窄带主动轮廓模型及在医学和纹理图像局部分割中的应用

提出一种新的基于二值水平集的窄带主动轮廓模型用于局部分割.通过对二值水平集进行形态学膨胀和腐蚀操作, 提出一种稳定灵活可控的窄带控制方案,该方案可使得曲线进化精度从一个像素宽度灵活变化到任意大小. 考虑到局部分割一般要求初始轮廓置于待分割目标内部并不断膨胀进化直至目标边缘,本文提出用形态学闭运算作为新的曲线平滑方案. 与传统的高斯平滑和曲率平滑方案相比,形态学闭运算不仅能够更好地促进曲线的膨胀进化,而且有利于保持水平集函数的二值性. 此外,本文提出的方法是一种通用的自然框架,可以根据不同的需求设计不同的速度函数. 为了证明所提出的局部分割框架的有效性和鲁棒性,本文以医学图像和纹理图像为例分别设计了两个速度函数: 一个是融合了磁共振脑图像的非严格对称信息的速度函数用于大脑皮质下结构的局部分割;另一个是融合了局部熵和局部梯 度算子的速度函数用于纹理图像的局部分割. 在合成图像、医学图像和纹理图像上的实验证明了本文方法在局部分割中的有效性和鲁棒性.     

基于水平集重构B样条的图像放大算法研究

研究了图像局部放大提高清晰度问题。图像放大一直是图像处理领域研究的重点内容之一,由于图像在放大过程中,容易出现局部模糊不清晰,产生锯齿状轮廓的图像,而传统的图像处理放大插值算法方法难以有效解决该问题,为了解决上述问题,提出了一种新的结合B样条插值和水平集重构算法图像局部放大算法。首先利用B样条函数对图像插值放大的快速算法,借鉴了增强图像高频信号对水平集分割的指导作用,并优化驱动水平集演化的内、外能量及曲线长度约束能量,采用基于水平集算法来平滑图像,重建图像的水平曲线且同时保持图像保真度。最后采用贝叶斯修复技术来修复放大后的图像,仿真结果表明,提出的技术可以有效的克服传统图像放大算法缺点,图像放大清晰度更高,插值效果好并且处理时间短。     

基于水平集的并行融合图像分割

针对复杂背景和多目标空中运动物体的定位和跟踪问题,研究了基于小波变换阈值去噪方法、数学形态学去噪方法与水平集方法结合的图像分割方法,提出了基于小波变换阈值去噪与水平集结合方法以及基于小波变换阈值去噪、数学形态学去噪与水平集结合方法的并行融合图像分割方法,对运动目标进行边缘检测。实验结果说明,基于小波变换、数学形态学与水平集方法结合的并行融合图像分割方法能够有效地提取目标物体的轮廓,抑制背景噪声。     

基于标记的分水岭图像分割算法研究

本文针对分水岭算法的过分割问题,设计了一种结合形态学运算的基于标记的分水岭算法.算法首先对梯度图像进行形态学开重建运算和形态学闭重建运算滤波平滑;然后去掉图像中像素个数小于20的局部极小值区域,提取前景标记;用Otsu法求阈值,对二值图像进行距离变换,分水岭分割,得到的分水线图像作为背景标记;最后用强制最小技术修改梯度图像,进行分水岭分割.实验结果表明,此方法能有效抑制过分割,得到与人工标注的分割目标更接近的结果.     

基于Gabor-PCA的人脸遮挡区域重建算法

针对遮挡人脸重建和识别问题,提出一种基于Gabor滤波和主成分分析相融合的人脸遮挡区重建算法。首先通过构建5维8方向的Gabor直方图信息分类器,从人脸库中选择Gabor直方图信息与待重建原始人脸图像在外形轮廓等粗信息更为接近的图像组成训练样本集,然后采用主成分分析对奇异值分解重建协方差矩阵进行投影形成重建图像,最后进行仿真实验。结果表明,该算法可以得到平滑自然的重建人脸图像,而且具有较强的适应性。     

医学图像增强算法与特征提取算法研究与实现

医学图像质量是医生判读准确率高低的基础,医学图像增强是提高图像质量的重要方法。文中对医学图像的平滑处理方法和边缘特征提取算法进行了研究与实现,主要包括邻域平均法、加权平均法、中值滤波法、形态学增强处理、Canny边缘提取算子以及形态学提取边缘的方法。从模拟结果可以看出,经过增强处理后的图像以及所提取的边缘特征明显优于原图像。这样不仅可提高医生的判断速度和准确率,而且有助于对医学图像的特征描述、匹配、重建等工作。     

