改进的偏微分扩散方程图像增强方法

通过改进P-M扩散系数和融入相干增强扩散改善了传统的P-M模型,使得裂缝图像非边缘处以改进后的P-M扩散为主,在边缘处以相干增强扩散为主,达到了对裂缝图像去噪和增强的目的．理论分析和仿真实验表明,提出的方案较传统的P-M模型能使地面图像的特征得到更好的保护,使裂缝更加明显,利用该方法对裂缝图像进行预处理后,提高了路面裂缝目标检测的准确性,体现了该方法的优越性．     

基于非线性扩散方程的改进全变分去噪模型

针对传统的全变分(T V)模型因参数选择敏感,导致去噪图像容易在平滑区域产生"阶梯效应"或者虚假边缘的情况,提出一种基于非线性扩散方程的改进全变分去噪算法.在传统的TV算法基础上,提出了一种针对参数的自适应迭代函数,结合P-M算法的非线性扩散方程,使本算法在迭代初期可以看作各向同性去噪模型,有效去除"阶梯效应",随着迭代次数的增加,此模型为各向异性去噪模型,在去除噪声的同时,有效保护图像的边缘细节.实验结果表明,去噪过程中,该算法在扩散系数和自适应迭代函数的共同作用下,消除了阶梯效应和虚假边缘,相比传统TV算法提升了图像3 dB的峰值信噪比(PSRN)和视觉效果.基本满足图像预处理要求.     

基于交替方向乘子法的图像盲复原

为了克服正则化理论的全变分图像盲复原模型中出现的运行效率低、效果不好等问题,提出一种基于交替方向乘子法的盲复原迭代算法。该算法通过交替迭代的方式,将复原图像与点扩散函数交替估计,同时不必更新惩罚项从而提高了运行速度和复原的质量。计算同时加入了对点扩散函数的归一化和阈值约束条件以及对图像的正定性条件。数值试验中,对不同模糊类型的图像进行了盲复原处理,并与已有的其他盲复原方法进行了比较。从主观评价能够发现,提出的算法能够改进图像的质量,提高其分辨率;通过客观指标比较,峰值信噪比(peak signal to noise ratio, PSNR)最大能够提高1.2 dB,结构相似度(structural similarity index, SSIM)最大提高1%,计算时间最大节约一半左右。     

基于偏X型细胞自动机的图像加密方法

提出了一种基于二维二态五邻居可逆细胞自动机(CA)的图像加密算法。本方法首先对X型结构类型的CA进行了分析测试,提出了具有明显密钥混淆效应的偏X2型结构CA;其次在进行CA每次迭代加密时,对迭代结果进行矩阵转置运算处理;随后采用具有混沌行为的9d62(hex)规则一维四邻居CA产生密钥图像;最后算法在CA边界条件中插入密钥信息,并参与细胞自动机加密迭代。实验结果表明,采用基于偏X2型CA结构和新型密钥设计,相比于传统的密钥与尾数据做单一异或的运算方法,提高了密钥在整个加密体系的参与度和敏感性,降低了CA迭代次数,明文扩散率提高了36.14%。     

一种自适应改进曲率扩散超声图像滤波方法

针对图像尤其是医学超声图像的边缘模糊或者缺失对图像进一步处理带来的影响,同时由于传统改进曲率扩散方程无法自适应以及迭代时间长,本文提出了一种结合高斯滤波的参数自适应的改进曲率扩散方法,并且使用统计学中的绝对偏差中值自动调整梯度阈值参数。该方法能在保留改进曲率扩散方程去噪能力的同时有效地保留图像边缘细节信息,同时减少了滤波过程中的迭代次数,从时间复杂度的方面提高了方法的效率。另外,自适应梯度阈值的采用进一步提高了改进曲率扩散方程保留图像细节信息的能力。实验结果表明,结合高斯滤波的参数自适应改进曲率扩散方法继承了改进曲率扩散的优点,同时又减少了人工干预,提高了去噪效率。     

