基于Mumford-Shah模型和G空间的图像结构纹理分解

构造了一个变分问题来实现图像的纹理结构分解.其中结构成分用分段光滑的函数(即Mumford-Shah模型)刻画,纹理部分用振荡函数(G空间)来描述.由于Mumford-Shah模型将结构成分显式地描述为分段光滑函数,在非结构边缘点处的梯度采用L2范数约束,故相对于全变差(Total variation,TV,梯度的L1范数)的分解方式,很好地克服TV带来的阶梯效应;G空间本身定义的纹理函数的振荡特性保证了分解的结构成分中含有更少的纹理信息.实验表明,无论相对于经典的TV-L2分解还是TV-G分解,本文方法均体现出了很好的分解性能.     

基于梯度曲面面积与稀疏约束的图像平滑方法

针对纹理图像在平滑过程中低对比度边缘易丢失和纹理细节抑制不彻底等问题,提出基于梯度曲面面积与稀疏约束的图像平滑方法。首先,将图像视作三维空间中的二维嵌入曲面,再在此基础上分析图像的几何特征并提出梯度曲面面积约束正则化项,以提高纹理抑制性能;其次,根据图像的统计特性,建立L₀梯度稀疏与自适应梯度曲面面积约束的混合正则化约束图像平滑模型;最后,采用交替方向乘子法对非凸非光滑的优化模型进行高效求解。通过纹理抑制、边缘检测、纹理增强和图像融合等方面的实验结果可知,所提出的图像平滑算法克服了L₀梯度最小化平滑方法易造成的阶梯效应和欠滤波等缺陷,能够在去除大量纹理信息的同时保持并锐化图像显著的边缘轮廓。     

基于图像局部梯度L0范数正规化的图像分解算法

针对基于梯度L0范数正规化的变分泛函最优化分解图像时误判噪声梯度为边缘梯度的问题,提出一种基于图像局部梯度的L0范数正规化的图像分解算法。该算法构造了一个由保真函数和正则项构成的适用于图像分解的变分泛函,其中正则项用图像的局部梯度的L0范数进行估计,进而通过求解泛函的最小值,以分解出图像的结构信息(即图像的边缘)。与直接基于图像一阶梯度的L0范数的分解算法相比,该算法可以去除噪声梯度的干扰,从而使分解出的图像边缘中不含有噪声。实验结果表明,该算法在分解图像结构和纹理时,既能很好地把边缘保留在图像结构层中,也可把噪声分解到图像结构层外。     

图像去噪中的纹理保护方法研究

基于偏微分方程及变分极值最小化的图像平滑方法可以有效地去除噪声,而且能够保护边缘信息,但由于噪声及纹理难以区分,使得纹理信息无法保留。提出一种纹理保护滤波算法,该算法利用图像分解模型将图像分解为几何结构分量及噪声/纹理分量,计算后者的局部方差,与传统变分能量最小化方法中的偏差惩罚项结合形成随纹理变化的约束,得到的模型在纹理区域滤波减少,从而保护了纹理信息。实验在视觉效果上得到了预期的结果,信噪比的计算对比也可以证明算法的有效性。     

结合纹理梯度抑制与L0梯度最小化的纹理滤波

目的 纹理滤波是计算机视觉领域的一个基础应用工具,其目标是抑制图像中不必要的纹理细节和保持图像的主要结构。目前已有的纹理滤波方法多存在强梯度纹理无法被抑制或结构丢失的问题,为此提出一种结合纹理梯度抑制与L₀梯度最小化的纹理滤波算法。方法 首先,提出一种能够区分结构/纹理像素的方向性区间梯度算子,其中采取了局部对比度拉伸和尺度自适应策略,提升了弱梯度结构像素的识别能力。随后,利用区间梯度幅值对原始图像梯度进行抑制,并用抑制后的图像梯度进行图像重建,获得纹理像素梯度小于结构像素梯度的纹理抑制图像。最后,考虑到纹理梯度抑制时会对结构像素的梯度产生一定的衰减作用,本文采用具有梯度提升作用的L₀梯度最小化方法对纹理抑制图像进行滤波,得到纹理抑制结构保持的纹理滤波图像。结果 通过测试马赛克和自然风景等不同类型的图片,并与L₀梯度最小化、滚动引导图像滤波、相对总变分、共现滤波等方法相比较,本文算法能够在抑制强梯度纹理的情况下对图像的主要结构得以保持,并且具有良好的普适性和鲁棒性。同时本文将纹理滤波应用于图像的边缘检测和细节增强,取得了不错的效果提升。结论 本文算法在兼顾强梯度纹理的抑制和结构的保持方面已超越已有的方法,对于图像的目标识别、图像融合、边缘检测等易受强梯度纹理干扰的技术领域,具有较大的应用潜力。     

