基于对数函数的非局部总变分图像修复模型

针对基于总变分最小化的图像修复模型容易造成阶梯效应及假边缘的问题,提出了基于对数函数的非局部总变分图像修复模型。新的总变分能量泛函的被积函数为一个关于梯度幅度的对数函数。在总变分模型与各向异性扩散模型的偏微分方程框架下,首先,从理论上证明了对数总变分模型满足良好扩散所需的所有性质,并对其局部扩散行为进行了理论分析,证明了其在等照度方向及梯度方向扩散的良好特性。其次,为考虑图像块的相似性及避免局部模糊,采用非局部对数总变分进行数值实现。实验结果表明,与经典的总变分修复模型相比,基于对数函数的非局部总变分模型对图像修复的效果良好,避免了局部模糊,且在图像平滑区域能较好地抑制阶梯效应;与基于样例的修复模型相比,所提模型对纹理图像能获得更为自然的修复效果。实验结果表明,与三类总变分模型和基于样例的修复模型相比,所提模型的性能最优,且与各对比模型的平均结果（图2、图3、图4）相比,其结构相似性指数（SSIM）分别提高了0.065、0.022和0.051,峰值信噪比（PSNR）分别提高了5.94 dB、4.00 dB和6.22 dB。含噪图像的修复结果表明所提模型具有较好的鲁棒性,对含噪声的图像也能获得良好的修复效果。     

基于图像结构纹理分解及局部总变分最小化的图像修复模型

在基于样例的图像修复算法中,由于优先权公式的计算容易受图像局部噪声和细小纹理的干扰,导致修复顺序错乱;而在搜索最优匹配块时,因忽略了图像块内部的结构影响,可能导致误匹配。针对以上问题提出了一种基于图像的结构-纹理分解及局部总变分最小化的图像修复模型。首先,根据对数总变分最小化模型,将待修复图像进行结构-纹理分解,得到图像的结构分量,并利用图像的结构分量来计算待修复点优先权,使优先权的计算排除局部纹理干扰而更具鲁棒性;其次,将优先权的计算改进为数据项和置信项的加权和,避免了乘积效应,确保数据项一直发挥作用,减少因修复顺序不合理造成的错误匹配;最后,根据图像的局部总变分最小化原则,将图像块的最优匹配转换为0-1优化问题,确保图像修复后的局部结构一致性。与3组参考文献的5组对比实验结果表明,峰值信噪比（PSNR）提高了1.12~3.56 dB,结构相似性指数提高了0.02~0.04。所提模型更好地遵循了修复优先性原则,具有更强的保持图像局部结构一致性的能力,改善了修复图像的视觉效果,适用于复杂结构的大面积毁损的图像的修复。     

利用总变分最小化方法的无监督纹理图像分割

纹理图像的分割是图像处理领域中的一个典型难题。不同于传统的提取纹理特征量进行纹理分割的方法，本文将图像复原和重建中的总变分最小化方法和活动围道分割方法相结合，提出了一种简单的线性纹理模型。利用总变分最小化方法在保持图像大尺度棱边信息的基础上对纹理体现的局部小尺度周期性灰度振动细节进行平滑得到简化的图像原型。对其进行分割获得不同纹理区域之间的低定位精度的边界围道，再利用原始图像对围道进行高精度细化。在总变分最小化导致的非线性扩散方程求解过程中，运用AOS(additive operatorr splitting)数值算法以改进算法效率。实验结果表明，该方法能很快提取出纹理图像的简化图像，同时是一种无监督的纹理分割方法。     

基于图像亮度局部约束的总变分图像去噪法

为了解决总变分图像去噪方法易产生虚假边缘这一不足,结合总变分理论和图像亮度局部约束的优点,提出了一种新的图像去噪方法。在总变分图像去噪的数值求解过程中,利用局部均值和局部方差对迭代过程中所获得的结果进行局部约束。实验结果表明,本文方法具有良好的图像去噪能力,在高噪声水平下,其峰值信噪比(Peak signal-noise ratio,PSNR)至少提高了1dB左右,图像视觉效果也有了很大改善。     

基于改进OMP的超宽带穿墙雷达稀疏成像方法

在超宽带穿墙雷达成像应用中,压缩感知理论应用可以获得高分辨率稀疏成像。但这必须建立在目标恰好落在预设网格点的前提条件下,一旦目标偏离预设网格点,目标像会发生偏移,甚至还会产生虚假像。本文提出一种基于梯度优化的贝叶斯假设检验正交匹配追踪(GBTOMP)稀疏成像方法。该方法以传统正交匹配追踪(OMP)为基础,从预设网格点空间位置出发,以梯度优化的最速上升方法搜索到目标真实空间位置,并由此修正模型中的感知矩阵,再利用修正后的感知矩阵恢复目标散射系数。考虑到正交匹配追踪会带来冗余下标,利用贝叶斯假设检验设置一个合适的门限去冗余以保证目标真实像的准确恢复。仿真和实验结果表明,该方法校正了目标偏离预设网格所带来的模型误差,稀疏成像效果明显改善。     

