基于双向非局部模型的图像插值

如何充分利用自然图像的自相似特性来进行图像恢复是近年来图像处理领域研究的热点问题之一.事实上,自相似体现为两方向相似结构,当一组相似块被安排成矩阵时,该矩阵的行与行、列与列之间均存在相似性.为此,提出一种双向非局部模型,该模型对称地利用了两方向相似结构,此外,该模型直接将相似块作为字典来表示每一图像块且对表示系数进行Tikhonov正则化.将双向非局部模型用于图像插值,获得了目前最好的恢复效果,无论峰值信噪比还是视觉质量,相比已有算法都有很大地提高.     

视觉感知结合学习的自然图像轮廓检测

本文结合非经典感受野的视觉特性与机器学习的方法,提出了一种自然图像轮廓检测模型.当非经典感受野中的刺激与感受野中心刺激形成一种精确的空间结构时,将对中心产生一种增强效应;另一方面非经典感受野中抑制作用会降低同质成分的响应,我们将这两个机制分别用于增强光滑的轮廓和减少背景中与结构无关的干扰成分.利用逻辑回归概率模型将感受野中的信息与来自非经典感受野中的信息进行有效融合,并根据图像的手工标注数据库,通过学习方法获得一组最优的模型参数.自然图像的实验结果表明该轮廓检测方法能极大地抑制来自纹理的局部边缘,减少虚假轮廓,同时能增强具有一致空间结构的成分,避免轮廓缺失.最后利用Berkeley图像数据库定量地评价了我们方法的性能,并与相关方法进行了比较.该模型不仅为复杂场景中的轮廓检测提供了一个可行的策略,并有助于对生理视觉机制的理解.     

去除混合噪音的一种新方法

文中首先从概率论角度对自然图像中的相似现象给出数学描述,进而得到主要结果之一——相似原理,它揭示了非局部加权平均算法的数学原理.然后依据该原理设计一种新的适合于高斯噪音和一致脉冲噪音之混合噪音的滤波方法,简称"MNF算法".实验结果表明,MNF算法不但在去除图像中混合噪音时其效果明显优于最近Garnett等人提出的Trilateral滤波方法及已有的其他方法,而且在去除脉冲噪音或高斯噪音时其效果亦可与已有之先进方法媲美.此外,文中对MNF算法的控制参数建议了简单计算公式,并使参数个数达到最小因而更便于应用.     

视差计算的层级模型

生物的立体感知是由一个层级网络完成的:从初级视皮层到高层区域,神经元感受野逐步增大,局部立体感知逐步变为全局立体感知.视皮层中存在大量对视差敏感的神经元,其中V1区单个神经元的视差选择特性可用视差能量模型来描述.文中从生物的立体感知过程出发,提出了一种计算图像视差的层级模型,主要贡献有:(1)提出了一种符合心理学实验结果的归一化视差能量模型,减弱了图像对比度变化对神经元视差响应能量的影响;(2)利用视皮层视差功能柱的性质,提出了一种不同倾向视差神经元的汇聚方法;(3)根据不同脑皮层之间的连接关系,提出了一种两层网络结构来解决V1区神经元编码视差的歧义问题.文中方法可以有效提高纹理重复和纹理不丰富区域的视差计算精度.     

基于改进K均值的脸形聚类算法

针对海量人脸图像数据库检索时顺序匹配速度慢等问题,提出把聚类技术应用于数据库预分类,利用脸形特征对人脸图像自动聚类.首先用改进主动形状模型提取脸形特征,再用改进K-均值算法对人脸图像进行聚类.使用Hausdorff距离计算两个特征点集的相似度.实验表明,该算法的聚类结果比较稳定、精确且符合人类视觉认知特性.     

