基于特征脸空间重建的彩色人脸检测方法

提出的人脸检测方法利用人类肤色在色度空间分布的稳定性，检测出图像中的皮肤区域，然后将其在特征脸空间中投影，重建，通过求重建图像的信噪比进行判断。实验结果证明了方法的有效性。     

基于广义递归反演的超分辨率图像恢复研究

超分辨率图像恢复在安全监控、遥感监测、军事侦察等领域有着广泛的应用.文中提出了一种基于广义递归反演的超分辨率图像恢复算法,该算法引入正则化因子,将超分辨率图像恢复的欠定问题转化为适定问题,然后通过递归的方式来恢复超分辨率图像.仿真结果表明,该算法能从多帧低分辨率图像来恢复所需要的超分辨率图像,而且算法是稳健的和有效的.     

自适应非局部patch正则化图像恢复

 非局部均值利用图像自相似性,有效保持了图像的几何结构信息.提出了非局部patch正则和TV正则结合的图像恢复模型,利用改进的结构张量矩阵构造自适应非局部权函数,根据像素的局部结构计算图像中patch的相似性,提高了图像结构信息的保持性能.在数值解法上,采用分裂Bregman算法迭代求解模型,得到简单快速的迭代形式.数值实验证明所提出方法在提高恢复图像质量和算法效率上都有显著改进.     

散焦图像的深度恢复方法综述

散焦图像的深度恢复是根据两幅散焦图像模糊程度不同的特点,从两幅散焦图像恢复场景的深度信息,该方法已成功应用于工业检测、医学和军事等领域。结合国内外相关进展,主要论述了被动式散焦图像的深度恢复的确定性方法、统计方法、正则化方法和偏微分方程方法,并且分析了四种方法的优劣性。     

改进的迭代算法在图像恢复正则化模型中的应用

根据图像成像过程容易受泊松噪声的影响,提出用Kullback-Leibler距离描述保真项,用平方根复合函数描述正则项,建立具有自适应权系数的能量泛函正则化模型.由于模型的梯度退化和海森矩阵的规模较大,使得无法应用牛顿迭代算法.本文利用退化梯度幅值作为约束集,建立可对角化和容易求逆的海森矩阵,提出改进的牛顿投影迭代算法.仿真表明,该方法取得较小的相对误差、偏差,较高的信噪比和良好的视觉效果.     

最大似然空间变化图像恢复算法

在光学图像处理中,把光学成像系统看做线性空间变化系统具有普遍意义。从实际光学系统成像过程出发,考虑光学系统的点扩散函数的空间变化特性和探测器噪声特性,建立了空间变化成像模型。在此成像模型基础上,基于最大似然法提出了空间变化的Richardson-Lucy(SVRL)图像恢复算法。为了分析SVRL算法的性能,实验中利用ZEMAX软件计算不同视场的点扩散函数,而后利用此空间变化点扩散函数进行成像仿真,得到仿真成像结果,最后分别采用0视场、0.5视场、0.7视场、1视场的点扩散函数以及空间变化点扩散函数对仿真图像进行恢复。实验结果表明,对于实际的空间变化光学系统,SVRL算法的图像恢复效果十分有效。     

基于lk范数正则化的SAR图像目标特征增强

增强SAR图像的目标特征对自动目标识别等具有重要意义。该文改进了一种基于lk范数正则化方法，并用于SAR图像目标特征增强。该方法通过开发利用符合SAR图像统计特性的先验知识，构造附加约束，把图像目标特征增强问题规划为形式简单的最优化问题，并利用一种迭代算法进行快速求解。仿真和实测数据计算结果证实了该方法的有效性。     

旋转运动模糊图像的空间差分恢复研究

通过对退化图像的几何变换,利用模糊函数具有的空间不变性,提出一种基于空间域差分恢复的旋转运动图像的复原方法.首先对模糊图像进行坐标变换,然后在直角坐标空间下采用差分恢复方法,最后反变换得到恢复后的图像.计算机仿真结果和应用实例,表明了该方法的有效性.     

