基于扩散张量的自适应正则化变分模型

结构张量是描述图像的有效工具。利用结构张量对图像灰度变化的方向和大小进行判断,提出基于扩散张量的自适应正则化变分模型。该模型将冲击滤波器耦合在其中,使其在恢复图像的同时能有效地增强边缘。同时,给出一种构造正则化参数的方法。仿真实验表明,该模型在对带噪图像进行自适应恢复时,能较好地保护边缘信息,增强纹理特征,得到了较为满意的结果。     

基于近似消息传递与卡通纹理模型的图像重构

近似消息传递(approximate message passing, AMP)的高相变性能与低计算复杂度使其非常适用于图像重构等大数据量应用领域。如何充分利用图像的结构化稀疏先验是基于AMP研究图像重构的一个关键问题。将卡通-纹理模型引入AMP图像重构,根据迭代滤波中待处理图像卡通、纹理成分的不同特点,设计基于双树复数小波变换与全变差的层次化AMP滤波算子,进而分析AMP迭代次数对滤波对象结构特征与滤波算子性能的影响,研究AMP的阶段化滤波操作,提出一种基于卡通-纹理模型与分段滤波的AMP图像重构算法。实验表明,该算法能够更好地保留图像轮廓与纹理信息,提高图像的重构质量。     

基于NSCT域I2CM的图像融合方法

针对多传感器图像融合问题, 提出一种基于非下采样轮廓波变换域改进型交叉视觉皮层模型的图像融合方法. 首先, 采用非下采样轮廓波变换对源图像进行多尺度、多方向稀疏分解; 然后对经典交叉视觉皮层模型进行改进, 改进后的模型不仅待定参数更少, 而且可以自适应地确定迭代次数; 最后利用其实现对各子图像的融合并进行非下采样轮廓波逆变换获得最终融合图像. 实验结果验证了该方法的有效性.     

联合纹理提取和边缘检测的新方法

结合稀疏表示和半二次规整化方法,提出了一种联合纹理特征提取和边缘检测的新算法。该算法是基于稀疏表示的形态学成分分解方法的直接推广。其基本思想是用两个适合的字典：一个用来描述纹理部分--对偶树复小波变换,另一个用来描述结构部分--第二代曲线波变换,得到了一种新的分解模型。接着运用半二次规整化方法推广这个分解模型,提出了一种联合纹理特征提取和边缘检测的变分模型。数值计算的结果表明,新模型对图像的结构〖CD*2〗纹理分解,以及边缘的提取都有较好的效果。     

基于局部熵的边界与区域水平集图像分割模型

基于图像局部熵提出了一种改进的结合边界信息和区域信息的水平集图像分割模型。利用局部熵构造自适应权重系数,使其能够根据图像性质自适应的决定演化方向,准确引导演化曲线向目标方向移动;然后,根据自适应权重系数定义新的边界指示函数,提高了模型检测弱边界能力,加快了曲线的演化速度;引入Chan Vese (C V)模型作为外部能量项,提高了模型的抗噪性,增强了模型分割灰度不均匀图像的能力。通过图像分割实验,验证模型对初始轮廓以及噪声的鲁棒性、分割灰度不均匀图像的能力,并采用客观数值指标,将所提模型与另外三种模型在分割效率和分割准确性方面进行比较。结果表明,提出的模型增强了对噪声的鲁棒性,提高了分割弱边界图像的能力,而且分割灰度不均匀的图像时也取得了比较满意的效果。     

基于小波和变分泛函的图像分解

提出了一种小波域图像分解算法,该算法通过在小波域中最小化一个变分泛函把图像分解成u和v两部分,其中u在Besov空间B11(L1)表示图像的几何特征,v在对偶空间B∞-1(L∞)刻画了零均值振荡信号,如纹理和噪声。在求解泛函最小值时,采用一种新的迭代的子空间投影方法,利用该投影方法得到图像在小波域中的分解部分序列,重构该序列的极限即可得到图像的分解部分,同时给出了该迭代方法的收敛性证明。实验结果表明新模型比Daubechies-Teschke模型能更好地分解图像,尤其是低噪声图像。     

双参数Beta过程联合字典遥感图像超分辨

为了改善遥感图像超分辨重建(super-resolution reconstruction,SRR)效果,针对以往仅适用于单特征空间的稀疏字典超分辨算法,提出同时适用于两个特征空间的双参数Beta过程联合字典(Beta process joint dictionary,BPJD)遥感图像SRR方法。首先,根据遥感图像退化模型生成训练样本图像,并分别对高、低分辨率图像进行分块和Gibbs采样,生成字典训练样本。然后,依据BPJD,建立连接高、低分辨率遥感图像空间的双参数联合稀疏字典,将字典稀疏系数分解为系数权值和字典原子的乘积,依据字典原子指标训练和更新字典,得到高低分辨率联合字典映射矩阵。最后,进行遥感图像超分辨稀疏重构。实验结果表明:所提方法可自适应地缩小字典尺寸,能以更小尺寸的稀疏字典重建更高质量的超分辨遥感图像,重建结果图像的纹理细节信息更丰富,峰值信噪比和结构相似性度均有提高。     

一种基于广义多尺度分形参数的图像边缘检测方法

分形是实现自然纹理描述的一种有效方法.本文从分数布朗随机场模型的描述出发,证明了具有不同分形特性的两种纹理边缘处的H参数估计值大于1的一般结论、将H参数泛化用于描述一般图像的特性,从而提出了一种基于广义多尺度分形参数的图像边缘检测方法.该方法通过构造多分尺度的广义分形参数H值,从而可以实现图像边缘的有效提取.     

