基于小波域HMT模型的图像复原

小波域隐马尔可夫树（HMT）模型采用混合高斯模型刻画各子带系数的概率分布,并通过小波系数隐状态在多个尺度之间的Markov依赖性来刻画自然图像小波系数随尺度呈指数衰减的特性.提出了基于小波域HMT模型的图像复原算法作为自然图像的先验模型,将图像复原问题转化为一个约束优化问题并用共轭梯度法对其进行求解.实验结果表明,该算法较好地再现了各种边缘信息,复原出的图像在信噪比和视觉效果方面都有显著的提高.     

基于组稀疏残差约束的自适应强噪声图像复原算法

组稀疏学习在图像去噪中显示出巨大的潜力,但现有方法仅从图像块级别考虑含噪图像的非局部自相似性,影响了强噪声图像的重建质量.文中在组稀疏复原模型中引入组稀疏残差和全变分正则化约束,将含噪图像复原问题转化为多尺度图像块匹配和减小组稀疏残差;基于干净图像的组稀疏系数预估和多尺度图像块匹配,提出了自适应图像复原迭代算法,以提升组稀疏学习算法的图像去噪和精细结构复原能力.实验结果表明,文中算法能更好地保留图像的细节纹理,减少过平滑和伪影现象,在强噪声图像复原的主、客观综合评价上优于BM3D、WNNM等标杆去噪算法.     

基于局部分层模型和MAP估计的盲复原

提出了一种基于局部分层先验模型和最大后验估计的盲图像复原算法,其区别于一般的盲复原算法.用不同的先验模型刻画图像与点扩展函数的统计特性.在图像复原阶段,用局部分层模型解决图像及超参数估计问题:第一层局部高斯分布模型用于刻画图像先验统计特征;第二层模型用于对超参数的估计.在估计点扩展函数阶段.用全局平稳高斯模型约束点扩展函数.最后,基于最大后验估计思想.采用交替循环最小化的方式.同时进行原始图像、超参数和点扩展函数的估计.实验结果表明:盲图像复原算法对不同类型模糊和不同量级噪声退化的图像,均能取得很好的复原效果.     

基于非局部方向性核先验的PET图像Bayesian重建

为了在抑制噪声的同时更好地保持PET重建图像中的细节结构,提出了一种基于非局部方向性核先验(NSKP)的Bayesian重建算法.为了充分利用图像中的全局信息,该算法在二阶核回归过程中估计出图像梯度,计算出相应的方向性矩阵,并根据非局部均值权值矩阵和方向性矩阵的卷积,计算先验项的权值.在重建中,该算法在高阶核回归过程中同时更新图像的梯度和先验信息,而不是单独计算图像梯度.另外,高阶核回归方法运用多自由度的参数估计提高了重建的精确度.研究结果表明,该算法通过计算引入局部结构信息的全局先验权重,更好地抑制了噪声和过平滑,保持了重建图像中细节区域的结构性和背景区域的一致性.对体模数据的模拟实验结果从视觉和数值角度验证了该算法在PET图像重建中的有效性.     

一种基于多尺度结构自相似性的图像超分辨重建算法

多尺度结构自相似性是指图像中存在大量相同尺度以及不同尺度相似结构的性质。本文提出一种基于多尺度结构自相似性的超分辨率重建算法,该方法通过图像旋转和金字塔分解将输入图像的先验信息附加到训练库中,并对样本图像块聚类,分别训练针对各类的多个字典。在图像重建阶段,自适应选择最优字典,并利用相似图像块间的关系建立非局部约束项重建图像。最后利用迭代反投影算法进行图像后处理,进一步提升图像的超分辨率重建效果。实验结果表明,与SCSR、SISR和ASDS算法相比,本文算法能够取得边缘更为清晰的超分辨率重建效果。     

