基于Huber正则化的红外与可见光图像融合

图像融合通常是指从多源信道采集同一目标图像,将互补的多焦点、多模态、多时相和/或多视点图像集成在一起,形成新图像的过程.在本文中,我们采用基于Huber正则化的红外与可见光图像的融合模型.该模型通过约束融合图像与红外图像相似的像素强度保持热辐射信息,以及约束融合图像与可见光图像相似的灰度梯度和像素强度保持图像的边缘和纹理等外观信息,同时能够改善图像灰度梯度相对较小区域的阶梯效应.为了最小化这种变分模型,我们结合增广拉格朗日方法(ALM)和量身定做有限点方法(TFPM)的思想设计数值算法,并给出了算法的收敛性分析.最后,我们将所提模型和算法与其他七种图像融合方法进行定性和定量的比较,分析了本文所提模型的特点和所提数值算法的有效性.     

一种基于非局部BSCB模型的图像修复方法

提出了一种基于非局部BSCB(Bertalmio-Sapiro-Caselles-Bellester)的图像修复方法,并用它做图像修复.这种修复方法的基本思想是:将到达修补区域边界的等照度线连续延拓到修补区域中,并在这个延拓过程中,将待修复区域边界上的非局部意义的图像信息沿着等照线方向逐渐延伸到修复区域,从而保持图像边缘方向和图像纹理信息.实验结果表明,这种方法不仅能够与BSCB和TV(total variation)方法相媲美,更重要的是它能更好地保留图像纹理信息和边缘信息.     

一种改进的原始对偶法求解TV-L1图像去噪模型

数字图像在采集过程中通常会因为硬件问题被椒盐噪声所污染,椒盐噪声强度大,分布随机,对图像的后续处理会产生极大的影响.因此,椒盐噪声的去除对图像处理十分重要.在处理椒盐噪声的方法中,传统的中值滤波法在噪声强度增强时容易出现恢复不完全现象,自适应中值滤波法根据噪声强弱自动选择滤波窗口大小改善了传统的中值滤波法,但在噪声强度增强时容易过度平滑图像,丢失图像的纹理细节.研究表明,变分模型去噪时能够克服滤波法的缺点,有效地保持图像的纹理细节.其中,TV-L1模型相对于传统变分模型对椒盐噪声有更好的去噪效果,但在图像平滑区域容易产生阶梯效应.对此,本文提出一种自适应中值滤波和TV-L1交替迭代的去噪模型.在求解TV-L1模型时采用原始对偶算法求解以增大求解空间,克服了TV-L1模型在求解时的不可微性.仿真实验与Chambolle提出的原始对偶求解TV-L1模型,以及加入Huber范数的TV-L1改进模型进行对比.实验结果表明,尤其在椒盐噪声强度较大的情况下,该模型相比以上对比模型的PSNR值及视觉效果均有所提高,在较好去除噪声的同时保持了纹理细节,改善了阶梯效应.     

基于多特征信息自适应融合的视频目标跟踪算法

针对单一视觉特征跟踪的局限性,提出一种根据场景变化动态建立目标模型的粒子滤波视觉跟踪算法,方法首先选择简单且具有互补性的色彩与纹理特征描述表示当前图像,然后在粒子滤波框架下,利用民主融合策略进行信息融合,从而提高目标观测模型的鲁棒性;分析和实验表明, 算法对视频运动目标的任意平移、转动、部分遮挡、光照变化以及相似物干扰等情况下的跟踪均具有较好的效果.     

结合àtrous算法与Retinex算法的医学图像增强

提出结合àtrous算法与Retinex算法的医学图像增强.方法在二进小波理论基础上,利用推广的二维àtrous算法对医学图像进行处理,对经过多级分解后的医学图像的低频利用连续非线性函数增强,而对分解后的多个高频采用改进的Retinex算法进行增强;最后,对增强后的低频和高频进行重构.经过反复仿真试验结果表明:方法在去除噪声的同时更好地保留了图像边缘特征,增强了图像细节信息和凸显图像的轮廓,并克服对比度下降的不足,较好地去除光晕现象,视觉效果好,层次感更丰富.     

基于小波域中值滤波和运动估计的去隔行算法

本文提出了一种新的自适应去隔行算法,该方法首先将小波分解引入到去隔行算法的预处理阶段,然后利用运动估计以及混合中值滤波的特点,充分考虑相邻像素间的方向空间相关性,有效保持图像中的边界部分,并减小了运动补偿插值后的误差,尤其是对纹理信息丰富的地方得到了很好的插值效果.实验结果表明,无论是从客观上的信噪比还是主观测评来分析,图像的效果比传统的算法有了提高,能更好的满足人类对画面质量的要求.     

