全变分极端通道先验的盲图像去噪去模糊

图像先验是图像复原中求解不适定问题的关键。针对在图像具有显著噪声时,极端通道先验去模糊算法容易产生振铃伪影和无法抑制噪声的缺点,利用全变分模型可以同时抑制噪声和保护边缘的优势,提出一种有效的全变分极端通道先验的盲图像去噪和去模糊模型。首先,将全变分模型分别引入暗通道和亮通道中,用于保护图像的边缘及消除噪声或振铃伪影;其次,利用半二次分裂技术解决模型的非凸问题和估计潜在的清晰图像;最后,用迭代多尺度盲反褶积估计图像的模糊核。实验结果表明,该算法能够在抑制噪声的同时很好地保护图像的边缘细节和消除振铃伪影。相比近几年具有代表性的其他方法,该模型的鲁棒性、主观视觉效果和客观评价指标均有明显提高。     

一种边缘优化的暗通道去雾算法

针对暗通道先验去雾算法大部分的时间都消耗在对透射率的优化上的问题, 对暗通道去雾算法进行了改进, 提出了边缘优化的暗通道去雾算法。使用边缘算子从粗略估计的透射率中提取边缘, 对边缘及周围扩展区域内的像素采用差值抠图法优化图像中场景深度变化明显的区域的透射率。实验结果证明, 边缘优化的暗通道去雾算法在得到与原始算法基本一致的去雾结果的同时, 平均计算时间仅为原算法时间的60%左右, 有效减少了计算量, 提高了去雾算法的运算速度。     

车牌识别系统中的字符分割技术研究

车牌字符分割是车牌识别系统的三大关键技术之一。准确的字符分割,既能提高字符识别的准确率,又能提高识别的速度。针对车牌图像背景复杂、光照多变、干扰较多的情况,文章在车牌区域预处理的基础上提出了一种基于先验知识的垂直投影字符分割方法。实验结果表明该算法简洁、实时性好、处理正确率高,达到了实用的标准。     

一种哈希表快速查找的改进方法

哈希表由于其速度快的优点在数据查询中有着广泛的应用。本文在结合冲突解决机制和数据元素被查找的先验概率的基础上,提出了一种提高哈希表查找效率的优化方法,并对该方法在链地址法处理哈希冲突的情况下进行了理论分析,与原哈希表方法相比,该方法降低了冲突时执行查询的查找长度,从而使查询响应时间更短。最后对该方法进行行了实例验证,实验结果表明,新方法是有效并且简便的。     

基于广义Gibbs先验的低剂量X-CT优质重建研究

为获取低剂量条件下X-CT的优质重建,提出基于广义Gibbs先验的低剂量X-CT重建算法。新算法首先对投影数据进行统计建模,其后采用Bayesian最大后验估计方法,将投影数据中非局部的先验信息加诸于该数据的恢复中,达到抑制噪声的效果,最后仍采用经典的滤波反投影方法对恢复后的投影数据进行解释CT重建。文中将非局部先验称为广义Gibbs先验,其原因在于该先验具有传统Gibbs先验形式的同时,可以通过选择较大邻域和自适应的加权方式充分利用投影数据的全局信息进行数据恢复。通过与已有算法的对比实验,表明该文提出的基于广义Gibbs先验的低剂量X-CT重建算法在降低噪声效果和保持边缘方面具有较好的表现。     

用于水下机器人导航的序列海底图像配准方法

为了增加深海海底图像匹配对应点的数量和正确率. 本文针对水下机器人导航的序列海底图像, 提出了基于图像信息和先验知识的带状对应点配准方法. 首先对深海海底图像进行适当的光照补偿和图像线性增强等预处理. 然后利用导航数据作为引导思想, 根据拍摄图像的物理位置偏移量, 计算邻接图像相似区域(即邻接图像带状区域). 以带状区...     

