改进的PDE边缘保持图像插值算法

介绍了一种改进的PDE边缘保持图像插值算法.用简单的一阶微分运算大致分离出图像的平坦区域和边缘区域.对于图像的平坦区域,使用双三次样条进行插值;对于图像的边缘区域,使用改进的PDE算法,总体上减少了算法的运算量,并保持了插值图像沿边缘方向的平滑和跨边缘方向的陡峭.实验结果显示,该算法与传统插值算法相比较有一定的优越性.     

高阶混合正则化图像盲复原方法

提出了一种高阶混合正则化图像盲复原方法,用于实现模糊噪声图像的清晰化盲复原。根据自然图像边缘的稀疏特性,对图像的边缘细节成分进行了全变差(total variation TV)正则化约束,根据自然图像同性质平滑区域内像素值的变化规律,将一种高阶的类Tikhonov正则化约束运用于图像的平滑区域中,提出了一种新的高阶混合正则化模型。最后,提出一种多变量分裂布雷格曼(Multi-variable Split Bregman MSB)最优化迭代策略对提出的模型进行最优化求解。实验结果表明,提出的方法能够很好地保护图像的边缘细节,同时有效地消除图像平滑区域内的阶梯和假边缘瑕疵。与近几年的一些较好的图像盲复原方法相比,本文方法的信噪比增量(increase of the signal to noise ratio ISNR)增加了0.03~2.5 dB。     

正则化优化修正的电容层析成像图像重建算法

提出一种基于正则化优化修正的电容层析成像图像重建算法。首先利用 Tikhonov正则化法求解系统的逆问题 ,解决逆问题解的不适定性 ;然后利用优化修正法对初始图像进行修正 ,以提高重建图像的质量。实验结果表明 ,该法在重建图像质量和图像重建速率两方面均具有优势。     

基于两步迭代TV正则化的电阻抗图像重建算法

针对电阻抗层析成像(electrical impedance tomography,EIT)逆问题求解的欠定性和病态性,克服传统基于L2范数的Tikhonov正则化对介质边界的模糊效应,提出一种基于两步迭代的正则化图像重建算法.该算法采用具有良好保边性的总变差(total variation,TV)正则化函数,利用两步迭代法引入TV去噪算子,达到解的双重正则化效果.与传统最小二乘迭代算法、TV相关迭代算法相比,不仅保证了逆问题求解的稳定性,而且进一步提高了非连续分布介质区域成像的分辨能力,具有较好的成像精度.     

电容层析成像图像重建的总变差正则化算法

针对电容层析成像（ECT）逆问题解的不适定性,本文提出一种基于总变差（total variation,TV）正则化的图像重建算法。同传统的2范数Tikhonov正则化方法相比,该算法（基于1范数正则化）不仅保证了逆问题求解的稳定性,而且提高了对介质非连续分布的区域成像的分辨能力,具有良好的保边缘性。仿真及实验结果表明,该算法在重建图像质量和重建速度两方面均具有优势。     

改进正则化半阈值算法的 ECT 图像重建

针对电容层析成像技术应用于工业多相流管道检测时,图像重建中存在的不适定性、病态性问题,提出一种改进正则化半阈值算法。以L1/2范数为惩戒函数,改进求解L1/2范数所用的半阈值迭代算法中的阈值算子,并以加入加速项的Landweber算法解向量为修正向量,引入改进半阈值正则化模型,优化加速Landweber算法。实验的结果表明,改进正则化半阈值算法在重建图像中相关系数平均达0.91,图像误差平均降至0.21,成像速度保持0.04 s。复杂流型辨识中,改进算法比Landweber迭代算法相关系数提高21.67%,相对误差降低37.01%;比Tikhonov正则化算法相关系数提高22.61%,相对误差降低37.08%;比半阈值算法相关系数和误差分别提高14.85%和降低28.26%。结果表明改进正则化半阈值算法对ECT研究有较好应用前景。     

自适应图像组的稀疏正则化图像复原

基于图像组的稀疏正则化图像复原方法采用自适应的结构组字典来代替传统的基于整幅图像块的学习字典,既能够更好的学习局部特征又显著降低字典学习的时间复杂度;然而,因算法中的一些参数还未优化,使得算法复杂度还比较高。因此,本文提出了基于粗糙度的自适应图像组的稀疏正则化图像复原方法。首先,计算图像的全局粗糙度和局部粗糙度;然后,根据全局的粗糙度计算自适应调整正则化的迭代次数,根据局部的粗糙度调整学习字典所需的样本数;最后,将自适应调整出的参数应用于基于图像组的稀疏正则化的图像复原中。将本文所提出的方法应用到不同平滑度图像的去文字图像复原案例中,实验结果表明,在保证相近的复原效果下,能够大幅度提升效率,尤其在较为平滑的图像中能够达到接近30倍的加速比。     

