一种基于Hausdorff距离的车牌字符识别算法

提出了一种基于Hausdorff距离的车牌字符识别算法，即先对待识别的字符图像进行细化，然后用改进的Hausdorff距离进行匹配识别。  

基于SPIHT算法的改进ROI图像编码

将分层树集合划分算法(Set Partitioning in Hierarchcal Trees, SPIHT)引入到感兴趣区域(Region of Interest, ROI)编码中。对前n个高比特平面进行编码时，将ROI区域与背景无区分进行编码。对n个高比特平面之后的平面进行编码时，将背景区域进行清零操作，ROI区域继续用SPIHT算法进行编码。此算法的优点：位平面数减少；整个图像的基本信息能够优先被恢复出来。在解码端，依靠原有的SPIHT解码程序就可以将其解码出来。可用于现有的SPIHT算法应用中，并且能够很好地恢复感兴趣的图像。  

图像复原中高斯点扩展函数参数估计算法研究

在图像的非盲复原算法中,点扩展函数的获取是算法的关键,因而点扩展函数参数估计是图像复原中重要的一步。由于高斯型点扩展函数是许多光学系统和成像模型中最常见的,所以高斯型点扩展函数参数估计算法一直是研究的热点。文中详细论述了三种主要的高斯型点扩展函数参数的估计算法的原理和实现,比较了各种算法的优点和不足之处。最后,文中展望了今后研究的方向,具有重要的实际意义。  

DVC中基于亚像素MCI的边信息重建

为了提高边信息重建质量从而提升分布式视频编码的压缩性能，在引入一种基于整像素运动补偿内插(MCI)的边信息重建算法的基础上，提出基于1/2像素和基于1/4像素的亚像素MCI边信息重建算法。实验结果表明，2种算法能有效提高边信息质量，在不改变编码端复杂度的情况下，明显提升视频编码系统的率失真性能。  

基于学习的超分辨率技术

基于学习的超分辨率算法使用一个图像训练集来产生一个学习模型，运用该模型为输入的低分辨率图像创建更多的高频信息，获得比基于重建算法更好的结果。该文介绍了基于学习的超分辨率技术的相关工作、理论基础和主要算法，提出基于学习的超分辨率算法中仍需解决的关键问题，展望其在未来的研究发展方向。  

一种用于视频超分辨率重建的块匹配图像配准方法

图像配准是超分辨率重建中的一个关键问题, 直接影响超分辨率重建图像的质量. 本文在自适应十字搜索(Adaptive rood pattern search, ARPS)块匹配算法的基础上, 根据小波域中各图像之间的相关性, 提出一种分层块匹配算法---基于小波变换的改进的自适应十字模式搜索算法(Improved adaptive rood pattern search algorithm based on wavelet transform, W-IARPS), 该方法在小波变换域完成匹配宏块的搜索, 有效地减少了匹配点的搜索个数, 且配准图像的峰值信噪比相比全搜索算法下降不到0.l dB, 保持了较高的配准精度. 最后采用凸集投影(Projections onto convex sets, POCS)算法对配准后的图像进行超分辨率重建, 取得了较好的视觉效果. 实验结果表明, 该方法具有较高的配准精度和重建效果, 算法稳健可靠.  

小波局部适应插值的图像超分辨率重建

针对单帧低分辨率图像的超分辨率重建问题，提出一种改进的小波局部适应插值的超分辨率重建方法，该方法能够弥补重建图像边缘不平滑的缺陷。结合小波变换与可分离高低频信息的特性，提出一种综合两者优点的单帧图像超分辨率重建算法。实验结果表明，采用该算法得到的重建图像不仅能较好地保留原始图像的细节信息，提高图像的空间分辨率，并能提高图像的峰值信噪比，更适合人眼视觉系统。  

结合高维几何空间理论的COSM图像复原算法*

为了在不精确知道图像的点扩展函数的情况下，去除图像的离焦模糊，提出了基于高维空间几何理论的图像复原算法。依据同源连续性原理，通过分析高维空间中向量的方向和点的位置关系来研究模糊图像与原图像的空间关系，并且结合最近邻算法，将该算法应用于去除最近邻算法所得图像的本层模糊。实验表明该算法能够有效地去除离焦模糊。本算法不同于传统的图像复原算法，可广泛应用于模糊图像的复原中。  

基于整体变分模型的岩心图像修复

针对岩心扫描图像信息缺失的修复问题,提出了基于整体变分模型的修复算法。利用图像待修复区域邻域的参考像素信息,从待修复区域边缘逐步向待修复区域内部扩散,同时采用了邻域相关系数来衡量待修复区域邻域边界对目标像素点的影响程度,对算法进行了改进。通过仿真实验表明,改进后的算法与原方法相比,修复效果得到了改善,可以有效完成对于岩心图像的修复。  

基于H.264的多参考帧运动估计快速算法

H.264/AVC中引入多参考帧运动补偿来提高视频编码性能,由此产生的多参考帧运动估计(MRF-ME)却带来了巨大的运算代价。为提高编码速度,降低计算复杂度,提出一种基于空间域相关性的运动估计算法——缩小的菱形算法(DDS)。先运用前向主矢量选择法不断修正预测运动矢量,再根据最佳参考帧位置的统计特性对不同参考帧使用不用模板进行搜索。实验结果表明,与H.264参考模型JM10.2相比,该算法保持了较好的图像质量且码率变化很小,运动搜索点数平均减少接近80%,并能有效地降低编码器复杂度。