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.     

一类线性正算子L_p空间逼近的强逆不等式

在Agrawal和Thamer定义了一类线性正算子,并且讨论了该算子对无界函数的同时逼近问题的基础上,继续讨论该算子在Lp空间逼近的逆定理,得到了B-型强逆不等式,由此给出了该算子对可积函数类的逼近界和特征刻画.     

贺兰山岩画的多尺度非局部滤波算法

针对贺兰山岩画提出了一种新的滤波算法,该方法基于混合多尺度和非局部平均滤波的思想处理噪声图像.首先,将RGB彩色空间转换到L*a*b*颜色空间;其次,对L*a*b*颜色空间的每个分量进行多层小波变换;然后通过2种不同的策略处理粗尺度的小波系数,即对低频系数进行非局部平均滤波,对高频系数进行阈值处理,并对处理后的粗尺度小波系数进行重构得到上一层的低频图像;之后,对每一个尺度继续上面的操作直到得到最细尺度的系数,并对完全重构的图像进行非局部平均滤波;最后,将处理结果转换到通常的RGB彩色空间.大量的实验用于讨论参数的选取和算法的有效性.结果表明,该方法在计算效率、鲁棒性和视觉效果方面均优于已有的混合高斯尺度方法、多尺度双边滤波方法、非局部平均滤波方法.     

基于深度学习的面部表情识别方法综述

人脸表情识别就是让计算机按照人类的思维理解表情,是人机交互的重要组成,然而随着深度学习的迅速发展,深度学习技术在人脸表情领域的研究也成为研究热点,所以对深度学习技术在表情识别中的应用及取得的成果进行分析。首先总结了几种常用表情数据集;然后从特征提取和特征分类两方面对基于深度学习的表情识别方法进行了分类,并从网络改进方面分析了基于深度学习的表情识别中的几种网络改进方法;最后阐述了表情识别这一领域中面临的挑战和未来发展。     

求同存异的非局部图像去噪

非局部方法是近年来图像恢复领域最重要的方法之一,这类方法的关键在于如何理解和描述自然图像的自相似性质.本文通过对自相似性质的深入分析,提出描述自相似性质的两个原则：1）＂两方向＂原则：利用隐含在图像中的两方向相关结构.2）＂求同存异＂原则：利用相似性的同时保持各相似块之间的相对差异.然后利用奇异值分解建立了一种符合这两个原则的非局部图像去噪模型.该模型能获得很好的去噪效果.