基于小波变换的正则化盲图像复原算法

提出了一种将小波变换和自适应正则化方法相结合的盲图像复原算法。该算法先对退化后的图像进行小波分解,得到图像在不同子频段的信息;然后针对各个子频段内图像的频率和方向特性,使用不同的自适应正则化复原方法,在图像的低频子频段进行去模糊;高频子频段则进行抑制噪声和保边缘特征;最后通过小波逆变换得到复原后的图像。实验结果表明, MSE减少了1.60,信噪比增量为1.76,算法性能和复原效果相对空间自适应正则化方法,都有一定的提高。     

分段正则化正交匹配追踪算法

为了使压缩感知重构算法在实际重构信号时不需要稀疏度先验信息,本文提出了分段正则化正交匹配追踪算法。该算法根据信号重构残差量设计阈值,构建候选集。通过正则化候选集提取出用于表示信号的原子,并将其存入支撑集;当候选集为空集时,选择相关系数最大的原子加入支撑集。最后,针对支撑集中的原子求解最小二乘问题实现信号的逼近和残差量的更新。实验结果表明:针对长度为256的高斯信号和二值信号,提出的算法在稀疏度分别达到50和40时,精确重构率可达90%以上;在信号稀疏度相同的条件下,重构效果和速度整体优于现有的同类算法,具有速度快、稳定性好的特点。     

基于改进正则法的ECT图像重建算法

电容层析成像图像重建是一个典型的病态问题,其解是不稳定的。为获得良好的重建效果,需要采用既保证解的稳定性且又能提高重建图像质量的算法。本文提出了一种新的图像重建算法。在分析标准Tikhonov正则法的基础上,针对ECT逆问题的病态性进行改进,并推导出两步图像重建算法：第一步利用标准Tikhonov正则法的计算值获得权矩阵的估计;第二步采用本文所推导的改进Tikhonov正则法获得最终的重建图像。数值实验表明,该算法所获得的图像重建质量得到了明显的提高,且该算法无需迭代,保证了算法实时性。     

保留结构特征的稀疏性正则化图像修复

以压缩传感和稀疏表示为理论依据,提出了一种基于剪切波变换的稀疏性正则化的图像修复模型,以便更好地保留图像的结构特征.该模型用剪切波作为图像的稀疏表示,以稀疏性作为正则化项;同时基于变量分裂法,采用增广Lagrange优化方法求解最优化问题.另外,通过交替最小化方式来降低计算复杂性.从峰值信噪比(PSNR)、结构相似度(SSIM)、收敛速度和视觉效果等4个方面验证了算法的有效性.结果显示:利用本文算法修复图像的质量明显优于其他算法,获得了更优的PSNR和SSIM值.新的模型无论是在客观还是视觉主观方面都具有更好的性能,同时算法具有更快的收敛速度.得到的结果表明本文算法能够更好地修复图像,获得较好的视觉效果.     

基于边缘检测小波变换的红外与可见光图像融合方法

简要地论述了图像融合中主要的三种像素级融合算法,即简单方法、基于塔形分解以及基于小波分解的融合方法,在现有的红外与可见光图像融合方法之上,提出了以边缘检测为基础的一种小波变换图像融合方法,并对融合效果进行了评价。实验结果表明,经该方法对红外与可见光图像的融合可以提供更多、更有效的信息,提高了图像的分辨效果和人眼对场景目标的发现和识别概率,融合效果较为理想。     

局部保护降维与高斯混合模型的高光谱图像分类

高光谱图像具有高谱间分辨率和低空间分辨率的特点,传统的分类方法难以得到较高的分类精度。针对该问题,该文研究了两种局部保护降维法——局部保护投影(LPP)和局部保护非负矩阵分离(LPNMF)对高光谱图像降维,这两种方法能很好地保护输入空间相邻像素间的局部特征。由于高光谱图像各类间的统计分布多为复杂的多模型结构,文中采用高斯混合模型(GMM)分类器对降维后的数据进行分类。实验结果表明,将局部保护降维与高斯混合模型相结合的高光谱图像分类算法不但在小样本情况下能有效地提高分类精度,而且在背景像素混合的情况下和高斯白噪声环境中具有一定的鲁棒性。     

