多尺度有理分形的图像插值算法

目的图像插值是图像处理中的重要问题,为了提高纹理图像的放大质量,结合以往的有理函数的插值算法,提出一种新的基于有理分形函数的图像插值算法。方法对于输入图像,首先,运用中值滤波和直方图均衡化对输入图像预处理;其次,通过毯子覆盖法求出图像的多尺度分形特征值,进行纹理区域和平滑区域的划分;最后,在纹理区域采用有理分形插值函数,在平滑区域采用有理插值函数。结果对于一般图像,本文算法与NARM(nonlocal autoregressive model),NEDI(new edge-directed interpolation)相当,在纹理区域较多的图像中,本文算法在峰值信噪比(PSNR)和结构相似性(SSIM)数值上较对比算法进一步提高,在视觉效果上,图像对比度明显增强,在Barbara,Truck等的对比图像中,峰值信噪比均提高了0.5 1 dB。结论本文插值算法利用多尺度分形特征将图像划分区域,在不同区域采用不同的插值模型。优化模型参数使得插值质量进一步提高。实验表明本文算法能够对纹理和非纹理区域有效划分对纹理的信息保持优于传统算法,获得了较好的主客观效果。     

Color texture analysis based on fractal descriptors

Color texture classification is an important step in image segmentation and recognition. The color information is especially important in textures of natural scenes, such as leaves surfaces, terrains models, etc. In this paper, we propose a novel approach based on the fractal dimension for color texture analysis. The proposed approach investigates the complexity in R, G and B color channels to characterize a texture sample. We also propose to study all channels in combination, taking into consideration the correlations between them. Both these approaches use the volumetric version of the Bouligand–Minkowski Fractal Dimension method. The results show a advantage of the proposed method over other color texture analysis methods.     

图像分形维数计算方法的比较

分形维数是度量图像纹理粗糙度的一种常用方法,而依据分形维数的定义很难求解图像的分形维数。大量计算图像分形维数的算法被提出,但是这些方法往往基于不同的应用背景,没有总体比较和评价,多局限于差分盒子维的选用和改进,算法普遍存在计算误差较大,适应能力模糊的缺点。基于目前常用图像分形维数的计算方法,测试不同方法对图像粗糙度的敏感程度和时间复杂程度。从而对这些方法的适用范围进行分析和比较,给出应用的推荐模型。     

Local fractal and multifractal features for volumic texture characterization

For texture analysis, several features such as co-occurrence matrices, Gabor filters and the wavelet transform are used. Recently, fractal geometry appeared to be an effective feature to analyze texture. But it is often restricted to 2D images, while 3D information can be very important especially in medical image processing. Moreover applications are limited to the use of fractal dimension. This study focuses on the benefits of fractal geometry in a classification method based on volumic texture analysis. The proposed methods make use of fractal and multifractal features for a 3D texture analysis of a voxel neighborhood. They are validated with synthetic data before being applied on real images. Their efficiencies are proved by comparison to some other texture features in supervised classification processes (AdaBoost and support vector machine classifiers).The results showed that features based on fractal geometry (by combining fractal and multifractal features) contributed to new texture characterization. Information on new features was useful and complementary for a classification method.This study suggests that fractal geometry can provide a new useful information in 3D texture analysis, especially in medical imaging.     

基于注意力生成对抗网络的图像超分辨率重建方法

针对现有基于深度学习的图像超分辨率重建方法,其对细节纹理恢复过程中容易产生伪纹理,并且没有充分利用原始低分辨率图像丰富的局部特征层信息的问题,提出一种基于注意力生成对抗网络的超分辨率重建方法.该方法中生成器部分是通过注意力递归网络构成,其网络中还引入了密集残差块结构.首先,生成器利用自编码结构提取图像局部特征层信息,并提升分辨率;然后,通过判别器进行图像修正,最终将图像重建为高分辨率图像.实验结果表明,在多种面向峰值信噪比超分辨率评价方法的网络中,所设计的网络表现出了稳定的训练性能,改善了图像的视觉质量,同时具有较强的鲁棒性.     

梯度优化的有理函数图像插值

目的 对图像纹理区域的细节保持一直以来是图像插值技术的一个难题,为此提出了一种梯度优化的有理函数图像插值算法。方法 首先,构造了一种新的含有可调参数的双变量有理插值函数,随着参数的不同取值,该函数具有不同的表达形式,它是多项式模型和有理模型的有机统一体;其次,根据图像的区域特征,利用等值线方法将图像自适应地划分为纹理区域和平滑区域,纹理区域采用有理模型插值,平滑区域采用多项式模型插值;最后,根据各向同性Sobel算子计算插值单元的图像梯度,确定纹理方向,不同纹理方向的插值单元用相应的权重对中心点进行优化。结果 从客观数据、主观效果、时间复杂度3个方面对重建图像进行评价,客观数据包括峰值信噪比（PSNR）和结构相似性（SSIM）,从实验结果可以看出,本文算法的PSNR平均提高了0.14~1.50 dB,SSIM平均提高了0.005~0.097。从主观效果来看,本文算法的重建图像的纹理细节更加丰富,边缘结构更加清晰,从时间复杂度来看,本文算法的平均运行时间是3.77 s,分别比DFDF（directional filtering and data fusion）、NEDI（new edge-directed interpolation）、RSAI（robust soft-decision adaptive interpolation）、Lee''s、NARM（nonlocal autoregressive model）算法快了3.28倍、5.26倍、53.28倍、43.53倍、418.54倍。特别地,对于Baboon、Barbara、Metal这类纹理细节丰富的图像,本文算法在峰值信噪比和结构相似性上较对比算法有突出优势,主观效果有明显提高。结论 基于构造的双变量有理插值模型,本文提出了一个梯度优化的有理函数图像插值算法,实验结果表明,该算法在图像纹理细节和边缘结构保持方面具有良好的视觉效果,有效提高了插值图像质量,且时间复杂度较低。     

