一种自适应参数的卡通-纹理分解方法

Luminita A.Vese和Stanley J.Osher基于总变差最小化及Yves Meyer提出的振荡函数空间理论提出了卡通—纹理分解模型,在Vese和Osher的分解模型中参数选择为恒定值。本文提出了自适应参数的卡通—纹理分解方法,该方法是根据图像梯度的变化自适应地选取参数,能有效保护卡通图像的边缘,从而更好地提取纹理特征。     

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.     

基于自适应窗的小波域图像去噪算法

提出了一种利用自适应窗的小波域双重局部维纳滤波图像去噪算法。综合考虑小波分解后各个子带中能量分布的方向特性和图像本身的边缘和纹理特性,该算法首先估计每个子带中信号的能量分布进而在每个子带中确定自适应窗,然后利用自适应窗估计出的能量分布对含噪图像进行双重维纳滤波来去除噪声。实验结果表明该算法对含噪图像去噪的效果优于已有的采用二维可分实小波进行图像去噪的算法。     

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。     

结合FABEMD和改进的显著性检测的图像融合

针对红外与可见光图像融合中存在的显著目标不突出、对比度低、存在较多的伪影问题,提出了一种结合快速自适应二维经验模态分解(fast and adaptive bidimensional empirical mode decomposition, FABMED)和改进的显著性检测的图像融合算法。首先,通过FABEMD对红外和可见光图像进行多尺度分解得到对应的基础层和细节层。然后,对最大对称环绕显著性检测做暗抑制改进,将其用于基础层的融合上;结合改进的显著性检测和引导滤波,对细节层进行融合。最后,对各融合子图进行FABEMD逆变换重构出融合图像。与其他经典的融合算法相比,仿真实验验证了本文算法的有效性。     

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.     

Empirical data decomposition and its applications in image compression

A nonlinear data analysis algorithm, namely empirical data decomposition (EDD) is proposed, which can perform adaptive analysis of observed data. Analysis filter, which is not a linear constant coefficient filter, is automatically determined by observed data, and is able to implement multi-resolution analysis as wavelet transform. The algorithm is suitable for analyzing non-stationary data and can effectively wipe off the relevance of observed data. Then through discussing the applications of EDD in image compression, the paper presents a 2-dimension data decomposition framework and makes some modifications of contexts used by Embedded Block Coding with Optimized Truncation EBCOT . Simulation results show that EDD is more suitable for non-stationary image data compression.     

基于三阶线性微分算子的零空间追踪算法

本文研究了利用一个自适应的三阶线性微分算子把一个复杂信号分解为若干简单信号的和, 这些简单信号属于这个三阶线性微分算子的零空间. 通过三个具体的信号分解的例子,展示了我们所提出算法的实用性.最后通过一个实例,对我们提出的算法与经验模态分解算法进行了比较,实验结果表明我们提出的算法要好于经验模态分解算法.     

An Adaptive Method of Image CompressionBased on Wavelet Analysis

1. INTroDUCTIONIn recellt years, the research on image compression and coding using wavelet transform has become a very hottOPic. It is because wavelet analysis has freedom retractility in the field of frequency. When the band of signal' is narrowl we can zoom in the resolution in order to express the signal exactly. If the band is wide, we can zoomOat the resolutinn to create the need of signal processing. Therefore.the method of wavelet analysis has a strongadaptability, and it isn't l…     

自适应局部线性化法预测混沌时间序列

提出一种基于奇异值分解最小二乘法的自适应局部线性化预测方法.它要求数据矩阵的条件数不大于给定阈值,并据此自适应地确定当前相空间的维数,然后根据新的嵌入维数重构数据矩阵,进行模型的参数估计和计算当前预测值.实验结果说明所提方法精度高且稳健.特别是当嵌入维数接近最邻近向量的数目时,其性能显著优于普通局部线性化方法.     

基于非局部正则化稀疏表示的图像去噪算法

针对K-奇异值分解（sigular value decomposition, SVD）算法存在的问题,结合结构聚类和字典学习,提出了一种基于非局部正则化稀疏表示的图像去噪算法。首先,利用非局部去噪的思想将结构相似的图像块聚类,每一类图像块单独进行字典学习,增强了字典的自适应性;其次,利用稀疏K-SVD替代传统的K-SVD进行类内字典学习,改善了字典的结构性;最后,引入稀疏系数误差正则项来修正稀疏系数以进一步改善图像的重构效果。实验结果表明,与传统的K-SVD算法相比,该算法能够有效地保持图像的结构信息,并且提升了去噪效果,同时,在不降低图像结构相似度的基础上,峰值信噪比很接近甚至部分好于目前先进的去噪算法。     