多尺度低秩图像盲去模糊方法

针对现有的大多数基于统计先验的单幅图像盲去模糊方法对图像纹理细节恢复效果不佳且存在振铃效应的问题,提出了一种基于逐块局部最大梯度先验和低秩先验的多尺度图像盲去模糊方法。为了恢复得到清晰图像,采用由粗到精的多尺度框架,通过灰度化与下采样操作逐层构建图像金字塔;在单尺度层面,将逐块局部最大梯度先验和低秩先验带入到最大后验概率框架中,利用交替方向乘子法与半二次分裂法估计出潜在图像和模糊核;结合超拉普拉斯先验与总变差L_2方法,对模糊图像与估得的模糊核进行非盲反卷积,获得清晰图像。在计算过程中,由于直接求解低秩项的计算代价很大,将加权Schatte-1/2范数约束的低秩项子问题转化为非凸权重L_(1/2)范数子问题,采用广义软阈值方法求得全局最优解。在基准数据集上的实验结果表明:与现有的经典图像去模糊方法相比,所提方法取得了更优的图像去模糊效果;在K9hler的合成数据集上进行图像去模糊后,平均峰值信噪比为30.06 dB,平均结构相似性为0.946 5,估计出的模糊核更加精确。     

一种具有边缘保持的MRMRF模型图像分割方法

针对常规四叉树结构的多尺度马尔可夫随机场(MRMRF)模型非重叠区域在最优化过程中所造成的块效应以及建模和推理过程均会导致低分辨率图像边缘细节模糊、缺失的现象,本文提出了一种具有边缘保持的MRMRF模型图像分割方法(EPMRMRF)。首先,所提模型利用邻接区域之间的交互重叠约束,将局部区域的优化传递到相邻区域;其次,采用具有边缘保持作用的Cauchy分布提取图像的多尺度边缘先验知识,在不同尺度上实现图像局部区域特征和多尺度边缘特征的融合。最后,本文提出一种分层区域置信度传播算法(HRBP)对提出的EPMRMRF分割模型进行迭代优化,基于最大后验准则(MAP),求解MRF最大后验全局分布。实验结果表明,提出的模型不仅有效保持了图像分割结果的边缘,获得了更好的分割结果,而且具有较快的分割速度,PRI相似性评价指标平均提升至0.8909,GCE差异性评价指标平均降低至0.1923。     

一种具有边缘保持的MRMRF模型图像分割方法

针对常规四叉树结构的多尺度马尔可夫随机场(MRMRF)模型非重叠区域在最优化过程中所造成的块效应以及建模和推理过程均会导致低分辨率图像边缘细节模糊、缺失的现象,本文提出了一种具有边缘保持的MRMRF模型图像分割方法(EPMRMRF)。首先,所提模型利用邻接区域之间的交互重叠约束,将局部区域的优化传递到相邻区域;其次,采用具有边缘保持作用的Cauchy分布提取图像的多尺度边缘先验知识,在不同尺度上实现图像局部区域特征和多尺度边缘特征的融合。最后,本文提出一种分层区域置信度传播算法(HRBP)对提出的EPMRMRF分割模型进行迭代优化,基于最大后验准则(MAP),求解MRF最大后验全局分布。实验结果表明,提出的模型不仅有效保持了图像分割结果的边缘,获得了更好的分割结果,而且具有较快的分割速度,PRI相似性评价指标平均提升至0.8909,GCE差异性评价指标平均降低至0.1923。     

一种具有边缘保持的MRMRF模型图像分割方法

针对常规四叉树结构的多尺度马尔可夫随机场(MRMRF)模型非重叠区域在最优化过程中所造成的块效应以及建模和推理过程均会导致低分辨率图像边缘细节模糊、缺失的现象,本文提出了一种具有边缘保持的MRMRF模型图像分割方法(EPMRMRF)。首先,所提模型利用邻接区域之间的交互重叠约束,将局部区域的优化传递到相邻区域;其次,采用具有边缘保持作用的Cauchy分布提取图像的多尺度边缘先验知识,在不同尺度上实现图像局部区域特征和多尺度边缘特征的融合。最后,本文提出一种分层区域置信度传播算法(HRBP)对提出的EPMRMRF分割模型进行迭代优化,基于最大后验准则(MAP),求解MRF最大后验全局分布。实验结果表明,提出的模型不仅有效保持了图像分割结果的边缘,获得了更好的分割结果,而且具有较快的分割速度,PRI相似性评价指标平均提升至0.8909,GCE差异性评价指标平均降低至0.1923。     

