基于邻域信息约束与自适应窗口的立体匹配算法

针对传统的Census立体匹配算法对噪声敏感,在视差不连续区域容易出现误匹配的问题,提出了一种基于邻域信息约束与自适应窗口的立体匹配算法.首先,针对传统Census算法对中心像素依赖高的问题,采用邻域十字窗口的加权平均和的方式对中心像素进行赋值.然后,通过设置自适应阈值,将支持窗口的邻域像素与中心像素进行相似性的二次代价计算并与初始代价进行融合,对匹配结果进行进一步约束.在代价聚合阶段,采用颜色阈值不断变化的三约束法进行窗口的构建,并在聚合过程中引入噪声剔除策略.最后,在视差精化阶段采用左右一致性检测与区域投票相结合的方法对视差图进一步优化.使用Middlebury测试平台的标准立体图像进行实验,结果表明:该方法能够有效降低图像对高斯噪声的敏感性,并在误匹配率上低于多种立体匹配算法.     

结构测度约束下基于加权分形的图像修复算法

在获取待修复块的最佳填充块时,为了扩大搜索匹配范围,并适当提高结构像素在搜索匹配过程中的权重,提出了一种局部结构测度约束下的基于加权分形的图像修复算法．该方法对选定的定义域块进行几何变换和同构变换,构造码本,扩大搜索匹配范围; 计算各向异性非线性结构张量,得到局部结构测度,据此构造归一化权系数; 进行亮度变换,在局部结构测度的约束下,将待修复块与码本块进行加权匹配,通过最小化加权误差,导出新的亮度变换参数; 利用码本中加权误差最小的数据块来填补待修复块．实验表明:该方法能够很好地补全破损的几何结构,并使得新填充区域与源区域保持很好的一致性,其修复结果的主观质量和客观评价指标都得到了显著提高．     

图像修复问题的低秩对偶逼近算法

为改进传统基于样本修复方法在实际应用中的不足,提出了一种新的图像修复算法.新算法以显著性排序法确保优先修复含明显结构边的目标块,利用图像欧氏距离搜索与该目标块匹配的相似样本块,对由搜索样本向量化构成的相似块矩阵进一步采用低秩对偶逼近提取可用信息以修复缺失像素.实验表明,新算法能够准确地优先修复显著性结构,且对多种类型的缺失均具有较好的修复效果.     

一种面向弱纹理图像的特征点描述子

现有的大多数特征点提取算法适用于处理纹理丰富的图像,而对于弱纹理图像则无法提取有效的特征点. 对此,提出了多邻域结构张量特征(MNSTF)算法. 基于一系列固定的邻域和图像结构张量,通过表达局部图像的结构和纹理信息,解决了弱纹理和无纹理场景下特征点提取和匹配等相关问题;同时,通过计算邻域之间的相对方向,实现了MNSTF算法特征描述子的旋转不变性. 实验结果表明,MNSTF算法在经过旋转的弱纹理图像测试集上的特征点匹配准确率达到了99.9%以上,验证了其良好的适用性、旋转不变性和鲁棒性.     

基于多尺度局部自相似性和邻域嵌入的超分辨率算法研究

多尺度局部自相似性是指同一幅图像中存在相同尺度或不同尺度的相似子块,这种图像局部结构自相似性广泛存在于自然图像中。提出了一种基于多尺度局部自相似性结合邻域嵌入的单幅图像超分辨率算法,该算法不依赖于外界图像,仅仅在原始图像的局部子窗口中搜索目标图像块的相似子块,并结合邻域嵌入算法,进一步提高参与重建的图像块与目标图像块的相似性程度。实验结果表明,与双三次插值与传统邻域嵌入算法相比,新算法在保证算法效率的前提下,能有效提升超分辨图像的重建质量。     

基于改进TV模型的修复算法在岩画修复中的应用

从数学角度来看,图像修复就是将待修补区域周围的信息填充到待修补区域中。传统的基于TV模型的图像修复算法对小区域破损的图像有较好的修复效果,但是对参数较敏感,传统TV算法修复稍大破损范围的图像容易出现模糊现象和阶梯效应。为了克服上述缺陷,结合非线性扩散的思想提出了一种改进的基于TV模型的岩画修复算法,该算法能够有效解决传统TV修复算法小区域失效的问题。实验结果表明,该算法相较于传统的TV模型取得了较好的修复效果。     

自适应窗口和半全局立体匹配算法研究

针对区域立体匹配算法中匹配窗口的选择和在图像中视差不连续、弱纹理区域误匹配率较高的难题,提出了一种自适应窗口和半全局算法相结合的立体匹配算法.该算法先通过基于灰度的自适应窗口算法计算初始匹配代价,然后利用相邻像素之间的视差梯度作为约束,采用半全局立体匹配算法以得出视差图.最后对左右视差图进行左右一致性遮挡检测,获得精确的稠密视差图.针对不同的图像信息采用自适应窗口和半全局算法相结合的立体匹配算法,剔除、修正了视差不连续、弱纹理区域的误匹配点,得到匹配效果较好的视差图.实验结果表明:该算法有效降低了视差图在视差不连续、弱纹理区域和遮挡处的误匹配率.     

