带有局部耦合项的冲击扩散方程与图像锐化

提出了带有局部耦合项的冲击扩散方程,其沿着等照度线(边缘)的梯度方向实施反向扩散(冲击)以锐化边缘;相反地沿切线方向实施正向扩散以去除噪声和锯齿伪像.为了克服二值的零交叉决策过程导致的虚假的分片常数图像,利用双曲正切函数代替符号函数,柔和地控制边缘的零交叉点两侧像素的灰度值变化.同时为了进一步控制扩散行为,使其逼近于稳定的过程,并消除数值"爆炸"和过冲,在冲击扩散方程中增加局部耦合项.实际结果显示,本文算法可以显著地提高图像的视觉质量.     

基于双向模糊扩散的保持特征的图像锐化

本文基于模糊集合理论,提出了一个双向模糊扩散框架.这个框架沿着等照度线(边缘)的梯度方向实施模糊的反向扩散;而相反地沿切线方向实施确定的正向扩散.为了保持图像特征的自然过渡,利用图像的局部结构张量的特征值检测图像的不同特征,并进行相应的锐化处理.     

一种局部加权的二维主成分分析算法及其在人脸识别中的应用

提出了一种将局部特征加权与二维主成分分析相结合的局部加权的二维主成分分析方法．引入了二维局部加权特征子空间的概念，将各类样本映射到这个局部加权特征子空间，再通过计算测试样本到加权子空间的距离进行样本的分类．使用这种方法在ORL人脸库上进行测试，结果表明，经过局部特征加权的二维主成分分析方法比普通的二维主成分分析方法具有更优的性能，并且在提高识别率的同时算法的复杂程度并没有明显增加．     

基于各向异性扩散方程的超声图像去噪与边缘增强

超声图像利用不同组织和局部细节的不同回声信号强度和分布来捕捉重要的医学病变信息.然而,超声图像在形成过程中产生的斑点噪声使得超声图像质量较差,给以后的图像特征提取和识别,病情诊断及定量分析造成不利的影响.本文利用局部坐标变换,边缘、局部细节的一、二阶法向导数和双曲正切函数,结合各向异性扩散方程,提出了一种超声图像去噪与边缘增强算法:可以在去除噪声的同时,保持重要的边缘、局部细节和超声回声亮条.理论分析和实验结果表明了本文算法的有效性.     

行人跟踪的多特征融合算法研究

为了克服遮挡,准确跟踪目标,本论文提出了一种基于最邻近法的多特征混合的跟踪算法。颜色特征和几何特征是视觉跟踪中最直观的特征,而且这两种特征的提取和匹配用时较少,被跟踪目标在没有发生遮挡时,使用颜色特征和几何特征也能准确跟踪被跟踪目标。当发生遮挡时,被跟踪目标的颜色特征和几何特征将变得不再可靠。Harris角点可以应对部分遮挡,所以将这三种特征融合起来就能很好的克服遮挡问题。但多特征融合往往会降低系统的时效性,本文采用最邻近法来决定目标匹配的优先度,克服了多特征对系统实效性的影响。实验结果表明,本文提出的算法对目标形变及遮挡具有良好的跟踪准确性和鲁棒性,并且克服了特征融合带来的时效性差的问题。      

基于核的正交局部保持投影的人脸识别

针对发掘人脸图像中的高维非线性结构,本文将加核及向量间相互正交两种思想同时引入局部保留投影算法中,提出了一种新的基于核的正交局部保持投影(Kernel based Orthogonal Locality Preserving Projections, KOLPP)的非线性子空间人脸识别算法并给出了其推导过程。该算法首先利用核的方法提取人脸图像中的非线性信息,并将其投影在一个高维非线性空间,在保证各向量正交的同时,通过局部保持投影算法做一线性映射,从而更好地提取人脸非线性局部邻域结构特征。在ORL和Yale人脸库上的试验证明了该文所提算法的有效性。     

双目立体视觉的三维人脸重建方法

创建逼真的三维人脸模型始终是一个极具挑战性的课题.随着三维人脸模型在虚拟现实、视频监控、三维动画、人脸识别等领域的广泛应用,三维人脸重建成为计算机图像学和计算机视觉领域的一个研究热点.针对这一问题,提出一种基于双目立体视觉的三维人脸重建方法,重建过程中无需三维激光扫描仪和通用人脸模型.首先利用标定的2台摄像机获取人脸正面图像对,通过图像校正使图像对的极线对齐并且补偿摄像机镜头的畸变;在立体匹配方面,选择具有准确可靠视差的人脸边缘特征点作为种子像素,以种子像素的视差作为区域生长的视差,在外极线约束、单调性约束以及对应匹配的边缘特征点的约束下,进行水平扫描线上的区域生长,从而得到整个人脸区域的视差图,提高了对应点匹配的速度和准确度;最后,根据摄像机标定结果和立体匹配生成的视差图计算人脸空间散乱点的三维坐标,对人脸的三维点云进行三角剖分、网格细分和光顺处理.实验结果表明,该方法能够生成光滑、逼真的三维人脸模型,证明了该算法的有效性.     

张量正交局部敏感判别式分析及其在人脸识别中的应用

针对人脸识别的特征提取问题,本文提出了一种张量正交局部敏感判别分析(Tensor-based Orthogonal Locality Sensitive Discriminant Analysis, Tensor-OLSDA)的人脸识别算法。张量正交局部敏感判别分析在保持了流形的局部几何结构的同时加强了全局判别结构,并克服了局部敏感判别分析算法中非正交性带来的度量失真和维数估计困难等问题,从而增强了数据的可分性,提高了识别效果。张量正交局部敏感判别分析首先将人脸数据表示成高阶张量形式,在进行特征提取时将高阶张量数据沿不同阶展开,再利用特征根之间的正交性约束条件,求解正交局部敏感判别式分析特征子空间,最后将高阶人脸数据投影于这个特征子空间,进行识别。在AT&T和YaleB人脸库上的实验结果表明,Tensor-OLSDA具有良好的分类性能,能获得较为理想的识别结果。      

双层约束下基于局部和全局信息的图像插值新模型

该文提出一种双层约束的图像插值模型,模型在原始未插值图像梯度模约束下同时基于局部和全局信息处理。使用偏微分方程处理边缘像素,锐化边缘同时平滑边缘块状效应;平滑区域像素点的插值操作使用非局部均值模型,非局部均值模型通过对原始图像全局信息加权平均得到待处理图像像素值,图像平滑。使用双层约束模型处理纹理图像可以保持纹理特征,平滑纹理部分线形特征位置的块状效应。最后理论和实验结果证明使用双层控制模型可以直接将噪声图像插值放大。     

偏微分方程(PDEs)模型在图像处理中的若干应用

介绍了偏微分方程(PDEs)模型在图像处理与分析中的应用,基本思想,发展历史和解决问题的基本框架。主要阐述了变分方法和形变模型(曲线演化)在图像恢复和图像分割中的应用。理论和实验结果表明,应用偏微分方程模型进行图像处理是一种有效的工具。最后,分析了这种方法的优点和面临的挑战。