基于置信特征与结构相似度约束的图像修复算法

当前图像修复算法主要通过对像素值的差异进行度量来完成图像修复,当待修复图像中破损区域较大时,该方法修复的图像中会出现较为明显的块效应以及纹理不连续效应,导致算法的修复效果不佳.对此,本文提出了基于置信特征耦合结构相似度约束的图像修复算法.引入优先权函数,对破损区域中待修复像素的优先权值进行计算,以确定待修复像素.利用待修复像素的梯度模值来构造梯度变化约束机制,对修复块的模板大小进行调整,以提高图像的修复质量.通过像素点的置信度构造置信特征因子,并利用置信特征因子建立了搜索空间适配法则,明确了最优匹配块的搜索范围.引入结构相似度模型,对修复块与匹配块之间的结构相似度进行约束,以选取最优匹配块,利用最优匹配块对修复块进行扩散填充,从而完成图像的修复.仿真实验表明:与当前图像修复技术相比,本文方法具有更好的图像复原质量,有效降低了块效应以及不连续效应.     

基于JPEG2000的压缩图像纹理信息重建

提出了基于JPEG2000的压缩图像纹理信息重建的一种方法．该方法在编码端用高斯模型来描述图像的统计纹理信息，并对这些纹理信息进行统计和编码，在解码端根据编码的信息重建图像的纹理．通过和非线性量化扩展补偿法的结果在客观指标和主观品质上的比较，说明本文提出的方法可以通过较小的比特开销（低于10％）重建丢失的纹理信息，从而获取压缩图像的品质在主观视觉效果上的提高．     

一种基于颜色信息的图像查询方法

把图像颜色信息用聚类表示，聚类过程中考虑象素的空间相关性．实验结果表明方法是有效的．     

区域结构因子耦合强度特征约束的图像修复算法

针对当前较多图像修复方法仅通过对像素点之间的相似差异度进行度量来实现对图像中破损区域的修复、忽略了图像块之间的强度特征、导致修复图像中存在振铃以及不连续等问题,本文设计了一种基于区域结构因子耦合强度特征约束的图像修复方法.首先,通过引导滤波将待修复图像中的噪声进行滤除,以克服图像中噪声干扰引起的错误修复,再根据像素点的梯度特征来构造区域结构因子,以建立优先权函数,测量待修复块优先权,从而确定优先修复块;然后,构造强度特征约束项,将其与误差平方和函数(Sum of Squared Differences,SSD)联合,建立最佳匹配块搜索函数,从相似差异度与强度特征两方面来搜索最佳匹配块;最后,利用像素点之间的差异值,构造置信度更新函数,对其进行更新,进而完成图像修复.实验结果表明,与当前图像修复技术相比,所提方法具有更强的鲁棒性,修复的图像具有更好的视觉效果.     

基于GPU加速的几何纹理合成方法

提出了一种基于GPU加速的几何纹理合成方法,以解决几何纹理合成过程中高计算量、高存储占用和高耗时等问题.首先,对样本几何纹理数据进行子块划分,并根据子块在样本中的位置关系设计可重用样本顶点数据的数据结构,优化存储以降低内存的占用率;然后,采用GPU多线程并发技术设计并行加速算法,将串行的几何纹理合成过程并行化,从而实现快速生成任意尺寸的新的几何纹理.实验结果表明,该算法不仅占用存储较少,而且在保证合成质量的同时极大地降低了几何纹理的合成耗时.     

基于对称性的单幅图像花朵建模

基于自然界各类花朵普遍具有的对称特性,提出了一种利用单幅图像的三维花朵建模方法.根据输入的单幅花朵图像,用户通过交互方式描绘花朵每个花瓣的2条边缘曲线,对花朵边缘曲线的顶部顶点和底部顶点进行最小二乘圆锥拟合,利用拟合得到的圆锥计算花朵各花瓣的对称面;根据不同种类花朵所固有的对称特性和各个花瓣的对称面信息,计算花瓣2条边缘曲线上所有采样点的深度,得到其三维构造曲线;利用恢复了深度信息的三维构造曲线作离散化网格处理,构建各个花瓣的三维模型,进而重建整个花朵的三维模型;最后根据输入的单幅图像纹理信息合成花朵的表面纹理,得到了真实感较强的花朵模型.实验结果表明：该建模方法充分利用了花朵的对称特性,用户交互少、建模效率高,能够准确地从单幅花朵图像中恢复其深度信息和整体结构,方便快捷地实现花朵的三维重建.     

基于低秩表示的图像修复方法

现实场景中, 存在很多原因导致所获图像信息并不完整, 其中会存在少许的破损, 这对基于此数据进行下一步的研究造成了障碍. 针对图像存在的破损问题, 提出一种基于低秩表示的图像修复方法. 通过图像的矩阵存储方式, 由稀疏理论获取其低秩表示, 提取到图像的全局特征. 根据所获的低秩表示, 结合缺损区域与其相邻区域的相似性, 将缺损区域逐步缩小, 并对缩小区域进行强制校正, 从而完成修复图像任务, 最后得到补全后的最终图像. 在二维图像上设计对比实验进行验证, 结果证明该方法在结构简单图修复、破损老照片修复、去除叠加文字以及大块物体移除等方面都具有良好的性能. 实验结果表明, 低秩表示在图像修复方面具有获取全局信息的优势, 修复效果良好.     