林火扩展的分形模拟案例研究

结合火场能量平衡的半经验模型与地面温度场的物理模型,为火场扩展提供实用描述工具．森林火场扩展形势取决于燃烧物特性和气象气候因子以及地形的作用．森林可燃物本身（表面积）无特征尺度,而林火的扩展过程具有自复制性,这两者使火场扩展具有自相似性,因而火行为可用分形几何进行描述．研究中选取大兴安岭林区五岔沟林火作为试验区,在低分辨率的ＮＯＡＡ－ＡＶＨＲＲ图像上发现火场,在相应高分辨率的ＴＭ图像上进行火场扩展模拟,这是一种新的信息融合尝试．在遥感和地理信息系统的支持下,采用描述生长现象的有限扩展集聚（ＤＬＡ）方法来模拟林火动态扩展过程,用标度律对森林火场的模拟结果进行形态控制．模拟火场与实际火场在形态上体现了自相似,火场面积在数量上也十分接近．     

一种基于Markov随机场模型的核磁共振图像分割方法

为了提高核磁共振(MR)图像分割的效果,提出了一种基于Markov随机场模型的分割方法。该方法利用Markov随机场描述图像的先验分布,结合MAP准则获得分割优化函数,通过ICM局部迭代使分割优化函数收敛。迭代过程中引入了后验概率矩阵的平滑;提高了分割的精度和速度。实测数据的实验结果证明了所提方法的有效性。     

一种快速TMF的无监督SAR图像多类分割算法

三重Markov随机场(TMF)模型非常适合处理非平稳、非高斯图像的分割问题.为了降低模型和算法的复杂性,以满足对实测SAR图像处理的实时、稳健和高效的需求,文中提出了一种快速TMF的无监督SAR图像多类分割算法.该算法首先针对SAR图像的乘性斑点噪声,研究了SAR图像四叉树分解的数字特征、阈值选取及分解规则,使得在图像平滑区进行粗分解,而在图像边缘区进行细分解,将图像快速映射成一种新的基于边缘信息的pixon描述,然后再将TMF算法进行扩展,导出了基于边缘信息pixon描述的TMF新的势能函数,最后完成Bayes最大后验模型(MPM)分割.测试数据和实测SAR图像的仿真实验验证了快速TMF算法的有效性.     

递推式视频前景分割方法

本文描述了一种基于前一帧已有分割结果对当前帧进行自动分割的递推式视频前景目标分割方法.目前视频分割主要有以下三大难点尚未被很好地解决,首先是前景与背景的颜色区分度过小,造成不易将其分割.其次,视频中频繁出现的局部遮挡与暴露区域,会破坏递推式视频分割的连续性,使得分割推理错误,造成结果不正确.最后,前/背景颜色模型所选用的采样方法,更是影响结果的重要因素之一.因此本文着重对此三类问题给出了相应的解决方案,利用前景物体具有局部运动一致性的特征,解决前/背景相似颜色问题.对于遮挡与暴露问题,通过自适应的局部窗口调整进行扩展采样,以修复其递推连续性.其次,本文使用了一种基于近似颜色块的采样方法,使得所建立的颜色模型更为明确干净,以减少不相关信息所带来的影响.最后,利用视频的时空一致性特征,合成出最终的分割结果.实验表明,本文所提出的递推式视频分割方法,能有效地解决以上三个问题,并且相比于其他方法,特别地对于复杂的视频测试场景,本文方法能获取更好的自动分割效果.     

一种非结构化数据库的四面体数据模型

文中针对非结构化数据管理提出了一种四面体模型.该模型用4个刻面分别描述了一个非结构化数据的基本属性、语义特征、底层特征以及原始数据等组成元素,并描述了这些元素之间的内在联系.设计了四面体模型的实现结构以及数据操作语言.四面体模型能够实现各类非结构化数据的统一的、集成的以及关联的描述,并能够支持关联检索和数据挖掘等智能检索服务.最后给出了一个视频样例库中数据的描述与操作实例.     

