一种改进粒子群优化的图像恢复算法

分析图像恢复算法现有的一些问题,提出一种改进PSO的图像恢复算法.结合图像恢复算法的特性,给出了适应度函数、搜索空间和算法参数的选取,提出了用邻居最优粒子的影响来加快收敛速度的PSO改进策略和随机开扰动窗口来缩小搜索范围的改进策略.     

基于PSO和加权FCM的图像分割算法

结合PSO算法和加权FCM算法(WFCM)的优势,提出一种新的图像分割算法--基于PSO和加权FCM的图像分割算法(PWF).算法通过PSO进行全局寻优,克服了单纯FCM算法的对初始值敏感及对噪声数据敏感,容易陷入局部最优的缺点,能够找到全局最优的模糊划分,实现模糊聚类图像分割.实验利用了加权二维直方图的WFCM算法,考虑像素间的空间信息,改善了图像分割效果.     

基于改进暗通道先验的沙尘图像清晰化算法

针对户外成像设备获取的沙尘图像存在色调偏黄、色彩不丰富及清晰度较低等问题,提出一种基于改进暗通道先验的沙尘图像清晰化算法.对图像偏色的问题,首先对高斯模型进行改进,采取自适应归一化方法调整图像暗部像素,并加权融合基于灰度世界的颜色校正方法,从而去除色偏影响;然后利用带色彩恢复的多尺度视网膜增强算法进行色彩恢复;对处理后存在的薄雾影响,基于暗通道先验方法重新选取大气光值,并对暗部像素进行亮度补偿;最后针对图像饱和度不足和对比度低的问题,将图像映射到HSI空间,分别利用自适应调整函数和改进双伽马校正算法进行提升.实验结果表明,该方法不仅能有效校正色偏,更好提升图像对比度及清晰度,且对图像色彩丰富度提升效果明显,可提高户外成像设备的图像质量.     

基于QPSO的图像分割算法

文章将具有量子行为粒子群优化(QPSO)算法应用到图像分割中,提出了一种新的图像分割算法.新方法基于最佳熵阈值分割技术,用QPSO算法自适应选取分割阈值;仿真实验针对Lena图像分割问题,将标准粒子群优化(PSO)算法与QPSO算法分别独立运行,仿真结果表明,基于QPSO优化的图像分割算法不仅克服了PSO容易过早陷入局部最优值的缺点,而且分割速度更快,是一种更有效的分割方法.     

具有细节补偿和色彩恢复的多尺度Retinex色调映射算法

针对带色彩恢复的多尺度Retinex色调映射算法(MSRCR)在分离图像光照信息时未保留部分细节信息,导致结果图像出现细节模糊和颜色失真的问题,提出了一种具有细节补偿和色彩恢复的多尺度Retinex色调映射算法(MSRCD).该算法利用Retinex理论的基本原理将高动态范围图像分为反射层和光照层,先使用双边滤波从图像光照层中提取出细节信息进行补偿,然后从图像的反射层中分离出基本层信息并进行自适应调整,压缩其动态范围,最后通过色彩校正还原图像颜色.实验结果表明,与MSRCR算法及基于双边滤波的算法相比,MSRCD算法的处理结果保留了更丰富的细节信息,色彩逼近于真实场景且避免了光晕的产生.     

基于入侵性杂草克隆的图像聚类方法

针对原始谱聚类初始敏感的缺点,提出了一种新的基于入侵性杂草优化(IWO)的图像聚类方法(CIWO).该算法通过计算峰值信噪比(PSNR),动态确定图像聚类簇数的最优选择范围,采用最小量差、最小簇内距离、最大簇间距离重新构造了图像聚类质量的评价函数,通过模拟杂草克隆的自然行为对图像数据集的簇中心进行快速准确定位.将算法应用于几个基准测试图像,并通过聚类有效性准则与k-Means、FCM、PSO等方法进行比较,发现CIWO具有更稳定的图像聚类性能.实验结果也表明,所提出的算法可获得更优的图像聚类质量.     

基于四元稀疏正则的彩色图像超分辨率重建

为了更好地保持重建彩色图像各通道信息的相关性,有效提高彩色重建图像边缘、色彩等细节信息的恢复质量,提出一种基于四元稀疏正则模型的彩色图像超分辨率重建算法.该算法利用四元数表示彩色图像的三个通道信息,并且采用L1/2正则项代替L1正则项构建基于四元稀疏正则约束的彩色图像超分辨率字典学习及模型重建.同时在训练重建字典对中,为了更好地表征图像特征信息,采用去均值方法构造高低分辨率训练样本集;为了得到与低分辨率重建字典更匹配的高分辨率重建字典,采用字典分离训练方法分别生成高低分辨率重建字典.实验结果表明:与现有的算法相比较,本文算法在重建图像的主观和客观评价指标方面均有改善.     