ECT图像重建正则化参数选取新方法

电容层析成像图像重建是一不适定反问题。此种情况下，仅使用最小二乘法不能保证获得满意的介质分布图像重建结果，因此广泛使用TIkhonov正则化算法来产生适当的解。正则化参数的合适选取对图像重建至关重要，其对重建质量和计算时间都有影响。本文提出了一种基于最平坦斜率的Tikhonov正则化参数选择方法，并针对2种典型介质分布，将基于此方法计算的正则化参数同L-曲线法在电容测量数据无噪声和施加噪声情况下的图像重建结果进行了比较。     

基于显著性图像边缘的全参考图像质量评价

大部分图像质量评价算法仅研究图像的灰度值及信息内容,没有充分考虑人眼视觉特性对图像质量评价的影响,针对此问题提出了一种基于显著性图像边缘的全参考图像质量评价方法。利用显著性图像表征图像的视觉关注内容,然后提取显著性图像的边缘检测图,得到人眼关注的结构和边缘,最后计算参考图像与失真图像边缘检测图之间的汉明距离得到图像质量评价指标。实验结果表明本文提出的评价指标满足人眼视觉特性,对于各种失真类型有非常高的主观一致性,评价性能也优于很多其他指标。     

适用于光照不均匀图像的边缘检测算法

首先利用图像梯度方向特征改进Canny算法,使之更适合连续边缘的检测。然后将其与基于侧抑制原理的图像增强算法结合,设计了一种新的适用于噪声背景下光照不均匀图像的边缘检测算法。算法实验结果表明该边缘检测算法能有效提取光照不均匀图像中的连续边缘。     

一种基于梯度和零交叉点的图像边缘检测新方法

本文提出了一种基于一阶导数局部极大值和二阶导数零交叉点的图像边缘检测方法。许多传统的边缘检测方法，尤其是一些基于二阶导数零交叉点的方法，对于信号中的噪声比较敏感使得边缘信息不能完全准确地检测出来，而本方法可以较好地解决这些问题。本文提出的算法是先计算出像素一阶导数的局部极大值以及二阶导数对应的零交叉点，将两者进行比较，删除那些二阶导数是零交叉点但一阶导数不是局部极大值的像素点，最后把剩下像素连接起来，即是图像边缘。实验研究结果表明该方法具有良好的边缘检测效果和鲁棒性。     

应用像素邻接特性分析的激光边缘图像修复

针对现有边界提取方法用于复杂工业环境的不足,提出了一种应用像素邻接特性分析的光斑边缘图像修复方法.首先,通过对边缘图像的距离变换和连通分量标记得到一张标号图像,该图像把与最近边缘距离低于某一数值的背景像素标注为边缘候选点,其他背景像素标注为独立的连通区域.然后,依据真实边缘的邻接特性对候选边缘候选点重标号,实现断裂边缘的连接.最后,从邻接特性的角度对噪声进行分类并去除,从而完成激光边缘图像的修复.实验结果表明:该方法能有效修复8 pixel的边缘缝隙并去除较大的噪声;引入的中心定位均方根(RMS)误差为0.05 pixel,峰值(PV)误差为0.086 pixel,稳定地保持在较低的水平;单次图像修复耗时小于130 ms,实时性较好;能用于工业在线中心定位检测.     

由形态学边缘模式匹配实现数字稳像

针对在一些实际应用场合摄像机设备的震动造成的视频序列失稳,提出了一种基于形态学边缘模式匹配的数字稳像方法.该方法首先利用形态学方法提取视频图像边缘,然后利用当前帧子块与参考帧子块的边缘进行特征匹配,以确定当前帧子块相对于参考帧的局部运动矢量.对得到的局部运动矢量进行分析判决,以确定该局部运动矢量是否为真正的抖动偏移量,消除视频帧本身因存在局部运动目标、低对比度、纹理区域等因素对全局运动矢量估计的影响;最后,通过判别确认的局部运动矢量确定全局运动矢量并进行运动补偿,实现数字稳像.仿真实验表明,由于该方法的块局部运动矢量采用1 bit边缘进行最大相关值估计,因而复杂度低,而采用异常情况判决准则消除了其对真正运动矢量估计的影响,稳像精度高,可应用于因摄像头平移震动等因素造成的视频序列失稳.