基于局域方差系数与幅度均值的非线性扩散

在对SAR图像进行处理时,可以将图像分解为代表不同图像特征的多个分量.针对不同分量分别选取最合适的处理方式能够得到性能上的较大提升的问题,使用非线性扩散方法,将图像分解为表征大尺度结构信息的结构分量和表征小尺度细节信息的纹理分量,并对扩散参数的选择进行了对比和评估.提出了一种基于局域方差系数与窗口幅度均值积的扩散参数,作为判断图像中加强或者削弱扩散活动的条件.经过实验证明,采用这种扩散系数能够使得扩散的进行更有针对性,所得到的图像分量能够更加有效地用于后续处理.     

基于自适应非局部均值的SAR图像相干斑抑制

针对在利用非局部均值方法对合成孔径雷达(synthetic aperture radar, SAR)图像降斑时,存在的图像块相似性度量不准确、鲁棒性不高等问题,提出了一种基于自适应非局部均值的SAR图像相干斑抑制方法。首先,定义平滑度以刻画图像不同区域的纹理复杂程度,并设计自适应匹配函数,自适应地确定图像块和搜索窗口的大小,以提高块相似性度量的准确性,并在此基础上提出了自适应非局部均值算法框架。然后,利用Gabor滤波器对图像块的相似性进行度量,以增强块相似性度量的鲁棒性,并以所提框架为依据,设计了基于Gabor滤波器的自适应非局部均值算法。实验结果表明,所提算法不仅能够有效去除相干斑噪声,而且较好地保持了图像的纹理、边缘、点目标等信息,为后期SAR图像的理解与解译奠定了良好的基础。     

Adaptive variational models for image decomposition combining staircase reduction and texture extraction

New models for image decomposition are proposed which separate an image into a cartoon, consisting only of geometric objects, and an oscillatory component, consisting of textures or noise. The proposed models are given in a variational formulation with adaptive regniarization norms for both the cartoon and texture parts. The adaptive behavior preserves key features such as object boundaries and textures while avoiding staircasing in what should be smooth regions. This decomposition is computed by minimizing a convex functional which depends on the two variables u and v, alternatively in each variable. Experimental results and comparisons to validate the proposed models are presented.     

基于GM(1,1)幂模型的振荡序列建模方法

针对小样本振荡序列的预测问题,提出了基于单变量一阶灰色幂模型（简称GM(1,1)幂模型）的振荡序列建模方法。基于GM(1,1)幂模型中参数之间的关系,构建了一个非线性优化模型来寻求模型参数的最佳值,以此实现对振荡序列的高精度预测。结果表明,建模方法能够较好地体现数据的波动特征,且易于在计算机上实现,进一步拓宽了灰色模型的应用范围。最后以实例验证了所建模方法实用性和有效性。     

基于多小波域对比度的图像融合算法

针对多小渡理论在图像处理领域的应用,给出了多小波域中图像的方向对比度的定义,并提出了基于多小波变换的、使用方向对比度进行自适应加权平均融合和选择性融合的算法.该算法利用多小渡变换对原图像进行分解,根据得到的分解系数计算相应的对比度,然后建立基于对比度的融合规则.使用这些算法对多谱图像进行了融合实验,并给出了评价融合质量的对比结果.结果表明,基于多小波变换的方向对比度的图像融舍算法在保留图像细节信息、增加信息量方面都有明显的提高.     

动漫游戏中虚拟角色的一种群体对抗仿真模型

计算机在社会科学的研究中正扮演着重要的角色,建立人类群体的行为模型是一个令人感兴趣的话题。采用动漫游戏,探索了一种面向有限空间中人类对抗行为的仿真方法。首先,建立了一个三维虚拟场景和虚拟角色,虚拟角色包含生理参数、心理参数和社会参数。其次,提出了一种情绪决策模型,主要考虑了恐惧和愤怒两种情绪,给出了情绪影响公式。最后,实现了一个三维对抗行为演示原型,通过改变对抗群体的参数,初步发现了一些对抗规律。     

超分辨率处理中振铃现象的分析与抑制

为了抑制在实施FFT插值法重构的超分辨率图像中可能出现的振铃现象 ,深入分析了出现振铃现象的原因及产生条件 ,在此基础上设计了抑制振铃的频域补偿滤波器及其自适应算法。大量实验和比较结果表明 ,处理后的图像不但分辨率有所提高 ,而且未出现振铃现象 ,质量更好 ,从而证明了所设计的抑制振铃频域补偿滤波器及其自适应算法的有效性。     

Image decomposition using adaptive regularization and div （BMO）

In order to avoid staircasing effect and preserve small scale texture information for the classical total variation regularization, a new minimization energy functional model for image decomposition is proposed. Firstly, an adaptive regularization based on the local feature of images is introduced to substitute total variational regularization. The oscillatory component containing texture and/or noise is modeled in generalized function space div (BMO). And then, the existence and uniqueness of the minimizer for proposed model are proved. Finally, the gradient descent flow of the Euler-Lagrange equations for the new model is numerically implemented by using a finite difference method. Experiments show that the proposed model is very robust to noise, and the staircasing effect is avoided efficiently, while edges and textures are well remained.     

基于稀疏分解的图像压缩

图像稀疏分解是一种新的图像分解方法,可以将图像分解为很简洁的近似表达形式。在图像稀疏分解的基础上,对分解出的数据进行压缩。通过对分解结果数据分布规律进行分析,提出了量化和编码的方案,期望在低比特率情况下,得到较好的解码图像质量。实验结果表明基于稀疏分解的图像压缩方法得到的解压图像有较好的主观图像质量。