基于总变分的超分辨率图像重建

超分辨率图像重建是指从一组降晰的低分辨率图像重建出一帧清晰的高分辨率图像的过程。建立了超分辨率图像重建的数学模型,估计出场景在观测图像中的运动参数,选择总变分规整化克服问题的病态性得到重建结果。运用算法对模拟和实际图像序列进行重建,分别从主观效果和客观衡量标准两方面与基于Tikhonov规整化的超分辨率重建结果进行比较,结果表明该算法具有更好的处理效果。     

基于总变分和形态学的航空图像道路检测算法

高分辨率航空图像中道路通常表现为较狭窄的面,这给分类算法创造了机会.文中提出了一种新的基于分类的航空图像道路自动提取方法--基于总变分和形态学分析方法,它首先根据邻域总变分和直方图得到分割道路所需的合适阈值并从图像中分割出道路区域,然后根据基于区域总变分和几何测度的准则函数及其模式频谱得到形态学普通开运算的阈值,最后用此准则及阈值对图像进行形态学普通开运算以去除和路面具有相似光谱特性的物体的干扰.初步实验证明,该方法具有良好的稳定性和较强的环境适应能力.     

基于CNN的超宽带穿墙雷达静目标数量识别技术

本文基于静止目标的超宽带(UWB)雷达模型的构建,提出利用卷积神经网络(CNN)进行人体数量的识别方法,针对实测数据对该方法进行实验分析,并与传统方法进行比较,结果表明:将超宽带穿墙雷达与CNN结合对人体数量识别准确率较高,并且去除数据预处理环节对识别效果没有影响.     

综合自适应阈值与多尺度的TV图像修复方法

基于TV模型的图像修复算法具有较好的修复效果,但其对参数的选取较敏感,且运算量较大。该文提出了一种综合自适应阈值与多尺度的TV图像修复算法,该方法不仅可以提高TV图像修复模型的修复稳定性,还可以进一步压缩运算量,提高修复速度。     

基于改进Camshift的穿墙雷达运动人体目标成像跟踪算法

针对穿墙雷达运动人体目标图像"闪烁"与"抖动"的特点,提出基于改进Camshift的穿墙雷达运动人体目标成像跟踪算法。首先,针对形成的连续多帧穿墙雷达图像以及对应的颜色概率分布图,引入目标预测过程以确定图像中运动目标搜索波门,消除波门外的杂波干扰;然后,利用颜色概率分布图,在波门内自适应迭代调整目标搜索窗尺度,匹配形状与大小变化的目标图像以提取目标位置;最后,对提取的目标位置进行α-β滤波,形成连续平滑的目标运动跟踪航迹,实现基于穿墙雷达成像的建筑物内运动人体稳定航迹跟踪。多输入多输出（MIMO）穿墙雷达实验结果显示,与传统Camshift和Meanshift算法相比,改进后算法的跟踪航迹误差分别降低了40.99%和43.09%,获得了更加准确和平滑的目标运动航迹。     

A Nonlinear Multigrid Method for Total Variation Minimization from Image Restoration

Image restoration has been an active research topic and variational formulations are particularly effective in high quality recovery. Although there exist many modelling and theoretical results, available iterative solvers are not yet robust in solving such modeling equations. Recent attempts on developing optimisation multigrid methods have been based on first order conditions. Different from this idea, this paper proposes to use piecewise linear function spanned subspace correction to design a multilevel method for directly solving the total variation minimisation. Our method appears to be more robust than the primal-dual method (Chan et al., SIAM J. Sci. Comput. 20(6), 1964–1977, 1999) previously found reliable. Supporting numerical results are presented.     

自适应直方图均衡化改进的全变分图像修复

为了解决全变分(TV)模型修复窄带图像缺陷时产生的视觉不连通的问题, 改善图像修复的效果. 采用可以强化细节的自适应直方图均衡化(CLAHE)操作来扩大图像的动态范围; 在全变分变换后对图像不连通区域做形态学运算来平滑并消除图像中的孤立点. 文章给出了算法原理和实现步骤, 实验结果表明修复之后的图像峰值信噪比提高, 视觉连通效果较好.     

