基于边界特征耦合惩罚因子的图像修复算法

为了解决当前较多图像修复算法主要是通过全局搜索的方法来完成图像修复,导致其效率不高,以及修复图像中易出现块效应等不足,提出了基于边界特征耦合惩罚因子的图像修复算法。首先,利用待修复块的边界特征来建立边界因子,通过该因子构造优先权模型,以度量待修复区中的像素点的优先权,确定优先修复块。然后,利用像素点的R、G、B分量,通过C(p)均值聚类方法对图像进行分割聚类,以待修复块所覆盖的子块为依据,确定最优匹配块的搜索范围。最后,以像素点的调用次数为依据,构造惩罚因子,并将该因子与像素点对应的欧式距离进行联合,构造匹配度模型,完成最优匹配块的搜索,从而实现图像修复。实验结果显示,与当前图像修复算法相比,所提算法具有更高的修复质量与效率,能够较好的克服修复过程中产生的块效应等不良现象。所提算法具有较好的图像复原能力,可适用于大面积损坏图像的重构。     

基于方差调节策略耦合结构特征的图像修复算法

针对当前图像修复算法主要采用图像的 R、G、B 信息来获取最优匹配块,忽略了图像的结构特征,导致修复图像中含有 纹理不连续及块现象等问题,设计了方差调节策略耦合结构特征的图像修复算法。 首先,借助图像的梯度模值来构造结构度量 因子,以度量图像的结构特征。 联合置信度项、结构度量因子和数据项,构造优先权函数,以寻求优先修复块。 然后,采用图像 的方差特征,建立方差调节策略,考虑图像纹理的动态变化,寻求与当前纹理情况最吻合的样本块尺寸。 最后,将结构度量因子 引入到最优匹配块的搜索过程中,以弥补通过 R、G、B 信息搜索最优匹配块时所忽略图像结构特征的不足,得出最优匹配块修 复图像,实现损坏区域的复原。 通过实验结果发现,较当前修复方案而言,所提算法的修复图像具备更优的纹理连续性。     

颜色度量因子耦合局部特征聚类的图像复制-粘贴篡改检测算法

针对当前较多图像复制-粘贴篡改检测算法主要依靠图像的灰度信息来检测图像特征,没有考虑图像的色彩特征,使其存在误检与漏检的不足,引入余弦调制高斯滤波(cosine modulated Gaussian,CMG),设计了基于颜色度量因子与局部特征聚类的图像复制-粘贴篡改检测算法。利用CMG来求取图像的尺度响应值,并通过极值计算来提取图像的候选特征点;再利用像素点的光谱反射模型来建立颜色度量因子,从候选特征点中确定图像的鲁棒特征点。构建特征点的邻域圆,并求取该圆域中的四元数指数矩(quaternion exponent moments,QEM),从而得到相应的特征向量;利用特征向量来计算特征点间的欧氏距离,完成图像的特征匹配。最后,利用匹配点对的R、G、B值,形成特征点的局部特征,实现图像特征的聚类,准确定位复制-粘贴伪造内容。仿真结果显示,较当前的复制-粘贴伪造检测方法而言,对于简单的复制-粘贴篡改和复杂组合篡改,所提方法都具备更高的检测精度与鲁棒性。     

基于边缘像素约束规则与双特征模型的图像修复算法

为了解决当前基于样本块的图像修复算法主要是常采用固定尺寸的样本块进行重构,在面对丰富的边缘细节信息时,导致重构图像中出现振铃效应以及不连贯效应等不足,提出了一种基于边缘像素约束与双特征模型的图像修复算法。首先,将图像信息熵引入Criminisi算法中,改进了优先级计算函数,确定图像修复的顺序。然后,利用Sobel算子对图像进行边缘检测,利用边缘像素所对应的灰度信息来建立边缘像素约束规则,通过边缘像素点的灰度值之差动态选择合适尺寸的样本块。最后,通过联合SSD和SSIM模型,设计双特征模型,对待修复块以及匹配块进行相似性度量,确定最佳匹配块对损坏区域块进行填充,完成图像修复。实验结果显示,与当前图像修复算法相比,所提算法具有更高复原质量与效率。所提算法具备较好的图像修复能力,在图像处理领域具有良好的参考价值。     

基于TV-Stokes方程的快速图像修复算法

提出一种快速的分裂Bregman TV-Stokes修复算法,对图像的缺损部分进行快速自动修复.该算法运用一个能量极小化模型和零散度条件得到一个非线性的TV-Stokes方程,获得图像的等照度线方向;再利用分裂Bregman方法使修复按此等照度线方向进行.实验结果表明:与基于TV-Stokes方程的图像修复算法相比,本文算法在修复速度、峰值信噪比和相对误差方面都更具优势.     

