基于稀疏正则化和变量分裂的图像去模糊

传统的图像去模糊方法易产生振铃和边缘模糊等“伪像”效应,针对这一问题,采用非光滑的正则项约束图像在稀疏字典下表示系数的稀疏性,并引入非负约束项,提出了图像的稀疏正则化去模糊模型。进一步,基于交替方向拉格朗日乘子算法,提出了求解该模型的多变量分裂迭代快速算法,将复杂问题求解转化为三个简单子问题的迭代求解,降低了模型求解的复杂性。实验结果表明,所提出的去模糊模型及其快速算法相对较好地保持了图像的结构特征和平滑性,并降低了计算复杂性。     

基于FCM和离散正则化的多目标图像分割

针对机器视觉中的多目标图像分割问题,提出一种适用于多目标物体的图像分割算法.首先对图像进行图像增强预处理;然后采用基于直方图的模糊C均值聚类算法完成分类任务,实现图像的初分割,将分类后的像素作为种子集;最后利用离散正则化的半监督方法得到自动修正分类结果.实验结果表明,与已有的多目标分割算法相比,该算法分割结果更加精确.     

稀疏性正则化的图像泊松恢复模型及分裂Bregman迭代算法

生物医学、天文等成像系统通常会受到泊松噪声的干扰, 基于图像在过完备字典下的稀疏表示, 在贝叶斯最大后验概率估计框架下, 建立了针对泊松噪声的稀疏性正则化图像恢复凸变分模型, 采用负log的泊松似然函数作为数据保真项, 模型中非光滑的正则项约束图像表示系数的稀疏性, 并附加恢复图像的非负性约束. 进一步, 基于分裂Bregman方法, 提出了求解该模型的多步迭代快速算法, 通过引入辅助变量与Bregman距离, 可将原问题转化为两个简单子问题的迭代求解, 大幅度降低了计算复杂性. 实验结果验证了本文模型与数值算法的有效性.     

基于前向后向算子分裂的稀疏性正则化图像超分辨率算法

提出了一种新的基于稀疏表示正则化的多帧图像超分辨凸变分模型, 模型中的正则项刻画了理想图 像在框架系统下的稀疏性先验, 保真项度量其在退化模型下与观测信号的一致性, 同时分析了最优解条件. 进一步, 基于前向后向算子分裂法提出了求解该模型的不动点迭代数值算法, 每一次迭代分解为仅对保真项的前向(显式)步与仅对正则项的后向(隐式)步, 从而大幅度降低了计算复杂性; 分析了算法的收敛性, 并采取序贯策略提高收敛速度. 针对可见光与红外图像序列进行了数值仿真, 实验结果验证了本文模型与数值算法的有效性.     

基于稀疏分解和改进MRF模型的SAR海冰图像分割方法

合成孔径雷达(SAR)海冰图像的精确分割是准确解译海冰分布信息的前提,但现有分割方法受相干斑噪声影响严重,分割误差大,解译结果可靠性低。提出一种基于低秩稀疏表示的SAR海冰图像分割方法,首先利用噪声分布的稀疏性,通过鲁棒性主成分分析提取图像的稀疏分量,再利用双边滤波增强图像细节信息。针对基于固定势函数的MRF分割模型无法准确反映图像区域间关联性的问题,根据贝叶斯置信传播算法建立基于交互势函数的MRF分割模型准确分割海冰图像。利用Radarsat系列卫星数据验证算法性能,结果表明:和传统算法相比,本文算法在保持分割图像连通性的同时,能增强图像的细节信息,具有更高的分割精度。     

基于Hessian矩阵和RSF模型的CT图像淋巴结分割

临床上医生分割淋巴结主要依靠手动,针对手动分割淋巴结的缺点和局限,本文提出一种基于Hessian矩阵和区域扩展拟合水平集模型(Region-Scalable Fitting,RSF)的淋巴结自动分割算法。该算法首先利用Hessian矩阵对CT图像中的淋巴结进行增强,并得到淋巴结粗略轮廓,然后把该粗略轮廓作为RSF模型的初始轮廓,并利用RSF模型对初始轮廓进行演化以实现淋巴结的有效分割。将该方法应用于6个病例的CT淋巴结图像中,初步实验结果与医生手动分割结果对比,平均重叠率93.3%,平均Hausdorff距离为3.8 mm。     

基于联合约束策略和稀疏表示的图像分割

基于像素级的交互式图像分割算法对初始种子位置和噪声敏感,同时仅基于超像素的分割方法无法保留图像细节经常导致分割结果出现欠分割问题。针对上述问题,提出超像素/像素约束和稀疏表示的图像分割模型。该方法利用高斯函数分别对像素和超像素构造了相互约束的代价函数,引入了稀疏分解对模型进行优化以提升模型对图像噪声的鲁棒性,最后利用联合优化策略对代价函数求解估计出目标和背景标记实现目标提取。实验结果表明,与现有的分割方法相比,提出的方法能获得较好的分割效果,对高斯噪声和椒盐噪声具有较强的鲁棒性。     

