图像方向纹理保持的方向全变差正则化去噪模型及其主优化算法

正则化方法是目前解决图像去噪不适定性的一条有效途径,但对于图像中纹理细节的保持仍是棘手的问题。本文针对图像方向纹理保持的去噪问题,给出了图像方向纹理保持的方向全变差正则化去噪模型。分析和证明了方向全变差的若干等价表示性质,并基于该性质迭代构造代理泛函和B样条离散差分逼近方法,给出了一种主优化去噪算法。数值实验表明,该方法在去除噪声、抑制图像的“阶梯效应”和保持图像方向纹理等方面取得较好的效果。     

交替使用小波去噪和全变差正则化的盲图像恢复算法

盲图像恢复就是在点扩散函数未知情况下从降质观测图像恢复出原图像.该文提出了一种交替使用小波去噪和全变差正则化的盲图像恢复算法.观测模型首先被分解成两个相互关联的子模型,这种分解转化盲恢复问题成为图像去噪和图像恢复两个问题,可以交替采用图像去噪和图像恢复算法求解.模糊辨识阶段,使用全变差正则化算法估计点扩散函数;图像恢复阶段,使用小波去噪和全变差正则化相结合的算法恢复图像.实验结果和与其它方法的比较表明该文算法能够获得更好的恢复效果.     

一种新的结合非下采样Contourlet与自适应全变差的图像去噪方法

该文提出了一种新的结合非下采样Contourlet变换(NSCT)和自适应全变差模型的图像去噪方法。首先通过NSCT对含噪图像进行分解,根据高斯比例混合(GSM)模型建立图像模型;然后利用贝叶斯估计进行图像去噪,重构后得到初次去噪图像;最后,结合自适应全变差模型对初次去噪图像进行重构滤波,得到最终的去噪图像。实验结果表明,该方法可以有效地消除图像中的Gibbs伪影及噪声,在去噪图像峰值信噪比(PSNR)和边缘保持性能上都优于已有的算法。     

激光雷达主动偏振图像散斑抑制算法研究

针对激光主动偏振图像的散斑去除问题,提出了一种新的非局部正则化方法:根据激光主动偏振图像的噪声特点,在全变差模型的基础上,提出了非局部全变差正则化模型.该算法充分利用了图像的全局信息复原图像,在很好地抑制散斑的同时,保持了图像的细节信息.新模型使用轮流最小化方法进行求解,则原始图像和点扩散函数都可以在最小化框架中求解,...     

带曲波域约束的全变差正则化抑噪方法

为了减小曲波变换在图像抑噪应用中所出现的伪吉布斯振荡和"曲波状"伪曲线,提出一种融合计算调和分析与变分法的图像抑噪方法.首先引入第二代曲波紧框架,对降质图像进行非线性曲波变换阈值,然后由所保留系数确定可行域,建立带曲波域约束条件的全变差正则化模型,最后通过投影梯度算法进行求解.实验结果表明该方法在抑噪和保持边缘的同时,使这些失真得到有效地抑制,取得了较为理想的视觉效果.     

基于二阶广义全变差的多帧图像超分辨率重建

图像超分辨率重建是图像处理领域的重要问题.本文将二阶广义全变差用于基于正则化的多帧图像超分辨率重建问题,构建了基于二阶广义全变差正则项的图像超分辨率模型.为了更好地保持重建图像的边缘和细节,采用图像空域自适应正则化参数,并针对该重建模型的非光滑性,给出了基于半二次正则化和交替方向法的求解算法.实验结果表明该模型和数值算法能够较好地提高图像的分辨率,同时可以较好地保持图像的细节信息.     

一种改进的图像盲复原算法

图像盲复原是在点扩散函数未知的情况下从退化观测图像中恢复出原图像的高频细节。本文给出了一种交替进行Lucy-Richardson恢复和全变差正则化的盲图像恢复算法。算法将图像盲恢复问题分解成图像恢复和模型辨识两个关联的子问题。在模型辨识阶段,采用全变差正则化估计系统的点扩散函数;在图像恢复阶段,使用Lucy-Richardson算法和奇异值分解相结合的方法恢复图像。实验结果证明,该方法能更好的抑制噪声、提高图像的分辨率。     

基于全变差正则化的图像修复研究

图像修复是一种插值问题,用待修复区域边界已知图像内容填充修复受损区域。这种插值问题的一个经典的解法就是解拉普拉斯方程。但是它过于平滑,对于图像插值效果通常不能令人满意,不能修复跳变边缘。全变差正则化是一个有效地恢复锋锐边缘图像的修复方法。重点研究了全变差正则化图像修复方法,并设计了改进的修复模型。实验结果表明,改进模型的全变差图像修复方法是有效的,复原图像在客观评价标准和主观视觉效果方面均有更好的表现。     

