误差分散类逆半调技术综述

逆半调技术是半调图像处理中的关键技术之一,近几年来其研究取得了较大的进展。为了使人们对该技术研究现状有个概略了解,首先论述了逆半调技术的原理和主要研究方法;然后重点分析了针对误差分散半调图的滤波方法、机器学习方法和最优化估计方法,并比较了它们的优缺点,通过比较发现,基于模糊技术、人眼视觉特性的自适应滤波方法,在实际应用中有广阔的前景;最后给出误差分散逆半调技术目前存在的问题和进一步的发展方向。     

一种彩色误差分散逆半调算法

提出了一种基于小波变换方法的彩色误差分散逆半调新算法，其主要思想是提高低频图的峰值信噪比；并用适当的阈值，增强高频图中边缘细节、降低半调噪声，以达到增强图像细节、提高逆半调图峰值信噪比的目的。     

误差分散半调图像的有损压缩算法

对误差分散半调图像进行无损压缩所得压缩率较低,而现有二值图像有损压缩算法对该类图像的压缩效果并不理想。为此,结合逆半调技术设计一种有损压缩算法。选用LUT逆半调算法对误差分散半调图像进行灰度化重建,对灰度图像的DCT变换系数量化压缩法进行改进,提高了压缩率,并构建出一种误差分散图像的有损压缩算法。实验结果表明,该算法能获得较高的压缩率和较好的压缩效果。     

基于偏微分方程的误差分散逆半调改进算法

结合误差分散半调噪声特征,提出一种基于偏微分方程的逆半调改进算法。通过研究偏微分方程的去噪原理,以3次B样条函数作为扩散函数,采用迭代求解偏微分方程的方法估计逆半调图像,计算每次迭代前后图像梯度模值的增量以确定平滑度的调节参数,解决偏微分方程在应用中的参数选择自适应问题。实验结果表明,该算法在图像整体平滑度和细节保持能力上都具有较好的效果。     

误差分散类逆半调图象的质量评价方法

提出一套针对误差分散类逆半调图象的质量评价方法。在分析了误差分散半调图象退化特性的基础上,将逆半调图象中的噪声表征为图象频率失真和附加噪声的联合作用,据此确定了该评价方法中的像素级差异测度,频谱距测度,边缘质量测度和附加噪声测度;通过对不同误差分散类逆半调图象序列的实验分析了这些测度的性能.实验证明在评价逆半调图象时,该套评价方法较目前广泛使用的峰值信噪比(PSNR)测度更为全面。     

多尺度框架误差分散逆半调方法研究

摘 要：通过分析现有基于滤波的误差分散逆半调方法,提出了一种多尺度逆半调框架。基于该框架,引入平稳小波变换,提出了一种新的逆半调算法。首先,对半调图进行3尺度离散平稳小波变换,通过分析各尺度图像的频谱特性,构造了HIST滤波器,并结合尺度间小波系数的相关性,采用不同策略分别抑制各尺度图像中的噪声,最后利用小波反变换得到逆半调图像。实验验证了多尺度逆半调框架的正确性,并且该算法所得逆半调图像具有良好的视觉效果,能保持图像边缘,峰值信噪比也有所提高。     

一种彩色图像矢量误差分散半调方法

误差分散是数字半调技术中的一项关键技术。通过对矢量彩色图像误差分散半调的分析,结合误差分散系统中量化器的建模,提出了一种增强边缘信息并减少虫状纹理的矢量彩色图像误差分散半调方法。     

查找表与神经网络相结合的图像逆半调算法

为提高查找表逆半调算法中“未出现半调模式逆半调值”的估计精度,本文提出了基于IRN神经网络的逆半调逼近模型,通过分析、训练和优化确定了合适的IRN网络结构、隐层数、隐层节点数。实验结果表明,应用该算法训练、拟合出的查找表数据在逆半调重建图像的视觉效果及PSNR指标上表现良好,而且算法执行速度快、空间复杂度低。     

LUT与Elman网络相结合的图像逆半调算法

为改进查找表逆半调算法中"未出现半调模式逆半调值"的估计精度,提出了一种查找表与Elman回归网络相结合的图像逆半调算法。该算法首先通过样本图集生成初步逆半调查找表,然后以Elman型回归网络为工具,构造、训练逆半调逼近模型,最后达到拟合"未出现半调模式逆半调值"的目的,产生完整查找表,支持逆半调处理。实验结果及性能分析表明,应用本文算法生成的逆半调重建图像在视觉效果及PSNR指标上表现良好,具有运行速度快、空间复杂度低的特点。     

