基于全变分正则和L2,1范数的视频去雨张量模型

提出了一种基于全变分正则与$L_{2，1}$范数的视频去雨张量模型用于解决雨线遮挡问题。首先，对雨线成分与视频背景先验信息进行预处理，获取相应正则化条件的构建依据以增强各部分稀疏性，便于促进雨线分离。其次，考虑到视频图像存在不规则动态对象，引入全变分正则项来抑制背景强度变化，缓解雨线的误判现象。采用交替方向乘子法（alternating direction method of multipliers，ADMM）可以有效地对所提出的张量模型进行求解，并在合成数据与真实数据集上开展大量实验。结果表明，所提方法在动态背景情况下有效去除视频图像雨线的同时，保留了更多背景细节信息。与相关先进方法相比，所提方法在峰值信噪比、结构相似性和残差三种综合性能量化指标上均具有较大的优势。     

视频分析在交通控制中的应用

提出了一种在一系列连续视频图像中提取背景像素的方法.在背景提取的基础上,采用灰度图像的帧间差分法和背景均值法,再运用虚拟检测线法对视频图像中运动物体进行检测.在合理的假设条件下,对所划检测线上的灰度像素矩阵进行运算,通过计量的数据,运用数学和物理方法,可以得出车辆的外形,即分为大、中、小型车,车辆的行驶速度以及其他一些重要的数据.     

智能监控系统的图像检测设计

智能监控系统图像检测算法的本质是对视频图像中的敏感对象进行监测,提取其客观信息构建对图像和目标的描述,决定其有效性和可靠性的基础是所采用的图像分割算法。通过分析和大量试验结果的比照验证,提出了一种图像检测算法在数字监控系统中的应用,并利用卡尔曼滤波的运动跟踪特性进行进一步的噪声滤除,适用于运动车辆在固定背景下的监测,使得视频图像分析能够适合集成到视频图像采集压缩前端模块中,运用改进的算法模型实现计算效率最大化以及目标判断准确性。     

基于分数群稀疏混合范式和空间正则化的高光谱解混

高光谱稀疏解混合方法旨在寻找光谱库的最佳子集以对场景中的混合像元进行建模。大多数稀疏解混合方法使用美国地质调查局光谱库，易造成与所研究的高光谱数据失配。利用顶点分量分析和概率输出支持向量机，设计了一种结合空间和光谱信息的基于图像的端元光谱库提取方法。由于提取的端元光谱库具有群结构，即多个端元光谱代表一类材料，因此估计的丰度也具有群体结构。提出了基于分数群稀疏混合范式和空间正则化的解混算法，用来解决丰度估计优化问题。分数混合范式诱导丰度群内和群间稀疏性，全变分(Total variation, TV)空间正则化诱导丰度群空间平滑。在模拟数据集和真实数据集上的实验结果表明，与传统稀疏解混合方法相比，该方法可以显著提高解混性能。     

弹性波反演的多尺度全变分法

通过引入全变分正则化来代替传统的Tikhonov正则化,在多尺度算法思想基础上,构造一种快速有效的反演方法—多尺度全变分法。针对待反演参数不连续的情况,提高了算法精度。通过对弹性波方程反演模拟,结果表明:所提出的多尺度全变分法是一种稳定,快速和精确的反演方法。     

网球视频中基于背景模型的目标跟踪方法

针对网球视频中网球和球员的自动跟踪面临着诸多困难,提出基于背景模型的目标跟踪方法.该方法通过平滑化所给出的图像、累加背景图像,创建一个平均背景模型,然后在当前帧和下一帧之间执行图像差分,并在所创建的背景图像中执行逻辑与操作并获得图像差分结果.实验采用两个网球公开赛视频序列评估提出方法的性能,实验结果表明,提出的方法能精确地检测和跟踪视频中球和球员,其中,第一个网球公开赛中的球跟踪率约为94.26%、球员跟踪精度约为91.49%,第二个网球公开赛中球跟踪率约为92.87%,球员跟踪精度约为90.75%.     