基于超拉普拉斯先验的图像非盲解卷积

自然图像梯度的重尾分布在去噪、去模糊以及超分辨率等问题中已经被证实是一个非常有效的先验。自然图像梯度的长尾分布可以极好地用超拉普拉斯(Hyper-Laplacian)分布模型化。基于空间变化点扩散函数提出了一种超拉普拉斯先验的图像快速非盲解卷积方法,对图像进行复原。该算法的优势就是引入空间变化点扩散函数,使用分步交替迭代最小化方法,通过查表法快速对图像去卷积求解。该方法的解卷积速度得到较大幅度的提升,而且对模糊图像有较好的复原效果,提高了图像的质量。     

一种基于小波和尺度型扩散的带噪图像放大方法

将小波多分辨分析和尺度型扩散的离散迭代相结合,利用原图像作为放大图像的小波低频子带,估计高频,重构后的放大图像用前向-后向扩散方程离散一步迭代,得到了一种新的带噪图像放大方法．由于小波系数阈值和该扩散方程在图像梯度小的区域具有正扩散性,使得放大图像的同时去除了噪声,该扩散方程在梯度大的区域具有逆扩散性,又有效地保持了边缘．仿真实验结果证实此方法在放大图像的同时也增强了图像的清晰度和对比度．     

基于各向异性扩散滤波的边缘提取算法

针对Canny边缘检测算法在滤波方面的不足,提出了一种基于各向异性扩散滤波的边缘提取算法,用各向异性扩散的平滑方式代替Canny算法中的高斯滤波,弥补Canny算法中滤波方法的不足.研究了各向异性扩散的P-M方程,得出了其离散化形式,并确定了其中分量的表达式,进而用Matlab编程实现了对图像的各向异性扩散处理.通过误差和结构相似度评定,得出经过各向异性扩散处理的图像滤波效果优于高斯滤波.对经过两种滤波方法处理后的图像用Canny算法提取边缘,通过灰度值比较,验证了各向异性扩散处理在边缘特征保持方面优于高斯滤波.     

结合噪声去除的极大似然图像复原

基于混合噪声模型的极大似然算法不仅没有充分考虑迭代过程中的噪声影响,而且假定点扩散函数(PSF)已知且不随迭代过程变化,从而导致复原过程不稳定。在图像含噪且PSF未知的情况下,提出以去噪算法作为预处理手段,同时将PSF参数估计引入极大似然算法迭代过程并随迭代过程动态更新,最后将估计的PSF代入维纳滤波以提高复原图像的质量。实验结果证明,本文复原图像质量有明显改善,表明该算法具有较强的稳定性和抗噪声能力,是一种有效的图像复原方法。     

一种SAR图像相干斑噪声抑制新算法

为抑制合成孔径雷达(SAR)图像乘性相干斑噪声,同时有效保护SAR图像的边缘特征,给出了相干斑噪声在小波域的一种加性转换噪声模型．并以此模型为基础,提出了一种非下采样小波包分解下自蛇扩散与改进L1-L2联合优化相结合的相干斑噪声抑制新算法．该算法利用非下采样小波包变换对SAR图像进行多层子带分解,然后对低通子带系数进行自蛇扩散滤波,并将滤波处理后的系数作为原SAR图像在小波域的局部均值估计,再以此局部均值为基础,利用改进的L1-L2联合优化对其他各高频子带系数进行自适应软阈值收缩滤波去噪．最后通过重构滤波后的各子带系数实现SAR图像相干斑噪声抑制．实验表明: 与经典的空域Kuan滤波算法、P-M扩散滤波算法及基于非下采样小波变换的Γ-WMAP算法相比,本算法在SAR图像的相干斑噪声抑制与边缘保护方面均取得了较好的效果．     

基于空间通道注意力机制的渐进式图像超分辨重建算法

目前在单帧图像超分辨率(SISR)研究领域中,一些深度网络在重构阶段通过简单级联、通道注意、空间注意等方式,利用中间特征来提高图像重构效果,但是它们通常只注意到其中一个方向.为此,文章研究了一种新的注意力,即基于空间特征变换(SFT)的空间通道注意力,并提出了基于SFT的空间通道注意力机制重构的渐进式网络算法.该算法多...     

基于非局部均值的单帧图像超分辨率重建算法

为了解决单帧低分辨率图像获得高分辨率图像的问题,提出了一种基于非局部均值滤波的单帧图像超分辨率算法,将图像超分辨率重建视为反问题,建立正则化模型,充分考虑图像的局部结构信息和自然图像中不同尺度的相似性冗余,加入非局部滤波.实验结果表明,文中算法从单帧图像重建的图像边缘轮廓和纹理较传统算法清楚,有效抑制了人工伪影,同时对噪声具有鲁棒性.在视觉效果及峰值信噪比上都取得良好的结果.     