POLSAR图像杂波L分布建模及其参数估计

基于乘积模型的杂波统计建模是进行高分辨极化合成孔径雷达(POLSAR)图像非均匀区域杂波统计特性分析的有效方法,其核心在于纹理分量随机分布的类型选择.广义伽马分布(GΓD)是一种普适性很强的分布类型,Weibull分布、伽马分布、逆伽马分布等都是GΓD分布的特例,因此基于GΓD分布的图像乘性杂波建模既满足杂波建模的高精度要求,同时成为各种雷达杂波辨识的有效工具.本文首先推导了服从GΓD分布的随机变量的高阶矩特征及其对数累积量(MLC),利用纹理分量服从GΓD分布情形构建了乘积相干斑模型,得到了适用于POLSAR图像处理的L分布杂波多视处理的协方差矩阵的概率分布函数,同时推导了其高阶矩特征及其对数累积量,提出了基于对数累积量的L分布参数估计新方法.针对样本数较少的情况下对数累积量参数估计失效问题提出了基于混合矩(MME)的参数估计方法来解决.然后给出了不同分布的高阶矩和对数累积量,通过二三阶对数累积量关系图辨析了常用分布与L分布的内在关系,得到了L分布是目前乘积模型中适用范围较为广泛的统计分布的结论.最后用仿真数据验证了理论推导的正确性,并将基于对数累积量的参数估计方法与已有方法进行了比较,结果证明新参数估计方法具有更高的估计精度和运算效率;另外,还用实测数据进行了统计模型检验,其结果验证了理论推导的正确性.极化SAR中多视图像L分布杂波的统计建模及其参数估计方法为极化SAR目标检测和识别等领域的新技术研究提供了新手段.     

非下采样Contourlet HMT模型

非下采样Contourlet变换（NSCT）不仅具有类似传统小波变换和Contourlet变换的多尺度和多方向特性，而且还具有良好的平移不变特性．文中对NSCT变换系数进行研究，获得NSCT变换的方向子带系数同样具有持续性和聚集性的结论；在此基础上结合隐Markov树模型，建立了一种新的基于NSCT域的隐Markov树模型NSCT—HMT，并且给出了该模型的参数结构以及模型参数的训练方法；最后将所提出的模型应用于图像去噪中取得了很好的仿真效果．     

基于轮廓小波的图像信号去噪算法研究

在非下采样Contourlet变换域中,针对憎水性图像相关特性,分析了图像有用信息与干扰噪声,提出了基于非下采样Contourlet变换复合绝缘子憎水性图像去噪算法,对变换后低频分量中含有光照不均匀成分采用B样条曲面进行近似,得到补偿后低频分量；对多分辨率多方向性带通分量中乘性噪声应用非线性扩散有选择滤波,最后对修正后系数重构.实验结果表明:与同态滤波相比,此算法不仅对憎水性图像光照不均匀部分最佳补偿,而且图像的细节、边缘信息得到有效的保留甚至加强,为后续憎水性图像分析与理解提供了良好的基础.     

基于磁性微泡对比剂的超声和磁共振影像融合算法

文中提出了一种新的基于磁性微泡对比剂的超声影像和磁共振影像之间的融合算法．首先利用磁性微泡对比剂对体模进行超声和磁共振显影，并对显影进行边缘分割．运用非采样contourlet变换（nonsubsampled contourlet transform．NSCT）对源图像进行分解，然后对低频子带系数采用自适应动态加权非负矩阵分解（dynamic weighted non-negative matrix factorization．DWNMF）结合分割图像进行融合．然后对各带通方向子带系数采用空间频率激励的脉冲耦合神经网络进行融合，最后利用NSCT逆变换得到融合图像．研究结果表明，利用磁性微泡对比剂并结合上述算法对超声影像和磁共振影像进行融合，可以获得预期的融合效果．     