基于注意力机制的双度量小样本图像分类算法

小样本图像分类旨在利用少数几个标记样本训练出一个具有良好泛化性网络,其中基于度量学习的小样本图像分类方法具有模型简单且高效的优点。针对图像到类度量的深度最近邻网络(deep nearest neighbor neural network, DN4),提出了基于注意力机制的双重度量网络(attention based bi-metric network, ABM-Net)。在主干网络中加入注意力机制以获得更有效的特征表示,并提出将图像到图像度量与图像到类度量结合的双度量模块。实验结果表明,相较于DN4,ABM-Net的性能在数据集CUB-200-2011、Stanford-Dogs和Stanford-Cars的1-shot和5-shot分类任务中均有一定的提升。     

基于质量度量与颜色校正的多曝光图像融合算法

针对当前多曝光图像融合过程的图像质量属性选择不当,易导致颜色失真与丢失细节等问题,设计了一种质量度量耦合颜色校正的多曝光图像融合算法。首先,选择3种最显著的图像质量属性(对比度、饱和度和亮度)作为度量方式;然后,利用线性组合将得到的3种质量属性进行成加权组合,并采用幂函数来控制每个属性的影响,将较低的权重值赋予曝光不足和曝光过度的像素,消除具有视觉效果不佳的像素,从而有效保留正常的曝光像素及其明亮的颜色与细节;随后,将不同曝光图像加权组合的特征进行Laplacian金字塔分解,经过归一化权重映射后,对其进行不同系数的多分尺度融合,完成多曝光图像融合。为了避免颜色失真与细节丢失,采用基于局部饱和度的颜色校正方法来改善图像质量。实验数据表明,与当前多曝光图像融合方案相比,所提算法具有更高的融合视觉质量,可以更好地保持图像细节和校正曝光融合图像的颜色。     

基于局部熵的图像分割算法研究与实现

传统的图像分割模型有各自的缺点。LBF模型对于活动轮廓的初始化相当敏感,而CV模型不能处理灰度不均的图像。为了解决上述的缺点,提出了一种改进的图像分割模型,通过局部熵推导出图像的灰度图分布,并在此基础上提出一种与LBF相似的模型,同时与CV模型进行结合,得到局部与全局的活动轮廓模型。通过测试各类合成图片以及真实图片,这种模型不仅可以较好地处理灰度不均匀的图像,同时提升了对噪音的鲁棒性,并且降低了模型对活动轮廓的敏感程度。     

基于指数同态滤波耦合细节锐化规则的 红外图像增强算法

为了解决当前红外图像增强方法存在的光晕及细节模糊等不足,提出了指数同态滤波耦合细节锐化规则的红外图像增强算法.基于同态滤波方法,通过频域中的像素点与中心像素点的距离,构造指数型同态函数,以同时完成图像的去噪和增强对比度处理.联合相位一致性方法和自适应高提升滤波方法,构造了细节锐化机制.在图像的细节锐化中,利用相位一致性方法,通过傅里叶变换,准确提取出图像的细节特征.并引入高提升滤波方法,利用图像的均值,构造自适应的锐化因子,以形成自适应高提升滤波方法,对提取的图像细节特征进行锐化,完成图像细节内容的增强.实验结果表明,较当前的红外图像增强算法而言,所提算法具有更好的增强效果,其增强图像呈现出更为理想的对比度和更为清晰的图像边缘.     

基于非下采样Shearlet变换与差异度量的遥感图像融合算法

为了解决当前基于加权平均机制的遥感图像融合算法忽略了图像像素间的差异性,易导致融合图像出现振铃及光谱失真等问题,设计了非下采样Shearlet变换耦合差异度量的遥感图像融合算法。引入亮度-色调-饱和度(IHS)变换,获取多光(multi-spectral,MS)图像中的亮度I成分;借助非下采样Shearlet变换,计算出I分量及全色(PAN)图像对应的低频及高频系数;再利用结构相似度(SSIM)函数,对低频系数的差异性实施度量,从而构建了差异度量法则,根据低频系数间的差异性采取不同的低频系数融合策略,实现低频系数的融合;考虑图像的平均梯度信息,构建高频系数融合机制,完成高频系数的融合。基于非下采样Shearlet逆变换,对融合的高频及低频系数实施处理,获取融合结果。实验结果显示,较已有的遥感图像融合方法而言,所提技术具备更高的融合效果,其输出结果含有更大的信息熵值和更低的光谱偏差度。     

基于相似度因子与最优逼近模型的图像修复算法

当前较多图像修复算法主要通过在图像的整个已知区域内寻找最优匹配块用来填充破损区域以完成图像修复,由于该方法忽略了图像层次之间的关联性,导致修复图像存在块效应以及模糊效应等不足。对此,提出了一种基于相似度因子耦合最优逼近模型的图像修复算法。利用像素点之间的相似度关系构造了相似度因子,并将该相似度因子与TV(total variation)模型相结合,对TV模型进行改进,以克服图像修复过程中产生的不连续效应;将图像的每个分层特征融入到改进的TV模型中,并将扩散因子、辅助变量以及Bregman系数引入到融合了图像层次耦合性的TV模型中,形成最优逼近模型以克服图像修复过程中,由于图像层次耦合性差引起的模糊效应等不良现象,实现良好的图像修复效果。实验结果表明,与当前图像修复算法相比,所提算法不仅具有更高的修复视觉质量,而且还具备更高的修复效率。     

