稀疏性正则化的图像泊松恢复模型及分裂Bregman迭代算法

生物医学、天文等成像系统通常会受到泊松噪声的干扰, 基于图像在过完备字典下的稀疏表示, 在贝叶斯最大后验概率估计框架下, 建立了针对泊松噪声的稀疏性正则化图像恢复凸变分模型, 采用负log的泊松似然函数作为数据保真项, 模型中非光滑的正则项约束图像表示系数的稀疏性, 并附加恢复图像的非负性约束. 进一步, 基于分裂Bregman方法, 提出了求解该模型的多步迭代快速算法, 通过引入辅助变量与Bregman距离, 可将原问题转化为两个简单子问题的迭代求解, 大幅度降低了计算复杂性. 实验结果验证了本文模型与数值算法的有效性.     

基于l~1范数的新型脉冲噪声数字滤波器

旨在研究非线性数字滤波器设计问题。基于稳健统计理论和双边滤波思想,首先提出稳健的图像复原统一框架,并由此导出一种数字滤波器的统一设计框架,简洁地建立了非线性数字滤波器与最优能量泛函框架之间的理论联系。基于统一设计框架,随后提出了一种新型脉冲噪声滤波器,即双边l1滤波器。双边l1滤波器赋予噪声点的权重相对于图像信息的权重接近于零,更好地抑制了噪声点对滤波过程的影响,比中值滤波器具有更为鲁棒的滤波机制。实验结果验证了双边l1滤波器抑制脉冲噪声的有效性。     

新型梯度倒数加权滤波器

受经典梯度倒数加权滤波器的启发 ,提出了一种应用于图像去噪的新型非线性数字滤波器 ,称之为新型梯度倒数加权滤波器 .该数字滤波器解决了总体变差最小模型的全局最优解问题 .大量的实验表明 ,该滤波器在抑制大部分噪声的同时很好的保留了图像的细节信息     

一种改进的活动区域轮廓模型——无需水平集重新初始化

基于区域的活动区域模型已经成功应用在图像分割、目标跟踪等领域,较之基于梯度的活动轮廓模型具有很多优点。但是,这些水平集模型在演化过程中,为了保持为符号距离函数,必须对其重新初始化,降低了曲线演化速度,增加了实现复杂度。为了解决重新初始化问题,在测地活动区域模型的能量函数中,加入惩罚项来约束水平集保持为符号距离函数,无需再重新初始化,极大地提高了演化速度。将其运用在纹理图像、脑MR图像分割以及视频跟踪中,实验证明该模型是有效的。     

基于光谱映射和细节注入的Pansharpening

Pansharpening通过在多光谱图像中注入全色图像的空间细节，从而获得高分辨率的多光谱图像.但细节注入的同时，可能会引起光谱失真.为了提高融合图像的光谱保真，本文提出了一种空谱结合的Pansharpening方法.充分利用全色和多光谱图像之间潜在的光谱关系，对全色图像的光谱信息进行增强，继而将增强后的全色图像细节注入多光谱图像中，并建立了统一的变分Pansharpening模型，同时实现了融合图像的光谱信息保持和空间结构细节增强.在不同数据集上进行的数值实验表明，相比现有的Pansharpening方法，本文所提方法具有比较好的融合效果，尤其在光谱保真方面，更具有一定的优势.