用图割构造长景物图像

多视点长景物图像指的是由一系列沿某一景物连续拍摄的图像拼接而成的长景物图像。提出了一种基于图割的由多视点构造长景物图像的新方法,该方法将由摄像机拍摄的原始图像投影到将要形成的长景物图像主平面上;再根据长景物图像形成的几个条件构建能量函数,将视点选择问题转变为能量函数最小化问题;通过Boykov等人提出的快速近似能量函数最小化的方法使其最小化,从而得到满足条件的长景物图像。实验结果显示,用该方法拼接而成的长景物图像在拼接处显得相当自然,真正做到了无缝光滑过渡。     

最短路径模型下的双目立体匹配算法研究

传统的双目立体匹配算法,是通过计算像素点间的相似程度来找出左图像素点和右图像素点的匹配关系。为了提高匹配准确度,当前策略主要是将立体匹配转化为求解能量方程最小化问题,再对全局空间的能量进行优化,如扫描线算法、动态规划算法、图割算法和置信传播算法。然而各个算法有着自身不足,若仅仅从原有的模型出发,难以克服缺点。通过对能量方程最小化问题深入研究,建立了一个最短路径模型,即将能量方程映射到有向图中,通过求解图的最短路径来解能量方程的最小化问题,详细阐述了算法原理后又从视差空间的角度描述了算法的运行图。实验证明最短路径算法克服了上述四种方法的固有缺陷,在准确度较高的同时,有较低的时间复杂度。     

基于对数极坐标映射的图像拼接方法

图像拼接在基于图像的绘制、视频检索以及景物匹配等领域有着广泛的应用，为了获取大画面宽视场的场景表示，针对存在旋转及缩放变化的图像，提出了一种基于对数极坐标映射的图像拼接方法，该方法先将图像从笛卡儿坐标空间转换到对数极坐标空间，使得笛卡儿坐标空间中图像的旋转和缩放转换为对数极坐标空间中图像的二维平移，这样可直接利用相位相关法来估算出图像间的旋转角度和缩放因子，然后以此作为初值，再采用非线性最小化优化算法进一步求精图像间的运动参数来实现图像的配准，最后通过图像融合来实现图像的拼接。实验结果表明，该方法是有效的。     

SAR图像分割的改进参数核图割方法

针对合成孔径雷达(SAR)图像的分割问题,提出一种改进的参数核图割方法。对参数核图割方法中的能量函数进行改进,在核空间中考虑分段常数模型,并实现目标函数的空间核化。SAR图像的分割通过能量函数的最小化实现,由不动点迭代估计区域参数,并由图割模型逐步最小化能量函数实现SAR图像的分割。为验证改进参数核图割方法的分割效果,对自然图像进行分割,结果表明,其分割精度达到83%,比参数核图割方法提高了11%。真实SAR图像的分割结果验证了该方法对SAR图像的分割结果优于参数核图割方法。     

基于图切割的图像拼接技术研究

虽然图像拼接技术已进行多年研究,但是鬼影和曝光差异仍然难以消除。为解决这两个问题,提出了一种基于图切割的图像拼接方法。该方法结合图切割和泊松融合技术,首先利用每个像素邻域统计得到的梯度方向直方图来计算重叠区的带权有向图的权值,并通过实现稳定的图切割缝合线搜索,以消除鬼影;然后利用重叠过渡的泊松融合过程解决了缝合线拼接后的曝光差异问题,从而最终实现平滑的图像拼接。实验表明,该算法能够效地消除鬼影和曝光差异。     

视频图像序列运动参数估计与动态拼接

本文采用多重分层叠代算法来估计全局运动参数，并提出应用于动态拼接的运动分割新方法，实现既有摄像机运动又有物体运动的视频图像序列自动拼接。我们的方法基本步骤如下：首先进行全局运动参数的初始估计，并且在分层叠代过程中进行区域分类，得到初始运动模板。接着空间分割原始图像，先根据图像的空间属性由底向上分层合并图像空间区域，再利用视频图像时间属性进一步向上合并，得到图像空间分割结果。然后结合初始运动模板和图像空间分割结果，采用区域分类新方法重新对图像空间分割结果的每个区域进行分类。然后根据分类结果逐步精确求解全局运动参数。最后进行图像合成，得到全景拼接图像。我们的方法利用了多重分层叠代的优点，并且充分考虑到视频图像空间和时间上的属性，实现了运动物体和覆盖背景的精确分割，避免了遮挡问题对全局运动参数估计精度的影响。而且在图像合成时我们解决了拼接图可能产生模糊或某些区域不连续等问题。实验结果表明我们的方法实现了动态视频图像序列高质量的全景拼接。     

