基于面法向规范化的重加权全局双边滤波

在网格去噪中,由于面法向对于噪声非常敏感,当网格噪声较大时,依赖于2个高斯函数的双边滤波器难以找到合适的方差参数来自适应地区分噪声和特征附近的法向变化,导致出现无法有效地去除噪声或者破坏网格的结构特征的问题.为此,提出一种改进的基于面法向的全局双边滤波算法.首先通过面法向规范化加强对噪声和特征附近面法向变化的区分,应用规范化后的法向量计算双边滤波中刻画法向变化的权重,以克服参数选择难题;其次根据重加权的思想加大对噪声的惩罚力度,进一步提高了降噪效果.大量实验结果表明,该算法无论从视觉上还是从数值上都取得了比现有算法更好的降噪结果.     

l1优化在网格去噪中的应用

目的 网格去噪是计算机图形学中的经典问题,而如何在去除噪声的同时保持网格的特征结构是这一研究方向所面临的最大挑战。方法 提出一种具有稀疏性的全局网格去噪方法,该方法源于信号处理理论中稀疏表示的基本思想,通过优化全局能量函数来去除网格模型的噪声,同时能够保持网格模型的特征结构。该方法共分为两个步骤,第1步为网格面法向量的滤波,首先建立全局优化模型,对噪声网格的面法向量进行滤波优化,其中引入l₁范数来保证解的稀疏性,使得优化后新的面法向量能够保持网格的特征结构;第2步为网格曲面的重建,根据第1步得到的新的面法向量,按照面法向量的定义,建立最小二乘意义下的网格顶点的重建模型,求解得到新的网格曲面。结果 由于该模型是全局方法,避免了现有滤波方法可能出现的不收敛等问题,能够取得比较满意的去噪效果。结论 大量实验结果表明,本文方法在去除噪声的同时,能较好地保持网格的特征结构,尤其对于CAD模型有很好的实验效果。     

基于法向修正及中值滤波的点云平滑

为了在降噪的同时保持点云的几何特征,并较好地处理离群点,通过对传统的法向量修正方法进行改进,提出基于L1中值滤波的点云平滑方法.根据核回归估计理论建立一种法向修正的框架,并在此框架下引入二阶Hessian矩阵,提高了法向估计的精度;以经典的L1中值理论为基础,提出一种迭代降噪的方法,并指出了该方法与mean-shift方法和双边滤波方法的联系.实验结果表明,该法向修正及点云平滑方法简单、有效,在处理原始点云时具有优势.     

基于Rényi熵图的医学图像自动弹性配准

提出一种基于Rényi熵最小生成图和multi-quadric径向基函数的医学图像自动弹性配准方法。应用图像金字塔的思想,对图像分层分块,将Rényi熵最小生成图作为相似性测度对子块进行配准,在对应的子块中选取对应的标记点,用multi-quadric径向基函数插值这些标记点,从而实现医学图像弹性配准。实验结果表明,该方法配准速度较快,精度较高,是一种有效的自动弹性配准方法。     

一种基于张量和洛仑兹几何的降维方法

统的基于向量的降维算法,将大小为m×n的灰度图像,作为Rm×n中的向量进行处理.但这种表示方法往往造成图像像素空间局部信息的丢失,因此不能很好地描述图像的结构信息.本质上,灰度图像可以看成是一个二阶张量,而图像的各种特征(如Gabor和LBP特征等)往往需要用更高阶的张量来描述.本文从图像特征的张量表示出发,将新近提出的洛仑兹投影判别法(Lorentziandiscriminant projection, LDP)推广到张量空间中,提出张量LDP.对于灰度图像,该方法直接利用图像的灰度矩阵(二阶张量)进行运算,从而很好地保持了图像像素的局部结构信息.另外,该方法还可以自然地推广到高维张量空间来处理更复杂的图像特征,如Gabor和LBP特征等.经人脸和纹理识别实验的验证,该算法效率高且能达到较高的识别率.     

