基于独立成分分析的盲目图像反降晰

详细说明了如何将图像反降晰问题转化成独立成分分析（ICA）问题，通过理论分析和实验比较了FastICA和在线随机梯度ICA两种ICA图像反降晰算法，得出了FastICA算法并不能很好地用于图像反降晰的结论，还通过实验证实了ICA反降晰算法不能抑制噪声。最后总结了目前ICA反降晰方法的优缺点，并提出了进一步研究的方向。     

基于2-D公共因子提取的单幅图像盲复原研究

利用2-D公共因子（GCD）提取可以有效地实现图像盲复原,但通常需要原始图像的两幅降晰图像,这在某些条件下并不能满足,极大限制了此方法的应用。发展了一种基于2-D公共因子的单幅图像盲复原方法,利用2-D公共因子提取从一幅降晰图像中估计降晰函数,再利用经典的图像反卷积技术,从而复原原始图像,仿真实验证明了该方法的有效性。     

基于投影自相关的运动降晰参数辨识

为了对退化图像进行恢复,首先要得到退化图像的降晰参数。针对匀速运动降晰的情形,提出了一种基于投影的自相关法自动估计降晰参数。该方法首先将运动方向转化为水平方向,求退化图像在水平方向的微分,再对微分图像求垂直方向的微分,绘出两次微分图像投影的自相关曲线,自相关曲线中最大值与最小值之间的距离便是退化图像的降晰参数。     

有监督的二维分块局部相似与差异算法

为提高人脸识别算法的鲁棒性,提出一种有监督的二维分块局部相似与差异的人脸识别算法.该算法对原图像矩阵分块后,利用局部相似和差异算法中定义的2个权值矩阵,求解分块矩阵中的投影矩阵,将得到的投影矩阵按次序整合得出特征矩阵,以达到使原图像降维的目的.实验结果表明,该算法在降低计算难度的同时,能保持图像的局部信息,取得良好的识...     

GAISP:一种GPU加速的天文图像相减测光算法*

为了解决天文图像相减测光存在的性能问题,满足特殊条件下天文观测的实时性要求,在充分分析原始测光算法整体性能的基础上,结合CUDA并行编程模型,并行优化测光算法中模板图像降晰的计算,提出并实现了一种GPU加速的测光算法GAISP。实验结果表明,GAISP在处理较大规模天文图像时,图像相减部分耗时较原始算法降低2/3。     

一种基于降维技术的图像局部融合算法

给出了一种基于降维技术的局部融合算法，并将其用于两幅灰度图像的融合。该算法将现有的图像融合技术和非线性降维技术融合，通过对待融合图像进行分块、关联矩阵表示、MDS降维处理，得到待融合图像的感兴趣区域块，对这些感兴趣区域块进行基于小波的局部融合，使图像变小。通过实验证明，该算法提高了融合速度，有利于目标识别、变换检测等后续处理。     

一种基于三角形网格的图像分块盲复原算法

针对图像分块方法恢复空间移变降质图像时存在严重的边界噪声,以及采用传统遗传算法进行图像盲复原时运算量大的问题,提出一种基于三角形网格的图像分块盲复原算法.根据图像的退化情况采用三角形网格划分图像子块,并利用微种群遗传算法和传统遗传算法交替进化的方式分别估计各图像子块以及各子块区域中点扩散函数的参数,同时对各图像子块的重叠部分进行边界修正.实验结果表明,与传统的图像分块遗传算法相比,该算法的运行时间和复原图像的边界寄生波纹都大为减少,图像的恢复质量有明显提高.     

基于分块脊波变换的手背静脉识别算法

提出一种分块提取局部方向特征,并将所有特征融合的静脉识别算法．首先,静脉图像经预处理后,利用改进的细化算法对获得的二值图像进行细化处理,得到了静脉的骨架信息;其次,将细化后的静脉图像进行分块,对分块后所有的子图像进行脊波变换,并对脊波分解系数进行主成分分析(PCA)降维,得到静脉图像的特征向量;最后,基于图像特征向量,利用支持向量机(SVM)对静脉图像进行分类匹配．试验表明,该算法获得的静脉图像特征具有较高的区分度,识别效果受图像采集和预处理过程出现的误差影响较小,正确识别率可达到97%以上．     

