运动与离焦耦合的模糊图像参数辨识方法

针对运动和离焦耦合模糊图像运动模糊尺度、角度和离焦模糊半径的辨识难题,提出了一种运动与离焦耦合的模糊图像参数辨识方法. 首先,对模糊图像进行Fourier变换,采用Radon变换辨识运动模糊角度;其次,对模糊图像的频谱图进行滤波,将频谱图中央区域的幅度之和作为BP神经网络的输入量,检测运动模糊尺度时,频谱图按列求和,而检测离焦模糊半径时,频谱图按圆形方向求和. 仿真实验表明,不带噪声的耦合模糊图像参数辨识误差在6%以内.      

改进的匹配点提纯算法mRANSAC

针对当前图像匹配算法中匹配点提纯环节不能有效提取正确匹配点的问题,提出了多变换矩阵mRANSAC(multi-RANSAC)方法.由于数字图像离散采样的原因,匹配点不能准确对应,存在一定的误差,由其拟合出的变换矩阵也各不相同,因而一个变换矩阵不能包含所有的正确匹配点.通过对RANSAC的研究发现,在抽样计算结果非最大内点数组中,只要内点数足够多,也是正确的,这也可以通过不同图像匹配点数不同来客观印证.因而提出使用多变换矩阵增加匹配点数,提高提纯效率,并提出并集法、减集法、自适应内点数阈值法三种策略.结果表明,mRANSAC提纯结果比RANSAC方法多出60%～300%.通过对mRANSAC阈值的设置和调整,可以达到近似100%的提纯率.该方法也可应用到其他有类似提纯问题的领域中.     

双直线运动共同作用的图像模糊参数分析

针对单幅由高频简谐振动和匀速直线运动同时模糊的图像,提出了运动参数辨识的方法. 研究中组合参数不同的两种运动模型,仿真了图像的模糊效果,并应用各种算法进行参数辨识. 结果表明,当两种运动的方向不同时,使用倒谱算法能够准确辨识运动角度;在运动角度上,当微分图像的自相关函数上出现2个十分贴近的正负极值点,且它们之间的距离小于4~5个像素点时,该运动方式为高频简谐振动,否则为匀速直线运动;当运动方式确认后,二次Radon变换算法有利于高频振动获得准确的模糊长度;图像微分自相关函数算法则更利于匀速直线运动获得准确的模糊长度.      

基于区间小波的红外/可见光图像融合

针对红外和可见光图像的特点,结合V. Petrovic提出的融合方法,给出了一种改进的基于区间小波的图像融合算法. 按照V. Petrovic的方法对源图像的梯度细节图像进行融合/分解并得到源图像的多尺度金字塔,对金字塔中的两个低通分量加权平均后进行反变换,得到融合图像. 目视观察和客观评价指标表明:算法取得了较好的融合效果,并且区间双正交小波融合效果好于区间正交小波,这符合双正交小波具有对称性,更适合图像处理的特性.     

一种提高匀速直线运动参数辨识精度的方法

为找到一种基于匀速直线运动模糊的单帧图像,准确辨识成像点扩散函数中模糊参数的方法,对现有文献提出的倒谱、Radon变换、图像微分、图像自相关性以及检测函数等算法进行了仿真和比较.仿真结果表明,倒频谱算法能够更准确地辨识精度运动方向;像素相关性方法能够更准确地辨识模糊长度.对匀速直线运动模糊的单帧图像进行模糊参数辨识时,结合倒谱辨识运动方向和像素相关性辨识模糊长度的算法,能得到更高精度的辨识结果,利于更好地复原图像的质量.     

三维物体抗仿射变换特征匹配方法

为解决三维物体视角变化下的图像匹配问题,提出一种实现三维物体任意仿射变换间的图像匹配方法. 在抗仿射变换的Affine-SIFT算法基础上,提出了多变换矩阵mASIFT（multi Affine SIFT）算法. 使用多平面随机抽样一致性（multi-plane RANSAC,mRANSAC）几何变换约束方法,从描述子粗匹配结果中提取正确匹配对. 比单一变换矩阵方法更加符合目标物体的立体多平面特性,匹配对数普遍是ASIFT的5~9倍. 降低每个单应矩阵的误差阈值,使内点提取中双向变换误差阈值小于3个像素（或2个像素）,更有效地剔除误匹配,可计算出更精确的变换矩阵,实现更加准确的匹配.      

改进的预处理共轭梯度图像复原算法

针对Tikhonov正则化的预处理共轭梯度图像复原算法中模糊图像取全零扩展矩阵的不足之处,研究了零边界条件下Tikhonov正则化的预处理共轭梯度算法. 提出了新的模糊图像的扩展矩阵,降低了原矩阵向量积的计算误差,修正了初始梯度的取值. 改进算法更符合真实的图像退化过程,有效提高了复原的图像质量. 实验结果表明:对于各种退化造成的模糊图像,与当前求解全变分正则化的IST、TwIST、SALSA算法比较,本文算法复原效果优于当前流行的图像复原算法.      

基于红-黑小波变换的图像去噪算法

在红-黑小波变换的基础上,提出了一种新的阈值方法对小波系数进行萎缩以实现图像的去噪. 该阈值方法结合了仿射阈值和非负Garrote阈值的优点,能在保留图像细节的基础上实现更好的去噪效果. 通过仿真试验,对不同尺度下的阈值提出了一组最多适用到8级红-黑小波变换的阈值权重. 结果证明,结合所提出的阈值方法和这一组阈值权重能实现较为理想的去噪效果.     

基于函数级进化型硬件的无损图像压缩

为实现无损图像压缩,设计了基于函数级进化型硬件(FEHW:Function-level Evolutional Hardware)无损图像压缩系统.该系统由进化单元、函数单元和分类单元组成,运用遗传算法(GA:GeneticAlgorithm)自适应地改变其配置结构,在压缩过程中以函数进化的方式,进行像素预测和误差预测,以此增强无损图像压缩的性能.运用LOCO(Low Complexity Lossless Compression),JPEG(Joint Photographic Experts Group),CALIC(Context-based Adaptive Losssless Image Coding)和GA无损压缩算法进行了仿真,给出了不同算法对9种标准图像无损压缩的比较结果,该方法平均压缩率为4.885 bit/pixel.     

参数控制的混合色调映射方法

为解决高动态图像的真实影像再现问题,提出了一种基于参数控制的混合色调映射方法.对图像进行全局预处理,保持整幅图像的亮度和对比度;采用参数控制的混合算子获取图像的局部对比度和细节;采用双边滤波解决色调映射过程中产生的光晕问题.仿真实验表明,该方法压缩了原始高动态图像的动态范围,保持了整体亮度,增强了局部细节而去除光晕效应影响,比现有的Sigmoid算法在各个参数上有显著提高.