一种基于正则化和Watson 视觉模型的图像指纹算法

大量多媒体应用的发展使得数字图像很容易地被非法操作和篡改,提出一种基于 图像正则化和视觉特性的图像指纹算法,可以有效地实现图像的认证和识别。首先对图像进行 正则化预处理,消除几何形变对图像的影响,然后对图像进行分块DCT 变换,利用Watson 视 觉模型对DCT 系数进行处理,增大人眼敏感的频域系数在计算图像特征时的权重,经过量化形 成最终的指纹序列。在图像指纹序列生成过程中,加入密钥控制,提高了指纹的安全性。实验 结果表明,该方法的冲突概率在10–7 数量级,对JPEG 压缩、旋转、缩放等操作具有较好的稳 健性。     

Salient object detection via region contrast and graph regularization基于区域对比度和图正则化的显著目标检测

Detection of salient objects in an image is now gaining increasing research interest in computer vision community. In this study, a novel region-contrast based saliency detection solution involving three phases is proposed. First, a color-based super-pixels segmentation approach is used to decompose the image into regions. Second, three high-level saliency measures which could effectively characterize the salient regions are evaluated and integrated in an effective manner to produce the initial saliency map. Finally, we construct a pairwise graphical model to encourage that adjacent image regions with similar features take continuous saliency values, thus producing the more perceptually consistent saliency map. We extensively evaluate the proposed method on three public benchmark datasets, and show it can produce promising results when compared to 14 state-of-the-art salient object detection approaches.     

基于 L0 范数平滑和图像分割的 CT 图像阴影校正技术研究

锥束CT的图像阴影问题严重影响了其CT值精度、低对比度目标的检测能力及剂量计算的准确性,限制了锥束CT在临床上广泛应用.为了消除图像阴影,文章首先对原始CT图像进行多阈值的图像分割,把骨骼和软组织分离并赋予标准的CT值得到模版图像;然后,利用L0范数平滑算法对原始CT图像进行边缘保护平滑,得到去除图像纹理信息的平滑图像,之后两幅图像做差后利用低通滤波即可得到图像阴影分布;最后把估计的阴影分布补偿至原始图像,得到阴影校正图像.实验发现校正后的感兴趣区域的CT误差由大于115HU下降至小于13HU,整体图像非均匀度由大于9％下降至小于1％.实验结果表明,基于L0范数平滑和图像分割的CT图像阴影校正方法可以有效地校正CT图像阴影,具有一定的临床应用价值.     

用于图像恢复的基于正则化可能性线性模型的自适应滤波器

中值滤波器在有效抑制脉冲噪声的同时,会模糊图像细节.为克服这一缺陷,文中对中值滤波器进行改进,提出一种基于正则化可能性线性模型的自适应滤波器.该滤波器的输出是原始输入信号和经典中值滤波器的加权和,而权值则根据输入的信号序列由建好的正则化可能性线性模型来决定.实验表明,该滤波器在有效滤除脉冲噪声的同时能较好地保留图像的细节信息,且针对不同比例的脉冲噪声,表现出较好的鲁棒性.     

基于非凸的全变分和低秩混合正则化的图像去模糊模型和算法

非盲图像去模糊问题是从已知核的带噪声的线性卷积变换中恢复原始图像.如果噪声是满足高斯分布的,则可以直接使用最小二乘求解.然而在大多数情况下,去模糊问题都是高度病态的,直接求解无法做到.因此,通常的做法是通过抽取原始图像的已知统计先验信息进行正则化来帮助求解问题.两种常用的正则化是低秩和全变分.早期的相关工作单独使用这两种正则化.直到几年前,人们才考虑将这两种正则化结合起来.已有的结果表明,混合正则化模型比单一模型具有更好的性能.然而,目前的混合正则化方法只是采用凸方法,非凸的工作仍然是空白的.考虑到非凸正则化在很多种情况下都比凸正则化的效果要好,因此本文使用L1/2范数和Schatten-1/2范数提出了一种新的非凸混合模型.我们使用这两个非凸函数,因为它们的近端算子很容易计算.这种非凸混合正则化模型本质上是一个非凸线性约束问题,可以通过交替方向乘子法求解.然而,非凸性使得交替方向乘子法收敛十分困难.因此,我们转向求解原问题的惩罚问题.将交替最小化方法应用于惩罚问题就可以得到提出的算法,其中每个子步骤只涉及非常简单的计算.由于惩罚参数很大时,交替极小化算法速度会很慢,为了加速算法,针对惩罚参数我们使用了预热技术,即选取很小的初值但是在迭代过程中不断将参数增大.我们证明了该算法的收敛性.数值实验验证了本文提出的模型和算法的有效性.在非常温和的假设下,我们证明了算法的收敛性.数值实验验证了本文提出的模型和算法的有效性.     

