基于非局部扩散的图像去噪

利用空间非局部梯度构造了图像的非局部结构张量,通过对非局部结构张量的特征分解得到图像的一个特征空间,依据特征空间的特性设计了非局部扩散张量,建立了基于非局部扩散张量的各向异性扩散模型。该模型和局部各向异性扩散模型的本质不同在于,在扩散的过程中充分利用了图像的全局信息。优点是在去除噪声的同时,能更好地保护图像的边缘,尤其是纹理等图像的重要细节特征。     

基于自适应扩散模型的单帧红外条纹非均匀性校正算法

针对红外焦平面成像系统存在列向条纹非均匀性的现象,采用了一种基于自适应PM扩散模型的非均匀校正新算法。首先,综合利用图像梯度信息和局部灰度统计信息,自适应计算PM模型的扩散阈值;然后将每列像素的PM模型估计值作为该列像素的期望值;最后采用最陡下降法迭代计算得到每列像元的校正参数,并对结果进行循环校正以提高校正效果。实验结果表明:该算法可以保护图像边缘信息,与同类算法相比,能够更有效地抑制条纹非均匀性,并且能够防止图像产生鬼影。     

采用非局部主成分分析的极大似然估计图像去噪

本文提出一种采用非局部主成分分析的极大似然估计去噪方法.首先采用非局部主成分分析算法来计算像素邻域间的灰度值和纹理结构相似性,然后通过极大似然估计方法估计最优复原图像.本方法使用非局部主成分分析克服现有局部性去噪方法模糊边界等缺陷,引入极大似然估计方法来改进现有非局部均值的简单加权均值去噪处理,从而提高对图像细节信息的...     

采用非局部主成分分析的极大似然估计图像去噪

本文提出一种采用非局部主成分分析的极大似然估计去噪方法.首先采用非局部主成分分析算法来计算像素邻域间的灰度值和纹理结构相似性,然后通过极大似然估计方法估计最优复原图像.本方法使用非局部主成分分析克服现有局部性去噪方法模糊边界等缺陷,引入极大似然估计方法来改进现有非局部均值的简单加权均值去噪处理,从而提高对图像细节信息的复原能力.最后分别使用本文方法、非局部均值和局部极大似然估计三种去噪方法,在不同噪音大小和不同几何纹理复杂度的图像中进行定性和定量的去噪实验.结果表明,本文方法可在保持图像细节和纹理信息的情况下有效去噪,较之现有方法效果更好.     

基于Demons算法改进的图像去噪模型研究

在Demons算法的基础上, 将扩散过程看作图像配准, 建立一种新的基于图像配准的Demons 去噪模型. 实验表明, 该模型去噪效果优于经典的Perona-Malik模型, 排除了模型的病态性. 考虑到新模型在图像去噪过程中仅靠梯度信息表示图像的局部特征还不完善, 故将水平集曲率作为控制图像结构的驱动力因素引入到此模型中, 提出了一种新的梯度和曲率双重驱动力的图像去噪模型. 分析和仿真结果表明, 两种新模型都可有效抑制噪声, 清晰度也有明显的提高, 其中双重驱动力的图像去噪模型去噪效果更具优越性.     

曲率驱动与边缘停止相结合的非线性扩散及其在图像去噪中的应用

根据等照度线曲率在图像表征中的重要意义,将曲率作为一个控制传导率的因素引入非线性扩散方程,提出了一个新的曲率驱动与边缘停止相结合的非线性扩散模型,实验结果表明这一模型在图像去噪方面较经典的P-M方程具有更好的性能.     