基于全变分和边界重构的纹理图像修复方法

在修复纹理图像时,将来自受损图像周边的像素或选出的纹理沿等照度线方向复制到受损区域内可能引起边界模糊。为解决上述问题,通过全变分将图像分解成骨架图和纹理图,用边界重建方法修复图像的骨架图部分,在修复的骨架图的导引下用纹理合成方法修复纹理图部分,使图像的纹理和结构得以同时修复。实验结果证明,该方法对具有复杂结构的纹理图像具有较好的修复结果。     

基于二阶广义全变差正则项的模糊图像恢复算法

针对图像去模糊问题, 采用二阶广义全变差作为修复图像的正则项构建恢复模型, 并针对重建模型的高阶与非光滑特性, 给出了基于分裂Bregman 迭代的快速算法. 实验结果表明, 该模型和数值算法能够较好地恢复被噪声和模糊污染的图像, 同时可以很好地保留图像的纹理和细节信息.     

Image Denoising and Decomposition with Total Variation Minimization and Oscillatory Functions

In this paper, we propose a new variational model for image denoising and decomposition, witch combines the total variation minimization model of Rudin, Osher and Fatemi from image restoration, with spaces of oscillatory functions, following recent ideas introduced by Meyer. The spaces introduced here are appropriate to model oscillatory patterns of zero mean, such as noise or texture. Numerical results of image denoising, image decomposition and texture discrimination are presented, showing that the new models decompose better a given image, possible noisy, into cartoon and oscillatory pattern of zero mean, than the standard ones. The present paper develops further the models previously introduced by the authors in Vese and Osher (Modeling textures with total variation minimization and oscillating patterns in image processing, UCLA CAM Report 02-19, May 2002, to appear in Journal of Scientific Computing, 2003). Other recent and related image decomposition models are also discussed.     

Iterative Image Restoration Combining Total Variation Minimization and a Second-Order Functional

A noise removal technique using partial differential equations (PDEs) is proposed here. It combines the Total Variational (TV) filter with a fourth-order PDE filter. The combined technique is able to preserve edges and at the same time avoid the staircase effect in smooth regions. A weighting function is used in an iterative way to combine the solutions of the TV-filter and the fourth-order filter. Numerical experiments confirm that the new method is able to use less restrictive time step than the fourth-order filter. Numerical examples using images with objects consisting of edge, flat and intermediate regions illustrate advantages of the proposed model. This work has been supported by the Research Council of Norway.     

一种基于图像边缘检测的全变分的去噪方法

提出了一种基于边缘检测的全变分图像去噪方法.在利用全变分去噪之前,先用Canny算子检测图像的边缘,对检测出的边缘区域和非边缘区域做标记;然后在边缘和非边缘区域设置不同的均衡系数,利用全变分模型对图像进行去噪.实验结果表明该算法能抑制以往全变分模型方法产生的阶梯效应,具有较好的图像恢复效果.     

基于整体变分图象恢复模型的小波域正则化方法

通过改进小波软阈值收缩的过程,提出了小波框架下的整体变分正则化模型.模型中利用改进小波阈值技术选取合适的需要保留的小波系数,然后对该系数重建图象进行空域各向异性扩散处理.文中提出了该变分问题完整的空域和小波域交替迭代的图象恢复算法.实验证明,该算法不仅具有较强的噪声抑制能力,而且能够保持和增强图象的边缘,大大提高了图象的视觉质量.     

Modeling Textures with Total Variation Minimization and Oscillating Patterns in Image Processing

This paper is devoted to the modeling of real textured images by functional minimization and partial differential equations. Following the ideas of Yves Meyer in a total variation minimization framework of L. Rudin, S. Osher, and E. Fatemi, we decompose a given (possible textured) image f into a sum of two functions u+v, where uBV is a function of bounded variation (a cartoon or sketchy approximation of f), while v is a function representing the texture or noise. To model v we use the space of oscillating functions introduced by Yves Meyer, which is in some sense the dual of the BV space. The new algorithm is very simple, making use of differential equations and is easily solved in practice. Finally, we implement the method by finite differences, and we present various numerical results on real textured images, showing the obtained decomposition u+v, but we also show how the method can be used for texture discrimination and texture segmentation.     

改进的TV模型图像修复算法

分析了基于TV模型的图像修复算法,针对各参考点梯度模值的大小不同,对原始模型进行了改进.该算法通过计算待修复区域像素点的梯度信息来构造一个扩散函数,利用其控制各参考点对待修复区域的贡献值,然后再进行加权处理.实验结果表明修复变化剧烈和有较大破损的图像效果较好,图像边缘清晰,过渡自然.