信息熵加权的HOG特征提取算法研究

针对人脸图像中不同部位所含的信息熵不同,对识别的影响程度不同等因素,提出了一种信息熵加权的HOG特征提取方法。该算法将待识别的人脸图像进行分块,对分块后的图像进行HOG特征提取,计算每块图像所含的信息熵作为权重系数加到各个分块中形成新的HOG特征,通过PCA算法对特征进行降维,得到信息熵加权的HOG特征。通过在ORL和YALE实验结果表明,该算法相较于其他传统识别方法具有更高的识别精度和准确度,并且对于人脸在光照、姿态表情等干扰因素下均具有良好的有效性和鲁棒性。     

内容相关的分块处理自适应图像对比度增强算法

内容相关的分块处理自适应图像对比度增强算法能够自适应地处理多种降质图像。本算法通过分块分析和处理的手段,更好地利用了图像局部信息和细节信息来对图像进行更加细致的处理;通过建立参数化的增强函数,自动调节增强函数参数,实现针对不同特性的图像生成与之相适合的增强函数曲线的功能;通过对图像子块的内容分析,提取出与增强函数相关的特征,并根据这些特征自动生成与之相适应的增强参数。使用上述方法,无需人工干预就能自适应地处理多种不同降质特性图像。实验结果表明,在无任何人工干预的情况下,本算法对过亮、过暗、逆光、雾霾污染甚至是混合多种性质的复杂图像的增强效果均较为理想,充分体现了算法的广泛适应性。     

一种融合聚类与区域生长的彩色图像分割方法

论文提出了一种将聚类和区域生长有机融合的彩色图像分割方法。为了捕获图像的纹理特征,首先将图像划分成16×16子块,然后在块中按照视觉一致性准则进行颜色聚类,对于聚类后的子块,提取其颜色与纹理特征,然后采用符合人类视觉特征的生长规则,进行基于子块的区域生长。该方法充分利用了聚类算法和区域生长算法的各自优点,并符合人类视觉特征的分割策略。利用提出的算法对多幅自然图像进行了分割实验,实验结果证明了算法的有效性。     

基于Richardson-Lucy的图像去模糊新算法

针对传统的Richardson-Lucy(RL)算法存在振铃效应和噪声放大等问题,提出了一种基于RL的图像去模糊新算法,通过在迭代过程中引入增益图(GainMap),降低了复原图像的对比度,阻止迭代过程振铃效应的传播和噪声的进一步放大。详细讨论了引入的增益图的不同参数选择对去模糊结果的影响,通过选取合理的参数得到最佳的结果。实验结果验证了该算法抑制振铃效应的有效性,同时它很好地保留了图像细节,对含有噪声的模糊图像也有很好的复原效果。     

基于子块的区域生长的彩色图像分割算法

提出了一种基于图像子块的区域生长算法,应用于彩色图像分割。首先将图像划分成多个不重叠子块,然后利用从CIEL*a*b*颜色空间中提取出的每个子块的颜色和纹理特征,先进行子块内颜色聚类,达到子块分类的目的,再根据生长准则进行基于分类子块的区域生长,实现对自然彩色图像的分割。实验结果证明了算法的有效性,分割结果符合人的主观感知。     

一种新的基于内容的公开水印技术

提出了一种新的基于内容的DCT域公开水印算法。通过调整Hilbert块索引序列两相邻分块中对应的中频系数的大小关系,将水印嵌入原始图像。实验表明,该技术充分考虑了人类视觉系统的屏蔽特性,嵌入水印与原始图像是自适应的,能较好的保证水印的不可觉察性;同时对常见的信号处理技术以及剪切、旋转与缩放等几何变换具有鲁棒性,尤其对锐化、对比度增强、边缘增强和直方图均衡等信号增强处理具有的鲁棒性更为可观。     

基于可视色差与区域生长的彩色图像分割

提出了一种基于可视色差和分块区域生长的彩色图像分割算法,首先将待处理图像划分成若干大小相同的子块,在CIEL*a*b*颜色空间中计算每个子块的色彩均值和方差值,根据方差值对子块分类,利用可视色差对颜色均匀子块分类、合并,获得初始分割区域,利用四叉树算法对纹理子块分裂合并,然后从初始分割区域开始生长、合并,并删除小颜色块。实验结果证明了算法的有效性,分割结果符合人的主观感知。     

Linearized proximal alternating minimization algorithm for motion deblurring by nonlocal regularization

Non-blind motion deblurring problems are highly ill-posed and so it is quite difficult to find the original sharp and clean image. To handle ill-posedness of the motion deblurring problem, we use nonlocal total variation (abbreviated as TV) regularization approaches. Nonlocal TV can restore periodic textures and local geometric information better than local TV. But, since nonlocal TV requires weighted difference between pixels in the whole image, it demands much more computational resources than local TV. By using the linearization of the fidelity term and the proximal function, our proposed algorithm does not require any inversion of blurring operator and nonlocal operator. Therefore, the proposed algorithm is very efficient for motion deblurring problems. We compare the numerical performance of our proposed algorithm with that of several state-of-the-art algorithms for deblurring problems. Our numerical results show that the proposed method is faster and more robust than state-of-the-art algorithms on motion deblurring problems.     