强度和梯度稀疏约束下的图像平滑

目的 为了在图像平滑过程中达到更好地保留边缘去除细节效果,提出一种以像素强度和梯度的稀疏特性为双重约束的图像平滑算法。方法 该算法首先构造一个像素强度和梯度的0-范数函数,作为平滑模型的约束项;然后采用半二次变量分裂法引入辅助变量,构造最终的较易求解的平滑模型;最后利用交替最小化算法求解该模型,并在傅里叶频域内求解平滑图像的解析解,以加快算法的运行速度。结果 在自然图像上进行的平滑实验并与其他算法对比表明,本文的算法时间仅需3.42 s,比双边滤波算法快7.85 s,能够较好地满足图像平滑保留边缘去除细节的要求以及计算效率的要求。结论 本文以强度和梯度的稀疏特性为约束的图像平滑算法能够较好地去除图像中不重要的细节,保留图像的边缘特征,较好地实现了图像的平滑效果,适用于含有复杂背景噪声的图像平滑去噪及边界增强。     

无监督纹理遥感图像分形分割仿真

针对无监督纹理遥感图像分形分割时,仅利用光谱信息,没有充分利用遥感图像中的纹理信息造成过分割或是欠分割的问题,提出结合光谱信息和纹理信息的无监督遥感图像分形分割方法。方法首先借助于双边滤波算法建立双边滤波模型,对无监督遥感图像进行平滑处理,利用边缘检测算子获取无监督遥感图像的纹理梯度和光谱梯度,保留遥感图像的纹理信息。将图像纹理梯度和光谱梯度的内积范数作为K-means算法的距离测度,针对K-means算法易陷入局部寻优问题,将遗传算法与K-means算法相结合实现全局寻优,完成无监督纹理遥感图像分形分割。通过在高分辨率遥感图像上的分割对比实验,证明上述方法能充分利用遥感图像的光谱和纹理信息,分割效果良好。     

基于非线性滤波和纹理传输的图像风格化

纹理传输通过将样本图像纹理信息传递给源图像实现风格化.但在处理纹理细节丰富的源图像和复杂样本图像时,现有技术的处理效果差,且不便于用户进行直观的交互操作.为此,提出一种基于非线性滤波的显式纹理传输方法.首先通过相对总变差和L0梯度最小化滤波器对源图像进行去纹理操作,然后通过相对总变差滤波器对样本图像进行纹理提取,最后通过亮度重映射和线性叠加实现纹理传输.实验结果表明,该方法能够在保持源图像结构和色调信息的同时进行纹理替换;与已有方法相比,交互过程更加直观且风格化效果更好.     

基于图像分解和相对全变分的图像平滑

图像平滑旨在去除图像中纹理细节信息的同时保留重要的结构边缘,因此如何正确区分二者成了 图像平滑的关键。梯度作为计算图像变化速度的重要指标是区分结构边缘和纹理细节的有效度量,但不同图像 以及同一图像不同区域中的纹理和边缘的梯度差异并非固定不变的。为了能够有效识别结构边缘和纹理细节, 提出了基于图像分解和相对全变分的图像平滑方法。为了扩大结构边缘和纹理细节之间的差异,实现在尽可能 不改变结构边缘的前提下降低纹理细节的梯度,以多方向的梯度为约束对图像进行分解,提取图像的平滑成分。 在特定尺度下,基于图像的区域结构差异,采用相对全变分方法,在保留结构边缘的同时去除该尺度下的纹理 细节。通过迭代优化,不断调整图像区域尺度,实现对不同尺度纹理细节的逐步去除。与现有算法相比,新方 法在有效地去除纹理细节和完整地保留结构边缘方面都具有较好的视觉效果。     