一种基于混合遗传算法的超分辨图像重构方法

针对在航空航天遥感领域,CCD相机在对景物进行成像时,由于像元尺寸的限制,得到的图像分辨率低的问题,提出了采用混合遗传算法求解高分辨图像最优估计的方法．在相机参数已知的情况下用嵌入梯度算子的混合遗传算法从9帧由不同角度对同一景物重复拍照得到的低分辨率图像重构出1幅超分辨率图像．在模拟成像仿真实验中得到了分辨率提高4倍,信噪比优于共轭梯度方法的超分辨结果．     

超分辨率人脸图像重构识别

为了解决单幅低分辨率人脸图像重构问题,提出了基于线性物体类理论重构超分辨率人脸图像的新方法。首先利用ICA和PCA提取不同分辨率人脸的特征子空间,然后利用通过训练得到的分辨率转换矩阵重构其相对应的超分辨率人脸图像,实验表明该算法与传统的算法相比重构出的人脸图像质量和识别率都有了很大的提高。     

Delaunay三角剖分插值用于超分辨成像

微变焦超分辨成像在插值重建方面比较困难,目前基于最小二乘估计的频域模型和空域模型也都存在一些局限性。为了兼顾超分辨成像的实时性和精确性,该文在图像重建过程中,借鉴Delaunay三角剖分的数学概念,采用随机增量算法,定义了基于Delaunay三角剖分的插值算法。该算法可以提高分辨率,降低运算量。仿真实验结果表明,该算法在图像重建的时间和均方误差方面,均优于共轭梯度最小二乘法,其中基于Delaunay三角剖分的三次方插值算法的优越性更为突出。     

基于块匹配和迭代反投影的车牌图像超分辨率重建

利用超分辨率重建技术提高车牌图像的质量,以获取更好的识别效果。首先采用基于小波变换的块匹配方法对车牌图像进行配准,然后利用迭代反投影算法对配准后的图像进行重建获得高分辨率的图像。对模拟生成的多帧图像和标准测试视频序列进行了实验,实验结果表明：该算法能有效提高车牌图像的质量。     

一种基于神经网络的超分辨图像重构方法

针对在航空航天遥感领域中使用CCD相机对景物进行成像时,由干像元尺寸的限制导致图像分辨率低的问题,提出了采用人工神经网络映射图像重构过程非线性特性的方法。在相机参数已知的情况下,用后向误差传播(BP)神经网络融合从不同角度对同一景物重复拍照得到的多帧低分辨率图像的冗余信息,重构得到较高分辨率的图像。在模拟成像仿真实验中得到了分辨率提高4倍、信噪比接近30dB的超分辨结果。     

基于简化仿射变换模型的图像配准方法

在超分辨率图像重构中,将来自不同传感器、不同时间获取的多帧图像高精度快速配准是其关键技术之一。在介绍图像配准基本方法的基础上,根据仿射变换原理,提出了基于简化的仿射变换模型的图像配准方法;通过采用 APS(ac tive pixel sensor) CMOS相机作为图像传感器,建立试验原型系统,验证了此方法的正确性;进行了结果分析,明确了配准精度。试验表明:该算法简单、速度快、精度较高,能够应用于超分辨率图像重构的配准中。     

基于局部约束线性编码的单帧和多帧图像超分辨率重建

基于稀疏表示的超分辨率图像重建是当前典型的算法之一,引入约束性更强的局部约束线性编码(LLC:Locality-constrained Linear Coding)对其进行了改进。首先依据一个高分辨率图像集训练出成对的高分辨率和低分辨率词典,然后根据低分辨率词典对输入的低分辨率图像用LLC方法进行编码,再依据高分辨率词典及编码系数初步重建高分辨率图像,最后添加全局约束重建高分辨率图像,并将该算法推广到多帧图像超分辨率重建层面。分析和对多幅图像的实验结果都表明,新算法相对原算法不仅提高了图像重建的质量还降低了计算复杂度,取得了满意的效果。