基于判别字典学习与形态成分分解的多源图像融合

提出了一种基于形态成分分析的多源图像融合方法。为了将源图像中不同形态结构的卡通-纹理成分分离,把图像的分解问题转化为图像的分类问题,设计了卡通纹理判别字典学习模型。考虑到图像分解不仅与字典有关,还与分解的策略有关,设计了一种新的图像分解模型。在模型中,将纹理成分看成叠加在源图像卡通成分上的噪声,引入非局部均值相似性的一致性正则项,来约束稀疏编码系数的解空间。根据对应成分的编码系数l1范数值最大来选取融合图像的编码系数。实验结果表明,无论是在视觉效果还是在客观指标上,方法都具有更好的融合性能。     

字典学习稀疏表示的高光谱图像异常检测

针对稀疏表示高光谱检测算法性能受背景字典影响较大的问题,充分利用高光谱图像空间信息和光谱主成分信息,提出了一种基于字典学习的稀疏表示异常检测算法。首先利用主成分分析提取高光谱数据的主特征,建立目标主成分空间,并证明了在主成分空间进行字典学习稀疏重构的可行性;然后在主成分空间内构造基于K-SVD算法的训练字典,改善了背景字典性能;采用正交匹配算法重构主成分分量,利用主成分分析反变换得到待检测像元重构光谱,增强了高光谱图像的局部异常特性;最后,基于重构误差异常特性实现高光谱图像异常检测。仿真结果证明了该方法的有效性。     

基于DTCWT和稀疏表示的红外偏振与光强图像融合

针对红外偏振与光强图像彼此包含共同信息和特有信息的特点,提出了一种基于双树复小波变换和稀疏表示的图像融合方法.首先,利用双树复小波变换获取源图像的高频和低频成分,并用绝对值最大值法获得融合的高频成分;然后,用低频成分组成联合矩阵,并使用K-奇异值分解法训练该矩阵的冗余字典,根据该字典求出各个低频成分的稀疏系数,通过稀疏系数中非零值的位置信息判断共有信息和特有信息,并分别使用相应的规则进行融合;最后,将融合的高低频系数经过双树复小波反变换得到融合图像.实验结果表明,本文提出的融合算法不仅能较好地凸显源图像的共有信息,而且能很好地保留它们的特有信息,同时,融合图像具有较高的对比度和细节信息.     

卷积稀疏表示图像融合与超分辨率联合实现

为避免图像融合与超分辨率分步实现的不足,提出了基于卷积稀疏表示的融合与超分辨率重建联合实现方法。假设低分辨率与高分辨率图像之间具有相同的稀疏特征图,设计了一种高、低分辨率滤波器联合学习框架,实现对图像高低频成分的分离,并根据不同成分的形态特性设计了不同的融合规则:对于高频成分,根据稀疏特征图亮度信息和像素活跃性水平,设计了一种像素显著性度量方案来指导高频特征图的融合;对于低频成分,根据脉冲耦合神经网络能捕获邻域相似像素点火的特性,设计了低频成分融合方法。所提方法不需要将图像分割成重叠的块,避免块向量化的缺陷。实验结果表明,能有效提高图像融合的质量。     

低秩稀疏分解与显著性度量的医学图像融合

提出一种低秩稀疏成分分解和显著性相结合的医学图像融合方法。所提方法假设待融合源图像由低秩成分和稀疏成分构成,设计了低秩与稀疏成分分解模型,通过不同的字典对不同成分进行了稀疏表达。在融合过程中采用一种"绝对值"取大的策略对低秩成分融合,以保留源图像的亮度信息;对于稀疏成分,提出一种基于视觉显著性度量的方法来保留显著性特征。实验结果表明,本文方法无论从主观视觉还是客观评价指标上都优于最新的方法。     

