基于尺度空间理论和反扩散函数的图像去噪

在使用扩散过程平滑噪声之后引入反扩散过程来恢复边缘,结合尺度空间理论和反扩散函数对图像进行去噪处理。该方法使用最小描述长度（MDL）准则自适应地选择图像中每一点处的最优尺度对图像进行滤波。加入尺度范围限制降低了过平滑和欠平滑的影响。改进了反扩散函数模型,对降质图像中的边缘进行恢复。与经典的滤波方法以及各向异性扩散方程的结果相比。本文方法取得了较好的效果。     

基于多项式图像配准问题的一点研究

It is shown that the polynomials based image registration, which is widely used in remote sensing field, does not have a sound mathematical basis. In fact, there seems no theoretical basis for the polynomials based transform to outperform the affine transformation, a much simpler one, in image registration. If the transformation functions are polynomials of order n, the corresponding scene is shown to be in general the intersection of two curved surfaces of order n+1, in other words, a space curve. In some special cases, the scene is approaching to a plane. To our knowledge, such results did not appear in the literature previously.     

A Note on Polynomials Based Image Registration

It is shown that the polynomials based image registration, which is widely used in remote sensing field, does not have a sound mathematical basis. In fact, there seems no theoretical basis for the polynomials based transform to outperform the affine transformation, a much simpler one, in image registration. If the transformation functions are polynomials of order n, the corresponding scene is shown to be in general the intersection of two curved surfaces of order n 1, in other words, a space curve. In some special cases, the scene is approaching to a plane. To our knowledge, such results did not appear in the literature previously.     

基于离散Hermite多项式的图像压缩

图像压缩编码能有效地减少图像像素间的信息冗余,并同时保证图像重构质量和较低的计算复杂度。基于变换域的图像压缩编码是目前最常用且性能最优的压缩技术之一,但基于离散正交多项式变换的图像压缩方法还未被深入研究。在研究JPEG的编码解码流程基础上,提出基于离散Hermite多项式的图像压缩算法,通过变换核的信息熵与DCT变换核的信息熵比值确定量化表,最后对量化结果进行熵编码,最终实现了基于离散Hermite多项式的图像压缩和重建全过程。与主流的图像压缩标准JPEG进行了比较,实验结果表明,两种算法的压缩率相似,性能相近,压缩后图像的PSNR相差很小。     

基于对数极坐标变换和仿射变换的目标识别定位方法

由于传统的模板相关匹配算法在目标图像发生较大旋转和放大时，定位结果可能会发生偏差，因此为了取得精度更高的目标识别结果，提出了一种基于对数极坐标变换粗匹配，结合仿射变换精匹配的目标图像识别定位方法，以用于在视场中自动搜索相对于模板图像有平移、旋转和尺度变化的目标图像。实验结果表明，该算法不仅定位精度高，而且相对于传统的模板匹配算法有更强的鲁棒性。     

图像配准的小波分解方法

提出了利用图像与其作小波分解后的近似分量的轮廓相似性，进行图像配准的一种方法．首先利用仿射变换和小波分解的理论，证明了该方法的正确性，并对求配准参数的运算量进行了分析；然后给出了利用该方法实现图像配准的步骤；最后结合MRI图像的配准，对该方法进行了实验验证．该方法能提高配准的速度，对实时图像配准具有实用价值．     

基于抽象匹配流的彩色图像配准模型

在抽象匹配流框架下,构造能够克服大色差问题的彩色图像配准模型.该模型中,数据项采用互相关函数作为2幅图像间的相似性度量,以解决大色差问题;正则项采用各向异性扩散滤波器约束图像演化,从而实现在演化过程中对图像特征的有效保持.扩散滤波器中的扩散系数定义为关于彩色结构张量的函数,以使图像演化能够综合各通道信息,解决了各通道所得位移场不一致而引起的色彩混迭问题.实验结果表明,文中模型对具有大色差的彩色图像能够实现有效配准.     

