基于稀疏表示及正则约束的图像去噪方法综述

数据去噪声是信号和图像处理领域的一个经典问题,广泛应用于各类工程实践中。由于噪声源的多样性,去噪一直是富有挑战性且十分活跃的研究课题,发展了多种经典去噪方法。近年来,随着压缩感知理论的发展,基于稀疏表示及正则化约束反问题求解方法成为图像去噪领域的重要发展方向和技术途径。本文首先回顾和总结图像噪声的来源和类型,然后针对不同类型的图像噪声,重点围绕基于稀疏表示及正则化约束的图像去噪技术进行全面综述,分析和描述了几种主要去噪方法的原理及优缺点。最后,对去噪算法的性能评价指标进行总结。     

实时图像融合技术研究的硬件实现

在多通道多传感器图像像素级融合算法深入研究的基础上，针对可见光与长波红外图像融合的实际需要，开展其实时实现技术的研究，建立了基于高速数字信号处理器TMS320C62的实时图像融合原理实验系统，并开展了多数字信号处理器并行结构的实时图像融合系统设计与仿真研究。     

应用于图象融合的高集成度视频信号采集系统

为配合多波段图象实时融合系统的研制，设计和开发了高速、高集成度，并具有广泛通用性的前端视频信号采集系统。该系统的设计和开发采用了专用视频解码芯片和大规模可编程逻辑器件（EPLD）以及VHDL语言。系统具有集成度高、可靠性好、性能优良、体积小、接口简单、采样参数在线可编程修改等特点。其应用于多波段图象采集和融合系统中，作为前端图象采集部分取得了良好的效果。同时，该设计也可作为前端图象采集部分用于其他图象处理系统中。     

基于对比度的多分辨图像融合

本文给出一种基于对比度的多分辨图像融合算法.首先,利用小波变换得到待融合图像的多分辨分析,同时得到图像的多分辨对比度序列;然后以对比度为判据,在图像的多分辨分析的相应各级上进行融合,得到融合图像的多分辨分析;最后,利用小波逆变换重构融合图像.算法使用同一场景可见光图像和红外图像进行了验证,结果表明,融合图像完好地显示了源图像各自的信息.     

保持自然度的非均匀光照图像增强的Retinex算法

常规的非均匀照明图像增强方法在增强低光照区域细节时,容易对图像过度增强而导致结果失真。本文从一种新的角度提出了Retinex模型的一种扩展形式,并用于非均匀照明图像的增强。该算法将中心环绕Retinex模型输出作为感知反射率,将图像分解为感知光照图像和感知反射率图像,通过调整感知光照图像,再重新组合感知光照和感知反射率图像,得到增强结果。与近几年来多种图像增强算法的主客观评估对比实验结果表明,该算法对非均匀光照图像具有良好的增强效果,能够有效增强图像亮度和细节,提高图像质量。     

基于机器视觉的工业品色差检测系统

为了消除人眼在产品检测中的主观差异,采用机器视觉的方法对工业品进行色差检测。通过工业CCD相机采集均匀光照下的产品与标准色板的图像,使用色差检测系统对图像进行色差计算,最后比较色差与用户设置的闽值来判断产品颜色是否合格。其中,色差检测使用了CIEDE2000色差公式,该公式可以正确的反映微小的颜色差异。实验结果表明：检测结果与人眼检测结果相符,证明了这种方法在实际应用中的可行性。     

基于改进交叉视觉皮质模型的彩色图像增强

为了获得更加符合人眼生理视觉感知的图像,提出了一种在HIS空间上的基于改进的交叉视觉皮质模型(ICM)的彩色图像增强算法。在分析传统ICM工作机制的基础上,保留原模型的基本特性,对模型中的内部活动项和动态阈值部分进行改进,将线性衰减变为非线性,满足了人眼对亮度感知的非线性;同时将衰减因子变为步长的减法,降低了算法复杂度并增强了算法的自适应性。结合图像增强的原理,对亮度分量采用符合视觉属性的阈值强度函数,同时对饱和度分量进行非线性处理。实验表明用该算法能获得更加清晰、鲜艳生动的处理结果。     

一种新的红外目标跟踪方法

一般的Snake模型用于目标跟踪时存在一些问题,如要求初始控制点位置非常接近于真实 轮廓、不能可靠跟踪快速运动目标、对目标的运动规律有许多约束条件等。在继承所提出的Auto-Snake模型跟踪算法优点的基础上,进一步采用最小二乘估计预测器对目标的位置进行预测,放宽对运动规律的约束,可以实现对快速运动(大位移)的目标的自动跟踪。     

基于视觉神经元ON—OFF模型的图象增强

探讨基于视觉神经网络 ON- OFF模型的图象增强 .通过计算仿真 ,找到了关于这种视觉模型应用于图象处理合适的实现形式 ;探讨了衰减常数和颜色恒定性的关系 ;以及空间常数变化和动态范围压缩与细节增强能力的联系 .使用合适的衰减常数 ,可以使该神经元模型在颜色恒定性计算上性能优良 ,同时 ,适当大小的空间常数 ,能够在颜色保真度和图像增强性能之间取得合适的平衡 .神经网络对复杂背景图象的增强效果良好 ,但是由于同样基于“灰度世界”假设 ,因此在处理违反这一假设的特殊图象时 ,此模型在颜色表征上仍然具有缺陷 ,这就部分限制了模型的应用 .最后探讨了可能的改进方向 .     

基于距离加权色偏估计的低质图像增强

有色雾、烟、尘等恶劣大气条件下的低质图像具有低可见度和颜色偏移的特点,给人类观察和计算机视觉应用带来困难。当前针对此类图像的增强算法通常忽略了景物与相机的距离对色偏的影响,为了在增强可见度时更好地恢复图像颜色,本文提出低质图像成像可见度下降及色偏与景物距离的关系模型和求解方法。该方法首先通过图像的局部亮度估算距离,然后通过距离估算图像的色偏矩阵,再求解退化模型得到可见度与颜色得到恢复的图像,最后将恢复的图像与限制对比度自适应直方图均衡（Contrast limited adaptive histogram equalization,CLAHE）增强图像进行距离加权融合,得到进一步细节增强的图像。实验表明,本文提出的方法与同类方法相比,在达到高图像质量评价指标的同时,明显具有更好的颜色恢复结果。