基于四阶偏微分方程的卡通—纹理图像分解方法

Luminita A.Vese和Stanley J.Osher的卡通-纹理分解模型能有效地将一幅含纹理的图像分解成卡通部分和纹理部分,但是在正则化过程中容易产生阶梯现象,使得图像分解不准确。针对此问题,在Vese-Osher分解模型的基础上,用四阶范数来代替二阶的TV范数,构造新的分解模型。实验结果表明,该模型克服了阶梯现象,使得图像分解更准确,卡通图像能保持较好的光滑性和较清晰的边缘,纹理图像更清晰、准确。     

基于L1和L2混合范式的序列图像超分辨率重建

针对超分辨率重建时需要同时滤除高斯噪声和脉冲噪声的问题,提出一种基于L₁和L₂混合范式并结合双边全变分(BTV)正则化的序列图像超分辨率重建方法。首先基于多分辨率策略的光流场模型对序列低分辨率图像进行配准,使图像的配准精度达到亚像素级,进而可以利用图像间的互补信息提高图像分辨率;其次利用L₁和L₂混合范式的优点,用BTV正则化算法解决重建的病态性反问题;最后进行序列图像超分辨率重建。实验数据显示算法可以降低图像均方误差,并将峰值信噪比(PSNR)提高1.2 dB~5.2 dB。实验结果表明,提出的算法能够有效地滤除高斯和脉冲噪声,保持图像边缘,提高图像可辨识度,可为车牌识别、人脸识别和视频监控等方面提供了良好的技术基础。     

自适应加权编码L1/2正则化的图像重建算法

针对图像重建过程中噪声去除问题,提出一种自适应加权编码L_1/2正则化重建算法。首先,考虑到许多真实图像中不仅含有高斯噪声,而且含有拉普拉斯噪声,设计一种改进的L₁-L₂混合误差模型(IHEM)算法,该算法兼顾了L₁范数与L₂范数的各自优点;其次,由于迭代过程中噪声分布会发生改变,设计一种自适应隶属度算法,该算法可以减少迭代次数和运算时间;利用一种自适应加权编码方法,该方法可以有效地去除含有重尾分布特性的拉普拉斯噪声;另外,设计一种L_1/2正则化算法,该算法可以得到较稀疏的解。实验结果表明,相比IHEM算法,自适应L_1/2正则化图像重建算法的峰值信噪比(PSNR)平均提高了3.46 dB,结构相似度(SSIM)平均提高了0.02,对含有多种噪声的图像处理具有比较理想的效果。     

基于L1/2正则化的三维人体姿态重构

针对从给定2D特征点的单目图像中重构对象的3D形状问题,本文在形状空间模型的基础上,结合L_1/2正则化和谱范数的性质提出一种基于L_1/2正则化的凸松弛方法,将形状空间模型的非凸求解问题通过凸松弛方法转化为凸规划问题;在采用ADMM算法对凸规划问题进行优化求解过程中,提出谱范数近端梯度算法保证解的正交性与稀疏性.利用所提的优化方法,基于形状空间模型和3D可变形状模型在卡内基梅隆大学运动捕获数据库上进行3D人体姿态重构,定性和定量对比实验结果表明本文方法均优于现有的优化方法,验证了所提方法的有效性.     

Feedback limitations in nonlinear systems: from Bode integrals tocheap control

Feedback limitations of nonlinear systems are investigated using the cheap control approach. The main result is that in the limit, when the control effort is free, the smallest achievable L₂ norm of the output is equal to the least amount of control energy (L₂ norm) needed to stabilize the unstable zero dynamics. This nonlinear result is structurally similar to an earlier linear result by Qiu and Davison (1993), which, in turn, is connected with a Bode-type integral derived by Middleton (1991)     