广义不完备混合决策系统的知识约简

针对现实中同时具有丢失型和遗漏型未知属性的混合决策系统的约简问题,建立了广义不完备邻域粗糙集模型,提出了未知属性的辨别方法,给出了一种混合约简算法.模型采用广义邻域关系度量不可分辨关系,通过邻域信息粒子逼近论域空间,是非对称相似关系和容差关系的广义化.依据分类一致性假设及广义邻域关系进行未知属性的辨别,讨论了噪声样本和邻域大小对分类精度的影响.采用UCI数据库中5组数据进行了仿真试验,预测精度证明了约简算法的有效性和可行性.     

基于面积比不变量的遥感图像配准算法

为提高遥感图像配准性能和效率,提出一种基于面积比不变量的遥感图像配准算法,目的是利用面积比这一邻域约束快速去除错误匹配。为表征匹配的邻域结构,对每个初始匹配构建中值K最近邻（KNN）图,在中值KNN图中计算面积比不变量作为邻域结构的表示。由于错误匹配会打破邻域结构的相似性,其邻域结构之间的误差较大,可设置阈值将其移除。该算法最大的优点是不需要迭代便可以得到较为精确的特征匹配。实验结果表明,该算法具有较好的匹配效果和较快的处理速度,能够较好地实现遥感图像的自动配准。     

SIFT特征在图像配准过程中的应用研究

针对现有基于特征的图像配准方法所存在的特征提取的多样性和相似度计算的复杂性等问题,提出了一种基于SIFT特征的图像配准方法．首先利用SIFT算法提取出图像的特征点,用欧式距离比进行特征匹配,然后利用图像位置的先验条件,采用RANSAC算法去除误匹配,最后计算出待配准图像和基准图像间的变换关系参数．实验结果证明了该算法的有效性．     

基于改进Harris的图像拼接算法

针对传统Harris角点检测算法进行改进,提出了一种基于改进Harris的图像拼接算法.首先,通过修改角点响应函数,引进8邻域比较以及圆形非极大值抑制窗口,采用NCC算法对检测出的Harris角点进行粗匹配,采用RANSAC算法剔除误匹配,最后对匹配图像进行图像融合,完成图像拼接.仿真结果表明,该算法提高了图像拼接的准确性、稳定性和鲁棒性,能够达到无缝拼接,具有优良的实用性.     

结合PCM和MIE的多模态图像配准方法

针多模态图像配准问题,提出了一种基于相位一致性模型（PCM）和互信息熵（MIE）的配准方法.通过相位一致性模型同时提取多模态图像的角点和边缘特征,在边缘图上取角点的邻域,依据邻域间互信息熵的最小值在估计区域搜索匹配特征,利用RANSAC算法去除错配,进而确定待配准图像间的变换参数.实验表明：该方法达到了像素级配准精度、求解稳定,对多模态引起的非线性灰度变化、光照变化、噪声等都具有较强的鲁棒性;计算精度较基于同类特征的配准方法高,角点、边缘等几何特征综合运用在多模态图像配准中效果良好.     

一种改进的灰度图像修复算法

针对大面积破损区域图像修复中Criminisi算法存在修复质量差和时间复杂度高的缺点,提出一种改进的图像修复算法。改进算法将优先权的计算形式由相乘变为相加,并增加梯度数据项对优先权的计算方式。通过结构信息控制优先权,从而优先修复结构信息。设计根据待修补块中心点的梯度大小,使用全局搜索来寻找匹配块,以提高修复质量和速度。对置信度更新的方式进行修正,引入每次匹配的精度作为惩罚因子的参数,以减小误差向下一次迭代的传播。仿真实验显示,改进算法的修复效率比原算法提升了58%到70%,且修复质量的视觉效果有所提升。     

基于轮廓-纹理分解的图像修补技术研究

研究了传统整体变分去噪算法和图像修补算法,提出了一种基于轮廓-纹理分解的图像修补算法.算法首先将待修补图像分解为轮廓结构图像和纹理细节图像.再对轮廓结构图像的空缺进行轮廓结构修补,并对纹理细节图像的空缺进行纹理合成.最后将修补后的轮廓结构图像及纹理合成后的纹理细节图像进行合成,得到需要的修补图像.这种方法能够很好地修补图像空缺部分的轮廓结构及纹理细节.实验结果表明,该算法比纯结构图像修补法或纯纹理合成法要好.     