基于层一致性平均教师模型的半监督岩石薄片图像分类

传统的岩石薄片图像分类依赖于大量人工标记的图像样本,这种方式受制于标记人员的经验和能力,且无法通过不断增加的未标记岩石薄片图像样本实现分类能力的可扩展式增强。该文提出的在平均教师（mean teacher, MT）模型的基础上,通过在无监督损失中添加层一致性正则化项的方式约束师生模型的层次结构,实现对未标记数据信息的有效利用。消融实验和层一致性平均教师（hierarchy consistency mean teacher, HCMT）模型对比实验结果表明,层一致性正则化方法利用了未标记数据的有效信息,提升了MT模型的分类效果,使得HCMT模型可以在半标记数据集中获得如全标记数据集相似的分类能力。该实验表明,半监督学习模型利用大量未标记岩石薄片图像数据可以提升模型分类的能力。     

基于局部加权低秩先验的高光谱稀疏解混方法

为了充分挖掘丰度系数的内在本质属性，提升高光谱图像稀疏解混精度，提出一种基于局部加权低秩先验的稀疏解混方法.该低秩先验主要基于这一事实：高光谱图像中的局部立方体块具有较高的相空间关性和光谱相关性.加权的低秩先验能够挖掘局部块内在的低维结构特征，有效地抑制噪声，保持数据的细节结构.该先验联合全变差正则项、协同稀疏正则项，能够更好地刻画丰度系数的细节结构、局部平滑性以及行稀疏性.利用模拟数据和真实高光谱数据进行的实验表明，所提方法与现有方法相比能够更好地保持数据的细节信息，提升解混精度.     

非穿戴指势手指三维定位

根据小波变换在时域和空域均具有优异的局部化特征,基于背景差分,利用小波多尺度特性进行小波多尺度 变换,提取视频运动对象并抑制阴影. 根据手指在图像中的空间位置关系,基于阈值分割与色彩信息融合方法,提取手 指区域. 融合手指指尖特征点、指势手指的手臂中心轴线及其外极线的多几何约束的立体匹配策略,采用求解反对应方 法,确保手指特征匹配的正确性. 实验验证了文中所提方法能有效定位指势手指的三维信息.     

一种改进的变分正则化CT重建算法

针对常规ART算法重建图像像素值不稳定,收敛速度慢的缺点,从正则化方法和求解不适定方程问题的数学角度入手,提出了能应用在CT重建中的一种改进的自适应变分正则法.该算法首先对投影数据进行ART重建,然后引入重建图像的梯度作为先验信息,并让梯度自适应下降,来改善重建结果.仿真实验表明,本文算法不仅很好地重建了完整图像的结构信息,还使重建图像更加平滑,收敛速度更快.     

基于残差全卷积网络的图像拼接定位算法

为解决现有篡改定位网络随着深度加深不易收敛的问题,提出一种基于残差全卷积网络的图像拼接定位算法.所提算法一方面迁移残差思想,在全卷积神经网络(fully convolutional network, FCN)的部分卷积层中引入shortcut连接,使其输出的不仅是输入的映射,还是输入映射与输入的叠加.另一方面结合条件随机场(conditional random field,CRF)对定位结果进行后处理,并将FCN与CRF整合在一个端到端的学习系统中,进一步提高定位精度.此外,所提算法还融合3种FCN(FCN8、FCN16、FCN32)的预测结果.在实验中,随机选取公开数据集CASIA v2.0的5/6篡改图像作为训练集,然后对剩余1/6进行测试.为了测试提出算法的泛化性能,采用训练好的模型在公开数据集CASIA v1.0和DVMM上进行交叉测试.在3个数据集上的测试结果表明,所提算法的性能优于现有一些方法.     

基于显著性分类的数字图像自嵌入方法

数字图像自嵌入与恢复是在图像中嵌入与自身相关的信息,用于接收端判断图像是否被篡改并恢复被篡改区域的内容. 提出一种基于显著性分类的数字图像自嵌入方法,根据图像自身的特点对图像进行分类,动态决定每个区域的参考数据量和嵌入容量,采用喷泉码对参考数据进行编码,并将其嵌入到原图像的不同区域中. 与传统方法相比,所提出的方法主要有以下两点优势：在生成参考数据方面,所提出的方法可根据内容分类确定编码长度,在保证整体恢复质量的同时,能重点保护显著性区域;在数据嵌入方面,选择在不同区域中嵌入不等的数据量,可避免传统均匀嵌入法导致图像伪轮廓等缺陷,保证含密图像具有良好的质量.     

SAR图像的自适应边缘保持去噪滤波

针对目前SAR图像斑点噪声滤波算法在噪声去除和边缘保持方面同时性上的不足,该文基于SAR图像噪声识别和边缘检测,提出适用于同质区域和边缘区域的自适应SAR图像去噪滤波方法. 该方法根据SAR图像斑点噪声、边缘位置、边缘方向信息,动态改变滤波器模板的尺寸和形状,实现SAR图像斑点噪声去除,同时保持图像边缘和纹理信息与细微结构. 以2010年8月15日北极地区RADARSAT-2 SAR HH图像为例,将本文的方法与典型空域滤波法进行对比分析,定量分析结果表明所提方法的可行有效.     