基于暗通道的沙尘图像增强算法

针对沙尘图像存在色差以及图像增强后沙尘图像在明亮区域易出现光晕等问题, 提出一种新的基于暗通道的沙尘图像增强算法. 首先通过在Lab色彩空间用灰度世界算法调整色差, 有效避免图像出现色彩失真现象; 然后利用伽马校正函数和暗通道去雾算法, 避免图像出现噪声、 色彩过度增强和光晕等现象; 最后将亮度补偿后的图像与对比度增强后的图像进行加权融合, 进一步提高图像的可见度, 使图像细节更清晰可见. 实验结果表明, 该方法提高了沙尘图像的清晰度和亮度, 可得到质量更高的沙尘图像.     

一种新的单幅图像快速去雾算法

针对图像雾霾退化的恢复,及现有算法实时性差的缺陷,提出一种高效的单幅图像去雾算法。该算法从雾霾天气条件下图像退化模型出发,首先通过对图像进行白平衡,简化图像退化模型,并消除大气光对恢复图像色彩的影响,提高色彩恢复的准确度,而后通过暗通道先验求解大气传递图的粗略估计。根据大气光衰减项的先验知识与假设,通过构造罚函数对传递图进行约束,采用规范映射最陡下降法直接求解退化模型中的大气光耗散项。最后将大气光耗散项带入退化模型反解出场景反照率。实验结果表明:该算法能够较好的实现对退化场景图像色彩恢复与细节信息的增强,较好地提高退化图像的视见度,且算法复杂度低,处理速度快。     

有雾图像和沙尘图像增强算法

针对有雾图像和沙尘图像存在色差、 清晰度较差的问题, 提出一种有雾图像和沙尘图像增强算法. 首先, 在Lab颜色空间用灰度世界算法解决沙尘图像的色差问题, 将调整色差后的沙尘图像与有雾图像转换到HSV颜色空间, 分别提高图像的饱和度和对比度; 其次, 用Laplace算子检测图像的模糊程度, 对于模糊度较高的图像, 用基于加权最小二乘滤波算法去除图像的模糊特征, 进一步提高图像可见度; 最后, 与现有的去雾算法和沙尘增强算法进行对比实验. 实验结果表明, 该算法可以更好地恢复图像的色彩, 并有效提高图像清晰度.     

用于电子发票凭据篡改检测与恢复的认证水印算法

综合考虑文件大小、篡改检测性能和恢复质量,提出了一种适用于电子发票凭据真实性认证的GIF图像水印算法.该算法根据电子发票特性将图像块划分为重要块和非重要块两类,对所有图像块结合内容和类型码生成认证水印并嵌入自身的最低有效位,然后对重要块生成变长恢复水印,并基于密钥和重要块比例自适应选择多个非重要块携带水印信息,以使含水印图像的质量和文件大小最优.通过认证水印、类型码和恢复水印三层比较实现了对图像块的真实性认证.图像块分类仅对重要块生成变长恢复水印,能有效降低水印嵌入容量,不仅提高了含水印图像的质量,而且使含水印电子发票的GIF图像文件较小,同时三层比较检测还提高了算法的篡改检测性能.与现有同类认证水印算法相比,文中算法可在不降低篡改检测与恢复性能的基础上,使含水印电子发票图像的GIF文件减小1/2.     

基于低秩约束和字典学习的图像超分辨率重建

基于学习的超分辨率重建算法通过对图像的整体信息学习进行重建,没有对图像的内部结构信息特征进行分解考虑.基于图像的低秩稀疏分解理论,本文提出一种新的图像超分辨率重建算法.在研究图像矩阵的低秩部分与稀疏部分信息特征的基础上,结合图像自身蕴含的先验信息,本文分两步对图像恢复重建.首先,将图像的非局部自相似性先验信息引入图像的基本重建模型.在该模型下利用相似图像块矩阵的天然低秩性约束得到初始估计高分辨率图像.第二步,提出一种改进的字典学习算法恢复出初始估计高分辨率图像中缺失的高频成份信息,获得最终的高分辨率图像.为了使高频成份得到更好的恢复,在字典学习样本集的构建阶段应用了一种基于低秩稀疏分解理论的样本集构建方法.实验分析表明,本文提出的算法与现有主流算法相比,在主观视觉效果和客观性能分析上都能显示出更好的优越性.     

基于粒子群算法和改进PM1的JPEG图像中的安全密写方法

PM1(加、减1)是LSB密写方法的一种改进,它的嵌入和提取几乎和LSB一样简单,却提供了更好的安全性.文中基于JPEG图像的属性对PM1进行改进,并结合粒子群算法(particle swarm optimization,PSO)提出了一种用于JPEG图像的高安全性和高容量的密写方法.充分的实验表明,该方法在保持分块效应和直方图,以及高容量方面都优于现有的JPEG图像中的经典密写算法.     