物联网服务建模：一种基于环境建模的方法

物联网服务是传统Web服务通过传感器网络向物理环境的延伸,它通过传感器网络感知物理环境中的实体,也向物理环境实体施加作用.与传统Web服务相比,由于物联网服务受到所依赖的物理环境的时间受限性、资源受限性和设备潜在故障概率的影响,物联网服务的响应速度、服务能耗和容错能力等特性成为影响物联网系统整体特性的重要因素.因此,对物联网服务进行全面建模,对物联网服务所处的外部环境进行形式化描述,并结合物理环境模型对物联网服务的性质进行分析,对于确保物联网系统的正确性、稳定性非常必要.本文针对物联网服务的特点,结合基于环境建模的需求工程思想,提出一种基于环境的物联网服务三元问题域建模框架,给出了物联网服务建模本体以及相应的建模原则.在此基础上,提出了一种物联网服务行为建模方法,该方法将物联网服务和物理环境建模为概率时间自动机,将用户期望的服务特性描述为时序逻辑公式,为物联网服务功能行为正确性验证和非功能性约束可满足性验证奠定了基础.     

一种改进拉氏算子的四阶偏微分方程图像去噪方法

建立了一种描述图像平滑度的泛函,并推导出新的四阶偏微分方程图像去噪模型,在有效去噪的同时,较好地保持了图像的特征。由于该方法得到的图像是分段线性图像,避免了二阶偏微分方程处理图像常出现的"阶梯"效应,同时,和同类的四阶偏微分方程去噪模型相比,其处理结果不会出现"斑"点,因此视觉效果更加理想。最后通过实验证明了该方法的有效性。     

无人机图像全自动生成大比例尺真正射影像方法

随着无人机遥感技术逐步从研究开发阶段发展到实际应用阶段，采用无人机图像进行大比例尺的真正射影像生成方法的研究具有重要的现实意义．本文旨在探索将计算机视觉中获得巨大成功的多视三维重建技术应用到对无人机影像处理中，给出了一种基于运动恢复结构重建算法和多视图立体视觉算法全自动生成大比例真正射影像的方法．本文首先分析了无人机图像PMVS重建点云的特点，给出一种由基于面片多视图立体视觉稠密点生成数字表面模型的方法，然后详细介绍了包括正射影像图像坐标映射模型、可见性计算、基于Markov随机场能量优化的面片选择和匀光处理等真正射影像生成的关键步骤．实验结果以及与商业软件的比较表明：本文给出的方法在野外地形和城市区域均能获取有效的真正射影像结果．     

基于随机时间自动机和统计模型检验技术的无线传感网络协议建模与分析

近年来，传感器技术得到了长足而有效的提升，无线传感网络（WSN）以其开放、动态的特征获得了极大的关注，并成为了互联网计算的一个重要组成．WSN系统行为复杂，经常面临信息丢失、节点动态变化等不确定因素，且网络中的节点一旦部署将很难更改、维护．因此，为了保证相关应用的正常工作，在系统设计阶段对WSN中的底层协议进行质量保障就成为了一项非常重要的研究问题．系统设计人员不仅需要保证协议功能上的正确性，还应该评估协议在目标工作环境下的性能，以保证其可以胜任相应的工作需求．针对以上问题，本文提出了一种基于随机时间自动机和统计模型检验技术的WSN协议建模、分析和评估途径．在建模阶段，首先将采用时间自动机对协议在理想环境下的基本业务流程进行建模．考虑到WSN系统实际工作中会遇到的各种不确定性因素，将用带权分枝来对模型进行扩展，生成协议的随机时间自动机．在验证阶段，首先采用经典模型检验技术，在理想时间自动机上检验相关功能性质，保证协议工作逻辑的正确性．为评估协议在不同条件下的具体性能，则在随机时间自动机上用统计模型检验技术对其进行数值分析，以进行参数配置、性能预测、协议比较等工作．为展示该途径的可用性及其技术细节，本文对两种著名的WSN时间同步协议，TPSN和FTSP分别进行了完整的建模与评估．     

卡通—纹理字典学习的图像分解方法

结合变分方法与字典学习,提出一个新的图像分解变分模型和由扩散流引导的字典学习算法.实验结果表明,和已有图像分解方法相比,新算法自适应性强,不仅可以更好地将图像的卡通和纹理分开,而且能有效地将纹理中的噪声去除.