基于视觉特征信息量度量的高斯尺度参数自适应算法

为了避免计算过于复杂或因丢弃过多关键信息而造成失真过大的问题,在高斯尺度空间的构造中应正确选用尺度参数,以使图像信息的变化呈现均匀的特点。目前,许多高斯尺度空间应用中采用的层之间的尺度参数关系并不明确,使得分层效果不理想。本文基于视觉特征模型,提出一种自适应高斯尺度参数的算法,并通过对SAR图像降噪处理对比试验验证了它的有效性,从而为图像的高层次处理如目标识别等提供了信息量稳定变化的尺度空间。     

基于临界特征点的图像匹配算法

基于特征的图像匹配相关算法尽管已经十分普遍并得到广泛应用,但特征的提取容易受噪声影响.该文提出了一种用尺度空间下的临界特征点对图像进行匹配的方法.该方法采用尺度空间下的临界特征点来描述图像的灰度特征,对光照和噪声具有一定的鲁棒性.考虑到不同尺度下特征点对视觉影响的不同,算法用PTD距离对带权重的图像的特征点集进行匹配.由于PTD距离满足三角不等式规则,该算法适合于在大量数据库中快速检索及识别物体.实验证明了该算法的有效性.     

用弹簧分子系统进行弹性医学图像配准

将源图像Delaunay三角化,用弹簧分子系统模拟网格形变,网格点在系统力的作用下移动去拟合待配准的目标图像.力由互信息梯度定义,并利用已知解剖结构特征的对应关系对形变过程进行约束.经过一段时间,网格点停止运动,对每一个Delaunay三角形计算局部仿射变换.实验结果表明,该算法能够快速准确地实现弹性医学图像配准.     

二维点模式图像的仿射变换配准

提出了一种图像特征点配准算法．该算法为二维点模式图像仿射配准建立了新的求解模型,此模型对参考图像的特征点集和浮动图像的特征点集分别进行Whitening变换,将点集间的一般仿射变换问题转换为刚性变换问题;在对刚性变换求解时,采用平滑性好、局部极值较少的新的目标函数;并引入了形变程度分量,使该算法更能符合实际应用．结合文中提出的新的仿射不变量,目标函数只需在平分法的基础上加入随机因素便能快速求解．实验结果证明,该算法在处理特征点仿射配准问题上具有速度快、精度高的特点．     

一种基于互信息的图像配准算法

针对红外和可见光图像的特性,提出了一种基于互信息的图像配准算法。该算法采用互信息作为红外和可见光图像的统计相关性测度,并使用仿射模型实现两者的配准。实验结果表明,该算法能够较好的进行图像间尺度、旋转和平移差别的修正,可以很好地解决成像差异较大的红外与可见光图像间的配准问题。     

基于仿射重投影的增强现实三维注册方法

针对增强现实虚实配准中的无标志点虚实场景注册问题,提出一种基于仿射重投影与自然特征点追踪相结合的虚实注册方法.该方法以仿射变换为桥梁来建立欧氏空间下的摄像机坐标系与世界坐标系之间的变换关系,它与OpenGL等当前流行的图形渲染工具一致,具有更强的通用性;采用基于分类的自然特征匹配策略,能够在视角和视点发生大幅度变化情况下依然正常工作;提出基于特征点集合的仿射坐标系定义方法,使增强现实系统在最小配置下只需4点追踪成功即可完成注册,比需要6点的透视投影方法具有更好的健壮性和精确性.实验结果表明,该方法的运算速度能够达到18帧/s,具有较好的实时性;同时注册误差保持在5mm以内,达到令人满意的配准精度.     

基于Zernike矩和前馈神经网络的图像配准

提出一种基于Zernike矩和多级前馈神经网络的图像配准算法。利用低阶Zernike矩表征图像的全局几何特征,通过多级前馈神经网络学习图像所经历的旋转、缩放和平移等仿射变换参数,在一级前馈神经网络的基础上添加二级前馈网络,以提高参数估计精度。仿真结果表明,与基于DCT系数的神经网络算法相比,该算法旋转、缩放和平移估计精度较高,对噪声的鲁棒性较强。     