基于图像分解和相对全变分的图像平滑

图像平滑旨在去除图像中纹理细节信息的同时保留重要的结构边缘,因此如何正确区分二者成了图像平滑的关键。梯度作为计算图像变化速度的重要指标是区分结构边缘和纹理细节的有效度量,但不同图像以及同一图像不同区域中的纹理和边缘的梯度差异并非固定不变的。为了能够有效识别结构边缘和纹理细节,提出了基于图像分解和相对全变分的图像平滑方法。为了扩大结构边缘和纹理细节之间的差异,实现在尽可能不改变结构边缘的前提下降低纹理细节的梯度,以多方向的梯度为约束对图像进行分解,提取图像的平滑成分。在特定尺度下,基于图像的区域结构差异,采用相对全变分方法,在保留结构边缘的同时去除该尺度下的纹理细节。通过迭代优化,不断调整图像区域尺度,实现对不同尺度纹理细节的逐步去除。与现有算法相比,新方法在有效地去除纹理细节和完整地保留结构边缘方面都具有较好的视觉效果。     

Super-resolution reconstruction of faces by enhanced global models of shape and texture

We present a computationally efficient method for the super-resolution reconstruction of face images from their low-resolution versions. It is based on generative models and utilizes both the shape and texture components together. The main idea is that the image details can be synthesized by global modeling of accurately aligned local image regions. In order to achieve sufficient accuracy in alignment, shape reconstruction is considered as a separate problem and solved together with texture reconstruction in a coordinated manner. Meanwhile, the statistical dependency between the shape and texture components is also considered. Moreover, different from traditional model-based super-resolution methods, we use a corrected form of the degradation operator with the aligned images. We show that when the degradation is used with the aligned texture components as is, it causes bias in the reconstructions. To overcome this problem, we reflect the same processing performed in alignment onto the degradation operator and use this corrected version in texture reconstruction. Experimental results show that the proposed solution provides superior image reconstructions (both qualitatively and quantitatively) in a faster way.     

基于流形学习的彩色遥感图像分维数估算

目的 纹理特征提取一直是遥感图像分析领域研究的热点和难点。现有的纹理特征提取方法主要集中于研究单波段灰色遥感图像,如何提取多波段彩色遥感图像的纹理特征,是多光谱遥感的研究前沿。方法 提出了一种基于流形学习的彩色遥感图像分维数估算方法。该方法利用局部线性嵌入方法,对由颜色属性所组成的5-D欧氏超曲面进行维数简约处理;再将维数简约处理后的颜色属性用于分维数估算。结果 利用Landsat-7遥感卫星数据和GeoEye-1遥感卫星数据进行实验,结果表明,同Peleg法和Sarkar法等其他分维数估算方法相比,本文方法具有较小的拟合误差。其中,其他4种对比方法所获拟合误差E平均值分别是本文方法所获得拟合误差E平均值的26.2倍、5倍、26.3倍、5倍。此外,本文方法不仅可提供具有较好分类特性的分维数,而且还能提供相对于其他4种对比方法更加稳健的分维数。结论 在针对中低分辨率的真彩遥感图像和假彩遥感图像以及高分辨率彩色合成遥感图像方面,本文方法能够利用不同地物所具有颜色属性信息,提取出各类型地物所对应的纹理信息,有效地改善了分维数对不同地物的区分能力。这对后续研究各区域中不同类型地物的分布情况及针对不同类型地物分布特点而制定区域规划及开发具有积极意义。     

基于分形盒子维数的车牌定位方法

分形维数是估计表面粗糙度的一个重要参数，在图像处理领域中更多地用到分形盒子维的概念，计算盒子维的DBC算法快速，有效，精确度高，被广为采纳，针对车牌内部图像的复杂度和背景有较大差异的特征，提出了一种通过计算分形盒子维同时结合其它图像处理方法来进行车牌定位的新算法，效果较好。     

Texture description and segmentation through fractal geometry

Fractal geometry is receiving increased attention as a model for natural phenomena. In this paper we first present a new method for estimating the fractal dimension from image surfaces and show that it performs better at describing and segmenting generated fractal sets. Since the fractal dimension alone is not sufficient to characterize natural textures, we define a new class of texture measures based on the concept of lacunarity and use them, together with the fractal dimension, to describe and segment natural texture images.     

