基于Gabor 感知多成份字典的图像稀疏表示算法研究

如何设计合适的能够匹配各层面几何结构的图像稀疏表示过完备字典, 进而形成对图像的稀疏分解是当前研究者关注的热点问题. 根据图像的几何结构特性, 从人类视觉系统特性出发, 建立了匹配各层面图像结构的Gabor感知多成份字典, 进而提出一种高效的基于匹配追踪的图像稀疏分解算法. 实验结果表明: Gabor感知多成份字典具有对图像中平滑、边缘与纹理结构的自适应性, 与Anisotropic refinement-Gaussian (AR-Gauss)混合字典相比以较少的原子实现了对图像更为高效的稀疏分解.  

Contourlet与小波域鲁棒性水印算法性能比较

与小波变换不同,Contourlet变换通过各向异性基实现了图像的多尺度多方向性分解,更能捕获图像的曲线奇异性和匹配人类视觉特性。通过分解系数的视觉显著性决定水印强度,不同子带自适应地嵌入水印信号,提出了一种鲁棒性感知水印嵌入算法;该算法在小波分解和Contourlet分解的两种多分辨率框架下对常见水印攻击进行了实验测试。实验结果表明,在同等水印嵌入算法情况下,基于Contourlet和基于Wavelet变换的水印算法都能够抵抗常见攻击手段,但是Contourlet变换算法具有更高的安全性、鲁棒性和不可见性。  

协同设计任务调度的多步Q学习算法

首先建立任务调度问题的目标模型,在分析Q学习算法的基础上,给出调度问题的马尔可夫决策过程描述;针对任务调度的Q学习算法更新速度慢的问题,提出一种基于多步信息更新值函数的多步Q学习调度算法.应用实例表明,该算法能够提高收敛速度,有效地解决任务调度问题.  

一种光照鲁棒的图像拼接融合算法

针对传统图像拼接方法只能处理光照一致图像的问题,提出了一种对环境光照鲁棒的全景图拼接算法。该算法首先使用圆环投影来获取待拼接图像的匹配特征序列,不仅克服了传统图像特征提取方法中的区域局限性问题,而且较好地实现了光照变化的图像匹配;然后使用统计参数来调整待拼接图像的整体亮度,以解决光照变化问题;最后对于传统图像融合处理中采用线性加权函数通常引起的最终拼合图像重叠区域模糊问题,构造了包含图像梯度的能量函数,用于计算重叠区域的全局最优融合因子。实验表明,该算法对光照变化图像的拼接融合能取得满意的视觉效果。  

模糊颜色聚类在颜色传输中的应用

提出一种自动的、基于模糊颜色聚类的自适应颜色传输算法．首先将源图像和目标图像从RGB空间转换到tαβ空间，在tαβ空间对2幅图像进行模糊颜色聚类分析；根据目标图像特征属性对每个聚类域计算相应的匹配权值，图像间匹配权值相近的聚类域确定为图像传输的匹配方向；最后将隶属度控制引入传输方程，实现图像间自适应颜色传输．实验结果表明，该算法比原有颜色传输算法的传输效果更加平滑、自然．  

一种流体艺术风格的自适应LIC绘制方法

把LIC算法应用到非真实感绘制中,提出一种自适应流体艺术图的LIC绘制方法.对源图像亮度分量计算切矢量场,然后对其进行增强、平滑处理获得结构矢量场;通过随机扰动源图像获得纹理参考图像;根据结构矢量场和纹理参考图像的局部特征产生可变的LIC积分步长和步数,自适应地处理纹理参考图像;最后对绘制效果进行颜色渲染,生成具有丰富颜色特征的流体艺术图.实验表明,该方法能够较好地模拟诸如梵高画的流体艺术风格,呈现生动、灵活的波动感.  

支持流媒体的应用层组播研究

在当前没有IP组播支持以及大多数端主机访问带宽有限的Internet网络条件下,普通的端主机提供实时流媒体应用服务缺乏有效的通信手段,应用层组播是解决这一问题的有效通信技术.针对网络电视、视频点播类型的大规模实时流媒体应用,本文提出一个两层应用层组播框架结构ALMF,并对其中组播服务结点覆盖网络的构建和维护进行了研究,提出了一个覆盖网络路由组播模型MOSSMRM和基于智能蚁群的路由算法IACSMR,随后将该路由算法和几种启发式算法进行了比较.仿真实验结果表明,IACSMR算法是一个有效的应用层组播路由算法.  

NLTV:非局部数字全变差滤波算法

在图像平滑处理过程中，如何设计保持图像边缘和纹理细节的数字图像去噪滤波器一直是人们关注的热点问题。本文在统一描述数字全变差滤波算法（DTV）和数字双边全变差算法（DBTV）的滤波机制的基础上，利用图像像素间的近-远程相关性，分别定义近程相关性和远程相关性两个度量，建立了一种非局部图像滤波自适应双边加权机制，提出一种同时适合高斯噪声和脉冲噪声的非局部数字全变差滤波算法（NLTV）。实验验证了新算法在抑制噪声的同时具有较好的边缘细节和纹理保持性能。  

面向彩色图像恢复与边缘检测的Mumford-Shah推广模型研究

将Ambrosio和Tortorelli提出的Mumford Shah椭圆泛函逼近模型推广到彩色图像情形．推广模型将彩色图像建模为黎曼流形上的嵌入曲面，据此将刻画不同颜色通道问方向梯度差异的物理量——向量积项引入能量泛函中目标的正则化部分，进而建立了新的能量泛函．从理论上证明了新能量泛函的Gamma收敛性，推导了最优化能量泛函所满足的欧拉-拉格朗日方程，利用最速下降法，提出了推广模型的一种有限差分方法，理论分析和实验结果都表明：传统的直接将灰度图像的Mumford-Shah模型推广到向量图像情形，往往存在孤立对待每个通道的问题，而该文推广模型能够精细刻画各通道之间的相关性和相互影响，在图像恢复和分割效果上都大大优于传统的直接推广的模型。  

优化加权TV的复合正则化压缩感知图像重建

目的：压缩感知理论突破了传统的Shanon-Nyquist采样定理的限制，能够以较少的采样值来进行原信号的恢复。针对压缩感知图像重建问题，本文提出了一种基于优化加权全变差（Total Variation, TV）的复合正则化压缩感知图像重建模型。方法：提出的重建模型是以TV正则化模型为基础的。首先，为克服传统TV正则化会导致重建图像的边缘和纹理细节部分模糊或丢失的缺点，本文引入图像的梯度信息估计权重，构建加权TV的重建模型。其次，利用全变差去噪（Rudin–Osher–Fatemi，ROF）模型对权重进行优化估计，从而减少计算权重时受噪声的影响。再次，本文将非局部结构相似性先验和局部自回归性先验引入提出的加权TV模型，得到优化加权TV的复合正则化重建模型。最后，结合投影法和算子分裂法对优化模型求解。结果：针对自然图像的不同特性，本文使用复合正则化先验进行建模，实验表明上述重建问题通过我们的方法得到了很好的解决，加权TV正则化先验使得图像的平坦区域和强边重建较好，而非局部结构相似性先验和局部自回归性先验能够保证图像的精细结构部分的重建效果。结论：本文提出了一种新的复合正则化压缩感知重建模型。与其它基于TV正则化的重建模型相比，实验结果表明本文模型的重建性能无论是在视觉效果还是在客观评价指标上都有明显的提高。