基于曲波变换的自适应图像去噪算法

曲波变换是一种新的多尺度变换理论,具有各向异性的特征,可以很好地逼近含线奇异的高维函数。利用曲波变换和经验贝叶斯估计的方法,提出一种新的自适应图像去噪方法,在曲波分解的基础上,由贝叶斯决策理论方法来导出估计法则,从而获得贝叶斯估计值。实验结果表明,与其他几种常用的去噪方法相比,本方法去噪后,图像获得较好的视觉效果,同时客观评价指标明显改进,在较大噪声的情况下更能显示出其优势。     

ISAR图像质量评估方法

首先,基于信号分解、超分辨以及时频分析技术,提出了一种基于多种处理算法提高逆合成孔径雷达(inverse synthetic aperture radar, ISAR)成像质量的方法;其次,重点针对目前ISAR图像难以定量评估的问题,提出了一个图像质量定量评估模型,该模型图像质量评估得分由客观评估得分和主观评估得分两部分组成,每部分又由多种评价准则组成,可以从不同方面进行详细客观评价,也给出了图像质量评估模型在实际应用中需要注意的问题;最后,仿真试验验证了模型的合理性,实测数据证明了评估模型的有效性。     

基于自适应分割与偏移场估计的活动轮廓模型

针对传统活动轮廓模型无法快速、准确、强鲁棒性地分割灰度不均匀图像的问题,提出了偏移场估计与图像分割相结合的新型混合活动轮廓模型。首先,通过对图像进行模糊聚类分析,提出带有模糊隶属度函数的新型偏移场估计模型,提高了模型对图像灰度信息的估计与提取能力。其次,利用图像信息熵构造了自适应尺度算子(adaptive scaling operator, ASO),改善了模型的分割效率及对初始轮廓和噪声的鲁棒性。最后,通过将偏移场估计模型和ASO融入到能量泛函中,提出新型混合活动轮廓模型。实验结果表明,该模型不但对初始轮廓和不同种类噪声具有较强的鲁棒性,而且对不同程度的灰度不均匀图像具有较高的分割准确度与分割效率。     

基于双边与高斯滤波混合分解的图像融合方法

针对红外与可见光图像融合时,两种异质图像信息容易相互干扰,造成融合图像出现模糊、信息混乱和对比度降低等问题,提出了一种基于双边与高斯滤波混合分解的融合方法。首先采用双边和高斯滤波器对输入的红外与可见光图像进行混合信息分解,得到小尺度纹理细节、大尺度边缘和底层粗略尺度图像信息;其中的大尺度边缘信息包含红外图像的主要特征,依据该特征确定各分解子信息的融合权重,从而将重要的红外特征信息注入到可见光图像;最后通过对各融合子信息进行组合重构出融合图像。实验结果表明,该算法融合效果要优于传统基于多尺度分解的图像融合算法。     

面向高分辨率极化SAR四分量分解的相干矩阵自适应估计

提出了一种相干矩阵的自适应估计方法,基于估计结果矩阵进行传统四分量分解,以提高高分辨率极化合成孔径雷达(synthetic aperture radar, SAR)四分量分解的准确性。该方法根据像元主要散射类型对估计样本做自适应选取,消除异质像元对估计结果的影响;并通过对地物异质度的判别实现窗口平均估计和不动点迭代估计的自适应选择,以适应不同异质程度的地物分布情况。实验采用ESAR以及UAVSAR数据进行验证,结果表明,采用自适应矩阵估计的四分量分解结果更接近地物的实际散射机理。     

基于快速逆QR分解的自适应波束形成方法

在实时自适应阵处理中 ,基于逆QR分解 (IQRD)的方法在求自适应权值时由于避免了三角方程回代运算而受到了很大的重视。但是和基本的QR分解 (QRD)一样 ,IQRD方法也存在着平方根运算。平方根的运算量相当大 ,因此成为并行实时处理的速度瓶颈。提出了一种快速的IQRD方法 ,该方法有效地消除了平方根运算 ,从而使基于IQRD的自适应波束形成法便于实时实现 ,更适合于实际应用。     

基于时间切变Gabor原子的时频建模

对尺度高斯函数与线性调频因子卷积,再做频移和时移,得到了具有四个可调参数的时间切变Gabor原子,其时频分布为聚集于其时间中心和频率中心的具有时间倾斜特性的能量曲线。给出了基于该原子集合的频域自适应信号子空间分解和相应的参数自适应时频分布,其中每步分解都采用模拟变焦距过程估计所得原子的四个参数,可用于对非平稳信号中线性和非线性变频成份进行建模和分析。     

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。     

POLSAR多视复图像的特征提取和分类方法

Pauli分解和Krogager分解通常用于对极化合成孔径雷达(POLSAR)单视复图像中的相干复散射矩阵进行分解.基于Pauli分解和Krogager分解提出一种改进的极化特征分解方法,用于POLSAR多视复图像极化特征提取.首先利用Pauli分解分离出多视复图像数据的对称部分和非对称部分,然后利用Krogager分解提取出对称部分的极化特征,最后利用AdaBoost算法对所提取的极化特征进行分类.使用SIR-C的数据验证了方法的有效性.