基于SURF和动态ROI的实时视频拼接

为解决含有运动物体的视频拼接问题及解决不同景深下的目标拼接等此类问题,提出一种基于SURF和动态ROI方法的双目摄像机视频图像快速拼接方法.通过RANSAC方法与单应性矩阵平滑方法估计双目摄像头视频图像变换模型,融合成宽场景的视频图像.由于选取了动态ROI之后不进行重叠区域之外的SURF特征提取,提高了特征匹配的精准度,避免了ROI之外的误匹配特征点对,同时减少了程序的耗时.大量的实验结果表明,该系统能够自适应的对双目摄像头采集的图像进行视频拼接,获得清晰的宽场景视频.     

基于小波分析的显微视觉景深扩展

光学显微视觉系统的主要特点在于景深短,难以获取反映显微场景的全面信息。为解决该问题,提出基于小波分析的光学显微视觉系统景深扩展策略,分为局部清晰图像获取和多聚焦图像融合两个阶段：首先,以定义的小波系数活性水平为依据,构造了新型清晰度评价函数和聚焦曲线全局极值搜索策略来实现快速自动聚焦、获取局部显微场景信息的目的;然后,为实现多局部聚焦显微图像的融合,设计了小波系数活性水平选择型融合规则来融合获取的多个局部显微场景信息。实验表明,提出方法可有效扩展光学显微镜的景深。     

基于行列双动态规划的立体匹配算法

提出一种基于行列双动态规划的立体匹配算法,采用能量最小化立体匹配模型,其中包含数据项和平滑项,在求解能量最小化过程中,在行方向上利用动态规划的方法给出视差图的能量最小化解,利用行动态规划的求解结果给予对应数据项一个奖励,同时在列方向上对视差图进行动态规划求解,并将其作为最终求解结果。实验结果表明,该算法能够取得较理想的效果。     

基于聚焦测度和决策图的岩石薄片图像融合

为了解决显微镜成像时高倍数和大景深不能共存的矛盾,得到高质量的显微图像,提出了一种简单的空间域像素级显微图像融合算法。首先将彩色图像转换成灰度图像,然后使用基于Sobel算子的Tenengrad聚焦测度生成初始决策图。最后采用一致性检验去除决策图中的孤立点,由精炼后的决策图生成融合图像。用该方法对多组显微薄片图像进行融合,将其结果与基于SML,EOL和SF的融合结果进行了比较。实验结果表明,该方法优于文中提到的其它方法。     

基于亚像素位移的超分辨率图像重建算法

针对多帧图像超分辨率重建问题, 利用一阶泰勒展式, 在亚像素级上对图像退化过程进行建模, 并建立极小化能量函数, 选择Graph-cut算法进行能量极小化求解. 为了验证本文算法的有效性, 采用模拟图像退化过程和直接用相机拍摄两种方式获得低分辨率图像序列. 从4×4倍重建结果的比较来看, 本文算法不仅对模拟退化过程产生的低分辨率图像序列有效, 而且在提高真实低分辨率图像的分辨能力方面也有很好的效果. 此外, 实验结果表明本文算法对噪声有较好的抗干扰能力.     

Model-based graph-cut method for automatic flower segmentation with spatial constraints

In this paper, we present an accelerated system for segmenting flower images based on graph-cut technique which formulates the segmentation problem as an energy function minimization. The contribution of this paper consists to propose an improvement of the classical used energy function, which is composed of a data-consistent term and a boundary term. For this, we integrate an additional data-consistent term based on the spatial prior and we add gradient information in the boundary term. Then, we propose an automated coarse-to-fine segmentation method composed mainly of two levels: coarse segmentation and fine segmentation. First, the coarse segmentation level is based on minimizing the proposed energy function. Then, the fine segmentation is done by optimizing the energy function through the standard graph-cut technique. Experiments were performed on a subset of Oxford flower database and the obtained results are compared to the reimplemented method of Nilsback et al. [1]. The evaluation shows that our method consumes less CPU time and it has a satisfactory accuracy compared with the mentioned method above [1].     