基于低秩和全变差正则化的图像压缩感知重构

为了解决基于低秩正则化的图像压缩感知重构算法不能充分利用图像局部梯度稀疏特性的问题,提出了一种基于低秩与全变差正则化的图像压缩感知重构算法.首先,通过图像块匹配法寻找结构相似的图像块,组成非局部相似块组;其次,联合相似块矩阵低秩与图像梯度稀疏先验组成正则化项,结合传统的压缩感知模型形成新模型;最后,采用交替方向乘子法实现图像的重构.测试图像为自然灰度图像,为了验证算法的有效性,从主观视觉和峰值信噪比两方面进行对比.试验结果表明,和基于低秩正则化的图像压缩感知算法相比,该算法在准确描述图像非局部自相似性结构特征的前提下提高了重构质量,重构的图像在峰值信噪比上平均提升1 d B.     

基于稀疏混合模型的粒子滤波目标跟踪算法

本文针对在视频追踪过程中出现的目标遮挡问题,提出了一种基于稀疏表达的混合模型的粒子滤波跟踪算法.这种混合模型采用了基于全局模板和基于局部的描述方式,在全局模板的描述方式中,将目标模板由目标候选表示出来,线性表示的系数满足稀疏性约束条件,其系数作为目标候选的权重.同时在局部描述模型中,构造SIFT特征的完备字典,将局部模型稀疏表示成直方图形式,然后对遮挡部分进行处理,设置目标被遮挡部分的直方图权重,得到最终的局部模型直方图表示.最后本文将两种模型合理的融合到一块,得到一种联合的新的模型应用于目标跟踪,实验证明该方法有效的完成了视频中的目标跟踪.     

基于局部分块和背景加权的视觉跟踪算法

针对视觉运动目标的鲁棒跟踪问题,提出了一种基于局部分块和背景加权的跟踪算法。首先对目标的前景和背景区域进行分块采样,然后利用基于积分直方图的局部快速穷搜索算法计算每一个分块在当前帧中的后验概率图,最后对后验概率图确定的对应分块的搜索结果赋予不同的权值,进而计算出目标在当前帧中的位置。实验结果表明:基于局部分块加权的跟踪算法比单纯的背景加权跟踪和分块跟踪具有更高的跟踪精度和成功率,且算法复杂度较低。     

基于曲率约束因子与边缘加权法则的图像修复算法

针对当前较多图像修复算法主要通过对图像块进行方差和度量的方法来完成图像修复,忽略了图像块的显著边缘特性,使得修复图像容易出现模糊效应以及不连续效应等不良现象,导致算法修复性能不佳的不足,提出了基于曲率约束因子耦合边缘加权法则的图像修复算法.首先,通过像素点的等照度线方向构造曲率约束因子,对数据项进行约束,形成优先级度量函数,利用优先级度量函数选取优先修补块;然后,利用像素点的均值之差构造像素自相关模型,对样本块的大小进行了调整;最后,以样本块显著边缘为约束,构造了边缘加权模型,通过边缘加权模型联合SSD(sum of squared differences)模型建立了边缘加权法则,对最优匹配块进行搜索,用于对待修补块进行修复.仿真实验结果表明,与当前图像修复算法相比,本文设计的图像修复算法修复的图像具有良好的视觉效果.     

基于局部自适应约束的图像恢复模型

针对基于自适应Lp范数的图像恢复(adaptiveLpnorm based image restoration,ALPIR)模型在恢复图像时引入"阶梯"效应的问题,提出了一个基于局部自适应约束的图像恢复模型."阶梯"效应的产生与ALPIR模型的Lp范数自适应方案性能密切相关;在新模型中,依据人类视觉感知特性,采用图像方向信息测度和局部方差表征图像的边缘特征,利用可见度函数构建了一个新的自适应方案确定Lp范数.实验结果表明,新模型在恢复图像的同时很好地保持了图像的边缘细节,有效地抑制了"阶梯"效应,综合性能优于ALPIR模型.     