图像聚类的入侵性杂草优化算法

针对原始谱聚类初始敏感的缺点,构造了图像聚类质量的评价函数,提出了一种新颖的基于入侵性杂草优化的图像聚类算法(CIWO)。算法模拟杂草克隆的鲁棒性、适应性和随机性等特点,简单易于实现,具有快速精确地对图像灰度数据集的簇中心进行全局定位能力。将算法应用于几个测试图像,并通过聚类有效性准则与k-Means、FCM、PSO等方法比较分析CIWO具有更稳定的图像聚类性能,实验结果表明提出的算法得到了更优的图像聚类质量。     

一种基于分水岭分割的快速图像修复算法

为快速准确地对破损图像进行修复,提高传统算法的修复质量和速度,本文提出了一种改进的基于分水岭分割的快速图像修复算法.首先针对传统算法在修复速度上的不足,采用改进的匹配区域搜索方法以缩小搜索区域,然后通过分水岭分割结果筛选匹配块以进一步加速图像修复,最后利用分水岭分割结果提出了新的分类修复方法来改进图像修复质量.实验结果表明,相较于现有算法,本文提出的算法在修复质量上有明显的改进,并且修复速度平均提升了40%左右.     

基于学习与竞争的改进PSO算法研究

针对普通PSO算法收敛速率慢,难以收敛到全局最优解的问题,提出了一种基于学习与竞争的改进PSO算法.该算法通过将种群内部学习和竞争的思想与PSO算法相结合,让种群中个体通过竞争和学习策略来替代原有的PSO算法迭代公式.该方法在不增加PSO算法计算复杂度的基础上,能够克服基本PSO算法的不足.最后基于动态系统的稳定性分析理论,给出了该PSO算法收敛性的证明.在7种不同的测试函数上对改进后的算法进行了实验测试.实验结果表明该改进算法比传统的PSO算法有着更好的搜索精度.结果证明,新算法比普通的PSO算法具有更高的搜索精度和较低的时间复杂度.改进算法求解函数优化问题更加有效,收敛速率更快.     

基于颜色注意机制的弱光图像增强算法

针对当前弱光图像增强算法在恢复过程中存在颜色与细节丢失的问题,提出一种基于颜色注意机制的增强算法.该算法首先将弱光图像从RGB色彩空间转换至CIE LAB色彩空间,将弱光图像分解为亮度和颜色两个分量.其次,利用两个卷积神经网络(CNN)模型对亮度和颜色分量分别独立增强.然后对增强后的颜色分量使用监督注意力机制,在弱光图像中搜索任何有用的颜色关键点,引导和扩展网络注意力对图像的颜色进行增强.最后将增强后的亮度和颜色分量进行融合,并转换回RGB空间,获得清晰艳丽的复原图像.实验结果表明:与其他增强算法相比,本文提出的方法具有明显优势,在保持明暗度顺序的同时有效地增强了弱光图像,完整地恢复了原始图像的颜色.     

基于向量稀疏和矩阵低秩的压缩感知核磁共振图像重建算法

当前基于压缩感知理论的核磁共振图像重建算法大多仅利用图像数据的稀疏性或者低秩性,并没有同时利用图像的这两个性质.本文提出了一种基于向量稀疏性和矩阵低秩性的压缩感知核磁共振图像重建方法.该方法利用核磁共振图像中图像块的非局部相似性对求解优化模型的经典非线性共轭梯度算法进行改进.主要是在共轭梯度算法的迭代过程中对每一图像块寻找其相似块,由于相似块的像素组成的矩阵具有低秩性,因此利用矩阵低秩恢复算法对每一图像块进行更新.改进后的方法同时利用了图像数据的稀疏性和低秩性.实验结果表明,该方法相对于现有的具有代表性的图像重建算法相比,提升了重建图像的质量,具有较高的信噪比.     

基于多尺度Retinex和小波变换的彩色图像融合方法

提出了一种基于多尺度Retinex算法和小波变换的彩色图像融合方法.用MSR算法对彩色图像进行增强,可以显著提高暗区内的细节,但色彩却存在失真现象.将源图像与增强后的图像采用小波变换进行融合,可以将源图像的色彩及增强图像内的阴影细节都能很好地集中于融合图像中,使融合后的图像阴影内的细节清晰,并且色彩自然.用信息熵和基于人类视觉系统（HVS）的质量度量规则来对图像进行客观评价,实验表明,融合图像的熵值最大也最符合人类视觉系统.     

基于奇异值分解和引导滤波的低照度图像增强算法

针对现有低照度图像增强算法在处理图像后容易出现色彩失真、细节丢失、过度增强等问题,提出一种基于奇异值分解和引导滤波的低照度图像增强算法.首先通过Max-RGB模型获得初始光照分量,使用奇异值分解和引导滤波对初始光照分量进行优化,得到最终光照分量.利用Retinex模型,将原低照度图与光照分量图逐点相除,得到增强图像,并使用原始图像的绿色分量图作为引导图像,使用引导滤波对增强图像进行去噪处理.实验结果表明,提出的算法能够得到色彩更加真实、视觉效果更好的图像,同时能够避免过度增强、出现光晕等问题.