基于动静结合的单一背景目标检测方法

本文通过研究目标在单一场景条件下的成像特点与背景图像特征,提出一种基于动态特征、静态图像特征结合的单一背景目标检测算法框架模型。然后,通过分析算法模型对目标特征凸显的两种策略模式,分析其突出特征。最后,结合背景抑制分割方法,实现背景中目标的自适应溢出。     

基于稀疏约束的CT图像重建算法研究

探讨了不完全投影数据的CT图像重建问题.基于压缩感知理论,引入稀疏约束,构造了ART-算法和SART-迭代方法,对SART-方法应用前两步迭代信息进行加速.最后针对模拟数据与实际临床数据将所提算法与传统方法进行比较.     

基于演算侧抑制模型的运动目标检测方法

研究了一种新的基于时空信息的运动目标检测方法.引入了多通道的概念,采用演算侧抑制模型ALI进行运动目标检测.首先根据时域信息创建多个图像处理通道,将视频图像在各通道上分别进行时域ALI、时空域ALI运算获取运动信息,然后将各通道运动信息进行融合提取运动目标,并用时空域ALI消除噪声.仿真实验表明,该方法在复杂背景下可以精确获取运动目标的轮廓.     

基于构造纹理图像的数字隐写

提出一种通过构造纹理图像来隐藏信息的新型隐写方法。隐写者首先构建一个包含多种不同特征的单元库,用来表征二进制数据与图形单元之间的映射关系;根据秘密信息从单元库中选取图形,并确定图形在白纸上的摆放位置,绘制一幅含有隐写单元的图像;随后在其中添加背景元素,并通过可逆形变操作来生成一幅具有复杂纹理结构的含密图像。接收端在提取信息时,根据密钥对含密图像进行逆操作,去除背景图形后使用匹配滤波器识别源图像中的图形,通过分析其摆放位置和图形特征来提取秘密数据。实验结果表明,该方法生成的含密图像具有良好的视觉效果,使秘密数据得到了很好的隐蔽,而且通过调整参数还可以隐藏任意数量的秘密信息。     

基于三支决策的图像过渡区提取与分割方法

在图像分割问题中,过渡区的存在使得分割阈值难以确定,对分割结果的准确性产生较大影响,因此,本文提出了一种基于三支决策的图像过渡区提取与分割方法。建立了图像的粗糙集表示,引入三支决策和最优化理论,把图像分割问题转换为一个在图像域上的分类决策问题,在决策代价取得最小值时,对应的分割阈值即为图像最优分割阈值。该方法综合考虑图像像素分布和分割阈值,设置正则化项。在Weizmann科学研究所的公开图像数据集(Segmentation evaluation database, SED)上取得了81.9%的分割准确率,与其他经典图像分割方法相比,该方法具有更好的分割准确率和稳健性。     

基于颜色通道特征融合的环境声音分类方法

针对传统神经网络提取的复杂环境声音特征微弱，导致分类准确率低的问题，提出了一种基于颜色通道特征融合的环境声音分类方法。首先，从原始音频数据中提取出三种声音特征，即对数梅尔频谱图（log-Mel spectrogram, LMS）、梅尔倒谱系数（Mel-scale frequency cepstral coefficients, MFCC）以及能量谱图（energy spectrum, ES）；其次，分别将以上三者作为RGB颜色通道分量进行特征融合，形成包含更多特征信息的声谱图，更全面表征环境声音；再次，为了避免由于数据集较少导致所训练的模型泛化能力较差，对预训练模型VGG-16采用微调方法进行训练；最后，在两个广泛使用的环境声音分类数据集以及实际场景采集的音频上验证本文所提方法的有效性，并与其他模型的准确率进行对比。结果表明，本文所提方法在ESC-10以及ESC-50数据集上的准确率分别能够达到88.2%和65.2%，并且能提高实际场景采集的音频分类效果。     

基于块重构的加密域可逆信息隐藏

提出了一种基于块重构的加密域可逆信息隐藏方法。首先使用一种特定的加密方法对原始图像块进行加密,其中包括置乱和块重构,该方法能够有效地将冗余从最高有效位转移到最低有效位;其次将位平面划分为不重叠的均匀块和非均匀块,通过标签图对这两种类型的图像块进行区分及记录;最后在可嵌入信息的均匀块中嵌入相关辅助数据,并将秘密信息嵌入到剩余的可用块中。基于加密密钥和数据隐藏密钥的可用性,接收端能够可分离地实现准确提取所嵌入的数据以及无损地恢复原始图像。实验结果表明,该方法在一定程度上提高了信息嵌入量和直接解密图像的解密质量。