结合SURF特征的多功能彩色图像水印算法

针对目前大多数水印算法功能较单一,提出了一种可以同时进行版权保护和内容认证的多功能彩色图像双水印算法。首先,将原始图像由RGB空间转换到YUV空间,提取亮度分量的SURF（speeded up robust feature）特征点,根据特征点的主方向构造描述向量并将其拆分为两个子向量,分别计算它们与一个参考向量之间的余弦夹角,通过比较夹角的大小关系来构造鲁棒零水印序列;然后对原始图像进行2×2分块,对子图像块奇异值范数进行异或运算来产生脆弱水印信息,并将其嵌入至图像空域的最低有效位。版权归属鉴定时通过计算原始鲁棒零水印序列和从待检测图像中提取的水印序列之间的BCR（bit correct rates）相关系数作为鉴定的依据,内容认证时通过比较图像最低有效位和脆弱水印信息是否一致来实现篡改的检测和定位。实验结果表明,本文算法具有良好的透明性和较高的计算效率,同时具备版权保护和内容认证的双重功能。     

基于稀疏正则化和变量分裂的图像去模糊

传统的图像去模糊方法易产生振铃和边缘模糊等“伪像”效应,针对这一问题,采用非光滑的正则项约束图像在稀疏字典下表示系数的稀疏性,并引入非负约束项,提出了图像的稀疏正则化去模糊模型。进一步,基于交替方向拉格朗日乘子算法,提出了求解该模型的多变量分裂迭代快速算法,将复杂问题求解转化为三个简单子问题的迭代求解,降低了模型求解的复杂性。实验结果表明,所提出的去模糊模型及其快速算法相对较好地保持了图像的结构特征和平滑性,并降低了计算复杂性。     

基于循环神经网络的散焦图像去模糊算法

近年来,基于深度学习的运动模糊去除算法得到了广泛关注,然而单幅散焦图像去模糊算法鲜有研究。为针对性地解决单幅图像的散焦模糊问题,提出一种基于循环神经网络的散焦图像去模糊算法。首先级联两个残差网络,分别完成散焦图估计和图像去模糊;随后,为了保证散焦图和清晰图像的深度特征可以更好地跨阶段传播以及阶段内相互作用,在残差网络中引入LSTM（long short-term memory）循环层;最后,整个残差网络进行了多次迭代,迭代过程中网络参数共享。为了训练网络,制作了一个合成散焦图像数据集,每一张散焦图像都包含对应的清晰图像和散焦图。实验结果表明,该算法相较于对比算法在主客观图像质量评价上均有显著优势,在复原结果中具有更锐利的边缘和清晰的细节。对于真实双像素图像散焦模糊数据集DPD,该算法相比DPDNet-Single在峰值信噪比（PSNR）和结构相似性（SSIM）上分别提高了0.77 dB、5.6%,因此所提方法可以有效处理真实场景散焦模糊。     

分块策略实现图像椒盐噪声密度估计

目的 椒盐噪声是造成图像污染的常见因素之一,椒盐噪声密度的估计对椒盐去噪过程中滤波窗口大小的选择具有指导作用。为此提出了一种基于分块策略的椒盐噪声密度估计算法。方法 首先对图像按行列等分后形成多个图像子块,统计每个子块中灰度为0或255的像素点个数并排序,然后根据排序后个数差分值函数特征对子块进行筛选,最后将所有候选子块噪声密度估计值的中值作为对整幅图像噪声密度的估计。结果 为验证算法的有效性,选取了两组不同类型的图像进行仿真,与现有椒盐噪声密度估计算法对比噪声密度估计结果。仿真实验结果表明,当图像自身包含较多灰度为0或255的像素点时,本文算法的噪声密度估计精度优于现有各种算法,标准差比现有算法小近一个数量级。当图像自身不包含灰度为0或255的像素点时,本文算法也能达到现有算法中最优的估计效果。结论 本文算法不仅能准确估计不同强度下的噪声密度,而且适用于自身包含灰度为0或255的像素点多的椒盐噪声图像。