结合图像的局部相关性及非局部相似性的多尺度分块压缩感知

标准的图像压缩感知算法未利用像素间的邻域结构信息和图像子块的自相似性。针对这一问题,本文将图像分成重叠的图像子块,用冗余字典自适应地稀疏表示图像,同时将用自回归模型表示的图像局部相关性和非局部相似性作为先验知识运用到压缩感知图像重构中,提出了结合图像的局部相关性和非局部相似性的多尺度分块压缩感知方法。实验结果表明,本文算法可以有效提高图像重构的视觉效果和峰值信噪比。     

基于字典稀疏表示和梯度稀疏的图像盲去模糊

基于超完备字典稀疏表示的图像复原利用字典的冗余性能够有效地恢复出图像的结构特征,但由于使用字典稀疏表示时需要对整幅图像进行分块处理,导致复原后的图像块之间重构图像常出现"伪像"效应。针对这一问题,本文将图像梯度稀疏统计特性作为先验知识加入稀疏表示图像盲去模糊模型中,提出了一种基于字典稀疏表示和梯度稀疏的图像盲去模糊算法,同时分析了算法的整体优化求解方法。实验分析和结果表明,本文算法能在一定程度上去除图像块之间的"伪像"效应,保持图像的结构特征和整体平滑。本文算法的去模糊图像在峰值信噪比和视觉效果两方面均有显著提高。     

基于分块的压缩重建方法

图像的压缩重建是当前图像处理中的研究热点,本文提出了一种基于分块压缩的重建方法,该方法首先将图像分成尺寸相同的图像块,在一定的压缩比下各块独自完成SL0重建,最后将各图像块的重建结果拼接成整幅图像.图像块的尺寸与整幅图像的重建时间和质量有密切关系.块尺寸大,重建时间长;块尺寸小,块效应影响图像质量.文中对由尺寸较小图像块组成的重建图像进行维纳滤波,消弱了块效应并提高了图像视觉效果.仿真实验结果显示该方法具有重建时间短和压缩质量高的优势.     

基于频域的图像增强技术的改进算法

在传输有限的情况下完成图像压缩传输,针对处理后的图像的主观视觉质量较差和低对比度下处理效果不佳的问题,本文提出了一种改进的基于DCT域块分类的CES图像增强算法。改进后的CES算法基于对图像块分类,对每个图像块判定类别,针对平滑块、纹理块、边沿块,分析图像块交界处块效应产生的原因并根据图像块背景特点,结合原CES算法并改进,对不同类型图像块采取合适的改进的图像增强算法,达到图像增强的目的,提高图像的主观视觉质量。仿真结果表明,改进的算法,以牺牲一些算法计算复杂度,针对纹理块和边沿块获得很好的图像增强效果同时,能够最大限度的抑制块效应,大大的提高了图片的视觉效果。     

小波域分形压缩方法的改进

为消除空间域分形压缩算法在图像恢复后的块效应，讨论了对图像经过小波分解后，根据小波域的子带相似性进行分形压缩的算法及其实现和改进，实验结果表明小波域分形压缩算法较好的消除了块效应。     

基于暗原色先验模型的混合滤波图像去雾算法

基于暗原色先验模型去雾方法,提出混合滤波快速图像去雾算法.该算法在暗原色先验模型的基础上,对雾图的暗原色图像进行最大值滤波,继而求出透射率矩阵;利用最小值滤波估算透射率矩阵的下限值作为透射率的补偿值,再使用指导滤波修复透射率矩阵;利用小波变换方法对去雾后的图像进行滤波和平滑处理,有效改善了去雾图像的视觉效果.本算法有效解决了由于图像边缘估值失真导致的重建后去雾图像存在景深边缘处白色晕块和斑状奇异点的问题,以及带雾图像不同景深、景深边缘透射率的误差修复问题.     