一种高效的逆半调算法

论文提出了一种快速的逆半调算法,在高斯低通滤波的基础上,通过带通滤波提取边界信息,并使用界限函数和中值滤波修正边界映像,最后合成逆半调结果。实验证明该算法和现有算法相比计算速度快,输出图像信噪比高。     

基于MRF-MAP的运动矢量恢复差错掩盖算法

针对帧间编码模式下出现图像块丢失的情况,提出一种有效的时间域运动矢量恢复差错掩盖算法。把运动矢量场建模为高斯马尔科夫随机场,对丢失图像块的运动矢量采用最大后验概率方法恢复,其权值能够根据空间和时间信息而自适应选择。仿真结果表明,该算法在客观和主观上都能获得高质量的图像。     

基于广义变分模型的自适应图像去噪算法

通过分析全变分(TV)去噪模型的优缺点,提出了一种新的改进算法。该算法根据最大后验概率(MAP)和马尔可夫随机场(MRF)的理论,推导出一个广义变分的图像去噪模型,并对平衡正则化项和数据保真项的Lagrange乘子λ进行了自适应改进,最后采用了一种鲁棒性好和边缘保持能力强的势函数,结合梯度加权最速下降法和半点格式的数值迭代算法对自适应的广义变分去噪模型寻优求解。实验结果表明,新模型能很好地应用于图像去噪,与现有的算法相比,在峰值信噪比有所提高的同时,图像的主观视觉效果也更好。     

图像分割中MRF与DMN方法评述与比较

综述马尔科夫随机场(Markov Random Field,MRF)的研究和应用历史,着重讨论了图像分割中MRF的原理和应用。分析了可分解马尔科夫网(Decomposable Markov Networks,DMN)的一般方法以及DMN在图像分割问题中的应用。比较研究了MRF和DMN的区别和联系。     

A variational Bayesian strategy for solving the DOA estimation problem in sparse array

This paper reformulates the problem of direction-of-arrival (DOA) estimation for sparse array from a variational Bayesian perspective. In this context, we propose a hierarchical prior for the signal coefficients that amounts marginally to a sparsity-inducing penalty in maximum a posterior (MAP) estimation. Further, the specific hierarchy gives rise to a variational inference technique which operates in latent variable space iteratively. Our hierarchical formulation of the prior allow users to model the sparsity of the unknown signal with a high degree, and the corresponding Bayesian algorithm leads to sparse estimators reflecting posterior information beyond the mode. We provide experimental results with synthetic signals and compare with state-of-the-art DOA estimation algorithm, in order to demonstrate the superior performance of the proposed approach.     

一种新的SAR图像无监督分割方法

马尔可夫随机场（MRF）在SAR图像分割中有着广泛的应用。由于合成孔径雷达（SAR）图像本身所固有的相干斑噪声的影响,传统方法很难获得准确的分割,因此提出了一种新的基于MRF（Markov Random Field）融合Gaussian-Hermite矩（GHM）的SAR图像无监督分割算法。利用Gaussian-Hermite矩的不同阶矩作为SAR图像特征得到初始分割;将得到的初始分割结果作为MRF随机场的先验模型,通过引入一个基于两成分权重参数的能量函数,利用最大后验概率（MAP）得到最终的分割结果。通过对合成图像及SAR图像分割实验结果的比较,表明了该方法在误分率、抗噪性以及视觉效果上具有更好的效果。     

基于马尔可夫随机场最大后验估计的去块效应方法

基于块离散余弦变换(BDCT)是国际上大多数图像、视频压缩标准的核心部分,它的主要缺点是在低比特率时其恢复图像的块边界上会出现明显可见的方块效应,降低了图像的视觉质量。文章提出了一种新的基于马尔可夫随机场最大后验估计(MRF-MAP)的块效应消除算法,目的是实现在尽量消除块效应的同时充分地保护图像的边缘信息。文中通过线性回归,给出了设置MRF算法中的Huber函数阈值的数学公式,由该公式得到的阈值可以在保护图像边缘和提高图像质量之间有较好的折中。仿真结果验证了该文算法的有效性。     

对马尔可夫随机场特征级图像融合的改进

提出了一种基于MAP的Markov随机场的图像融合方法。将感兴趣区特征的均值与方差作为马尔可夫随机场的概率参数,选取合适的模型,根据优化算法快速求得MAP解,完成图像初始标记过程,根据最大后验概率模型,对图像进行特征层融合。通过两组遥感图像的实验,证明MAP-MRF模型在遥感图像特征层融合中,具有较目前常用方法更好的效果。