适用于机场跑道识别的改进Hough变换

机场跑道的卫星图片经过处理后表现出来的骨架特征为边缘直线,在边缘图像中检测直线通常使用的方法是Hough变换（HT）.由于（HT）是一种穷举式的搜索,在处理复杂图像时存在大量无效计算,实时性较差.针对机场跑道识别的实时性要求,提出一种改进的用于在二值图像中检测直线的快速Hough变换算法,此算法克服了标准Hough变换以图像边界点为扫描边界的缺点,并且能及时中断无谓的扫描,较好地解决了无效累积问题,实验证明,与标准Hough变换相比,它不仅具备Hough变换原有的高可靠性和抗干扰能力,而且具备Hough变换所不具备的高效性和低存储,克服了标准Hough变换的高计算代价和耗存储的缺点.     

结合位置先验与稀疏表示的单帧人脸图像超分辨率算法

提出了一种结合位置先验与稀疏表示的人脸图像超分辨率算法,可对单帧输入的低分辨率人脸图像基于训练集进行超分辨率重建。利用压缩感知理论中的信号分解方法,〖BP(〗明确哪些方法更好〖BP)〗,将稀疏表示与人脸位置先验信息相结合,使用经过分类的超完备冗余字典,来分别稀疏逼近输入信号的块向量结构。利用最佳的K项原子,线性组合重建出高分辨率图像块。最后按照图像块最初在人脸的位置,将它们拼接为整体人脸。在CAS-PEAL-R1人脸图库上的实验结果表明,该算法使用相对较少的原子,就可以重建出质量较好的高分辨率人脸图像。     

A mean field annealing approach to accurate free form shape matching

The SoftAssign algorithm is an elegant free form shape matching algorithm. While its objective function can be interpreted as consisting of three desired terms: minimising a weighted sum of matching errors of combinations of all the points in the two free form shapes to be matched, equalising their weights (probabilities) of being real ones and also maximising the overlapping area between the free form shapes to be matched, the last term has no effect on the optimisation of the parameters of interest due to normalisation. In this paper, we reformulate the last two terms using the inequality about the geometric and algebraic averages and the sum of the powers of these probabilities. For the sake of computational efficiency, instead of considering combinations of all the points in the overlapping free form shapes to be matched, we employ the traditional closest point criterion to establish possible correspondences between the two overlapping free form shapes to be matched. The saddle point solution of the resulting objective function no longer yields a closed form solution to the parameters of interest. For easy computation, we then adopt a pseudo-linearisation method to linearise the first order derivative of the objective function, leading the parameters of interest to be tracked and estimated with a closed form solution. The parameters of interest are finally optimised using the efficient deterministic annealing scheme with the camera motion parameters estimated using the quaternion method in the weighted least squares sense. A comparative study based on both synthetic data and real images with partial overlap has shown that the proposed algorithm is promising for the automatic matching of overlapping 3D free form shapes subject to a large range of motions.     

图像分解与色彩先验下的多曝光图像融合

目的 多曝光图像融合（multi-exposure fusion，MEF）是利用一组不同曝光度的低动态范围（low dynamic range，LDR）图像进行合成，得到类似高动态范围（high dynamic range，HDR）图像视觉效果图像的过程。传统多曝光图像融合在一定程度上存在图像细节信息受损、边界不清晰以及部分色彩失真等问题。为了充分综合待融合图像的有效信息，提出了一种基于图像分解和色彩先验的双尺度多曝光图像融合方法。方法 使用快速导向滤波进行图像分解，分离出细节层对其进行增强处理，保留更多的细节信息，同时减少融合图像的光晕伪影；根据色彩先验，利用亮度和饱和度之差判断图像曝光程度，并联合亮度与饱和度之差以及图像对比度计算多曝光图像融合权重，同时保障融合图像的亮度和对比度；利用导向滤波对权重图进行优化，抑制噪声，增加像素之间的相关性，提升融合图像的视觉效果。结果 在24组多曝光图像序列上进行实验，从主观评价角度来看，该融合方法能够提升图像整体对比度及色彩饱和度，并兼顾过曝光区域和欠曝光区域的细节提升。从客观评价标准分析，采用两种不同的多曝光图像序列融合结果的质量评估算法，评价结果显示融合性能均有所提高，对应的指标均值分别为0.982和0.970。与其他对比算法的数据结果比较，在两种不同的结构相似性指标上均有所提升，平均提升分别为1.2%和1.1%。结论 通过主观和客观评价，证实了所提方法在图像对比度、色彩饱和度以及细节信息保留的处理效果十分显著，具有良好的融合性能。