基于DWT的图像分块压缩感知重构算法

运用压缩感知理论对大尺寸图像进行重构耗时较长,观测矩阵要求的存储空间较大,且重构后的图像存在明显的块状效应.根据图像小波变换系数的特点,将图像分块思想与DWT变换相结合,提出了一种改进的基于DWT的图像分块压缩感知算法.将图像子块经DWT变换后,保留图像低频系数,只对高频系数进行观测.重构时采用正交匹配追踪算法（OMP）对高频系数进行恢复.Matlab仿真结果表明,新算法跟基于DCT分块压缩感知算法相比,重构图像的PSNR值提高了2~4 dB,重构时间明显减少,与基于二维离散余弦变换(DCT)的分块压缩感知算法相比,块效应有明显的改善,重构图像质量明显提高.     

基于视觉显著性的分块自适应压缩感知算法

针对SAR图像的压缩感知重建问题,在分块压缩感知框架的基础上,提出了基于视觉显著性的分块自适应压缩感知算法.在采样阶段,每个子块的采样率依据显著信息自适应的变化;在重建阶段,根据不同图像显著信息的差异,自适应地滤波.实验结果表明:该方法不仅重建结果的整体质量更优,视觉效果更好,而且在重建后的图像中能更好地保持边缘和目标等重要特征.     

基于DCT系数首位数字特征抽取的JPEG图像重压缩检测及篡改定位

针对JPEG图像重压缩篡改操作(伪作)检测及篡改定位问题,探讨一种利用DCT系数首位数字特征的改进方法。首先,将待测JPEG图像分成大小为64×64的重叠图像块,对于每一图像块,取每8×8小块中前9个位置的交流DCT(AC-DCT)系数的首位数字(1~9)特征;然后,对提取的首位数字特征进行PCA降维压缩以抽取紧凑特征,再利用SVM分类器判断相应图像块是否经过重压缩操作;最后,利用重压缩检测结果来定位JPEG图像篡改区域。实验结果表明,与代表性文献算法相比,改进算法在视觉效果上取得了更好的篡改定位结果,且对旋转、缩放、羽化等操作具有鲁棒性。     

多尺度压缩感知框架下的遥感图像超分辨率重建

传统的基于压缩感知的超分辨率重建算法将图像看作单尺度,并没有考虑不同尺度的图像块可能包含不同的判别信息.为了有效利用遥感图像的尺度特性,提出了一种多尺度压缩感知框架下的遥感图像超分辨率重建算法.首先通过图像块聚类构建多尺度训练样本集,接着运用Fisher判别准则学习包含遥感图像类别信息的判别字典,然后根据压缩感知中测量矩阵的构造方式估计低分辨率图像的获取过程,最后结合判别字典依次重建多尺度模式下的各子区域图像.实验结果证明了将多尺度压缩感知引入图像超分辨率重建的有效性,提出的算法在视觉效果和评价指标上均优于现有的几种算法.     

一种基于条件生成对抗网络的高感知图像压缩方法

针对如何获得符合人类视觉感知的压缩图像问题,提出了基于条件生成对抗网络的图像压缩模型(HPIC).在HPIC中,首先利用一个超先验概率模型对原始图像进行编码量化,将条件附加标签和残差模块相结合的生成器用于压缩图像的重建,基于深度卷积神经网络搭建的判别器则用于区分压缩后的图像和真实图像间的差异.损失函数是基于比特率-失真-感知优化理论来设计的,一方面选用基于预训练Inception网络特征值的感知失真指标来实现具有高感知质量的图像压缩重建,另一方面利用生成对抗网络损失来消除压缩伪影,提高压缩精度.实验结果表明,HPIC在比特率-失真-感知三重权衡中取得了较好的平衡,即使目前的常见算法使用两倍于本文算法的比特率,本文算法在所有的感知指标得分上均优于前者,HPIC仍能够实现具有高感知质量的压缩.     

基于DCT域采样和重建的低码率图像压缩算法

本文构建了一种基于DCT域采样和超分辨率(Super Resolution, SR)重建的低码率图像压缩编码算法。在编码端对原始图像进行分块离散余弦变换（DCT）,并提取每个DCT系数块的低频系数,然后再反变换到空间域,从而得到在DCT域下采样的低分辨率（Low Resolution,LR）图像块。用JPEG标准对下采样图像块编解码后,采用基于学习的方法恢复DCT域高频系数,重建出高分辨率（High Resolution, HR）的图像。实验结果表明,在码率较低的情况下,本文算法比JPEG编码标准具有更好的率失真性能;同时,在相同码率下,本文算法重建的解码图像视觉效果更好。     