一种新的水平截集函数初始化和重新初始化方法——距离函数光滑法

水平截集(LevelSet)方法是求解曲线进化方程的一种重要方法,该方法主要缺陷是每隔一定时间需要重新初始化水平截集函数,使水平截集函数具有距离函数和充足光滑性的特征。现有各种重新初始化方法均不能使水平截集函数同时具有这两种特性。论文提出了一种新的水平截集初始化和重新初始化方法-距离函数光滑法,该方法可使初始化和重新初始化后的水平截集函数同时具有上述两种特性。该方法适用于数值求解精度为网格的界面运动问题的初始化和重新初始化,也可作为任意数值求解精度界面运动问题的初始化方法。数值试验表明了所建议方法的有效性,也表明了该方法可降低重新初始化的次数以及数值计算达到稳态的时间。     

基于散斑结构光编码的三维人脸重建方法研究

三维人脸信息获取通过三维相机和三维人脸重建算法进行三维人脸建模。真实环境中三维重建方法往往存在匹配误差较高、表面粗糙等问题。针对三维人脸重建中的问题设计一套三维人脸重建算法用以提高三维重建效果,通过向人脸投射散斑图案增强人脸纹理,改进ZNCC算法生成平滑的三维人脸模型。通过仿真实验验证了该算法可以得到较高精度的平滑三维人脸模型。     

基于移动最小二乘法的点云平滑及重采样

将点云进行三维重建符合人们的视觉习惯,可以逼真地反映场景的立体效果,并且可以方便地进行多角度显示。针对贪婪投影三角化重建结果中存在的曲面不光滑且存在孔洞等问题,提出了使用移动最小二乘法来进行点云的平滑、重采样处理。实验表明,通过移动最小二乘法进行先平滑后采样的方法比直接使用贪婪投影三角化算法或仅平滑处理、采样处理再重建的效果都要好。     

基于变分水平集方法的体素模型修复

针对体素着色方法所重建出的模型存在大量空洞与缺损的问题,提出了一种模型修复方法。首先采用改进的变分水平集方法恢复出封闭完整的体素模型曲面;再利用原始体素模型的颜色信息,对新生成的模型曲面进行重着色并滤除杂色,最终完成体素模型的修复。其中,改进的变分水平集方法在水平集能量函数中引入了符号距离函数自动规整项,避免了重初始化操作;添加了新的进化加速项,防止了隐式曲面穿透模型而造成模型侵蚀。实验表明,修复好的体素模型较原模型相比具有完整的外型和平滑的色彩,且曲面恢复效率更高。     

Image and Video Abstraction by Coherence‐Enhancing Filtering

In this work, we present a non‐photorealistic rendering technique to create stylized abstractions from color images and videos. Our approach is based on adaptive line integral convolution in combination with directional shock filtering. The smoothing process regularizes directional image features while the shock filter provides a sharpening effect. Both operations are guided by a flow field derived from the structure tensor. To obtain a high‐quality flow field, we present a novel smoothing scheme for the structure tensor based on Poisson's equation. Our approach effectively regularizes anisotropic image regions while preserving the overall image structure and achieving a consistent level of abstraction. Moreover, it is suitable for per‐frame filtering of video and can be efficiently implemented to process content in real‐time.     

一种基于高阶统计量的图象平滑去噪法

为了消除或衰减存在于图象上的噪声，同时尽可能地保留图象细节，提出了一种基于高阶统计量的图象平滑去噪法，该方法是根据高阶统计量对高斯噪声不敏感的特性，对一个像素点采用其周围梯度和最小的几个点的灰度平均值来代替其灰度值，以便可以在对噪声进行平滑滤波的同时，最大限度地保留图象的细节信息，仿真结果表明，该方法较好地实现了这一要求，与常用的中值滤波法相比，该方法处理后的图象，其PSNR可提高约1dB以上。     

各向异性扩散平滑滤波的改进算法

图像的噪声过滤和增强是数字图像处理中非常重要的组成部分.在图像处理过程中,为了既有效地去除噪声,又能够较好地保持图像的边缘和重要的细节信息,在Perona-Malik各向异性扩散模型（PM模型）的基础上,通过对变分方法的扩散方程中扩散系数的改进,提出了一个对噪声图像更有效更具有适应性的去噪扩散模型.该模型针对不同的梯度大小采用了不同的扩散系数.在实际处理过程中该模型不仅能够有效地保持图像的边缘,而且还能够克服PM模型对小尺度噪声敏感和部分边缘和细节失真的问题.实验结果表明,改进的扩散模型的性能优于PM模型,是一种较为理想的保边缘平滑模型.     

