非局部正则化的压缩感知图像重建算法

压缩感知(compressed sensing, CS)图像重建算法是CS图像获取问题的一个研究重点。针对传统基于稀疏性先验的重建算法不能有效重建图像的各种结构特征,为了在测量值数量不变的情况下进一步提高图像的重建质量,在稀疏性先验的基础上,引入局部自回归模型和非局部自相似性作为图像额外的先验信息,建立了非局部正则化的CS图像重建模型,并给出了相应的数值求解算法。此外,对于重建模型中图像的自回归参数,给出一种基于非局部相似点的估计方法。实验结果表明,较之传统的稀疏性正则化重建算法和同类的MARX(model based adaptive recovery of compressive sensing)算法,所提算法能获得更高的图像重建质量。     

一种改进的Live-Wire交互式图像分割算法

提出了一种改进的Live Wire交互式图像分割算法。与原Live Wire算法相比 ,改进算法在不增加算法复杂度的同时 ,大大提高了图像分割的性能 ,而且在 3个方面弥补了原算法的不足 :(1)对噪声相当敏感 ;(2 )不能有效地区分图像中的强弱边缘 ;(3)不适用于边缘弯曲程度较大的图像。将改进算法与窗宽 /窗位调整算法相结合用于医学图像分割中 ,取得了良好的分割效果     

基于多层次MRF的多分辨率图像融合算法

图像数据融合的目的是恢复出分布在不同图像中的有用信息。在多层次MRF模型的基础上提出了一种多分辨率图像融合算法。该算法将定义在多层次图结构上的非线性因果Markov模型与贝叶斯SMAP(sequenti almaximumaposteriori)准则结合起来 ,弥补了MAP(maximumaposteriori)准则在多层次图结构上计算不合理的缺陷。实验部分中 ,对两种算法用于被高斯白噪声污染的合成图像的恢复结果进行了比较 ,并将该算法用于实际的多分辨率航空图像。实验结果表明了该算法的优越性。     

图像自适应分块单幅超分辨率算法

在单幅超分辨率图像重建算法中,基于最大后验估计(maximum a posteriori,MAP)算法重建效果和抗噪性能较好,但时空复杂度较高。为了提高模板卷积MAP(template convolution based MAP,TC-MAP)算法的运行效率,降低内存消耗,提出了基于图像内容的自适应分块TC-MAP新算法,研究了图像分块的最佳尺寸,并根据子块图像的平均梯度,对平滑区域的多个子块进行合并降低分块边界效应的影响,同时采用边界延长进一步抑制分块效应。实验结果表明,算法有效减少了TC-MAP算法的运行时间和内存开销,同时保持重建图像质量与原TC-MAP算法差别不大。     

基于直方图形态的SAR图像灰度变换性能评估

以合成孔径雷达(syntheticapertureradar,SAR)图像灰度变换前后直方图形态一致性为依据,对现有的7种变换算法性能进行了评价。首先对原始图像进行灰度线性变换,以线性变换图像作为参考图像,对7种变换算法的结果图像进行评估。提出3个检测直方图形态差异的统计参数:相对均值偏量、相对方差偏量和相对偏态差。经真实SAR图像检验,表明基于辐射度统计多分辨率分析(RMA)的灰度变换方法性能最优。     

SAR图像相干斑抑制滤波性能评价

为了评价合成孔径雷达(syntheticapertureradar,SAR)图像相干斑滤波算法性能,提出了一个性能评价体系,其中包含9项指标:等效视数(或平滑指数)、辐射分辨率、信号杂波比损失、信号辐射度损失、均值偏差、空间分辨率损失、边缘保持指数、峰值旁瓣比偏差、积分旁瓣比偏差。该评价体系能同时衡量各滤波算法对相干斑的抑制程度以及对图像原始信息的保持程度。通过用真实图像和模拟SAR图像对典型相干斑滤波算法的检验,表明了评价指标的有效性。     

基于深度卷积神经网络的PolSAR图像变化检测方法

针对极化合成孔径雷达(polarimetric synthetic aperture radar,PolSAR)图像变化检测问题,提出了结合区域信息和深度卷积神经网络(deep convolutional neural network,DCNN)的PolSAR图像变化检测算法。在本方法中,用超像素分割算法与超像素合并算法提取图像场景的区域信息,利用区域信息和Wishart似然比得到差异图像;再运用预分类算法以得到训练DCNN的伪训练样本和待分类样本;接着用伪训练样本训练DCNN;最后用训练好的DCNN对待分类样本进行分类得到最终结果。实验结果表明,与多种PolSAR变化检测算法相比,所提算法能够获得更好的结果。     

基于FPGA的图像无损压缩算法的实现

JPEG LS是针对连续图像无损压缩的ISO/ITU标准,它是近年来JPEG对于图像无损压缩拟订的新标准。采用FPGA硬件实现该算法可以实时压缩各种大容量图片。介绍了JPEG LS中心算法LOCO I的基本编码原理,描述了其具体的编码流程。给出了基于可编程逻辑电路(FPGA)硬件实现图像无损压缩算法的设计与实现方法,该算法具有更高的压缩比。     

