水平集曲率引导的卡通—纹理图像分解

针对全变分(TV)正则项不利于保持图像拐角及已有分解变分模型中零散度向量函数被忽略的问题,提出一个水平集曲率引导的图像分解模型.首先,分析图像的曲率与梯度的关系,将水平集曲率与低通滤波器结合加入模型正则项.同时,对用于刻画纹理的H-1泛函,保留其忽略的零散度向量函数,给出带零散度向量函数约束的图像分解模型.然后,给出假设模型的算法及求解步骤.最后,用不同的图像在三个变分模型上进行分解实验,并展示了结构、纹理和零散度向量函数的向量场信息.结果表明,该模型能明显提高图像分解效果.     

一种由明暗恢复形状的改进变分算法

针对变分算法可能丢失表面细节信息的问题,提出了一种由明暗恢复形状的改进变分算法,使用接近实际的混合反射模型描述的反射图方程和图像梯度方程构造了新的目标泛函,由于图像梯度反映了二维图像的细节信息,新目标泛函比仅使用反射图方程的目标泛函蕴涵了更加丰富的三维形状细节信息.然后,使用变分原理求解该目标泛函,得到由明暗恢复形状的改进变分算法.所提出的算法比基本变分算法三维形状恢复的精度有显著提高.合成半球图像的实验表明,新算法在相同迭代次数时恢复三维形状的平均相对误差比基本变分算法减小了13.45%.实际复杂图像的.三维形状恢复结果表明,新算法在恢复表面三维细节时比基本变分算法更加准确.     

贝叶斯框架下的模糊图像盲去卷积算法

为了去除图像模糊的同时,保持图像边缘等细节信息,需要对原始图像和点扩散函数进行准确的估计.在贝叶斯框架下,基于总变分模型,建立原始图像和点扩散函数的先验模型,同步估计原始图像和点扩散函数.对于总变分模型不可微分的问题,在不影响速度的前提下,用迭代重加权范数算法处理该问题.基于共轭分布理论,提出以伽马分布作为未知参数的先验模型,准确估计参数.实验表明该算法在对原始图像、点扩散函数和参数准确估计的基础上,成功地解决了模糊图像的盲去卷积问题,算法的速度和效果都得到了改进.与同类算法相比,本文提出的算法具有一定优势.     

基于边缘定向增强扩散模型的图像去噪

针对基于全变分(TV)的图像去噪模型,恢复图像存在阶梯现象(staircase)的缺点,提出了一个新的图像恢复的变分模型.定义了一个新的包含图像的边缘位置和方向信息的能量泛函,使得沿图像边缘的切线方向具有较强的平滑能力,而法线方向平滑较弱,可以较好的定位边缘.并且该模型能增强阶跃性边缘,防止因平滑造成的边缘模糊现象.试验结果表明:该模型可以部分的解决基于TV的变分模型中出现的阶梯现象,并且具有较好的去噪效果,而且它还能增强图像边缘并保持边缘的位置,其峰值信噪比(PSNR)在高噪声水平下,较其它方法提高大约1.0dB左右.     

结合BV-L2分解的CV变分水平集模型

Chan-Vese(CV)模型基于图像的全局信息,对噪声有一定的鲁棒性,但是对于强噪声污染图像,CV模型并不能取得好的分割效果。笔者结合变分图像分解和CV模型,提出了一个新的图像分割变分模型。该模型结合BV-L~2分解和CV模型,可以实现噪声图像的同时去噪与分割。采用交替迭代算法对新模型进行求解。以人造图像和自然图像为实验对象验证了研究模型分割的有效性和鲁棒性。此外,对比实验结果显示对于强噪声污染图像,与经典的CV模型和VFCMS模型相比,研究模型在分割质量上有一定优势。     

整体变分模型的修复方法

整体变分模型算法是用变分法求解图像的最小能量方程,整体变分模型执行各向异性扩散,对区域内部执行平滑,而在区域边界处不执行平衡过程,可以起到模糊区域内部噪声,而对边缘进行增强的效果。整体变分模型对含有噪声的非纹理图像进行修复,取得了较好的效果。     