基于梯度域的多对比度磁共振成像重建

多对比度磁共振成像由于能够提供丰富且不同的对比度信息,因此在临床应用中是一种强大的成像工具。本文提出了一种高效的基于梯度域的无监督深度学习方法(UDLGD)用于多对比度磁共振成像重建,该方法的目的在于从部分采样的K空间数据中重建相同解剖截面的多对比度图像。UDLGD算法主要包含两个迭代关系阶段：其中在先验学习阶段,利用分数匹配生成网络模型从单对比度图像数据集中获取梯度域先验信息;先验信息可以应用于不同对比度图像数量、不同采样轨迹等多场景的磁共振成像重建。随后在迭代重建阶段通过迭代更新数据一致性、梯度域先验信息和组合稀疏性,以获得满意的重建结果。大量采用活体磁共振图像数据的实验结果表明,UDLGD方法与其他方法相比可以获得更低的重建误差和更好的图像纹理结构。     

一种基于特征分解的图像融合方法

一幅图像可以分解成几何特征不同的纹理部分和卡通部分,基于这两大特征提出了一种图像融合方法.利用卡通和纹理特征的差异,通过学习分别得到卡通字典和纹理字典.在融合过程中,分别利用特定的卡通和纹理字典对源图像的卡通和纹理部分进行融合,融合后的卡通和纹理部分经简单相加得到融合图像.实验结果表明,所提方法是有效的.     

基于感知的右视点质量可分级编码算法

为了减少立体视频传输如此庞大的数据量,根据人眼的立体掩蔽效应,提出了基于感知的右视点质量可分级编码算法．该算法将宏块分为3类：平坦块、纹理块和边缘块,通过不同的量化步长使得右视点图像块的质量可分级．实验证明根据左视点的图像质量,右视点在人眼感知范围内码率减少25％～37％．该算法能在人眼主观察觉范围内很好地提高码率,进一步消除人眼立体视觉冗余．     

用自适应谐振网络进行图像纹理的分类与识别

分析了自适应谐振（ＡＲＴ２）神经网络模型的模式分类能力，并利用该网络来进行图像纹理的分类和识别，对６类自然景物的纹理图片分类和识别的结果验证了方法的有效性，对心脏超声图片的分类也取得一些初步成果．     

基于多通道Gabor纹理特征的遥感图像检索

遥感图像数据量的急剧增加,给研究者们提出了有效检索和管理图像的难题.为了快速准确地检索海量遥感图像,提出一种基于五叉树分解的多通道Gabor纹理特征图像检索新方法.该方法用五叉树分解法层层分解图像,在利用多通道Gabor滤波器与图像做卷积得到滤波能量值基础上,提取各子图像24个滤波能量均值和均方差作为纹理特征,并计算查询图像和与其大小相当的数据库子图像的纹理特征相似性距离,从而获得与查询图像相似的数据库子图像.将该方法用于高分辨率卫星和航空图像数据库的检索,实验结果证明了方法的有效性.     

基于小波变换及布朗分形模型的纹理分割

在研究小波变换及布朗分形模型的基础上，定义了水平分维数，垂直分维数，对角分维数，并将它们作为纹理特征量来实现纹理的分割．实验结果表明，这些特征量能够很好地反映纹理特征，从而分割时不需有关图象中纹理类别的先验信息，较以往方法在准确度和计算复杂程度上都有很大提高．     

基于分数阶偏微分方程的图像放大模型

将分数阶微分理论引入图像放大模型中,利用全变分思想,提出了基于分数阶偏微分方程的图像放大模型.仿真实验结果表明：新模型能较好地保持图像边缘特征,以及更多的图像纹理信息,优于整数阶微分方程放大算法,是一种有效、可行的图像放大模型.     

细化参数的对数极坐标变换图像纹理特征提取算法

提出一种细化参数的对数极坐标变换图像纹理特征提取算法,可以有效地消除旋转、缩放和平移等几何形变的影响．在特征提取过程中,通过自相关图像消除平移的影响,引入细化参数的对数极坐标变换消除旋转和伸缩的影响．在图像检索过程中,将不完全树型小波变换所得的特征矢量,通过欧式距离来度量图像之间的相似度．实验表明,本算法对发生几何形变的纹理图像检索平均正确率达81．05％左右,较之传统算法能取得更好的检索效果。     

暴雨云团演变过程的模式识别

对卫星云图进行预处理后，提取了暴雨云团演变过程的灰度、纹理、形态、中心矩等特征．用统计与句法相结合的方法进行了识别，提高了识别的自动化程度，与人工识别吻合较好．