基于方向多尺度变换和统计建模的纹理分类方法

纹理是图像分析和识别中经常使用的关键特征, 而小波变换则是图像纹理表示和分类中的常用工具. 然而, 基于小波变换的纹理分类方法常常忽略了小波低频子带信息, 并且无法提取图像纹理的块状奇异信息. 本文提出小波子带系数的局部能量直方图建模方法、轮廓波特征的Poisson 混合模型建模方法和基于轮廓波子带系数聚类的特征提取方法, 并将其应用于图像纹理分类上. 基于局部能量直方图的纹理分类方法解决了小波低频子带的建模难题, 基于Poisson 混合模型的纹理分类方法则首次将Poisson 混合模型用于轮廓子带特征的建模, 而基于轮廓波域聚类的纹理分类方法是一种快速的分类方法. 实验结果显示, 本文所提出的三类方法都超过了当前典型的纹理分类方法.     

基于NSST和MCM纹理特征提取算法

纹理特征提取作为图像处理的重要环节,对图像的后续处理有着至关重要的影响.文中在多分辨共生矩阵算法的基础上,针对标准Brodatz纹理图像检索,通过非下采样剪切波变换的多分辨共生矩阵和混合高斯模型相结合,提出了一种纹理特征提取算法.文中首先对Brodatz纹理图像进行非下采样剪切波变换得到子带系数,通过对细节子带直方图分析,引入了拟合效果较好的混合高斯模型.然后利用优化的非均匀量化策略,提取多分辨共生矩阵纹理特征F2和F10.最后将提取的纹理特征与统计特征级联融合并结合具有权重系数的相似性度量公式,用于最终纹理图像检索.仿真实验表明:与传统多分辨共生矩阵的方法相比,文中所提算法的平均检索率分别提高了2.01%和8.87%.     

基于平稳Contourlet变换的图像去噪方法

多尺度几何分析中的Contourlet变换可以实现灵活的多分辨、多方向图像表示,但是由于不具有平移不变性,在图像去噪中容易产生伪吉布斯现象,本文应用具有平移不变性且能有效表示图像纹理信息的平稳Contourlet变换,提出了软硬阈值结合的去噪法.试验结果表明该方法有效提高去噪声后图像的PSNR,有效保存图像纹理信息以及更好的视觉效果.     

基于超声同步观测辅助技术的CT成像系统设计及图像融合

CT检测非刚性物体目标时,会因多角度扫描的异步性而使得重建图像分辨率降低.本文利用超声实时同步观测技术,设计了一种基于超声同步观测辅助技术的CT成像系统,使得通过该成像系统能获取同一个标定系统下的CT重建图像和超声图像.同时基于此系统提出了一个区域特征加权的图像融合方案,从而达到丰富重建图像信息量和提高信息准确率的目的.     

基于PICCS的非局部TGV能谱CT重建算法

能谱CT将宽谱划分为窄谱,导致通道内光子数目明显减少,加大了噪声影响,故从噪声投影中重建出高质量图像是能谱CT的一个研究热点.传统全变分(total variational,TV)容易造成重建图像中出现块状伪影等问题,总广义全变分(total generalized variation,TGV)算法可以逼近任意阶函数,再结合非局部均值算法的思想,同时考虑到不同能谱通道下重建图像的相关性,将高质量全能谱重建图像作为先验图像指导能谱CT重建,提出了基于先验图像约束压缩感知(prior image constrained compressed sensing,PICCS)的非局部TGV重建算法.实验结果表明,所提算法在抑制噪声的同时能够有效复原图像细节及边缘信息,且收敛速度快.     

基于分数阶微积分正则化的图像处理

全变分正则化方法已被广泛地应用于图像处理,利用此方法可以较好地去除噪声,并保持图像的边缘特征,但得到的优化解会产生"阶梯"效应.为了克服这一缺点,本文通过分数阶微积分正则化方法,建立了一个新的图像处理模型.为了克服此模型中非光滑项对求解带来的困难,本文研究了基于不动点方程的迫近梯度算法.最后,本文利用提出的模型与算法进行了图像去噪、图像去模糊与图像超分辨率实验,实验结果表明分数阶微积分正则化方法能较好的保留图像纹理等细节信息.     

变分正则化图像复原模型与算法综述

图像复原就是对图像退化模型进行处理以恢复图像的原始信息.由于引起图像退化的因素和性质各不相同,所以图像复原是一个复杂的数学过程,本质上是求解不适定的反问题.本文综述了变分正则化图像复原模型与算法.首先,系统阐述了图像复原中的去噪(分解)模型、去模糊模型、修复模型.其次,构建了一个统一的变分正则化图像复原模型并总结了各种典型的数值求解方法.最后,指出在今后进一步研究中值得关注的8个问题.     