基于视觉感知与梯度域的遥感图像对比度增强变分模型

基于视觉感知增强变分模型与梯度域增强变分模型,提出了一种新的遥感图像对比度增强变分模型.首先,定义梯度增强项为一个高斯增强函数,该函数利用高斯滤波器对图像进行预处理,以克服梯度对噪声敏感的不足,并根据图像中各点梯度信息自适应地选择保持或者放大原图像的梯度信息.然后,将梯度增强项引入到视觉感知增强模型中,以提高图像对比度并保持更多细节信息.最后,利用梯度下降流法最小化模型的能量泛函并采用数值化方法获取最优解.从全局和局部对比度增强两个方面验证了所提模型的有效性.实验结果表明,相对于现有其他增强变分模型,局部对比度增强模型能够取得更好的主观视觉效果和客观性能评价指标.     

基于空间模糊聚类的图像分割优化算法

针对传统模糊C-均值(FCM)算法抗噪性能差的问题,提出一种新的基于空间模糊聚类的图像分割优化算法.该算法通过在传统FCM算法基础上加入图像特征项中像素间的空间位置信息,解决了传统FCM对噪声敏感的问题,增强了算法的鲁棒性.实验结果表明,对于添加5%Gauss噪声的图像,该算法可实现有效分割,分割效果显著优于传统FCM算法.     

基于非线性尺度空间的航拍场景分类

针对尺度不变特征变换(Scale Invariant Feature Transform,SIFT)算法在航拍场景分类中提取特征时,易造成边界模糊和细节丢失且无法描述颜色信息的问题,结合视觉词袋模型,提出了非线性尺度空间下融合颜色特征的新型颜色风式特征检测子(Color-KAZE,C-KAZE).通过KAZE构造非线性尺度空间来检测特征信息;对颜色模型(Hue,Saturation,Value,HSV)非等间隔量化获取颜色量化矩阵,进而生成C-KAZE特征描述子;利用视觉词袋和空间金字塔匹配模型融合多特征.实验表明,该算法相比SIFT算法在场景分类准确率方面提高了约8%.C-KAZE描述子增强了KAZE的特征描述能力,突破了SIFT算法特征描述单一、边缘细节模糊的局限性,显著提升了无人机航拍图像的分类效果.     

简化的图像三维重建算法

提出了一种简化的图像三维重建算法,该算法利用灰度信息的相似性测度自动寻找两幅图像对应点,再根据双目成像几何模型计算图像的深度信息.给定了相似性测度,两幅图像的匹配可以描述为一个最小化的问题.在实际应用中利用区域对应、唯一性控制等机制以增强算法的精确度和稳定性.     

基于局部统计特征约束的Snake模型图像分割方法

针对血管内超声(IVUS)图像边界模糊不清的问题,提出一种基于局部统计特征约束的Snake模型图像分割方法.首先利用IVUS图像的先验知识建立图像特征的统计信息,并以此信息构造变化的膨胀力,同时构造了轮廓曲线的内部平衡力,以此构造新的Snake模型,然后利用该模型进行图像分割.实验结果表明,该Snake模型对初始轮廓依赖性小,对噪声不敏感,能准确分割出具有模糊边界的目标图像.     

图像模糊信息融合算法的性能评价

讨论了图像模糊信息融合算法的性能评价问题，采用信息融合技术，可把图像的模糊信息进行融合处理，进一步提高基于模糊技术的图像模式识别的准确率，从信息论的观点出发，提出利用模糊熵来评价模糊信息融合算法的性能，以指导对融合算法的设计和分析，提高评价方法的客观性和精确性。     

基于奇异值分解和引导滤波的低照度图像增强算法

针对现有低照度图像增强算法在处理图像后容易出现色彩失真、细节丢失、过度增强等问题,提出一种基于奇异值分解和引导滤波的低照度图像增强算法.首先通过Max-RGB模型获得初始光照分量,使用奇异值分解和引导滤波对初始光照分量进行优化,得到最终光照分量.利用Retinex模型,将原低照度图与光照分量图逐点相除,得到增强图像,并使用原始图像的绿色分量图作为引导图像,使用引导滤波对增强图像进行去噪处理.实验结果表明,提出的算法能够得到色彩更加真实、视觉效果更好的图像,同时能够避免过度增强、出现光晕等问题.     