协作稀疏字典学习实现单幅图像超分辨率重建

字典的选择影响基于稀疏编码的图像超分辨率重建模型的重建质量。提出了一种基于协作稀疏表达的字典学习算法。在训练阶段,通过K-Means聚类算法将样本图像块划分为不同的聚类;构建基于同时稀疏约束条件的协作稀疏字典学习模型对每个聚类训练高、低分辨率字典;应用基于L_2范数的稀疏编码模型将图像超分辨率重建过程中输入图像块由低分辨率到高分辨率的映射转变为简单的线性映射,并针对不同聚类求得相应的线性映射矩阵。在重建阶段,输入图像块通过搜索与自身结构最相似的聚类来选择相应映射矩阵获得重建后的高分辨率图像。结果表明,本文算法通过改进字典学习过程实现了更好的图像超分辨率重建质量。     

基于层次聚类的图像超分辨率重建

多字典学习的图像超分辨率重建过程中常见的K均值聚类、高斯混合模型聚类等方法会导致图像的重建质量欠佳且不稳定,针对这一问题提出一种新的基于层次聚类的图像超分辨率重建算法;首先对样本图像块提取特征并进行层次聚类,经改进的主成分分析方法训练得到K个字典,然后将测试图像裁切成若干图像块,并分别自适应匹配最合适的字典进行图像块重建,最后对整幅图像进行优化,以实现全局重建。结果表明:所提算法具有较高的可行性,能有效改善图像的重建质量;与传统算法相比,所提算法重建图像的峰值信噪比和结构相似度均有所增大。     

基于结构字典学习的图像复原方法

本文提出一种新的结构字典学习方法,并利用它进行图像复原。首先给出结构字典学习的基本内容和方法,然后将傅里叶正则化方法和结构字典学习方法有效整合到图像复原算法中。结构字典学习方法是先将原图像进行结构分解,再分别学习出每个结构图像中的字典,最后利用这些字典对原图像进行稀疏的表示。结合傅里叶正则化,提出了一种有效的迭代图像复原算法:第一步在傅里叶域利用正则化反卷积方法得到图像的初步估计;第二步采用结构字典学习的方法对遗留的噪声进行去噪处理。实验结果表明,提出的方法在改进信噪比和视觉质量上都要优于6种先进的图像复原方法,改进的信噪比平均提升0.5 d B以上。     

基于空时联合稀疏重构的红外小弱运动目标检测方法

提出了一种基于空时联合稀疏重构的红外小弱运动目标检测算法。通过学习序列图像内容而构建的空时联合字典能同时刻画目标或背景的形态特征和运动信息;利用多元高斯运动模式从空时联合字典中提取出目标空时字典和背景空时字典,目标空时过完备字典描述移动的目标,背景空时过完备字典表征背景噪声。将连续多帧图像在空时联合字典上进行稀疏分解,然后分别利用目标空时字典和背景空时字典中的最大稀疏系数及其空时原子重构信号,获取重构残余能量差异来区分目标和背景。试验结果表明,由同源的空时字典重构的残余能量小,而由异构的空时字典恢复的残余能量大,该方法不仅能提高序列信号表示的稀疏度,还能有效提高小运动目标的探测能力。     

基于双字典和稀疏表示的医学图像超分辨率重建

在医学影像图像处理过程中,由于成像技术和成像时间的限制,还无法获取满足诊断需求的清晰图像,这使得在现有技术和极短时间内所获取的医学病理图像需要进行超分辨率的重建处理;基于学习的图像超分辨率思想是从已建立的先验模型中重建出高频细节;在文章中,将要估计的高频信息认为是由主要高频和冗余高频两部分组成,提出了一种基于双字典学习和稀疏表示的医学图像超分辨率重建算法,由主要字典学习和冗余字典学习组成,分别渐近地恢复出主要高频细节和冗余高频细节;实验结果的数据分析和视觉效果显示,所提出双层递进方法能够恢复更多的图像细节且在性能指标上比现有的其他几种方法均有所提高。     