基于梯度和MRF模型的视差估计算法

提出一种基于梯度和MRF(Markov Random Field)模型的视差估计及优化算法．采用图像灰度和梯度加权联合的方法进行块匹配运算,获得初始视差场．然后根据顺序匹配准则对该视差场进行交叉块检测,并运用基于MRF模型的因果预测对误匹配块进行迭代校正,最终获得较为精确平滑的视差场．实验表明,与传统块匹配法相比,该算法生成的视差场能够将预测图像峰值信噪比提高1.2~1.8dB,且运算时间在1s以内．     

基于分形的数字图像修补算法

针对传统图像修复方法中搜索范围局限于待修复图像源区域的问题,提出了一种新的基于分形的数字图像修复算法,首次将分形理论应用于图像修复领域,利用图像的自仿射性(或自相似性)对破损图像进行修复。首先,在图像的源区域中选取定义域块,经仿射变换后建立码本;然后,从码本中查找待修复块的最佳匹配块,同时为了加快查找速度,降低计算复杂度,采用了基于方差和内积的快速搜索算法来提高修复效率;最后,用查找得到的最佳匹配块对待修复块进行填补。提出了一种改进的优先值计算方法,在计算优先值时加大置信度的比重,从而可以加强搜索匹配过程中的约束,使得修复过程总体按照"剥洋葱"的顺序进行,同时兼顾线性结构的延伸。实验结果证明,与传统修复方法相比,本算法不仅提高了修复质量,同时也提高了修复效率。     

基于时空特征和神经网络的视频超分辨率算法

提出了一种基于时空特征和神经网络的视频超分辨率重建算法,实现了视频视觉分辨率质量和细节清晰度的提升. 该算法综合考虑了外部图像块之间的关联映射关系和内部图像块间的相似性,利用深度卷积神经网络学习得到的拟合系数快速地重建视频细节. 采用时空非局部特征相似性优化重建结果,将相邻视频帧间的非局部互补冗余信息融入学习视频帧结果中,解决了误匹配等问题,进一步提升了超分辨率性能. 实验结果表明,所提方法在客观评价指标和主观视觉效果上均取得了较好的重建效果.     

基于SIFT和RANSAC的鞋印图像匹配算法

针对失真的鞋印图像的匹配问题,在研究中引入了基于尺度不变特征变换SIFT(scale-invariant feature transform)算法与RANSAC算法相结合的图像匹配方法.首先,对图像进行SIFT特征点的提取,在分析SIFT特征描述子生成的基础上,以最小欧式距离为标准来判断特征点是否匹配.然后,用最小欧式距离与次小欧氏距离之比进行初始匹配,用随机抽样一致性算法剔除SIFT算法匹配过程中存在的误匹配点对,从而实现精确匹配.实验结果表明,在局部鞋印图像中含有尺度缩放和旋转失真的情况下,该算法达到了良好的匹配精度且具有较强的鲁棒性和有效性.     

一种基于核主成分分析的图像超分辨率算法

测试样本和训练样本集的匹配是基于学习的超分辨率算法中关键问题之一。本文方法通过将低分辨率的观察样本映射到高维的核空间中,实现测试样本和训练样本集的准确匹配,避免了基于学习的超分辨率算法中错误匹配问题,提高生成图像的质量。该算法包括:测试样本对训练样本集进行核主成分分析(kernel principal components analysis, KPCA); 利用距离约束算法得到在输入空间中的原像;最后将新生成的图像块进行重组,得到高分辨率的图像。在USPS数据集上进行的实验验证和对比分析表明：基于KPCA的图像超分辨率方法能够取得较好的超分辨率效果。     

基于核函数及空间邻域信息的FCM图像分割新算法

针对传统FCM算法在进行图像分割时对噪声敏感的问题,提出一种新的基于核函数及空间邻域信息的FCM图像分割算法。该算法根据像素间灰度值的差异程度,将空间信息引入传统的FCM算法,建立新的包含邻域信息的隶属度迭代函数,实现图像的分割。同时,算法还引入核函数,用内核诱导距离代替了传统FCM算法中的欧式距离,对输入图像的样本特征进行优化。实验结果表明,本文算法能够获得较好的分割效果,同时具有较强的抑制噪声的能力。