分形编码时间的线性控制和预测

以图像的布朗维数为纹理特征对编码中的图像块进行聚类和排序,实现了对每个值域块所需比较定义域块数目的精确控制。进一步,通过排除平坦块、使用均值图像建立定义域块库等技巧,得到了一种可以通过定义域块比较数目对编码时间进行线性控制和预测的快速分形编码方法。实验表明,与已有分类和聚类方法相比,在相同的压缩比下,本文方法可取得更好的加速效果和解码质量。     

一种基于分形的木材细胞图像特征提取方法*

木材纹理图像的分形维数可以代表木材很多的纹理特征,它是木材树种的一项重要数字特征参数。为了提取木材纹理特征,提出采用改进差分盒子法计算木材纹理细胞图像的分形维数值。理论分析和实验结果表明：该方法能够提取木材纹理特征,并且能在一定程度上克服图像比例大小对于特征提取所造成的影响,是木材纹理特征参数提取的一种重要方法。     

小波域中双稀疏的单幅图像超分辨

目的 过去几年,基于稀疏表示的单幅图像超分辨获得了广泛的研究,提出了一种小波域中双稀疏的图像超分辨方法。方法 由小波域中高频图像的稀疏性及高频图像块在空间冗余字典下表示系数的稀疏性,建立了双稀疏的超分辨模型,恢复出高分辨率图像的细节系数;然后利用小波的多尺度性及低分辨率图像可作为高分辨率图像低频系数的逼近的假设,超分辨图像由低分辨率图像的小波分解和估计的高分辨率图像的高频系数经过二层逆小波变换来重构。结果 通过大量的实验发现,双稀疏的方法不仅较好地恢复了图像的局部纹理与边缘,且在噪声图像的超分辨上也获得了不错的效果。结论 与现在流行的使用稀疏表示的超分辨方法相比,双稀疏的方法对噪声图像的超分辨效果更好,且计算复杂度减小。     

基于分形维的小波包EBCOT岩心图像压缩

岩心图像作为石油地质分析和地球物理勘探的重要信息来源,数据量巨大、纹理信息丰富且对比度较弱。提出一种基于分形维的小波包EBCOT岩心图像压缩方法。对岩心图像进行完全小波包分解,以分形维作为代价函数,并以差分计盒法计算每个子带节点的分形维数。通过比较父节点和子节点分形维数值实现剪支以获取最优小波包分解,结合EBCOT算法对岩心图像进行压缩处理。实验结果表明,所提算法的重构图像的PSNR与SSIM值均高于基于熵的小波包压缩算法和JPEG2000算法。     

基于BEMD和分形维数的人脸识别方法

提出一种新的人脸图像特征提取方法,即利用二维经验模态分解方法（BEMD）结合分形维数（Fractal dimension）进行特征量提取,将提取得到的特征量用于人脸识别。该方法将图像通过BEMD算法分解为不同的二维固有模态分量（BIMF）,然后将得到的BIMF图像进行分块得到BIMF子区域,对每一个BIMF子区域进行分形盒维数估计,采用BP神经网络作为分类器。实验选用ORL人脸数据库,实验结果表明,用该算法进行特征量提取的人脸识别方法具有理想的识别效果并提高识别系统性能。     

虹膜自相似性识别方法研究

针对虹膜的纹理变化细节具有自相似性的特点，在传统的分形理论基础上，提出一种新的分形维数——变化分数维作为其特征；然后使用增量支持向量机对不同条件下获得的虹膜样本进行学习，所得的增量支持向量机用于识别测试虹膜样本．实验表明文中方法是可行的，变化分数维较好地反映了虹膜的纹理变化特性，而把学习机制引入虹膜识别方法，也有助于提高虹膜识别系统的鲁棒性．     

一种基于图像区域分割的小波去噪方法

提出一种基于区域分割的图像去噪方法。该方法利用具有平移不变性的DWT去噪法和NeighShrink_ SURE去噪法对平滑图像和纹理图像分别具有良好去噪效果,遂将含噪图像进行区域分割得到平滑、突变和过渡三个区域,最终去噪图像的三个区域分别由两种方法得到的去噪图像加权来确定。实验结果显示,该方法利用了前两种算法的优点,得到了具有较高峰值信噪比、较完整保留图像细节而且具有更佳视觉效果的去噪图像。     

基于分形的图像分析方法综述

根据分形擅长描述自然不规则物体对象的特点,论述了盒维、FBR模型和LIFS分形编码等基于分形理论的图像分析原理和方法,讨论了国内的研究情况。从相应的研究得知,利用图像的分形维数特征,进行边缘检测和纹理分割,是可行和有效的。     

基于分形维度的叶片图像识别方法

为使树叶识别达到更好的效果,对分形维度作为纹理特征的方法进行了研究,提出把分形维度应用于叶片识别领域,将其作为叶片纹理特征的提取方法,来表示叶片图像的纹理复杂程度及其自相似性.使用了26种叶片(390幅图像)的图像库进行实验,提取了包括分形维度在内的9项特征进行训练测试,达到了91.54％的正确率.实验结果表明,提出的方法优于传统的叶片识别方法,证实了该方法的有效性.