基于各向异性MRF建模的多帧图像 变分超分辨率重建

 本文首先研究设计出结构自适应的各向异性数字滤波器,同时导出广义各向异性MRF(Markov Random Field)图像模型.它继承了各向异性数字滤波器的滤波性能,是对双边全变差模型以及经典 MRF模型的有效改进.随后,提出各向异性模型驱动的联合估计亚像素运动和高分辨率图像的变分超分辨率重建算法.实验结果显示,本文算法具有更优的噪声抑制和边缘保持性能.     

广义形态滤波实现星载SAR图像斑点噪声抑制

提出了实现高分辨率星载SAR单视图像斑点噪声抑制的广义形态滤波法.它以广义形态滤波器实现斑点噪声的抑制,并加以点目标的检测和保持,获得高空间分辨率和高辐射分辨率的SAR单视图像.最后用实际数据进行实验,验证了算法的有效性.     

彩色图像特征点检测算子

图像特征点的定位检测是计算机视觉中的一个关键问题，特征点检测算子的性能会直接影响到相机参数标定和视觉测量结果。本文在传统的Harris灰度图像的特征点检测算子基础上，利用彩色图像RGB三分量数据融合，提出了彩色图像特征点检测算子；提出了2个空间位置约束条件，使检测到的特征点均匀分布在图像各个区域；还提出了采用Bilateral滤波器取代Gaussian滤波器，得到一种既能保持边缘信息又能有效平滑噪声的图像滤波方法。通过对加噪彩色图像的特征点检测实验证明所提方法特征点定位准确，分布合理，抗噪声干扰性能好。     

基于卷积稀疏自编码的图像超分辨率重建

针对卷积稀疏编码算法中特征映射的准确性的问题,为了进一步提高图像超分辨率重建的的质量,文中提出一种基于卷积稀疏自编码的图像超分辨率重建算法。该算法首先在预训练阶段利用稀疏自编码器对输入高低分辨率图像分别进行训练,得到对应的图像稀疏特征表示;然后再由卷积神经网络根据得到的稀疏系数共同训练相应的滤波器及特征映射函数并更新到最优解;最后由高分辨率滤波器和对应的稀疏表示系数卷积求和,得到高分辨率重建图像估计。实验结果显示,改进算法的峰值信噪比（PSNR）结果较卷积稀疏编码算法提高了近0.1 dB,有效提高了重建图像的质量。     

基于边缘增强的深度图超分辨率重建

准确的深度图像获取是计算机视觉中的一个难题 。传统的立体匹配得到深度的方法不仅计算量大,而且在纹理稀疏与重复区域往往存在较大 的误差。主动式深度传感器虽然解决了这些问题, 但其获取的深度图存在着分辨率低和易受噪声干扰的问题。因此,本文提出一种结合彩色图 像信息 的深度图超分辨率(SR)重建方法来提高深度图的质量与分辨率。首先运用自回归(AR)模型 下的非局部均值(NLM)算 法获取初始的上采样深度图;然后利用边缘提取与边缘修复算法优化深度图。实验结果表 明,本文提出的方法能够生成误差更小、主观质量更好的高分辨率深度图。     

基于多引导滤波器的单幅图像超分辨率技术

提出了一种基于多引导滤波器的单幅图像超分辨率方法。首先,该方法通过大量的自然图像建立高低分辨率图像块样本训练库,并通过聚类算法将具有相似性质的高低分辨率样本块进行聚类;其次,将输入低分辨率图像进行重叠分块,并在样本库中搜索最近邻的高低分辨率样本聚类;再次,将输入低分辨率图像块作为输入图像,与样本库中最近邻的低分辨率聚类样本作为引导图像,运用本文提出的多引导滤波器计算引导滤波器的参数;最后,利用样本库中最近邻的高分辨率聚类样本和引导滤波器的参数,通过多引导滤波器就可以重构高分辨率图像。实验结果表明,本文算法不仅能很好地重构图像的高频细节,还能很好地恢复图像的纹理特征。     

复眼图像超分辨率重构的噪声分析与消除

分析了复眼图像超分辨率重构结果图像中噪声来源及主要表现形式,为优化重构结果,提出一种基于Wiener-Butterworth(W-B)滤波器的重构噪声消除方法。通过叠加不同数量高斯噪声的低分辨率图像重构实验,研究了该滤波器对算法引入噪声和原始图像噪声的滤除效果,并在频域对实验结果作了相关分析;验证实验验证了该滤波器在噪声类型和大小均未确定时改善图像质量的有效性。实验结果表明:针对算法引入噪声,该滤波器使重构结果的PSNR提高4 d B;当施加均值为0、方差为0.01的高斯噪声时,滤波后重构结果 PSNR提高6.9 d B。W-B滤波器能有效消除复眼超分辨率重构图像中的噪声和方块效应、振铃效应和梳边效应,改善重构图像质量。     