基于Canny算子的水平集数字虚拟人图像分割算法

组织器官的分割与提取是医学图像三维重建及可视化能准确表达其相应组织器官的前提.考虑数字虚拟人图像数据的特点,将边缘检测canny算子引入到水平集方法中,提出了一种基于Canny算子的Level Set图像分割算法,推导出了基于Canny算子的Level Set方程的解析表达式,并采用窄带法对该算法进行了数值实现.该算法结合了Canny算子精确定位边界的优点和Level Set图像空间连续演化的思想.实验结果表明,该算法可得到很好的目标分割结果.     

图像制导中的SIFT快速算法

图像制导中,导弹根据预存的地形图自动捕捉攻击目标.通过图像匹配识别目标,尺度不变特征变换(the scale invariant feature transform,SIFT)算法具有优异的性能,但计算量较大.根据地形图像的特点提出了一种SIFT改进算法Zoser SIFT,Zoser SIFT直接对图像进行逐级递减采样,形成阶梯(Zoser)金字塔图层,由24邻域极值点形成特征点.新算法不进行高斯变换,具有图层少、特征点数量适中等优点,大幅度减少了计算量.同时新算法占用内存空间少,浮点运算少,适合在实时DSP系统中应用.新算法虽然抗噪声能力有所下降,但对光照改变、尺度变化、变形和遮挡等仍有很好的鲁棒性,在航拍地形图上进行识别时性能稳定.     

基于多观测向量块稀疏的MIMO雷达非理想正交波形成像

基于稀疏恢复的多输入多输出(multiple input multiple output, MIMO)雷达波形分离方法,能够代替匹配滤波,提高MIMO雷达非理想正交波形分离效果,对目标高分辨成像。但由于目标像稀疏性较弱,多观测向量(multiple measurement vector, MMV)稀疏恢复算法的效果有限。通过调整感知矩阵发掘目标像的块稀疏性,提出了一种基于块稀疏的MMV稀疏重构算法来提高成像质量。首先采用改进的复合三角函数(improved composite trigonometric function, ICTF)作为平滑函数近似l₀范数,然后将其扩展到基于块稀疏的MMV模型,最后通过自适应调整正则化参数提升算法稳健性。通过实验验证了该算法在不同稀疏度、不同信噪比下的重构性能,仿真分析了其应用于MIMO雷达对多散射点目标模型的成像效果。仿真结果表明,所提算法能够更好地提高成像质量。     

基于多观测向量块稀疏的MIMO雷达非理想正交波形成像

基于稀疏恢复的多输入多输出(multiple input multiple output, MIMO)雷达波形分离方法,能够代替匹配滤波,提高MIMO雷达非理想正交波形分离效果,对目标高分辨成像。但由于目标像稀疏性较弱,多观测向量(multiple measurement vector, MMV)稀疏恢复算法的效果有限。通过调整感知矩阵发掘目标像的块稀疏性,提出了一种基于块稀疏的MMV稀疏重构算法来提高成像质量。首先采用改进的复合三角函数(improved composite trigonometric function, ICTF)作为平滑函数近似l₀范数,然后将其扩展到基于块稀疏的MMV模型,最后通过自适应调整正则化参数提升算法稳健性。通过实验验证了该算法在不同稀疏度、不同信噪比下的重构性能,仿真分析了其应用于MIMO雷达对多散射点目标模型的成像效果。仿真结果表明,所提算法能够更好地提高成像质量。     

High speed robust image registration and localization using optimized algorithm and its performances evaluation

Local invariant algorithm applied in downward-looking image registration, usually computes the camera’s pose relative to visual landmarks. Generally, there are three requirements in the process of image registration when using these approaches. First, the algorithm is apt to be influenced by illumination. Second, algorithm should have less computational complexity. Third, the depth information of images needs to be estimated without other sensors. This paper investigates a famous local invariant feature named speeded up robust feature (SURF), and proposes a highspeed and robust image registration and localization algorithm based on it. With supports from feature tracking and pose estimation methods, the proposed algorithm can compute camera poses under different conditions of scale, viewpoint and rotation so as to precisely localize object’s position. At last, the study makes registration experiment by scale invariant feature transform (SIFT), SURF and the proposed algorithm, and designs a method to evaluate their performances. Furthermore, this study makes object retrieval test on remote sensing video. For there is big deformation on remote sensing frames, the registration algorithm absorbs the Kanade-Lucas-Tomasi (KLT) 3-D coplanar calibration feature tracker methods, which can localize interesting targets precisely and efficiently. The experimental results prove that the proposed method has a higher localization speed and lower localization error rate than traditional visual simultaneous localization and mapping (vSLAM) in a period of time.     