非线性l-1模极小化问题的极大熵差分进化算法

针对一类非线性l-1模极小化问题目标函数非光滑的特点给求解带来的困难,利用差分进化算法并结合极大熵函数法给出了解决此类问题的一种有效算法。利用极大熵函数将l-1模极小化问题转化为一个光滑函数的无约束最优化问题,利用差分进化算法对其进行求解。实验结果表明,该方法是有效的。     

求解矩阵特征值的捕鱼算法

根据圆盘定理以及矩阵特征值的性质,将求解特征值的问题转化为最小化问题。通过圆盘定理确定寻优区域,用捕鱼算法在复数域内求解任意数值矩阵特征值的近似值。数值实验表明,该算法具有收敛速度快,计算精度高的优点。因此,该算法是有效和可行的。     

彩色图像色度距离权值的图论分割算法

提出利用色度距离特征权重的图论分割算法,对彩色图像进行区域分割分析。利用图论和HSI模型,解决自然灾害图像的分割问题。针对复杂的自然图像,将图像像素转换为图论中的节点,构造基于像素点HSI模型的带权无向图;构建带权无向图的图论分割权函数及分割准则,形成区域相似度判别方法;结合实际分割需求,对图论分割后的离散区域进行二次吸收与合并运算,获取连续兴趣区域;对分割的结果与其他算法进行了比较与分析。     

A new non-monotone SQP algorithm for the minimax problem

In this paper, a new sequential quadratic programming (SQP) algorithm is proposed to solve the minimax problem which uses the idea of nonmonotonicity. The problem is transformed into an equivalent inequality constrained nonlinear optimization problem. In order to prevent the scaling problem, we do some modifications to the minimization problem. By the non-monotone SQP method, the new algorithm is globally convergent without using a penalty function. Furthermore, it is shown that the proposed method does not suffer from the Maratos effect, so the locally superlinear convergence is achieved. Numerical results suggest that our algorithm for solving the minmax problem is efficient and robust.     

Lazy texture selection based on active learning

Interactive selection of desired textures and textured objects from a video is a challenging problem in video editing. In this paper, we present a scalable framework that accurately selects textured objects with only moderate user interaction. Our method applies the active learning methodology, and the user only needs to label minimal initial training data and subsequent query data. An active learning algorithm uses these labeled data to obtain an initial classifier and iteratively improves it until its performance becomes satisfactory. A revised graph-cut algorithm based on the trained classifier has also been developed to improve the spatial coherence of selected texture regions. We show that our system is responsive even with videos of a large number of frames, and it frees the user from extensive labeling work. A variety of operations, such as color editing, compositing, and texture cloning, can be then applied to the selected textures to achieve interesting editing effects.     

高阶模型的快速图像修补

图像修补是图像复原研究中的一个重要课题。针对总变分模型在修补图像过程中存在的阶梯效应,将高阶偏微分方程（PDE）引入到图像修补中,采用罚方法及交替极小化算法求解该模型。通过仿真实验及结果分析说明该模型及算法的有效性和优越性。     

一个完善的基于判定链表的DFA最小化算法

应用判定链表进行DFA最小化方法中只处理无互相依赖等价状态会造成最小化结果不正确。针对此问题,分析了DFA中状态的k次传递等价、含自回路状态的等价以及互相依赖等价等结构特点,将分析结果应用于DFA最小化算法中,提出了一个完善的基于判定链表的DFA最小化算法。该算法涵盖所有等价状态的链表处理,与传统的分割或合并算法的最小化结果一致,保证了基于判定链表的最小化结果的正确性。     

基于颜色和运动空间分布的时空显著性区域检测算法

针对复杂背景和运动条件下视频显著性区域检测准确度不高的问题,本文提出了一个新的时空一致性优化模型,并基于颜色空间分布和运动空间分布特征,结合时空一致性优化方法构建了一个新的时空显著性区域检测模型。首先对视频帧进行超像素分割,然后提取三种具有互补性质的超像素级颜色空间分布特征和两种运动空间分布特征,再利用时空一致性分别融合优化空间显著特征和时间显著特征得到空间显著图和时间显著图。在时空融合阶段,利用时空一致性模型融合空间显著度和时间显著度得到超像素级的时空显著图。为进一步提高检测的准确度和完整度,通过一个能量最小化模型得到更精确的像素级时空显著图。通过与最新的视频显著性模型进行比较,本文算法有更高的准确率,对复杂背景和运动条件有强的鲁棒性。