图像插值中反问题数值算法的应用

本文主要探讨了图像插值算法中的反问题的数值算法,图像产值是一种图像处理方法 ,它可以为数码图像增加或减少象素的数目。图像插值算法较多,反问题的数值算法是一种较为有效的方法。本文研究反问题所需的基本数学工具,求解反问题的正则化方法,正则化参数的选取方法,探索反问题的算法在图像插值问题中的应用。尝试使用该算法与其他算法进行比较解决图像插值问题,典型的图像插值应用定义为以用输入的低分辨率图像生成高分辨率图像。为此,我们首先分别构造高分辨率图像、低分辨率图像和加性噪声的向量,用这些向量对图像插值问题进行了数字化描述。其次,针对图像插值问题,提出了反问题的逐次逼近法解决该图像插值问题的解决方法。经过多次迭代后,即可获得高质量的高分辨率图像。第三,使用已知从高分辨率图像生成的12幅低分辨率测试图像进行不同方法的性能评价后,实验结果表明,本文提出的反问题插值方法比传统方法具有更好的性能。     

使用新型中值滤波器检测和消除图像的脉冲噪声

本文提出了使用适应性、可变化窗口尺寸的新型递归加权中值滤波器来消除彩色图像中的脉冲噪声的方法。对于图像存在的噪声密度,递归加权中值滤波器的窗口尺寸是自适应、窗口可调节的。与传统的脉冲噪声滤波器相比,新型滤波器具有良好的脉冲噪声抑制与图像细节边缘保护的性能。     

高分辨率星载SAR单视图像斑点噪声抑制实现方法

本文提出了实现高分辨率星载合成孔径雷达单视图像斑点噪声抑制的TDRGMAP方法.它以最大后验概率滤波器实现斑点平滑,以无偏修正使其适用于单视图像,结合边缘和线条检测,并加以点目标检测及保持,获得高空间分辨率和高辐射分辨率的SAR单视图像.本文详细阐述了TDRGMAP方法的机理和实现,最后利用仿真生成的星载SAR单视图像进行实验,证明了TDRGMAP方法的有效性.     

A High Quality Depth Map Upsampling Method Robust to Misalignment of Depth and Color Boundaries

In recent years, fusion camera systems that consist of color cameras and Time-of-Flight (TOF) depth sensors have been popularly used due to its depth sensing capability at real-time frame rates. However, captured depth maps are limited in low resolution compared to the corresponding color images due to physical limitation of the TOF depth sensor. Most approaches to enhancing the resolution of captured depth maps depend on the implicit assumption that when neighboring pixels in the color image have similar values, they are also similar in depth. Although many algorithms have been proposed, they still yield erroneous results, especially when region boundaries in the depth map and the color image are not aligned. We therefore propose a novel kernel regression framework to generate the high quality depth map. Our proposed filter is based on the vector pointing similar pixels that represents the unit vector toward similar neighbors in the local region. The vectors are used to detect misaligned regions between color edges and depth edges. Unlike conventional kernel regression methods, our method properly handles misaligned regions by introducing the numerical analysis of the local structure into the kernel regression framework. Experimental comparisons with other data fusion techniques prove the superiority of the proposed algorithm.     

基于双引导滤波的红外和可见光图像融合算法

图像融合是将多幅图像中有用或互补信息整合成一幅图像的过程。本文提出了一种基于引导滤波多尺度分解的红外和可见光图像融合算法。在传统的引导滤波图像融合算法的基础之上,利用双引导滤波器代替均值滤波器将源图像分解为小尺度纹理细节、大尺度边缘和基础图像;直接利用纹理细节及边缘层图像构建显著性映射图,用其代替额外的特征提取操作,可很好地突出源图像显著性信息的同时大大降低算法复杂度;利用显著性映射图、Sigmoid函数构造权重图,将源图像中具有视觉意义的信息注入到融合图像中;利用色彩模型转换融合方式,可更好保留图像的色彩信息。定性和定量实验结果证明,相比于传统的基于引导滤波的图像融合算法,本文算法的融合效果得到进一步提升。     

Depth image super-resolution algorithm based on structural features and non-local means

The resolution and quality of the depth map captured by depth cameras are limited due to sensor hardware limitations, which becomes a roadblock for further computer vision applications. In order to solve this problem, we propose a new method to enhance low-resolution depth maps using high-resolution color images. The structural-aware term is introduced because of the availability of structural information in color images and the assumption of identical structural features within local neighborhoods of color images and depth images captured from the same scene. We integrate the structural-aware term with color similarity and depth similarity within local neighborhoods to design a local weighting filter based on structural features. To use non-local self-similarity of images, the local weighting filter is combined with the concept of non-local means, and then a non-local weighting filter based on structural features is designed. Some experimental results show that super-resolution depth image can be reconstructed well by the process of the non-local filter and the local filter based on structural features. The proposed method can reconstruct much better high-resolution depth images compared with previously reported methods.     

Adaptive methods for dithering color images

Most color image printing and display devices do not have the capability of reproducing true color images. A common remedy is the use of dithering techniques that take advantage of the lower sensitivity of the eye to spatial resolution and exchange higher color resolution with lower spatial resolution. An adaptive error diffusion method for color images is presented. The error diffusion filter coefficients are updated by a normalized least mean square-type (LMS-type) algorithm to prevent textural contours, color impulses, and color shifts, which are among the most common side effects of the standard dithering algorithms. Another novelty of the new method is its vector character: previous applications of error diffusion have treated the individual color components of an image separately. We develop a general vector approach and demonstrate through simulation studies that superior results are achieved.     