基于先验知识和区域信息的Snake模型图像分割研究

提出基于先验知识和区域信息的参数活动轮廓模型(Snake模型)图像分割.用包含先验知识和区域信息的变力替换在气球力Snake模型中的恒定气球力,并应用于模糊边界图像分割.实验结果表明,该模型与初始轮廓曲线位置无关,能完成自动分割模糊边界图像的任务.另外,对于均值相等、方差不同的目标和背景两区域图像实行分割,该模型也能获得正确的分割结果.     

基于约束的参数化驱动模型研究

参数化设计在现代CAD系统中占据着越来越重要的地位 ,参数驱动过程实质就是几何约束的满足和求解过程。针对传统CAD系统中存在的不足之处 ,本文主要讨论了基于约束的参数驱动模型的实现原理 ,几何约束的表达和求解方法 ,以及几何约束和工程约束的关联关系。概括了参数化绘图系统的主要特征。     

基于 CT 和磁共振 T2 加权图像双模态分类模型的 自发性脑出血后脑水肿在 CT 图像上的分割

自发性脑出血后脑水肿在 CT 图像呈现的模糊边缘是 CT 图像上实现脑水肿自动分割的一个严峻挑战。在磁共振 T2加权图像上,脑水肿的边界相对清晰。因此,文章提出利用14套同时拥有磁共振和 CT 图像的病例,将其磁共振 T2加权图像的手动分割金标准通过配准映射到 CT 空间,结合 CT 图像信息通过对配准后的结果进行机器学习得到脑水肿体素分类器,并利用此分类器进行 CT 图像上的脑水肿分割。采用近邻采样策略,选择公共测度子空间进行特征选择,基于支持向量机方法利用穷举法得到分割精度最高的水肿分类器;通过36套临床脑出血的 CT 数据的验证,结果显示该方法的 Dice 系数达到0.859±0.037,明显高于基于区域增长的方法(0.789±0.036,P＜0.0001)、半自动水平集方法(0.712±0.118,P＜0.0001)和基于阈值的方法(0.649±0.147,P＜0.0001)。与之对比,使用 CT 手动分割金标准得到的分类器分割精度 Dice 系数(0.686±0.136,P＜0.0001)明显小于基于 T2金标准的分类器。试验结果显示磁共振 T2加权图像上脑水肿的清晰边界在精确区分水肿与周围正常脑组织的时候可能提供更强的约束。文章提出的方法为脑出血患者的脑水肿量化、病理改变严重性的评估、以及治疗提供潜在的工具。     

基于区域GAC模型的二值化水平集图像分割算法

针对测地线主动轮廓(GAC)模型进行了改进,提出了一种基于区域的GAC模型.通过构造基于区域统计信息的符号压力函数取代边界停止函数,有效解决了弱边界目标或离散状边界目标的分割问题.该模型采用二值化水平集方法实现,避免了传统实现方法水平集函数需要重新初始化为符号距离函数,从而导致稳定性差、计算量大、实现复杂等缺点.对不同类型图像的试验结果表明:该算法迭代收敛速度比GAC模型传统实现方法明显加快,且可有效防止边界泄漏,分割效果优于传统GAC模型与C-V模型.     

基于相似性和统计性的超像素的图像分割

为了解决超像素图像分割的过分割问题,提出了一种基于超像素区域颜色直方图相似性和统计特性的合并判断准则,用来合并超像素图像分割的区域。该合并准则将超像素分割结果作为区域合并的基本单元,利用基本单元的颜色相似性、空间距离大小和统计特性进行区域合并,以解决超像素图像分割中存在的过分割问题。仿真实验结果表明,该方法能有效地改善超像素过分割问题,并且用于评价分割算法的概率Rand指数和信息变化指数都有所提高。     

基于CV和LBF模型结合的图像分割算法研究与实现

CV模型和LBF模型是两个著名的图像分割模型,然而它们有各自的缺点。CV模型不能处理灰度不均图像,而LBF模型虽然能处理灰度不均图像,但对活动轮廓的初始化很敏感,且对噪声不具有鲁棒性。为了克服上述缺点,首先对图像进行预处理,然后在得到新的图像的基础上提出与LBF类似的模型,同时将其与CV模型结合,得到全局和局部活动轮廓模型。实验结果表明,所提模型不仅能处理灰度不均匀图像,同时减弱了活动轮廓对初始化的敏感性,并且提升了对噪声的鲁棒性。     

基于纹理分布弱假设和正则化策略的自然图像抠图

针对经典贝叶斯抠图方法在函数建模和模型求解方面存在不足,提出基于纹理分布弱假设和正则化策略的抠图方法:首先针对函数建模问题,基于直方图和巴氏距离,定义和设计了对高斯分布方差进行修正的计算测度以及修正系数,提出一种考虑纹理复杂程度的自适应方差高斯分布模型;然后针对模型求解方法的不足,提出一种基于正则化策略的抠图求解模型,即通过增广拉格朗日乘子法,在基本模型中增加了数据约束项与惩罚项.通过定性和定量相结合的方式进行实验,结果表明该方法在复杂纹理区域上取得更好的效果,并且更加接近真实值.