关于实效双曲算子的Cauchy问题解的C~∞-奇性分析

本文讨论了较大一类实效双曲算子的 Cauchy 问题的解在边界上重特征点附近的 C~∞-奇性传播情况.为此先找一个保持 Cauchy 问题形式不变的典则变换进行微局部化简,然后用拟基本解工具展开讨论.结果表明,尽管实效算子的Cauchy 问题的适定性与低阶项无关,但解的奇性在边界上重特征点附近出现分叉传播现象,且它紧密联系低阶项的性质.由本文结果就可研究所论算子的 Lax-Nirenberg 型的边界奇性反射问题.     

基于后悔理论和概率犹豫模糊集的多属性决策方法

由于决策环境的不确定性以及决策问题的复杂性,决策者越来越难以处理不确定型多属性决策的相关问题.针对决策者评估时具有犹豫性和偏好性以及风险规避和后悔规避等特点,提出了一种基于后悔理论和概率犹豫模糊集的多属性决策方法.运用概率犹豫模糊集对专家的评价信息进行表述和处理,在权重属性完全未知的情况下,使用CRITIC法确定属性权重;通过定义决策者对方案的感知效用函数,计算各个方案的总感知效用值并进行排序.最后,通过算例对该方法进行验证分析.结果表明:方法可以更好地刻画决策者的实际心理,决策结果更加客观和科学.     

基于HSI颜色空间和暗原色先验的去雾算法

为了消除雾天对图像采集的影响,提高图像的质量,解决传统去雾技术对图像信息保留不完整,清晰度不好的问题,文章提出一种转换颜色空间的暗原色先验去雾改进算法.首先将图像的RGB颜色空间转换到HSI颜色空间,然后保持色调分量H不变;对亮度分量I进行暗原色先验去雾,并在进行暗原色去雾时,采用更为精确的四叉树算法求取大气光值;对饱和度分量S进行V变换,低频重构出新的饱和度分量,降低纹理、噪声等信息的影响并提高饱和度.对于含有大片天空区域的图像,则通过进一步提高最小透射率,可以有效地去除图像中的雾和霾,同时还避免了图像出现颜色失真的状况.实验结果证明,与经典的去雾算法相比较,文章算法去雾效果明显,图像清晰度高,图像信息保留比较完整,色彩更加真实自然,且时间复杂度较低.     

基于二元语义的纯语义多属性群决策方法

考虑属性评估值、专家权重以及属性权重均以语义信息形式给出的纯语义多属性群决策问题,提出了一种基于二元语义的纯语义多属性群决策方法.采用二元语义表达模型处理专家给出的纯语义评估信息;提出了融合加权调和平均算子和有序加权平均算子的二元语义混合调和平均(2-tuple hybrid harmonic average,2THHA)算子,解决属性评估值以及属性权重的群决策问题.针对传统灰色关联分析方法仅考虑单一参考序列以及没有考虑属性间非线性补偿关系的问题,提出了改进灰色关联分析,同时考虑正理想参考序列和负理想参考序列计算候选方案在每个属性点上的灰色关联度;考虑属性间的非线性补偿,得到了方案的总体评估值.所提方法最后被应用于产品服务系统配置方案选择问题.     

带相依辅助信息的分位数自回归模型的经验似然估计

分位数自回归模型作为一类常用的变系数时间序列模型,在理论研究和实际问题中都有广泛的应用.考虑到这类模型具有自回归的结构属性,数据采集过程中产生的额外信息,以相依辅助信息函数的形式被引入到模型系数的估计中来.该文应用经验似然方法得到了模型系数的估计量,得到了模型系数的估计量,并论证了其渐近正态性.基于渐近正态性的理论结果,进一步讨论了模型系数线性约束性问题的Wald检验统计量的渐近性质.数值模拟和实例数据分析的结果均表明,利用经验似然估计处理带相依辅助信息函数的方法较传统的分位数回归估计更有效.因而,一般常系数线性分位数回归模型在独立假设下的结果,被推广至具有相依结构的一类变系数模型中去.     

轴对称物体X射线层析成像的变分模型与算法

本文介绍了用X射线投影进行轴对称物体密度重建的一些新二维变分模型与其数值计算方法,从而推广了先前球对称物体密度重建的一维工作.由于直接解这一类数学模型转化的非线性代数方程组,数值实现难度大,本文给出了易实现的增广Lagrange解法,这种方法不仅有利于处理高阶正则化,而且在X光图像有额外模糊的情形下,自动提供了有用的中间量正则化;也给出了一些初步的仿真计算结果.本工作为下一步研究三维非对称物体密度重建打下基础.     

美式利率期权定价的抛物型变分不等式

应用PDE方法对美式利率期权定价问题进行理论分析.在CIR利率模型下美式利率期权定价问题可归结为一个退化的一维抛物型变分不等式.通过引入惩罚函数证明了该变分不等式的解的存在唯一性,然后研究了自由边界的一些性质,如单调性,光滑性和自由边界在终止期的位置.