结合肤色分割与平滑的人脸图像快速美化

目的 针对目前人脸图像美化算法存在的对于细节丰富的眼睛和头发等区域处理过度平滑,美化后的图像整体美化效果较差等问题,提出一种基于肤色分割与平滑人脸图像的美化方法。方法 首先对脸部瑕疵特性,用双指数边缘保护滤波器平滑人脸图像的瑕疵,与此同时很好保持图像边缘信息;再通过利用色度直方图自适应快速检测、修正、分割肤色区域;然后利用拟合高斯羽化皮肤区域生成蒙版,融合平滑图像和原图像,保留图像头发背景等细节信息;最后基于人像美感标准,对皮肤亮度通过拟合log曲线实现快速自适应调整人脸图像亮度,增强眼睛等细节,从而快速实现人脸图像美化方法。结果 通过与其他人像美化算法相比较,在保留边缘方面,该算法更有效地对皮肤边缘上的瑕疵进行平滑,达到更好地美化人脸图像;而在时间复杂度方面,相对于前人的算法,计算速度快12倍,实现快速美化人脸图像。结论 该算法适应能力较强,对大部分人脸图像的脸部瑕疵完美去除的同时达到背景信息不变,肤色美白自然,使整体美化效果显著;尤其是细节丰富的边缘区域平滑适度,具有一定的实用性。     

消除halo效应和色彩失真的去雾算法

目的 雾天条件下采集的图像存在低对比度和低场景可见度的问题,传统的去雾算法易产生halo效应和色彩失真问题。为此,结合大气散射光特性提出一种基于相对总变差的图像复原方法。方法 首先从大气散射光与纹理信息无关的角度出发,利用相对总变差分离图像主结构和图像纹理信息准确估计大气耗散函数,通过引入一个自适应保护因子来避免复原图像的色彩失真问题,最后由大气散射模型计算复原图像并进行图像的亮度调整,得到一幅清晰无雾的图像。结果 通过与经典的去雾算法比较,表明该方法可以有效避免halo效应和天空颜色失真等不足,并且在图像的深度突变处也能得到很好的去雾效果。结论 实验表明该算法的场景适应能力较强,时间复杂度与图像的大小成线性关系,相比于前人的算法在计算速度上有一定的提高。     

帧内预测编码的模式抉择与复杂度分级方法

本文提出了一种帧内预测模式抉择方法，利用视频图像的时间相关性和空间相关性，选择部分预测模式对图像块进行帧内预测处理和编码，减少编码的计算复杂度，保持其原有的编码效率。同时提出了一种复杂度分级方法，通过准确控制帧内预测的复杂度，以匹配通信终端有限的计算资源。最后该方法在AVS-M平台中得到了验证。     

基于视频时空相关性的帧内预测模式抉择

提出了一种帧内预测模式抉择方法,利用视频图像的时间相关性和空间相关性,选择部分预测模式对图像块进行帧内预测处理和编码,减少编码的计算复杂度,保持其原有的编码效率。同时提出了一种复杂度分级方法,通过准确控制帧内预测的复杂度,以匹配通信终端有限的计算资源。该方法在AVS-M平台中进行了验证。     

TZSearch算法分析和性能改进方法

研究和改进多视点视频平台（JMVC,Joint Multi-view Video Coding）中的TZSearch快速搜索算法。首先介绍TZSearch算法原理、宏块最优匹配点分布特点及阈值设置方法,然后根据多视点视频帧间和视间的不同特性,结合钻石搜索算法和光栅搜索算法的特点及TZSearch中阈值设置规律,提出了两种改进的TZSearch快速搜索算法。实验结果表明,针对不同特性的序列进行测试,在保证重建视频质量与编码比特率的前提下,相比原算法,两种改进后的算法效果明显,总编码时间可减少30%-50%。     

基于最大熵模型的双直方图均衡算法

为改进亮度保持双直方图均衡算法的不足,提出基于最大熵模型的动态范围优化方法,扩展了双直方图均衡算法的应用范围,使之不仅适用于正常亮度图像,对低照度及高亮图像也能取得较好的效果.算法首先选用大津法确定直方图数据分割点;然后对初始直方图进行预处理;根据所提出的最大熵模型确定最佳的动态范围分割点;最后进行双直方图均衡得到增强图像.本文选取多个图像数据库进行测试,并与BBHE（Brightness preserving Bi-Histogram Equalization）、BPCLBHE（Brightness Preserving and Contrast Limited Bi-Histogram Equalization）、ESIHE（Exposure based Sub Image Histogram Equalization）和DRSHE（Dynamic Range Separate Histogram Equalization）进行比较,同时将信息熵、对比度和NIQE（Natural Image Quality Evaluator）作为客观评价指标.实验结果证明,本文算法对各类图像均具有较好的主观视觉效果和客观评价指标,在保留细节的同时兼顾了对比度的增强.     

基于域滤波的自适应Retinex图像增强

为了提高低照度图像的亮度和对比度,提出了一种新的基于Retinex理论的彩色图像增强方法。首先,基于Retinex理论,提出对HSV空间V分量进行域滤波估计图像光照分量,然后将V分量与光照分量相除得到反射分量的方法。之后,采用自适应Gamma校正对光照分量进行亮度提升,然后采用CLAHE对其进行对比度增强。最后,将亮度校正光照分量与反射分量相乘得到增强后的V分量,并将增强后的图像转化为RGB空间图像,达到彩色图像增强的目的。本算法可以获得更自然的增强效果,能抑制亮度较大像素点的增强,很好地突出图像中的细节信息,克服了图像增强中增强图像对比度低、颜色失真、过增强及光照突变处出现光晕现象等缺点。本算法对多种图像有效,例如高动态(HDR)图像、非均匀光照图像及低曝光图像。通过验证,本算法得到的结果相比于传统方法视觉效果更佳。     

结合图像融合与分割的快速去雾

目的 针对机器视觉系统在雾天条件下采集的图像存在对比度低、细节模糊的问题,提出一种结合图像融合与分割的场景复原方法。方法 基于光学反射成像的物理特性以及形态学运算分别获取雾气浓度的近似估计,计算图像的局部方差并利用加权融合的方法得出准确的大气耗散函数,通过分割雾气最浓区域或者天空区域求得精确的大气光值,最后由大气散射模型计算复原图像并进行亮度和色调的调整。结果 该方法可以有效避免光晕效应和天空颜色失真等不足,能快速复原场景的对比度和颜色。结论 实验结果表明,该方法的场景适应能力较强,复原效果和计算速度相比于前人的方法均有不同程度的提高。     

一种复杂度可分级的帧内预测方法

提出了一种复杂度可分级的帧内预测方法.利用相邻图像块纹理的相关性,选择概率大的部分预测模式对当前图像块进行处理,实现帧内预测复杂度的初步分级;然后根据复杂度冗余的大小,选择更多的预测模式进行处理,实现复杂度的精细分级.实验表明:本文方法不需要额外开销,可实现帧内预测复杂度的任意分级.     

粒度区分和可调的无线流媒体可靠传输策略

为实现无线接入流媒体可靠传输和降低应用层设计复杂度,提出结合交织编码和RS编码,实现对应用层数据有效的分帧/重组,区分数据重要级别并采用不平等粒度的保护,支持根据信道状况对保护粒度和帧长度的自适应调节.该策略增强了传输层功能,实现了灵活的数据保护方式,显著提高了无线流媒体的传输质量.