基于全变差的加权最小二乘法PET图像重建

传统的加权最小二乘法、惩罚项加权最小二乘法虽然能够重建得到较好质量的图像,但在欠采样的条件下不能很好的拟制噪声.全变差作为正则项已广泛用于图像重建中,利用图像稀疏的先验知识能够在欠采样的条件下很好的重建图像.本文结合加权最小二乘法和全变差的优点,构造了基于全变差正则项的加权最小二乘法目标函数,运用交替求解的方法,将目标函数分解为求解二次优化和全变差正则化的优化问题,并分别用超松弛迭代方法和梯度下降法求解这两个优化问题.采用Zubal模型对该算法与传统算法进行仿真验证比较,并用相关系数、方差、信噪比等参数描述图像重建质量.结果表明在欠采样条件下,该算法能够更好的拟制噪声,重构效果比传统的有明显地提高.     

基于投影的稀疏表示与非局部正则化图像复原方法

提出一种基于投影的稀疏表示与非局部正则化相结合的图像去模糊、去噪图像复原方法.该方法结合了自适应构造字典的稀疏表示与非局部总变差,提出的正则化模型分解为三个投影子问题进行求解以提高求解效率.实验结果表明,本文所提出的图像复原方法能够有效地保持原图像的纹理细节信息,对于不同程度的退化图像上均有较好的复原结果,在视觉效果和客观评价指标上均优于相比较的现有方法.     

Neuro-Fuzzy Approach to the Segmentation of Psoriasis Images

In this paper, an automatic method for psoriasis image segmentation using neuro-fuzzy techniques is proposed. It can be used in a therapy evaluation system. Since the psoriasis is a chronic disease, it is important to track the condition of the patient to select a proper treatment. In our design, the psoriasis images are segmented into normal skin regions and abnormal regions automatically. The areas of each kind of regions of a patient at different points of time can then be estimated. This information can be used to give a quantitative measure of the progress of the treatment. The provided information can avoid the variation of the human factor in the evaluation procedure and can offer a objective index for the doctor to select the most suitable treatment for the patient. The essential techniques required include feature extraction and image segmentation (classification) methods. The two-dimensional histogram of the hue and saturation components of the color image and the fuzzy texture spectrum of the gray-level image are used as the feature vectors to locate the homogeneous regions. Then these regions are used to train the neuro-fuzzy classifier to obtain a more accurate segmentation. After the image is segmented into normal and psoriasis regions, the area of psoriasis regions can be easily calculated to obtain the information required for the therapy evaluation system. For comparison, a color clustering algorithm which was used to segment digitized dermatoscopic images is also implemented. In the experiments, the proposed approach provides better performance.     

Energy efficient cosine similarity measures according to a convex cost function

We propose a new family of vector similarity measures. Each measure is associated with a convex cost function. Given two vectors, we determine the surface normals of the convex function at the vectors. The angle between the two surface normals is the similarity measure. Convex cost function can be the negative entropy function, total variation (TV) function and filtered variation function constructed from wavelets. The convex cost functions need not to be differentiable everywhere. In general, we need to compute the gradient of the cost function to compute the surface normals. If the gradient does not exist at a given vector, it is possible to use the sub-gradients and the normal producing the smallest angle between the two vectors is used to compute the similarity measure. The proposed measures are compared experimentally to other nonlinear similarity measures and the ordinary cosine similarity measure. The TV-based vector product is more energy efficient than the ordinary inner product because it does not require any multiplications.     

基于图像局部方向特性的自适应全变分去噪模型

针对全变分模型(total variation,TV)以图像的梯度信息作为去噪的尺度参数,未考虑图像局部纹理的方向性的缺点,提出了一种基于图像局部方向特性的自适应全变分去噪模型(Adaptive directional total variation,ADTV),并推导出该模型的迭代数值求解过程。在该模型中,首先,计算出图像局部方向的角度矩阵。然后,构造与图像纹理方向一致的椭圆区域代替TV模型的圆形区域。最后,通过优化最小化算法迭代求解以获得去噪后图像。通过对比实验证明,本文提出的模型取得了更高的峰值信噪比,去噪过程中更好地增强了图像的细节信息。     

Reduced-reference stereoscopic image quality assessment based on view and disparity zero-watermarks