结合人眼视觉综合感知差与r-g色域峰值偏差的彩色图像客观评价方法

针对图像色彩复原应用中对彩色图像质量评价的需求,在图像灰度直方图累计分布差的基础上,通过引入人眼视觉敏感度等修正因子,得到了直方图感知差的评价方法,并与图像的信息熵和平均梯度指标相结合,提出了基于综合感知差的评价方法以及将综合感知差与色域峰值偏差结合的无参考型彩色图像评价新方法.构建了不同光照条件下的标准彩色图像测试数据库,通过与传统的客观评价标准相比,新方法在图像亮度感知、色调信息和图像综合质量等方面均表现出与主观评价更高的一致性.     

基于 UCM 算法中直方图拉伸的水下图像增强研究

针对水下图像色彩失真,对比度低以及图像模糊不清等一系列问题,提出了一种基于色彩模型的水下图像增强算法,改进了现有的 UCM 算法的直方图线性拉伸,使用限制对比度自适应的方法对直方图进行非线性均衡化,使处理后的图片对比度增强效果更好,图像质量更高,更符合人类的视觉感知。 通过搭建的水下海参场景和模拟海底图像偏蓝绿色的实验环境,拍摄了 4 组海参在不同姿态、工况下的水下图片并对其进行定性、定量分析,得出改进后的 UCM 算法在 UIConM、UIQM、NIQE 指标下的数值分别平均为 0. 63、4. 30、3. 30,相比较其他 3 种算法,该算法处理后的图像质量评估指标均为最优,由此证明了研究的算法相对于其他的传统算法显示出更好的可行性和优越性,并且能够适应不同的水下工况,拥有良好的鲁棒性。     

结合图像的局部相关性及非局部相似性的多尺度分块压缩感知

标准的图像压缩感知算法未利用像素间的邻域结构信息和图像子块的自相似性。针对这一问题,本文将图像分成重叠的图像子块,用冗余字典自适应地稀疏表示图像,同时将用自回归模型表示的图像局部相关性和非局部相似性作为先验知识运用到压缩感知图像重构中,提出了结合图像的局部相关性和非局部相似性的多尺度分块压缩感知方法。实验结果表明,本文算法可以有效提高图像重构的视觉效果和峰值信噪比。     

Image Blind Deblurring Using an Adaptive Patch Prior

Image blind deblurring uses an estimated blur kernel to obtain an optimal restored original image with sharp features from a degraded image with blur and noise artifacts. This method, however, functions on the premise that the kernel is estimated accurately. In this work, we propose an adaptive patch prior for improving the accuracy of kernel estimation. Our proposed prior is based on local patch statistics and can rebuild low-level features,such as edges, corners, and junctions, to guide edge and texture sharpening for blur estimation. Our prior is a nonparametric model, and its adaptive computation relies on internal patch information. Moreover, heuristic filters and external image knowledge are not used in our prior. Our method for the reconstruction of salient step edges in a blurry patch can reduce noise and over-sharpening artifacts. Experiments on two popular datasets and natural images demonstrate that the kernel estimation performance of our method is superior to that of other state-of-the-art methods.     

基于亮度感知的前景提取

前景提取是在图像整体认知基础上将感兴趣对象分离出来,本文联合图像亮度视觉感知和水平集方法提出了一种基于亮度感知的前景提取模型。该模型依据像素对的亮度视觉相关性,联合视觉区域内相似性和区域间的差异性,设计了亮度感知能量泛函,运用瑞利熵求解能量泛函得到视觉区域,利用视觉区域特征驱使初始曲线演化至前景轮廓。相对于传统算法,该模型运用图像视觉特征有利于从图像的整体认知上提取前景,提高了水平集方法的前景提取质量。     

基于变分贝叶斯推理的高光谱图像恢复

提出一种基于变分贝叶斯推理的高光谱图像恢复方法.建立描述高斯噪声的最大似然函数项,采用小波基矩阵变换,构建小波变换后因子稀疏分布的先验函数;然后建立估计图像和相关超参数的联合后验概率估计模型,并通过变分贝叶斯推理得到估计的图像.利用实际的高光谱图像进行实验,从恢复的衡量指标和视觉效果图两方面验证所提出方法的有效性,结果优于目前常用的图像恢复方法.