基于复Shearlet变换耦合改进引导滤波的图像融合算法

为了提升图像融合性能,更好保留源图像信息和提高图像的空间连续性,抑制伪Gibbs效应,通过结合复Shearlet变换(CST)与引导滤波器(GF)的优点,定义了一种新的图像融合方案。首先,通过双树复小波变换(DTCWT)与Shearlet变换,构建了具有平移不变性的CST,利用CST对图像分解,输出低频、高频系数;对于低频系数,利用双尺度引导滤波融合,根据邻域像素之间的强相关性来进行权重优化,提高图像的空间连续性;而对于高频系数,利用改进的Laplacian能量和与引导滤波进行融合;最后,通过逆CST技术来获取融合图像。实验表明,与当前常用图像融合算法比较,对于LIVE数据集中任意尺寸为256×256像素的2幅多聚焦灰度图像(同一场景的左、右聚焦各一幅)而言,当Shearlet变换层数为4时,所提算法具有更好的融合视觉效果与客观评价,可较好地保留源图像的信息,且提高了融合图像的空间连续性,其融合图像的熵值、互信息以及边缘强度值更大,分别为5.97、5.88与0.72。     

基于非局部空间约束的可靠性核FCM算法的图像分割

针对图像易受到噪声破坏的现象,导致传统的模糊C均值(fuzzy c-means, FCM)算法分割效果差的问题,提出基于非局部空间约束的可靠性核FCM算法,旨在有效的去除噪声干扰和保留图像细节。首先在FCM的目标函数中引入了一个非局部空间约束项,并在此基础上利用一个正则化参数来增强图像细节保留的能力;其次引入一个不确定性的聚类模型,以降低噪声点和边缘点的影响;最后使用高斯核距离代替欧氏距离,进一步提高算法对噪声的鲁棒性。利用含噪声的合成图像、自然图像和遥感图像进行实验,结果表明所提算法的抗噪性能较好,同时也能保留更多的图像细节。其中,对于被高斯噪声和椒盐噪声破坏的灰度图像,所提算法的平均精度分别为99.92%和99.97%,提高了4.02%和1.47%。     

基于双重控制网络的图像去模糊方法

传统的图像复原问题主要采用分治法,即将图像复原问题分为不同的子问题,通过对子问题处理得到最优解。由于不同处理环节之间的衔接和损失问题,子问题的最优解并不能得到全局最优解。针对此问题,提出一种端到端的双重控制网络,采用控制模块通过参数分别控制退化分支和处理分支。该网络通过特殊的编解码器结构处理特征问题——在固定尺度因子子网下,采用循环跳跃连接结构消除卷积层的堆叠块,增强输出端的特征显示。实验证明,提出方法与对比方法复原的图像峰值信噪比(PSNR)数值在30以上,结构相似度(SSIM)指标在0.90以上,且有效的改善了视觉效果。     

基于拉普拉斯分解耦合亮度调节的可见光与红外图像融合算法

为了解决当前较多可见光与红外图像融合方法的融合结果中的目标信息不突出等问题,引入拉普拉斯分解机制,采用 图像的亮度特征来融合可见光与红外图像。 借助拉普拉斯分解方法,对输入图像进行分层,求取不同的图层信息。 并利用图像 的均值特征,计算图像的亮度信息,对低频图层的融合权值进行自适应调整,从而得到一个目标信息完整度较高的融合低频图 层。 基于图像的空间频率特征,对高频图层所含的细节丰富度进行评估,以获取一个细节丰富的融合高频图层。 再利用拉普拉 斯逆分解方法,对低、高频图层完成融合。 实验数据显示,较已有的融合算法而言,所提算法的融合结果更能突出目标信息,具 备更为丰富的细节特征。     

一种迭代滤波快速图像修复算法

为了充分利用图像局部区域信息来加快信息有效扩散及克服现有算法对图像纹理细节保护不足,提出了一种迭代滤波快速图像修复改进算法。该算法从破损区域由外向内取得一组有先后次序的待修复点,通过自适应选择其高斯掩膜领域,充分汲取已知（完好）区域信息,利用领域点等值线方向信息及远近距离来调整高斯核权系数,以准确控制滤波过程中的平滑强度;实验表明,与同类算法相比,该算法在同等迭代修复次数下,图像纹理更加清晰,峰值信噪比提高,具有较好的图像修复效果。     

基于耦合混沌的局部放电信号检测

为了有效地检测局部放电脉冲信号,利用双耦合Duffing混沌振子瞬态同步突变现象对脉冲信号的敏感性和对白噪声的免疫能力,将双耦合Duffing振子应用于电机局部放电脉冲信号的检测中。根据局部放电脉冲信号的时频特性,构建适于局部放电检测的双耦合Duffing振子系统,设置双耦合Duffing振子的初始值、耦合因数、外部策动力的周期和幅值,以振子间的同步误差来检测微弱的局部放电信号。仿真测试结果表明,利用该方法检测局部放电脉冲信号,在低信噪比的条件下能取得良好的检测效果。