基于子带分解的MSR雾天图像增强算法

提出了一种基于子带分解的MSR的图像增强算法(Subband-Decomposed Multiscale Retinex,简称SDMSR).先利用改进后的MSR算法对雾天图像进行处理,之后由子带分解的方法对雾天图像的不同子带分解输出进行增益,最后采用图像融合技术得到清晰的增强图像.并借助均值、标准差、熵、均方误差(MSE)和峰值信噪比(PSNR)对文中算法的仿真结果进行了定量评价,仿真与评价结果表明,该算法能够提高雾天图像的对比度,保留了原图像中有用的信息,图像的失真程度小,图像的清晰度也得到了提高.     

一种基于模糊增强的图像边缘提取改进算法

分析了Pal的模糊边缘提取算法的缺陷,即图像增强区域单一、图像增强后造成低灰度信息的损失、没有做抑噪处理,并针对Pal的模糊增强算法的缺陷提出一种改进的基于模糊增强的边缘提取算法,通过定义新的隶属函数和一种新的模糊增强算法,结合图像平滑滤波处理进行图像边缘提取,有效地增强了边缘信息且抑制了噪声的干扰,并给出了该方法在图像边缘提取中的应用实例。     

基于小波分析和Retinex算法的图像增强算法

为了改善图像增强效果, 提高图像质量, 提出一种基于小波分析和Retinex算法的图像增强算法(WA Retinex). 先采用小波分析对图像进行多尺度分解, 去除图像中的噪声; 再采用Retinex算法对图像细节信息进行增强, 并引入更符合人眼视觉特性的拟合函数拓宽图像灰度范围; 最后通过仿真实验对其有效性和优越性进行分析. 实验结果表明, 该算法明显改善了图像的整体视觉效果, 能更好地刻画图像细节信息,  性能优于现有的一些经典Retinex算法.     

基于JPEG图像的改进小波变换信息隐藏算法

利用小波多分辨率分析技术,提出一种基于JPEG图像的改进小波变换信息隐藏算法.信息嵌入时,该算法在JPEG图像上使用YCb Cr颜色空间变换进行二维小波分解和重构,保证了嵌入后的图像不失真.验证试验表明:在嵌入容量相同的情况下,改进算法比原算法具有更好的鲁棒性,可以做到图像的无损恢复.     

X射线检测焊缝的图像处理与缺陷识别

根据射线检测焊缝图像的特点,设计了图像去噪、增强的算法;针对焊缝缺陷对比度差、光照不均、纹理较多等不利因素,在去除焊缝背景情况下,设计了动态划分焊缝区域算法,利用局域阈值法分割提取出对比度不均的缺陷;通过对焊缝缺陷特征分析,选取缺陷识别的特征参数;建立了用于焊缝缺陷识别的模糊神经网络模型。试验结果表明,图像预处理和缺陷提取是成功的,提出的识别算法能够提高介于模糊边界模式分类时的识别率,对焊缝缺陷识别的效果优于分类识别法。     

面向脑MR影像分割与偏置场修正的FCM方法

传统模糊C-均值(fuzzy C-means,FCM)算法以及结合空间信息的改进方法在分割脑磁共振(magnetic resonance,MR)影像时对噪声十分敏感,且无法消除脑MR影像中的偏置场。针对上述问题,提出一种面向脑MR影像分割与偏置场修正的FCM方法。该方法充分利用图像中的空间局部信息和非局部信息,分别构造出多局部信息模糊因子和非局部权重,在提高算法抗噪性的同时,尽可能多地保持图像细节;建立偏置场模型,以去除脑MR影像中的灰度不均匀性;将提出的多局部信息模糊因子和非局部权重嵌入到带有偏置场模型的FCM方法中,以实现噪声和偏置场条件下的脑MR影像分割。实验结果表明,与其他方法相比,所提方法对脑MR影像中的噪声具有更强的抑制能力,且能够有效消除偏置场对脑MR影像分割的影响,具有更优的分割性能。