稀疏性正则化的图像泊松去噪算法

去除医学、天文图像中的泊松噪声是一个重要问题,基于图像在过完备字典下的稀疏表示,在BayesianMAP框架下建立了稀疏性正则化的图像泊松去噪凸变分模型,采用负log的泊松似然函数作为模型的数据保真项,模型中非光滑的正则项约束图像表示系数的稀疏性,并附加非负件约束,保证去噪图像的非负性.基于分裂Bregman方法,提出...     

彩色图像去马赛克的非局部稀疏表示方法

目前,大部分彩色去马赛克（Color DeMosaicking,CDM）算法仅利用了局部的空间和光谱相关性,容易导致CDM复原图像边缘模糊以及细小结构丢失.当图像中出现周期性细小结构时,这些局部方法容易产生诸如锯齿、栅格等失真现象.针对这些问题,我们将字典学习和稀疏编码统一到一个变分框架中,提出了非局部自适应稀疏表示模型.通过非局部相似块聚类自适应地在线学习字典.利用局部和非局部的冗余信息对稀疏编码进行约束,强制稀疏编码靠近其非局部均值以减少编码误差.为了有效抑制服从重尾分布的CDM误差,设计了基于l₁范数的数据项.最后,联合交替最小化方法和算子分裂技巧对模型进行有效求解.实验结果验证了本文模型与数值算法的有效性.     

基于均值移动确定性漂移的改进CONDENSATION人脸跟踪

针对视频序列目标跟踪粒子滤波经典CONDENSATION算法用先验转移概率,即采用一阶或二阶AR模型难以有效进行粒子传播的问题,提出了一种改进的CONDENSATION人脸跟踪算法.首先利用高效的均值移动跟踪器以低廉的计算成本初步进行人脸目标跟踪定位,并用此初步跟踪结果来确定CONDENSATION粒子动态传播模型中的确定性漂移部分,然后只需加入一个较小的随机扩散噪声来完成粒子的传播.由于这样所得的粒子点能较为集中地分布在状态的真实区域附近,因而大大提高了粒子的利用效率.人脸跟踪实验表明,该改进算法的性能明显优于原CONDENSATION方法.     

基于聚类稀疏表示与图像块自适应聚合的单幅图像超分辨研究

A Single Image Super-Resolution (SISR) reconstruction method that uses clustered sparse representation and adaptive patch aggregation is proposed. First, we randomly extract image patch pairs from the training images, and divide these patch pairs into dif-ferent groups by K-means clustering. Then, we learn an over-complete sub-dictionary pair offline from corresponding group patch pairs. For a given low-resolution patch, we adap-tively select one sub-dictionary to reconstruct the high resolution patch online. In addition, non-local self-similarity and steering kernel regression constraints are integrated into patch aggregation to improve the quality of the re-covered images. Experiments show that the proposed method is able to realize state-of-the-art performance in terms of both objective evaluation and visual perception.     

结合相似性拟合与空间约束的图像分割

目的 图像中的目标一般含有很多子类,仅仅利用某个子类的特征无法完整地分割出目标区域。针对这一问题,提出一种结合相似性拟合与空间约束的图像交互式分割方法。方法 首先,通过手工标记的样本组成各个目标的字典,通过相似度量搜寻测试样本与各个目标的字典中最相似的原子建立拟合项;再结合图像的空间约束项,构建图像分割模型;最后利用连续最大流算法求解,快速实现图像分割的目的。结果 通过对比实验,本文方法的速度比基于稀疏表示的分类方法的速度提高约13倍,而与归一化切割(N-Cut),逻辑回归(logistic regression)等方法相比,本文方法能取得更稳定和准确的分割结果。此外,本文方法无需过完备字典,只需要训练样本能体现各个子类的信息即可得到稳定的图像分割结果。结论 本文交互式图像分割方法,通过结合相似性拟合以及空间约束建立分割模型,并由连续最大流算法求解,实现图像的快速准确的分割。实验结果表明,该方法能够胜任较准确地对自然图像进行分割以及目标提取等任务。     

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。     

一种非线性数字滤波器的统一设计框架及其性能分析

文章旨在研究非线性数字滤波器的统一设计框架问题.基于稳健统计理论和双边滤波思想,首先建立了一种鲁棒的图像复原统一能量泛函.该能量泛函充分融合了双边滤波的双重异性加权机制和稳健ρ-函数对边缘奇异点的鲁棒性处理机制,因而具有更强的边缘保持能力.随后,基于图像复原统一能量泛函的欧拉-拉格朗日方程,导出一种非线性数字滤波器的统一设计框架.特别地,在此统一框架下,双边滤波、数字TV滤波以及自适应平滑均可进行相应的扩展.同时,文中系统比较了各种稳健ρ-函数在边缘保持方面的鲁棒性,并提出一种新型边缘保持性稳健ρ-函数,即ρ(x)=-σ2(1 |x|/σ)exp(-|x|/σ) σ2.不论是视觉效果方面还是峰值信噪比方面,大量实验结果验证了文中统一设计框架的合理性和新型稳健p-函数的边缘保持性.     

基于各向异性Gibbs随机场与高斯混合模型的脑MR图像分割算法

为了克服高斯混合模型(GMM)的局限性,利用 Gibbs 理论和图像结构信息构造各向异性 Gibbs 随机场,并将其引入到 GMM 框架中,完善 GMM 的分类效果,使其在克服噪声影响的同时,还能够保持细长拓扑结构区域信息以及角点区域信息.实验结果证明,文中算法可以得到较好的分类结果.     

相关扩散方程在图像修补中的应用

图像修复是图像复原研究中的一个重要内容,可以用于旧照片中丢失信息的恢复、视频文字去除以及视频错误隐藏等。目前有很多图像修补算法对于灰度图像的修补已经取得了很好的修补效果,但存在着时间消耗大和应用到彩色图像修补中时修补效果不理想的缺点。将相关扩散方程引入到图像修补中,并进行改进,使得图像的修补效率和修补效果都得到了有效提高,而且可以很自然地应用到彩色图像修补中。大量的实验证明了该方法的有效性。