退化过程模拟模型及其在图像增强中的应用

模拟了图像的退化过程,在融入邻域间干扰、光照不均和媒介传递率下降的前提下,提出了退化过程模拟模型.依据人眼视觉机制的对比灵敏度、亮度适应能力和侧抑制现象,提出了该模型的视觉适应性解:(1)去卷积,消除邻近像素间的相互影响,提升图像细节;(2)亮度调整,抑制高亮区域的亮度,提升偏暗区域的亮度,均衡外部光照;(3)消除剩余光照图像,恢复图像的颜色和细节,得到视觉适应性良好的图像.实验表明,针对退化过程模拟模型得到的视觉适应性解,与现有图像增强算法相比,在增强图像细节、提升全局对比度、增强结果的视觉愉悦性方面均取得了较大进步.     

分层人脸模型及其真实感风格表情合成

针对真实感表情合成中的难点——人类表情的种类多样性和个体特性,提出一种分层人脸模型.该模型将人脸图像分为基础层、运动层和细节层3层,基础层采用主动外观模型来表示表情运动带来的全局性变化,对于运动层提出一种基于隐马尔可夫模型的运动纹理分块组合机制来实现风格化运动纹理,细节层通过几何变形来恢复人脸个体特征.实验结果表明,文中提出的运动纹理分块组合策略有效地避免了样本表情种类不足的问题,能够组合出样本以外的风格表情.此外,该模型简单有效,能同时合成出表情种类的多样性和个体特性.     

基于SIFT和MSE的局部聚集特征描述新算法

为寻找更具鲁棒性和计算简便的特征描述子,提出了一种基于SIFT和MSE的局部聚集特征描述算法.分析说明了该方法在继承SIFT算法良好性质的基础上,通过对多尺度下信息熵的估计,能够快速准确找出图像局部结构特征并利用改进的非线性降维方法对特征描述子进行特征重划.实验结果表明,在图像尺度缩放、旋转、模糊、亮度变化等多种变换条件下,该描述子不仅能够取得更多的特征效果,并且计算速度较原算法大幅提升.该算法适用于实时性要求较高,存在旋转、尺度缩放、亮度差异等变换下的结构图像寻找描述子.     

基于马尔科夫随机场框架的单幅图像去雾*

雾或霾等天气会降低场景的能见度,给机器视觉的后续处理造成影响。针对图像雾霾退化的恢复、及现有基于马尔科夫随机场图像去雾算法的缺陷,提出了一种新的基于马尔科夫随机场和暗通道先验的图像去雾算法。该算法以雾天条件下退化模型为基础,通过介质传输图和原始无雾图像的约束条件,利用暗通道先验获取介质传输图的粗估计,构造MRF框架下的代价函数。为使去雾图像保持更多的纹理细节,引入纹理检测函数改进代价函数,最终求得去雾图像和介质传输图。实验结果表明,本文方法可以得到较好的去雾效果,同时保持较多的纹理细节和更快的运算时间。     

提升方案结合改进EZW的快速图像压缩方法

在EZW算法的基础上,针对零树编码存在的不足,利用图像平滑技术,提出了一种基于提升方案下的整数小波变换,简化了计算过程.并根据静止图像经整数小波变(integer wavelet transform)后,各子带系数的幅值动态变化范围小,不利于零树编码(embedded zero-tree wavelet coding)的缺点,在使用嵌入式零树小波编码算法进行变换系数的编码时,提出了新的阅值选取方案..实验结果表明,新的选取方案能够有效地增加零树的数目,从而提高图像的压缩效率.     

智能视觉识别描述与反识别方法探究

近年来,随着人工智能技术在各个领域的不断成熟和推广,特别是其在视觉识别领域所具备的高精度、快响应性,使智能识别技术已经逐渐替代了传统视觉识别技术,成为新一轮技术革命引领产业变革的增长点之一。然而,在实际应用中典型智能识别技术亦存在一定的技术壁垒,如何从这些关键点出发,成为提升“矛和盾”两方面性能的主要抓手。基于此,本文从典型视觉识别方法出发,在深入剖析智能识别算法的核心基础点上,通过详实的案例指出了该方法目前存在的应用瓶颈以及反识别的应用方向。     

基于背景重构和水平集的多运动目标分割

针对固定摄像机监控中多运动目标自动分割问题,本文提出了一种基于背景差分和水平集的新方法.首先,该方法通过求解连续三帧图像的对称差分,确定出当前帧中的背景像素点,并对背景像素点的灰度值进行统计,最后选择频率最高的灰度值作为该点背景像素灰度值来重构背景.其次,提出了基于8-邻域搜索的区域生长算法完成连通区域的检测,并通过设置阈值和连通域分析,消除背景块噪声并标定出运动目标区域.最后,对所有运动目标区域块,分别采用无需重新初始化的水平集算法作分割,得到封闭和完整的目标轮廓.实验结果表明,该算法能实现固定摄像机滥控中刚体或非刚体的多运动目标的自动检测和轮廓分割.     

一种基于稀疏系数匹配学习的图像去雾算法

针对现有基于先验假设的图像去雾算法无法普适性求解问题,提出一种基于稀疏系数匹配学习的图像去雾算法.该算法从图像复原角度出发,将雾天退化模型的求解转换为基于数据库的稀疏系数匹配.之后,从图像增强角度着手,将图像高亮区域对比度恢复量化为反馈迭代问题,进而有效提升图像的视觉效果.实验结果表明,所提出的算法在获得较好去雾结果的同时能够有效提升图像细节和对比度,并具有较强的适用性.