基于多分辨率奇异值分解的图像融合

提出一种新的基于多分辨率奇异值分解（ MSVD）图像融合算法。算法对源图像进行MSVD处理,使其分解为互不相关的平滑和细节分量,并对平滑分量进行多层次的分解与处理。类似于小波变换,多分辨率奇异值分解的基本思想是在平滑分量的每一层上用奇异值分解（ SVD）来取代滤波,最终利用融合规则对图像进行MSVD融合。利用5种评价算子来评价算法,得到的融合效果很好。与基于小波分解的算法相比,算法计算简单、实时性突出,对复杂、高像素图像处理更简单方便。     

基于一种新的阈值函数的小波图像去噪

文中在D. L. Donoho和I. M. Johnstone提出的小波阈值去噪基础上,提出了一种改进的阈值函数。该阈值函数采用双阈值模式,通过逐渐增大对小波系数的缩减力度来处理双阈值之间的小波系数,尽可能多地保留有用信息,直至小波系数缩减为零。在这里引入了一个控制变量来调节系数的缩减幅度。与传统的软、硬阈值方法相比,改进的阈值函数最大的优点是函数连续且减小了估计系数的误差。通过仿真实验,从视觉和客观评价标准（峰值信噪比和均方根误差）上验证了新阈值函数去噪的有效性。     

结合图论的JSEG彩色图像分割算法

静态图像压缩标准（ JSEG）分割算法是一种经典的图像分割方法,它充分考虑到了图像的局部信息,可以获得比较精确的分割边界。但JSEG算法在分割过程中计算量相当大并且分割结果容易出现过分割现象。由此,文中提出一种结合图论的JSEG图像分割算法。首先去除JSEG算法中在多个尺度上反复计算J值的过程,改为仅在一个小尺度上进行计算。其次,在得到的J图上使用K-means方法进行聚类,分割得到过分割区域。最后,将分割后的小区域对应为图中的点,进而利用图理论的方法进行区域合并。实验结果表明新算法具有高精度和低复杂度的优势。     

基于数据同化的图像融合方法研究

数据同化凭借其在数值预报中将观测数据与理论模型相结合的特点,目前广泛应用于遥感图像处理及图像融合领域。文中介绍了数据同化的含义和数据同化系统的构成,并分析了其应用于图像融合的原理;结合现有的研究成果着重分析了数据同化框架下结合不同优化算法的图像融合方法,并对其进行分类比较,给出了各方法的优缺点和研究成果及应用;最后在总结了各种基于数据同化的图像融合方法普遍存在的问题的基础上,探讨了进一步发展与研究的方向。     

采用支持向量回归抑制噪声的经验模态分解方法

在实际信号分解中,经验模态分解（ EMD）是对噪声敏感的,往往会分离出一些虚假的本征模函数,对信号的分析产生一定影响。为了提高EMD分解的正确率,减少其出现虚假本征模函数的情况,文中提出了一种基于支持向量回归（ SVR）的去噪方法。先对一次EMD分解结果进行SVR逐层滤波并且对信号进行重组,然后利用EMD方法对重组信号进行二次分解。实验表明,二次分解结果已经非常接近于理想的分解结果,不会出现虚假IMF。这种分解方法对噪声不敏感,能有效提高EMD方法对噪声的容忍度。     

基于流形学习的整体正交稀疏保留鉴别分析

稀疏保留投影是一种有效的特征提取方法,但是其主要关注样本间的全局稀疏重构关系,并且得到的投影变换通常不是正交的。在实际应用中,图像数据往往处于高维空间中的一种低维流形中,正交性一直被认为有利于提高鉴别能力。文中以有监督学习的方式在稀疏保留投影中引入了流形结构保留,并使得投影空间正交,从而提出了一种新的特征提取方法,即基于流形学习的整体正交稀疏保留鉴别分析（MLHOSDA）。在人脸和掌纹图像数据库的实验结果表明此方法具有较好的识别效果。     

Image decomposing for inpainting using compressed sensing in DCT domain

Inpainting images with occlusion or corruption is a challenging task. Most existing algorithms are pixel based, which construct a statistical model from image features. However, in these algorithms, the frequency component is not sufficiently addressed. In this paper, we propose a novel algorithm that utilizes compressed sensing （CS） in frequency domain to reconstruct corrupted images. In order to reconstruct image, we first decompose the image into two functions with different basic characteristics - structure component and textual component. We seek a sparse representation for the functions and use the DCT coefficients of this representation to generate an over-complete dictionary. Experimental results on real world datasets demonstrate the efficacy of our method in image inpainting. We compare our method with three state-of-the-art inpalnting algorithms and demonstrate its advantages in terms of both quantitative and qualitative aspects.     

由粗到精的虹膜图像离焦模糊评价方法

离焦模糊评价在虹膜识别系统中尤为重要。传统的方法是通过频谱分析测量虹膜图像的离焦模糊程度,这类方法容易受到光照变化以及睫毛和眼皮等噪声区域的影响。提出了一种由粗到精的虹膜图像离焦模糊评价方法。第一步,通过频谱分析去除严重模糊的虹膜图像,进行虹膜图像离焦模糊粗分类。第二步,通过方向金字塔分解,提取虹膜图像的质量特征。在人工合成的离焦模糊虹膜图像数据库中,利用径向基神经网络建立起质量特征与质量等级间的对应关系。通过建立起的模型进行实际的虹膜图像离焦模糊等级预测,以及虹膜图像离焦模糊精分类。在Clarkson数据库上的实验结果证明了该方法不仅可以准确区分清晰图像和离焦模糊图像,而且相比于传统的虹膜图像离焦评价方法更接近于人的视觉感知。     

Local adaptive segmentation algorithm for 3-D medical image based on robust feature statistics

Medical image segmentation is of pivotal importance in computer-aided clinical diagnosis. Many factors, including noises, bias field effect, local volume effect, as well as tissue movement may affect the med- ical image, thus causing blurring or uneven characteristics when forming a picture. Such quality defects will inevitably impair the gray-scale difference between adjacent tissues and lead to insufficient segmentation or even leakage during tissue or organ segmentation. In the present investigation, a local adaptive segmentation algorithm for 3-D medical image based on robust feature statistics （LARFS） was proposed. By combining segmentation algorithm principles for traditional region growing （RG） and robust feature statistics （RFS）, the location and neighborhood image information of input seed point can be comprehensively analyzed by LARFS. Results show that, for different segmentation objects, under controlling the input parameter of growing factor within certain range, LARFS segmentation algorithm can adapt well to the regional geometric shape. And be- cause the robust feature statistics is applied in the contour evolution process, LARFS algorithm is not sensitive to noises and not easily influenced by image contrast and object topology. Hence, the leakage and excessive segmentation effects are ameliorated with a smooth edge, and the accuracy can be controlled within the effective error range.