一类二维非线性发展方程的分块隐式格式与并行计算

为获得可使二维非线性发展方程适合于在并行机上运行的高效率计算方法，给出了二维非线性发展方程的分块隐式格式以及并行数值计算方法，得到了该方法关于A^1/2-稳定性以及并行兼顾的结果，通过数值例子表明了该方法具有良好的使用性和有效性．     

基于移动最小二乘法的医学图像配准

提出一种基于移动最小二乘法变形模型的医学图像配准技术.首先用蛇模型的方法分割图像感兴趣区域;其次在分割后的图像上半自动地选取对应标记点;最后基于这些标记点采用移动最小二乘法的变形模型对图像进行变形,从而实现医学图像的配准.实验结果表明,该方法克服了手动选点难度大的缺点,提高了配准的精度,是一种有效的医学图像配准方法.     

一种改进的基于边缘信息的运动分割方法

1.前言 MPEG-4图像压缩标准的制定使得视频分割技术显得尤为重要.视频分割是指视频序列按一定的标准分割成区域,从而从视频序列里分离出有意义的实体.在MPEG-4标准的图像编码中,为了实现基于图像内容的交互功能,将视频序列的各帧图像按照不同的视频对象面(VOP)来表示,然后对视频对象分别进行编码,这样一方面提高了编码效率,一方面实现了用户与图像场景内容的交互性,所以在编码的过程中正确地划分视频对象(video object)和层次(1ayer)是必不可少的环节.这也正是视频分割的目的所在,实际上只要运用适当的分割技术就可以提取出符合实际的图像对象.     

ℓ1优化在网格去噪中的应用（HHME2013）

网格去噪是计算机图形学中的经典问题,而如何在去除噪声的同时保持网格的特征结构是这一研究方向所面临的最大挑战。提出一种具有稀疏性的全局网格去噪方法,该方法源于信号处理理论中稀疏表示的基本思想,通过优化全局能量函数来去除网格模型的噪声,同时能够保持网格模型的特征结构。该方法共分为两个步骤,第一步为网格面法向量的滤波,首先建立全局优化模型,对噪声网格的面法向量进行滤波优化,其中引入ℓ1范数来保证解的稀疏性,使得优化后新的面法向量能够保持网格的特征结构;第二步为网格曲面的重建,根据第一步得到的新的面法向量,按照面法向量的定义,建立最小二乘意义下的网格顶点的重建模型,求解得到新的网格曲面。另外,由于该模型是全局方法,避免了现有滤波方法可能出现的不收敛等问题,能够取得比较满意的去噪效果。最后,通过大量实验表明,在去除噪声的同时,能较好地保持网格的特征结构,尤其对于CAD模型有很好的实验效果。     

分层信息融合的物体级显著性检测

目的 显著性检测是基于对人类视觉的研究,用来帮助计算机传感器感知世界的重要研究手段。现有显著性检测方法大多仅能检测出人类感兴趣的显著点或区域,无法突出对象整体的显著性以及无法区分对象不同层次的显著性。针对上述问题,提出一种基于分层信息融合的物体级显著性检测方法。方法 与当前大多数方法不同,本文同时运用了中级别超像素和物体级别区域两种不同层次的结构信息来获取对象的显著图。首先,将图像分割为中级别的超像素,利用自下而上的方法构造初始显著图;然后通过谱聚类方法将中级别的超像素聚类成物体级的区域,并运用自上而下的先验来调整初始先验图;最后,通过热核扩散过程,将超像素级别上的显著性扩散到物体级的区域上,最终获得一致的均匀的物体级显著性图。结果 在MSRA1000标准数据库上与其他16种相关算法在准确率-召回率曲线及F度量等方面进行了定量比较,检测的平均精度和F-检验分数比其他算法高出5%以上。结论 通过多层次信息融合最终生成的显著图,实现了突出对象整体显著性以及区分不同对象显著性的目标。本文方法同样适用于多目标的显著性检测。