基于改进MCA的干涉高光谱图像分解

干涉高光谱图像特殊的成像原理,使其帧内存在着大幅值且位置固定的干涉条纹,而帧间存在着水平移位的背景图像,这种特点会严重的破坏原始图像的固有结构,从而导致新兴的压缩感知理论与传统压缩算法的直接应用无法得到理想的效果。由于干涉条纹信息与背景图像信息的特征不同,能够对干涉条纹与背景图像进行稀疏表示的正交基也是不同的。基于这种思想,使用MCA(morphological component analysis)算法对干涉高光谱图像中干涉条纹信息与背景图像信息进行分离处理。由于干涉高光谱图像数据量庞大,传统的MCA算法对干涉高光谱数据的图像分解,迭代收敛速度慢,运算效率较低,故而针对干涉高光谱数据特点对传统MCA算法进行改进,改变其迭代收敛条件,当分离后的图像信号与原始图像信号的误差已经基本保持不变时,即终止迭代;并根据对应正交基能且仅能稀疏表示对应信号的思想,对阈值采用自适应的方式进行更新,在新的阈值更新模式中,图像信号在不同正交基下的映射系数被计算与比较。大量实验结果表明,对于LASIS数据与LAMIS数据,MCA算法都能够较完美的将干涉高光谱图像分解,改进的MCA算法更能在保持完美分解输出结果的同时,相对于传统MCA方法显著的减小迭代次数,更快的达到迭代收敛条件,从而有效的提高了算法的运算效率与实时性需求,也为新兴的压缩感知理论在干涉高光谱图像中的进一步应用提供了一种很好的解决方案。     

基于神经网络的闪光照相网栅图像修补

提出了一种基于径向基函数（RBF）神经网络的闪光照相网栅图像修补算法,该方法采用滑动窗口方法将待修补的网栅图像分为若干子块,然后在每个子图像内分别引入RBF神经网络,将栅孔内图像作为已知数据计算RBF网络参数,并以此对每个子图像进行修补,数值试验表明,该算法能较好地再现图像边缘信息,修复的图像在信噪比和视觉方面都优于线性插值和样条插值的结果。     

Inverse halftoning based on sparse representation

This Letter proposes a novel inverse halftoning algorithm that introduces a way of generating a pair of binary and continuous dictionaries optimized to a training image database composed of many pairs of halftoned patches and the corresponding continuous patches. The experiment results show that the two created binary and continuous dictionaries can be nicely used with the estimated sparse coefficients to represent an unknown continuous image with less noise and fine details from an input halftoned image.     

Two-Phase Image Inpainting: Combine Edge-Fitting with PDE Inpainting

The digital image inpainting technology based on partial differential equations (PDEs) has become an intensive research topic over the last few years due to the mature theory and prolific numerical algorithms of PDEs. However, PDE based models are not effective when used to inpaint large missing areas of images, such as that produced by object removal. To overcome this problem, in this paper, a two-phase image inpainting method is proposed. First, some edges which cross the damaged regions are located and the missing parts of these edges are fitted by using the cubic spline interpolation. These fitted edges partition the damaged regions into some smaller damaged regions. Then these smaller regions may be inpainted by using classical PDE models. Experiment results show that the inpainting results by using the proposed method are better than those of BSCB model and TV model.     

三维面形测量中基于模版匹配的变形条纹修复

在基于条纹投影和相位分析的三维面形测量中,由于被测物体表面标志点或复杂面形的阴影遮挡存在,会造成变形条纹局部区域的条纹数据缺失,影响相位和高度信息的最终重建,需要人为地对缺失图像信息进行修复。提出了一种新的缺失条纹数据修复方法——基于模版匹配的图像修复算法,通过图像中已有条纹信息(特别是与待修复区域周围相位信息相似度较高的已知条纹信息)对缺失的变形条纹信息进行估算,实现数据修复。该方法修复效果好,运算过程无需人为参与,便于计算机自动实现,尤其适合于待修复图像整体结构明显、纹理清晰图像的数据修复,有助于提高被测物体相位计算质量和在此基础上的三维面形重建质量。     

Dictionary learning based sinogram inpainting for CT sparse reconstruction

In CT (computed tomography), reconstruction from undersampling projection data is often ill-posed and suffers from severe artifact in the reconstructed images. To overcome this problem, this paper proposes a sinogram inpainting method based on recently rising sparse representation technology. In this approach, a dictionary learning based inpainting is used to estimate the missing projection data. The final image can be reconstructed by the analytic filtered back projection (FBP) reconstruction. We conduct experiments using both simulated and real phantom data. Compared to the comparative interpolation method, visual and numerical results validate the clinical potential of the proposed method.     