基于数学形态学的运动区域估计及运动图象编码

提出了基于数学形态学的运动区域估计和运动图象编码新算法．这种算法利用数学形态变换提取帧间物体运动块和运动区域,并进行自然形状对应的区域匹配和运动补偿．实验表明,与ＭＰＥＧ等分块运动补偿相比,本算法运动匹配准确,搜索快速,避免了方块效应,在相同码率下较好地改善了图象质量,特别适用于低码率运动图象编码．     

基于稀疏分解的分块图像压缩编码算法

以压缩感知理论为基础,将匹配追踪(Matching Pursuit,简称MP)算法运用到图像的压缩编码中.首先,阐述了原子库的构建方法,之后,采用分块感知压缩图像分解方法,降低了分解的运算复杂度,最后,针对传统MP算法编码率不高的问题,利用MP原子能量与位置分布特点,对原子系数和位置参数进行编码,并提出了MP原子编码方法.实验结果表明,采用分块感知压缩图像分解方法,能有效地降低稀疏分解的计算复杂度,其压缩编码方法在保持传统MP图像编码优势的前提下,能有效地提高编码性能和编码率,体现了稀疏分解较传统分解方法的优势.     

图象锥形编码

本文提出了一种与文献[1]不同的实现图象锥形编码的方法。文中给出了最优量化器设计的方法和结果,讨论了用分块编码实现锥形编码的方法。计算机模拟实验的结果表明,重建图象可以获得1.2bit/pel的压缩效果,而且重建图象的质量是令人满意的。     

基于多层分块自适应压缩感知的图像编解码方法

压缩感知中,测量矩阵对图像进行单一采样率的压缩采样。传统的测量矩阵虽然能够获得比较好的重构效果,但因采样数目较多,故而资源耗费也较多。为了解决上述问题,提出了多层分块自适应编码算法(multi-layered block adaptive coding algorithm,MLBA)以及多层分块自适应压缩感知编解码方法(multi-layered block adaptive compressed sensing codec method,MLBACS)。MLBACS编解码方法基于MLBA编码算法,能够根据图像局部结构进行不同层数和大小的分块,并自适应分配采样率。仿真结果表明,在同等重构性能的前提下,相对于单一采样率下的压缩感知,MLBACS编解码方法能够不同程度地降低重构图像所需的采样数目。     

基于压缩感知的MIT图像重建方法

针对目前磁感应成像技术(MIT)的图像重建质量存在精度较低的问题,提出了一种基于压缩感知原MIT图像重建方法.将MIT系统电压数据的采集过程视为压缩感知的线性测量过程,通过对灵敏度矩阵进行补零拓展和行向量随机重组操作重新设计了测量矩阵;采集到的电压向量也用相同的方式处理,作为压缩感知的测量信号.然后利用压缩感知信号重构算法恢复原始信号.最后进行了仿真实验,实验结果表明,利用本方法获得的重建图像误差和相关系数比传统图像重建算法要好.由此可见,这是一种精度较高的MIT图像重建方法.     

基于黄金分割采样方法的磁共振图像重构

对目前压缩感知理论中几种常用的测量矩阵进行了对比分析研究,针对镜像采样方案中采样直线按360°均匀分布,从而导致测量矩阵与稀疏矩阵之间相干性较高并且图像重构含有较多伪影的问题,提出了采样直线按照360°随机分布的方案.为提高图像重构质量,设计了一个基于黄金分割镜像采样的方案,并通过MATLAB实验仿真验证了该方案的有效性.     

基于分数阶微分的多尺度多聚焦图像融合

针对多聚焦图像融合问题,借鉴多尺度融合方法对各个尺度的互补信息进行针对性融合.首先,运用L_○0梯度最小化的平滑方法将源图像分解为背景层和细节层,然后在背景层的融合中运用分数阶边缘检测掩模保持边缘信息,在细节层中引入分数阶梯度能量算子进行权值分配.实验结果表明,与整数阶梯度能量清晰度算子相比,本文所提出的分数阶梯度能量算子符合人眼视觉感知且更加敏锐.上述融合方法有效避免了融合图像中的伪影和块状效应,更加充分地保留了源图像信息.