图像域正则化特征增强SAR成像方法

通过分析SAR成像过程和正则化特征增强方法的特点，提出了一种在图像域进行正则化特征增强的成像方法。实验结果表明，本文方法能较好地抑制旁瓣和噪声，提高SAR图像的对比度，保护目标并提高图像的分辨率，且计算量比传统方法大大减小，有效提高了计算效率。     

一种正则化图像特征增强中正则参数选择方法

正则化图像特征增强算法能够在保持图像较高分辨力的情况下抑制散斑和旁瓣。选择合适的正则化参数对于正则化算法所形成图像的质量至关重要。本文应用推广到非二次型正则化情形的广义交叉验证(GCV)、稳健广义交叉验证(RGCV)和Stein无偏风险估计(SURE)方法研究正则参数选择策略,推导了特征增强正则化方法中GCV,RGCV和SURE函数的直接计算公式,并提出了修正特征项后快速求取正则解的算法以及一般的不动点迭代算法,从而实现了正则参数的自适应选择。数值仿真和实测数据处理结果均说明所提方法的有效性。     

基于边缘定向扩散方程的图像复原方法

讨论了光学图像中同时存在噪声与模糊时的复原问题。采用一种能根据边缘方向自适应选取扩散系数的各向异性扩散方程来约束复原后的图像的光滑性质,将其和图像复原模型一起使用,得到了一种图像复原的正则化模型,并利用Eluer方程将该模型转换成一种可以快速求解的各向异性非线性扩散模型。在光滑性约束项的构造上,构造了一种基于边缘定向扩散的各向异性张量型扩散方程,能有效地根据边缘的方向确定是增强边缘还是滤除噪声。相比图像复原的迭代正则化方法,新方法能在复原图像的同时有效地抑制噪声,并有效地减轻边缘处的振铃效应。数值计算结果表明,新方法在整幅图像的复原效果上明显强于迭代正则化方法,尤其在对背景噪声的抑制上效果更明显,峰值信噪比（PSNR）也比迭代正则化方法平均提高了约2dB。     

考虑亚像素配准误差的超分辨率图像复原

超分辨率图像复原作为第二代图像复原方向,已成为目前国际图像复原界的一个研究热点.一般来说,超分辨率图像复原是一个病态问题,可以结合图像的先验信息,使其成为良态的,这需要有效的规整化算法.但是,规整化参数的选择多数情况是通过经验确定的,且现有的一些计算规整化参数的方法又过于繁琐.本文讨论了亚像素配准误差引入的情况下噪声的统计模型,利用Miller规整的思想给出了简易可行的规整化参数计算方法.这种规整化参数计算方法能够自适应地根据配准误差和观测噪声局部调整由于配准误差导致的失真.仿真结果表明得到的规整化参数能使规整化算法有效收敛.     

进化策略在图像恢复中的应用

进化策略是模拟自然界生物进化过程的计算模型是一种全局优化搜索方法，本文将改进的进化策略引入灰度图像恢复中，提出一种图像恢复的新方法。     

基于投影的稀疏表示与非局部正则化图像复原方法

提出一种基于投影的稀疏表示与非局部正则化相结合的图像去模糊、去噪图像复原方法.该方法结合了自适应构造字典的稀疏表示与非局部总变差,提出的正则化模型分解为三个投影子问题进行求解以提高求解效率.实验结果表明,本文所提出的图像复原方法能够有效地保持原图像的纹理细节信息,对于不同程度的退化图像上均有较好的复原结果,在视觉效果和客观评价指标上均优于相比较的现有方法.     

泊松噪声模糊图像的边缘保持变分复原算法

从贝叶斯估计出发,构造了一种新的变分模型,用于复原被泊松噪声污染的模糊图像.首先讨论了模型正则化项中具有边缘保持能力的函数选取以及模型求解的相关问题,然后将变分模型的求解转化为可快速求解的非线性扩散方程,给出了正则化参数选取的初步空间自适应方法,可以区分平滑区域和图像边缘自适应的调节参数.实验结果表明,本文方法的复原效果整体上优于传统的迭代正则化方法,复原图像的边缘得到了有效的保护,泊松噪声的抑制效果明显,复原图像提高的改进信噪比(ISNR)要比迭代正则化方法平均提高1 dB以上.     

基于降维处理的图像超分辨率恢复方法研究

研究了利用单幅低分辨率图像重构高分辨率图像的问题.针对以往基于样本库进行图像重构算法效率较低的缺陷,提出了一种利用支持向量机回归和PCA进行特征压缩的图像重构算法.实验结果显示本文方法较插值算法有更优的恢复结果,并能同时保证较好的实时处理特性,能很好的逼近原始的真实图像.     

基于广义规整化的红外湍流退化图像盲复原方法

针对湍流环境下红外成像的特点,提出了一种基于广义规整化的湍流退化图像盲复原方法.该方法在合理建立红外图像退化模型的基础上,根据极大似然估计准则来设计.为了抑制噪声同时有效地引入关于图像的先验信息,对传统的规整化方法进行了扩展,提出了广义规整化的策略,将规整化分为两个各有侧重点的层次,即复原过程中噪声的抑制和含噪条件下红外图像相关特征的保持,根据有限的先验知识将复原问题的求解转化为带规整化约束的最优化估计问题,进而复原湍流退化图像.