新适定模型的提出及分类扩散

提出一种新的适定滤波模型和一个可以滤除混合噪声的滤波方法。分析并讨论Perona和Malik (PM)模型中的传导系数函数,该函数对边缘的敏感性较强,是PM模型为不适定方程的主要原因。修改传导系数函数的敏感性后,得到适定的各向异性图像扩散模型,具备不适定模型所不具有的双扩散项和扩散因子的形式。根据滤波方程特点将模型分为平滑模块和抑噪模块,分离了平滑和抑噪两个物理过程,从而提升了图像的光滑性和降低了图像的噪声。在实际图像上的实验结果表明,新的滤波算法对混合噪声的滤波效果优于一些经典的图像扩散算法。     

一种新的数字图像隐藏方案

给出了一种新的图像隐藏方案,与其它隐藏方案的不同之处在于：一方面隐藏了信息后的图像既包含隐藏又包含密钥信息;另一方面,此方案完全采用异或运算,隐藏信息和恢复原始信息采用不同算法;恢复后的图像是被隐藏图像自身在一定方式下的异或运算的结果,因而其运算速度较快,同时此隐藏方案具有随机性和变化的多样性。给出了实现它的迭代函数族的一般构造模式,同时也证明了恢复原图的正确性,在不失去对照度的情况下,给出了实现     

图象重建局部平滑方法改进

针对传统的局部平滑技术中对人的主观因素依赖过强的缺点,提出了一种新的不依赖于人的主观因素的局部平滑技术,并给出了平滑模型的具体实现算法,使对重建的图象具有更好的平滑效果。实验的结果证明了该方法的有效性。     

一种新的图像放大方法及其评价体系

针对数字图像放大问题,重点考虑了图像的两个重要特征：梯度和光滑性,提出了一种新的非线性偏微分PM-MF方法,并将其应用于图像放大。进一步从灰度偏移、信噪比、均方误差和梯度模值4个方面,提出了一套衡量图像放大质量的评价体系。实验结果表明该方法无论从保护边缘信息、灰度偏移以及图像清晰度等视觉特性方面均优于线性偏微分方法。     

Jointly Verifying Ownership of an Image Using Digital Watermarking

The current image watermarking schemes only involve one key, thus can not resolve the problem of joint ownership. This paper proposes two totally new algorithms that make use of a secret sharing scheme in cryptography to address this problem. The first one applies Shamir's (2,2) threshold scheme to the watermarking algorithm. A watermark, which is a gaussian distributed random vector determined by two keys, is embedded to selected coefficients in all middle bands in the wavelet domain of an image, so that only when the two keys are put together can the ownership be verified. The second algorithm is a modification of the first one. Three random watermarks are embedded to middle bands in the wavelet domain of an image. For the watermark detection, two thresholds are set, so the watermark detector can verify partial ownership as well as full ownership. Experimental results show that both algorithms have the desired properties such as invisibility, reliable detection and robustness against a wide range of imaging processing operations.     

Image smoothing with generalized random walks: Algorithm and applications

A novel generalized random walks model based algorithm for image smoothing is presented. Unlike previous image smoothing methods, the proposed method performs image smoothing in a global weighted way based on graph notation, which can preserve important features and edges as much as possible. Based on the new random walks model, input image information and user defined smoothing scale information are projected to a graph, our method calculates the probability that a random walker starting at each pixel node position will first reach one of the pre-defined terminal node to achieve image smoothing, which goes to solving a system of linear equations, the system can be solved efficiently by lots of methods. Theoretical analysis and experimental results are reported to illustrate the usefulness and potential applicability of our algorithm on various computer vision fields, including image enhancement, edge detection, image decomposition, high dynamic range (HDR) image tone mapping and other applications.     

基于Mean Shift聚类的最大熵图像分割方法

为了有效的分割图像,在考虑了图像的噪声消除和边缘保持等因素的基础上,为解决上述问题,提出一种Mean Shift的图像平滑方法和最大熵的图像分割方法相结合的图像分割方法,Mean Shift对图像进行平滑能有效去除图像中的噪声,同时能很好的保持图像的边缘,克服了以往平滑方法的弱点,再通过基于最大熵阈值对平滑后图像进行图像分割,经过实验证明,与小波平滑等目前其他的平滑方法和最大熵分割结合相比,方法有效的改善了分割效果。