从多幅参考图像合成目标图像的逆映射算法

提出了一种从多幅参考图像来合成新视点目标图像的逆映射算法.这种方法不但成功地填补了由于投影区域扩张而产生的第1类空洞,而且还成功地填补了由于空间非深度连续物体相互遮挡而产生的第2类空洞,从而方便地实现了虚拟环境中的漫游.基于物体表面深度的连续性,提出了一种位移预测方法.该方法可以从单幅参考图像获得逆映射过程中所需要的目标图像的位移信息,从而大大提高了算法的效率.与通常的正向映射算法相比,该算法克服了多幅参考图像所带来的计算量成倍增长等问题,而且误差较小.     

基于非下采样Contourlets的CT／MRI图像自适应融合

结合人类视觉特性,针对CT/MRI医学图像的特点,提出了一种基于非下采样Contourlet变换的图像融合算法.先对源图像作非下采样Contourlet变换,完成图像的多尺度分析和方向分析.充分考虑各尺度分解层的系数特征,对低通子带,基于评价准则最优,采用免疫克隆选择优化策略迭代获取近似最优融合权值;对高通子带则选取绝对值最大作融合.实验结果表明:分别与基于小波、非下采样小波,以及Contourlet的融合结果相比较,文中融合算法获得的融合图像边缘的清晰度,以及整体的对比度都有所改善.     

用于图像逆映射的搜索转移算法

图像逆映射是基于图像绘制技术的基础算法，但由于需要进行繁琐的参考域搜索过程，传统图像逆映射算法计算复杂度大、效率低。本文提出一种快速图像逆映射算法——搜索转移算法。该算法从场景的极线几何性质出发，将大量匹配搜索过程从参考域转移到目的域中进行，由于在目的域只需进行简单的判断操作，因此可以大大降低整体的匹配复杂度；同时，算法充分利用场景的空间连贯性，通过为目的域制定自适应的绘制顺序，有效地减小了实际需要搜索的步长。实验表明，搜索转移算法简单有效，能极大地降低搜索复杂度95％以上，提高计算效率10倍左右。     

图像融合的非负线性混合模型与算法研究

本文提出了一种适用于像素级图像融合的非负线性混合模型,该模型的意义在于任何像素级图像融合问题都可以用此形式化模型来表示.针对实际融合问题,根据实际情况对模型进行具体化或者简化,就能够得到具体融合问题的融合算法.在此基础上,根据图像融合的实际问题,本文给出了该模型的一种简化模型,并对简化模型的求解问题进行了深入研究.通过将简化后的模型转化为具体的优化问题,给出了一种快捷的图像融合迭代算法.所求出的图像融合结果综合了源图像中的特征信息,使得融合图像的特征信息损失较少,更接近于理想的真实图像.该方法的收敛性可以保证,是对现有图像融合方法的补充,能够应用于多种实际的图像融合处理中.大量的实验并与其他的融合算法的比较分析表明了本文算法的有效性和优越性.     

基于低分辨率图像融合的超分辨率恢复方法

提出一种基于多帧低分辨图像融合的超分辨率图像恢复算法。将多帧低分辨图像融合成一帧与高分辨图像分辨率一致的图像,并对其中一幅低分辨图像插值,形成迭代恢复算法的初始值,在此基础上以Tikhonov正则化方法求解原始高分辨图像。分析和实验结果表明,该算法具有良好的鲁棒性,并且计算速度较快。     

二维双尺度矩形映射及其在图像置乱上的应用

传统的二维等尺度矩阵变换不能直接对矩形图像进行置乱,对于任意矩形图像需通过正方形扩展或分块处理,由此带来了一次迭代过程中额外的运算代价.为此,提出一种用于任意矩形图像置乱的二维双尺度矩形映射,并证明了双尺度矩形映射是任意二维双模线性映射满足一一映射的充分必要条件;然后结合二维等尺度矩阵变换和二维双尺度三角映射2类特殊映射的逆映射,给出了双尺度矩形映射的逆映射.实验结果表明了文中映射对任意矩形图像置乱的有效性,对矩形图像置乱和恢复的低代价性,以及对剪切、擦除和JPEG有损压缩攻击的鲁棒性.与已有方法相比,文中映射具有最小的一次置乱和恢复的代价、更大的变换阵生成空间,且无需计算最小可恢复周期.     

基于面积投影的图像配准方法

针对低分辨率图像之间的配准精度问题,直接影响到超分辨率图像的重建质量.通常图像之间的平移和旋转,采用基于泰勒级数展开的迭代配准算法以及频域配准算法.传统的泰勒级数展开的迭代配准算法的配准精度取决于图像的低阶逼近误差及迭代过程中图像的插值近似运动变换所造成的误差.采用泰勒级数展开的配准算法进行了改进,以面积投影变换来替代原有迭代算法中的图像插值变换,这种图像变换算法更加符合图像的成像原理,仿真结果表明,算法能够有效提高低分辨率图像间平移和旋转角度的配准精度.     

一种基于亚像素边缘特征的医学图像融合方法

一种新的基于亚像素边缘特征的图像融合算法。该算法通过使用一种亚像素边缘检测算法提取图像的亚像素边缘特征,采用奇异值-迭代最近点法(SVD-ICP)实现轮廓间配准和利用小波极大值融合算法实现图像融合。     

基于MRF模型和EM算法的多源图像融合方法

提出了两种图像融合方法.该方法首先利用EM-MRF算法与模糊分类方法的等价性,将EM-MRF算法引入到图像融合领域.在此基础上,利用统计模型对图像进行非监督分类的模型参数估计转化通过EM算法从不完全数据中估计模型参数的问题,并利用Markov随机场模型建立类别的先验概率、EM迭代算法进行图像分类的方法有较高的分类精度和鲁棒性,导出了基于分布式和集中式多传感器图像融合模型的两种融合方法.最后仿真试验表明,这两种融合方法既可以提高分类精度,又可以加强对噪声的抗干扰能力.     

小波融合技术在图像分割算法中的应用研究

针对图像分割出现一些重要信息丢失与过分割的问题,提出了将小波融合技术应用到图像分割算法中,并对其进行实验验证。首先将图像分别进行Canny分割与迭代阈值分割;然后将这两种分割后的图像进行小波融合,得到融合图像。实验验证结果表明,与传统的Canny分割、迭代阈值分割相比,该算法能结合这两种分割算法的优点,互相弥补各自的一些不足之处并具有一定的抗噪声能力。