全变差范数(weighted total variation norm,简称WTV-norm)对复原图像进行正则化约束;然后,从运动模糊的点扩散函数(motion point spread function,简称MPSF)的特性出发,提出一种能够适用于多种模糊情况的多正则化约束;最后,提出了一种改进的变量分裂(modified variable splitting,简称MVS)方法来得到清晰的复原图像,同时准确地估计出相应的模糊退化函数.大量的实验结果表明,该方法能够较好地复原多种不同类型的模糊(例如运动模糊、高斯模糊、均匀模糊、圆盘模糊).与近几年提出来的一些具有代表性的模糊图像盲复原方法相比,该方法不仅主观的视觉效果得到了较为明显的改进,而且客观的信噪比增量也增加了1.20dB~4.22dB.