非局部变分修复法去除高密度椒盐噪声

分析了中值滤波及其改进型算法在处理高密度椒盐噪声时效果不理想的原因,采用变分修复方法来去除高密度椒盐噪声,基于现有的全变差修复模型提出了非局部全变差修复模型。该模型利用椒盐噪声特点(均匀分布、灰度值为0或255),将噪声点看成是图像中遗失或是破损的点,首先在图像中寻找与噪声点邻域相似的区域,将相似区域的中心像素作为噪声点新的邻域然后对其插值,把图像降噪问题转化为图像修复问题,从而达到去除高密度噪声的目的。实验结果表明:该模型对噪声密度为90%的彩色和灰度图像去噪后,其峰值信噪比为22.85和28.77,在客观评价标准方面优于中值滤波及其改进型算法。该模型能有效去除高密度下的椒盐噪声并较好地恢复图像细节,为图像去除高密度噪声提供了一种新的途径。     

Learning-based compressed sensing for infrared image super resolution

This paper presents an infrared image super-resolution method based on compressed sensing (CS). First, the reconstruction model under the CS framework is established and a Toeplitz matrix is selected as the sensing matrix. Compared with traditional learning-based methods, the proposed method uses a set of sub-dictionaries instead of two coupled dictionaries to recover high resolution (HR) images. And Toeplitz sensing matrix allows the proposed method time-efficient. Second, all training samples are divided into several feature spaces by using the proposed adaptive k-means classification method, which is more accurate than the standard k-means method. On the basis of this approach, a complex nonlinear mapping from the HR space to low resolution (LR) space can be converted into several compact linear mappings. Finally, the relationships between HR and LR image patches can be obtained by multi-sub-dictionaries and HR infrared images are reconstructed by the input LR images and multi-sub-dictionaries. The experimental results show that the proposed method is quantitatively and qualitatively more effective than other state-of-the-art methods.     

An improved edge detection algorithm for depth map inpainting

Three-dimensional (3D) measurement technology has been widely used in many scientific and engineering areas. The emergence of Kinect sensor makes 3D measurement much easier. However the depth map captured by Kinect sensor has some invalid regions, especially at object boundaries. These missing regions should be filled firstly. This paper proposes a depth-assisted edge detection algorithm and improves existing depth map inpainting algorithm using extracted edges. In the proposed algorithm, both color image and raw depth data are used to extract initial edges. Then the edges are optimized and are utilized to assist depth map inpainting. Comparative experiments demonstrate that the proposed edge detection algorithm can extract object boundaries and inhibit non-boundary edges caused by textures on object surfaces. The proposed depth inpainting algorithm can predict missing depth values successfully and has better performance than existing algorithm around object boundaries.     

A distortion correction algorithm for fish-eye panoramic image of master-slave visual surveillance system

A master-slave visual surveillance system is composed of one fish-eye panoramic camera and one dynamic pan-tilt-zoom (PTZ) dome camera. In order to make PTZ dome camera zoom into all targets of interest in panoramic image, the fish-eye panoramic camera is fixed inclining towards the gravity direction, which may cause more obvious distortion. This paper proposed a novel method for the distortion correction of captured panoramic image based on the midpoint circle algorithm (MCA). The method uses incremental calculation of decision parameters to determine the pixel positions along a circle circumference, and both of the vertical and horizontal are rectilinearised. Experimental results show that our correction method based on MCA is efficient and effective. In particular, due to its low computational cost, our method can be applied on embedded camera platform without any extra hardware resources.