基于局部混合滤波的SAR图像去噪

相干斑噪声是合成孔径雷达(synthetic aperture radar, SAR)成像系统所固有的缺点,严重影响SAR图像的可用性,给后续的图像分割、特征提取和目标识别等工作带来严峻的挑战。结合非下采样方向滤波器和双树复小波变换各自的特点,提出一种新的基于非下采样方向滤波-双树复小波变换的局部混合滤波SAR图像去噪算法,具有多方向和多尺度性,保持了图像的平移不变性,改善了图像的视觉效果。与其他算法不同,本文算法采用非下采样方向滤波器级联双树复小波的方法,不仅对每次产生的高频分量进行去噪,还对变换所产生的低频分量进行滤波去噪。实验结果表明：与使用同级双树复小波-轮廓波变换加软阈值去噪相比,本文算法的峰值信噪比提高2 dB;与使用轮廓波加循环平移（cycle spinning, CS）软阈值算法去噪相比,本文算法去噪后的图像不仅峰值信噪比有所提高,而且去噪后的图像更为平滑,抑制了人造纹理产生,视觉效果得到了明显改善。     

基于SNIC的双时相SAR图像超像素协同分割算法

针对面向区域的合成孔径雷达(synthetic aperture radar, SAR)图像变化检测方法中存在的双时相图像边缘和空间对应关系不一致的问题, 提出了一种基于简单非迭代聚类(simple non-iterative clustering, SNIC)的双时相SAR图像超像素协同分割算法。首先, 构造一幅包含双时相SAR图像特征的融合图像, 计算待处理像素点到聚类中心的像素强度相似度和空间距离相似度。其次, 采用一种高效的多尺度弱边缘检测算法, 对双时相SAR图像分别进行边缘检测并融合边缘检测结果。最后, 将像素强度相似度、空间距离相似度和边缘信息进行加权以替代原始SNIC算法中的距离测度, 实现对SAR融合图像的超像素分割, 得到与双时相SAR图像中真实地物边缘均贴合的协同分割结果。基于一组仿真和一组实测双时相SAR图像的超像素协同分割实验结果表明, 该算法的边缘贴合率、欠分割误差和可达分割准确率均优于其他7种经典方法。     

抑制SAR图像相干斑的自适应红黑窗滤波算法

针对经典空域滤波算法处理SAR图像时,在同一滑动窗内完全按同质区域性质处理数据而导致图像细节信息损失的情况,提出一种新的滑动窗结构的算法。该算法选取与窗口中心像素统计特性相近的像素进行滤波处理,解决了经典空域滤波算法存在窗口内数据不满足滤波模型对同质区域要求的缺陷。同时,针对强散射点的特殊性,设计了相应的检测及处理方法。实验结果表明,该算法在获得与经典算法相当的相干斑抑制的同时,较经典算法具有更强的边缘和细节保持能力,同时获得更好的图像视觉效果。     

结合Nystrm逼近的图半监督纹理图像分割

针对半监督学习算法在图像分割中的应用,提出了一种基于流形插值的半监督图像分割方法。该方法将分类问题看作一个流形上的函数的插值问题,通过优化某些系数来更好地拟合数据。该算法采用稀疏图可解决大规模矩阵特征值和特征向量的求解。但是,对于图像分割来说,构造稀疏图的运算时间较长,针对这一问题,提出采用Nystrm逼近方法来降低计算复杂度。合成纹理图像分割结果验证了该算法可获得良好的分割质量,结合Nystrm逼近方法在保证分割质量的前提下从很大程度上提高了计算效率。     

高动态范围图像及反色调映射算子

近年来,高动态范围（high dynamic range, HDR）图像在学术研究和各种应用领域都受到广泛的关注,成为图像处理领域的一个研究热点。首先,对HDR图像的捕获方法以及编码格式进行归纳介绍。然后,对目前已有的从低动态范围图像获取HDR图像的算子,即反色调映射算子,进行分类归纳,并对每种算子进行详细论述,比较它们的关键特性,分析它们的优缺点,为反色调映射算子的具体应用和理论研究打下基础。     

模糊图像高维空间几何信息自适应复原方法

针对模糊图像高维空间几何信息(high dimensional space geometrical informatics, HDSGI)复原方法不能自动调节参数的问题,提出一种结合混沌粒子群优化(chaotic particle swarm optimization, CPSO)算法进行模糊图像自适应复原的新方法。HDSGI图像复原算法可以获得清晰的复原图像,但 是需要人工调节表征分布曲线的参数,参数选择不合适时复原图像中会出现噪声。将能同时度量图像模糊程度和噪声水平的无参考型图像质量评价指标作为CPSO算法的适应度函数,达到自适应地选择最佳分布曲线的目的,从而可以获得清晰复原图像。复原后的图像的主观视觉评价和定量评价指标均证明了方法的实用性和有效性。