Image Deblurring in the Presence of Impulsive Noise

Consider the problem of image deblurring in the presence of impulsive noise. Standard image deconvolution methods rely on the Gaussian noise model and do not perform well with impulsive noise. The main challenge is to deblur the image, recover its discontinuities and at the same time remove the impulse noise. Median-based approaches are inadequate, because at high noise levels they induce nonlinear distortion that hampers the deblurring process. Distinguishing outliers from edge elements is difficult in current gradient-based edge-preserving restoration methods. The suggested approach integrates and extends the robust statistics, line process (half quadratic) and anisotropic diffusion points of view. We present a unified variational approach to image deblurring and impulse noise removal. The objective functional consists of a fidelity term and a regularizer. Data fidelity is quantified using the robust modified L ¹ norm, and elements from the Mumford-Shah functional are used for regularization. We show that the Mumford-Shah regularizer can be viewed as an extended line process. It reflects spatial organization properties of the image edges, that do not appear in the common line process or anisotropic diffusion. This allows to distinguish outliers from edges and leads to superior experimental results.     

基于细节增强的单一图像去雾

在雾霾、烟雾等恶劣天气状况下拍摄出的照片能见度很差,对视野中物体的可分辨性很低。在暗通道先验的基础上描述了一种有效增强细节的单幅图像去雾算法。首先对雾霾图像进行边缘保持模糊处理,进而提取出不含雾成分的细节层。与此同时对雾霾图像使用中值滤波算法去雾,将初步去雾后的图像加上细节层,得到更加细致、清晰的图像。为了提取图像的细节层,选用了域变换递归边缘保留滤波器,它能够在保持边缘的同时快速对图像进行模糊处理。     

基于生成对抗网络的图像去雾算法

为了提高雾霾条件下拍摄到的模糊图像的质量,提出了一种基于生成对抗学习思想的卷积神经网络去雾算法.该卷积网络在生成模型部分将介质透射率和大气光值嵌入一个变量,进行了联合优化,避免了分离优化影响整体去雾性能的缺陷;在对抗模型部分,将生成模型部分的输出清晰图和真实的清晰图进行对比,从而判别生成的输出清晰图是否足够真实.为了生成更加逼真的清晰图像,引入了一种新的损失函数来优化网络参数,该损失函数同时纳入了图像的L₂损失和双向梯度损失、特征损失和判别器损失,从4个方面来保证去雾性能的良好表现.除此之外,在训练网络的过程中,使用了真实图像和合成有雾图像同时作为数据集,其中的合成图像在合成过程中采用引导滤波算法,这样可以使得合成的有雾图像更加接近于自然情况.最后,引入了更多的评价指标验证了所提方法.基于不同方法的实验数据和实验结果证明了本文方法在已有方法上的提升.     

L2 vector median filters on arrays with reconfigurableoptical buses

In spite of their good filtering characteristics for vector-valued image processing, the usability of vector median filters is limited by their high computational complexity. Given an N × N image and a W × W window, the computational complexity of vector median filter is O(W⁴N²). In this paper, we design three fast and efficient parallel algorithms for vector median filtering based on the 2-norm (L₂) on the arrays with reconfigurable optical buses (AROB). For 1 ⩽ p ⩽ W ⩽ q ⩽ N, our algorithms run in O(W⁴ log W/p⁴), O(W²N²/p ⁴q² log W) and O(1) times using p⁴N² / log W, p⁴q² / log W, and W⁴N² log N processors, respectively. In the sense of the product of time and the number of processors used, the first two results are cost optimal and the last one is time optimal     

L2−E FIR Smoothers for Deterministic Discrete-Time State–Space Signal Models

In this note, a new type of L₂ - E performance criterion for a fixed-lag smoother is introduced, which is given by a gain between the energy of the external disturbances during the recent time horizon and the estimation error at the fixed-delayed time from the current one. By minimizing the maximum value of the L₂ - E performance criterion, the L₂-E finite impulse response (FIR) smoother(LEFS) is obtained for a deterministic discrete-time state space signal model. The LETS is designed to meet requirements such as linearity and FIR structure with respect to measured inputs and outputs, unbiased property in the deterministic sense, and independence of any state information simultaneously. The proposed LETS is represented in a batch form for simplicity. The LETS is compared with a conventional H _infin Infinite Impulse Response (IIR) smoother via simulation