一种改进的基于ICA特征空间的高空间分辨率影像的目标识别

为解决高空间分辨率影像目标的识别问题,一种好的方式是将充分考虑高阶累积量的独立分量分析方法引入高空间分辨率影像进行特征提取,但由于基于传统独立成分分析方法提取的特征空间不能最优区分不同类别的样本。为此,提出一种改进的基于独立成分分析的目标识别方法（Multi-ICA）。该方法为每个类别的样本构造单独的特征空间,通过投影到特征空间,得到表征该类别样本特征的特征向量集合。Multi-ICA方法提取的特征空间是基于某类样本图像的共性特征建立的,同一类别样本间的欧式距离要小于不同类别样本之间的欧式距离。因此,可以将待识别样本分类到具有最小欧式距离的特征空间所对应的类别上。现以北京地区的高分辨率卫星Quickbird影像为例,进行了Multi-ICA、传统ICA方法、主成分分析（PCA）方法,以及Multi-PCA方法的目标识别对比实验。结果表明,提出Multi-ICA算法的识别率有明显的提高,并且在一定程度上缓解了由于样本数量增加导致样本特征向量维数增加的问题。     

基于渐进式生成对抗网络的舰船红外图像仿真

红外图像仿真在红外导引头设计、仿真训练中起到十分关键的作用。针对如何生成高分辨率、视觉特征可控的红外图像,提出了一种基于渐进式生成对抗网络的红外图像仿真方法。本文利用舰船模型的红外图像数据集训练了图像合成网络,输入随机特征向量,输出高分辨率的红外仿真图像;设计了图像编码网络,实现红外图像到特征向量的转换;利用Logistic回归方法,在特征向量域找到了控制红外图像角度特征的方向向量,并据此生成了不同角度的舰船模型仿真图像;最后通过均值哈希算法和平均结构相似性算法来定量评价仿真图像和真实图像的差异,实验结果表明仿真的红外图像和真实图像的相似度很高,可以为真实舰船的可控化红外图像仿真提供参考。     

基于混合Gabor滤波器与加权中心对称LBP的掌纹识别

掌纹识别是一种比较新颖的生物特征识别技术,提取最佳分类特征一直是掌纹识别研究领域的一个重要方向.掌纹图像纹理特征丰富,但传统方法难以准确将其表征.针对此问题,将固定尺度及自适应多尺度Gabor滤波器结合起来,提出基于混合Gabor滤波器与加权中心对称局部二值模式(weighted center symmetric lo...     

远距离复杂背景鲁棒的步态特征提取与表示方法

远距离复杂背景下步态图像通常受到噪声的影响很大。Gabor特征在此类步态识别中显示了良好的特性,然而一些基于Gabor特征的算法使用较多的模板从而导致计算量增大。为解决这个问题,本文提出了一种新的基于改进Gabor特征的步态特征提取与表示方法。首先突出步态能量图中的有效区域,并抑制易受噪声干扰的区域。然后构造一个同时具有两个方向互补特性的基本的滤波器,经过缩放和旋转,生成一系列滤波器。使用这些滤波器对改进的步态能量图以及步态差异图像进行卷积,得到两个特征向量集合以表示此步态对象。使用最近邻分类计算出本文方法在USF步态数据库上的识别率,与相关算法的比较证实了此步态特征提取与表示方法的有效性。对算法的计算量分析表明,本文算法所需的计算量比相关算法有较大降低。      

A new method for inpainting of depth maps from time-of-flight sensors based on a modified closing by reconstruction algorithm

Time-of-Flight (ToF) sensors are popular devices that extract 3D information from a scene but result to be susceptible to noise and loss of data creating holes and gaps in the boundaries of the objects. The most common approaches to tackling this problem are supported by color images with good results, however, not all ToF devices produce color information. Mathematical morphology provides operators that can manage the problem of noise in single depth frames. In this paper, a new method for the filtering of single depth maps, when no color image is available, is presented, based on a modification to the morphological closing by reconstruction algorithm. The proposed method eliminates noise, emphasizing a high contour preservation, and it is compared, both qualitative and quantitatively, with other state-of-the-art filters. The proposed method represents an improvement to the closing by reconstruction algorithm that can be applied for filter depth maps of ToF devices.     

彩色图像特征空间变换的新算法及其应用

本文提出了一种彩色图像特征空间变换算法.该算法基于高维形象几何与仿生信息学理论,根据人眼特性,利用彩色图像中彩色信息的变化进行特征空间变换,能够提取出不受光源影响的图像特征.在彩色图像人脸检测应用中,与常见的肤色分割方法不同,该算法不需对肤色建模,不对彩色图像进行非线性彩色空间变换,而是直接将彩色原图变换到特征空间,在特征空间中定位平均脸特征数据的最佳匹配点.本文最后将该算法应用于复杂光源彩色图像的人脸检测中,实验结果验证了算法的有效性和鲁棒性,具有明显的应用价值.