As a practical and novel application of watermarking, this paper presents a zero-watermarking based objective reduced-reference stereoscopic image quality assessment (RR-SIQA) method. In the proposed method, two kinds of zero-watermarks are constructed according to the characteristics of image structure and stereoscopic perception. Concretely, two view zero-watermarks, which are constructed by judging the relation of the horizontal and vertical components of gradient vectors with respect to the two views, are used to reflect the image structure variation of the stereoscopic image. Meanwhile, a disparity zero-watermark, which is constructed with disparity map of the stereoscopic image, is used to reflect the stereoscopic perception quality variation. Then, the quality of stereoscopic image is objectively assessed by pooling the recovering rates of the detected zero-watermarks. The experimental results show that the stereoscopic image quality evaluation results assessed with the proposed RR-SIQA method are well consistent with subjective assessment, and the proposed method achieves better performance than the widely used full-reference stereoscopic image quality assessment method PSNR in assessing quality of stereoscopic images compressed with JPEG and JPEG2000.     

适于微小型飞行器平台的稳像算法

为解决微小型飞行器由于机械振动、气流扰动等原因引起的图像高频抖动,设计了一种适用于该平台的稳像算法。采用基于生物视觉的匹配方法估计帧间运动矢量,建立了图像参数传递的数学模型;结合微小型飞行器的运动特点,提出了带约束的交互式多模型卡尔曼滤波方法(CIMMKF),针对绝对帧位移曲线和旋转角度滤波,引入硬约束条件减小模型不准确性产生的误差,再通过软约束平滑硬约束带来的局部跳变求得图像合适的校正量。最后,给出了一种新颖的微小型飞行器平台稳像算法性能的评估方法。实验结果表明,该稳像算法能够适应飞行器多种状态的交替改变,有效减小滤波延迟,去除高频抖动,保留主动运动,使稳定后图像质量满足观察要求,具有图像信息保留程度高、速度快的特点,尤其适用于微小型飞行器实时视频稳定。     

Noise removal using smoothed normals and surface fitting

In this work, we use partial differential equation techniques to remove noise from digital images. The removal is done in two steps. We first use a total-variation filter to smooth the normal vectors of the level curves of a noise image. After this, we try to find a surface to fit the smoothed normal vectors. For each of these two stages, the problem is reduced to a nonlinear partial differential equation. Finite difference schemes are used to solve these equations. A broad range of numerical examples are given in the paper.     

基于多特征空间的三维目标离面旋转识别

基于识别目标真假和空间位置的需要,将180幅训练图像分成了4个训练集,分别计算每个训练集的特征向量,分析结果表明每个训练集可以用3个特征向量来表示,这样用12个特征向量就可以建立目标的4个特征空间,使目标分解与重构过程大大简化。利用待识别目标向量与重构向量之间的关系,不仅可以判别目标的真假,还可以确定目标所在的空间位置。模拟结果表明,提出的目标多特征空间的建立方法和目标识别准则是有效的,能够实现离面旋转条件下三维目标真假和空间位置的识别。     

基于探测过程建模的探地雷达多目标识别

在探地雷达探测过程中,天线相对目标的远近变化反映在面向深度的一维时域信号(A-scan)所组成的序列的变化过程中,由此提出一种针对变化过程建模的目标识别方法。在特征提取环节,提出将时频分析与图像纹理分析相结合,首先计算A-scan信号的二维时频联合分布图像,再利用特定的图像纹理描述算子构造特征向量。识别过程根据目标与天线间距离的变化,采用无跨越单向连续隐马尔可夫模型(HMM)对序列的变化过程建模。实验表明这种基于变化过程的HMM方法比无序地利用单条A-scan特征的支持向量机方法具有更好的效果。     

基于最优斜面参数估计的局部立体匹配算法

针对传统局部匹配算法在斜面场景匹配中所表现出的阶梯效应,提出了一种基于最优斜面参数估计的局部立体匹配算法。该算法首先为每一个像素随机地分配一组斜面参数,然后以新的斜面参数所定义的支撑域下当前像素的匹配代价是否减小为准则,迭代地进行斜面参数的邻域传播-单点优化过程,并最终使得计算结果收敛到最优斜面,同时估计得到稠密的亚像素级视差。通过对典型斜面场景图像和Middlebury 标准测试图像对的匹配实验表明,文中算法在将对普通场景的匹配效果保持在当前先进水平的同时,对斜面场景的匹配消除了阶梯效应,且匹配率代表了局部匹配的先进水平。