基于Fourier-Mellin变换的图像配准方法及应用拓展

从两个方面拓展了基于Fourier—Mellin变换的图像配准方法的应用范围．首先是全景图像的拼接．不同于传统的方法,该方法不需要准确控制相机的运动,小需要知道相机的焦距等内部参数．也不需要检测图像特征,在配准精度要求不是很高的情况下,直接生成的全景图像可以满足很多实际应用的需要;同时,实验也表明,该方法应用于弱透视图像的配准．也具有很好的配准效果．另一个拓展是图像曲线的匹配．传统的曲线匹配方法一般通过曲线特征点（如角点、曲率极值点等）之间的对应求得曲线间的变换参数．一种新的思想是先将图像曲线转化为二值图像,然后应用Fourier—Mellin变换对这些二值图像进行配准,从而达到对两条曲线的匹配．大量实验表明,该方法对射影畸变不是十分显著且摄像机为一般运动下获得的图像之间的配准问题（如手持数码相机获取的图像之间的配准问题）均能取得比较好的配准效果．     

基于不可分小波分解的图像配准方法

张量积小波强调的是图像中水平和垂直方向的高频信息,而不可分小波具有各向同性,可以提取图像中各个方向的边缘,能获得比较完整的图像轮廓,将这种特点应用于图像配准时,能准确定位图像仿射不变点的位置。为此,提出一种通过求取不可分小波分解后的高频子图像配准参数来配准原图像的方法,把图像的配准问题转化为其不可分小波分解后的高频子图像配准问题。从不可分小波分解的快速算法理论出发,证明该配准方法的正确性。构造一组四通道不可分小波滤波器组,在此基础上给出配准的方法和步骤。实验结果表明,该方法具有较好的配准效果,其求取图像配准参数的运算量比直接求取原图像配准参数运算量的1/4还少,与基于张量积小波分解的图像配准方法相比,具有较高的配准精度。     

基于小波域局部高斯模型的图像复原

图像复原的目的是将原始图像从观测到的降析图像中恢复出来.提出了一种基于小波域局部高斯模型的线性图像复原算法.小波域局部高斯模型采用高斯函数刻画子带系数的局部概率分布,由于这一模型具有很好的局部自适应性,并能正确地反映图像的局部结构信息,因此算法以此作为自然图像的先验模型,把图像复原问题转化为一个约束优化问题并用共轭梯度法对其进行求解.实验结果表明,基于小波域局部高斯模型的图像复原算法较好地再现了各种边缘信息,复原出的图像在信噪比和主观视觉效果方面都有显著的提高.     

基于SIFT的POCS图像超分辨率重建

针对传统的POCS图像超分辨率重建算法中广泛使用的基于改进的Keren配准算法,对于序列帧间存在剪切和非均匀尺度变换现象时,很难做到精确的亚像素级配准,文中讨论了一种基于SIFT算法的POCS序列图像超分辨率重建算法。首先利用SIFT算法提取序列帧与参考帧间的SIFT关键点对,随后选取匹配关键点对,通过RANSAC去除误配点的同时估算出六参数仿射变换参数,最后使用POCS重建算法得到最终的重建结果。实验结果表明：该方法能有效地解决因运动估计不准而引起的重建图像效果不好的问题,特别是在序列帧间存在剪切和非均匀尺度变换现象时,重建效果明显好于传统的POCS算法,具有更强适应性。     

一种基于图像处理的铁轨自动检测方法

提出了一套局部线型检测算子(LLPD)用于货运编组站铁轨的自动检测.利用该算子提取铁轨边缘,去除检测结果中的干扰信息,结合Hough变换的思想,实现了断线相连.该检测结果与其他边缘提取方法相比较,对复杂背景上铁轨的检测更有效,该方法能定位铁轨上的障碍物,对减少铁路调车事故有重要的意义.     

基于复值小波分解的图象拼合

图象拼合是一种基于图象的场景编码方法，它被很多基于图象的绘制IBR（image based rendering）系统采用，用来建立复杂的虚拟场景表示（例如，360°球面和柱面全景图、环境映照及高分辨率图象等）.基于复值小波多分辨率分解(Complex Wavelet Multiresolution Decomposition)提出了一种有效的图象拼合方法，它能同时地、逐步求精地对图象进行匹配和整合.首先，采用复值小波变换不仅可以保证全局优化的结果，还能够满足图象整合的规模不变和平移不变性.其次，基于多分辨