一种改进的视觉传感器与激光测距雷达特征匹配点提取算法

激光测距雷达与视觉传感器的配准是视觉图像与激光距离信息融合的前提。激光测距雷达与视觉传感器的配准可分为点匹配与平面匹配。由于混合像素和非结构空间特征激光点丢失现象,使得基于点匹配的视觉传感器与激光测距雷达配准算法精度难以提高。通过对混合像素和非结构空间特征激光点丢失问题的分析,提出了一种结合平面建模思想,利用假想激光光束与平面模型相交提取匹配特征点的方法。验证了实验结果并进行了算法精度比较。实验结果表明,这种改进的特征匹配点提取算法解决了特征点缺失,并且提高了点匹配的精度,使匹配性能大大地改善。     

基于非局部约束球面反卷积模型的纤维追踪算法

基于扩散磁共振成像的纤维追踪技术为非侵入性观测脑白质结构提供了有力的手段，约束球面反卷积作为一种多纤维追踪模型，能够对体素内纤维的方向信息进行建模，进而实现脑纤维的重构.针对约束球面反卷积模型的不适定性以及细节信息丢失问题，本文在约束球面反卷积的基础上，结合邻域信息和分数阶正则化，提出了一种基于非局部约束球面反卷积模型的确定型纤维追踪算法，分数阶的非局部特性使得纤维方向分布模型估计的误差更小，而邻域信息的引入保证了空间一致性，可以减少噪声的影响.分别利用模拟数据、人脑实际数据对本文算法及基于约束球面反卷积的确定型纤维追踪算法作对比实验，结果表明，利用本文算法追踪的纤维不仅整体视觉效果上较整洁，而且对交叉纤维的重建结果更完整准确.     

基于扩散滤波方法的地震数据修复技术

将基于偏微分方程的图像修复技术引入到地震资料数字处理领域,提出基于扩散滤波方法的地震数据修复技术.将待修复数据区域附近的未受损数据按照一定的扩散函数规则,通过扩散滤波方法将其扩散至待修复区域,每次迭代计算仅更新待修复区域内的数据,未受损区域内的数据保持不变,根据迭代前后的残差与阈值比较,最终确定迭代终止的条件.地震数据插值处理以及地震数据的局部修复处理2个应用实例表明,采用扩散滤波方法的地震数据修复技术可以修复地震数据,能够有效恢复缺失的地震波场信息,在地震资料数字处理中有一定的应用价值.     

基于多特征检测与支持向量回归的图像文本提取算法

为解决复杂背景中难以有效提取场景文本的问题,提出了一种基于多特征检测与支持向量回归的图像文本提取方案。为有效区分文本与非文本边缘,基于图像边缘,提取场景中三个文本特征。将得到的三个文本特征进行多尺度融合,利用文本融合特征检测候选文本边界,有助于检测不同大小的文本,提高对不同类型的图像退化的鲁棒性。对于每个检测到的候选文本边界,根据邻域窗口中的像素来估计每个像素的局部阈值,利用局部阈值自适应分割提取候选字符。引入支持向量回归模型对文本像素与图像背景精确分离,消除非文本边界,提取真实字符和单词。实验表明:与当前文章提取技术相比,所提方法具有更好的鲁棒性,能适用各种变化的复杂场景文本提取,具有更优的PrecisionRecall曲线与F测量值。     

利用灰度差估计的条纹非均匀性校正方法

条纹非均匀性是红外焦平面阵列成像系统中一种较为常见的固定图案噪声,其对成像质量会产生很大的影响。通常认为图像的非均匀性主要体现在像素间的灰度差,即非均匀性所引起的灰度差。为了解决这一问题,提出一种利用灰度差估计的条纹非均匀性校正方法。该方法根据条纹噪声的空间特性,对每一帧图像的非均匀性条纹的所在位置进行判断;根据条纹位置处相邻像素间的灰度差,对该处存在的非均匀性进行初步估计,并对下一帧的估计结果进行评价以进一步完善估计值。实验结果表明,所提方法能够显著减少条纹非均匀性,并且能够有效地保护图像的边缘信息。     

基于小波与重调和方程的扩散去噪模型的研究

在图像处理过程中, 为了在图像去噪时更好地保留图像的角点、尖峰和窄边缘, 利用重调和方程的应力平衡性及其高阶偏导数的局部极大值, 构建新算子, 建立重调和扩散模型. 考虑到若图像中的噪声很强, 则会在处理后的图像上留下一些孤立的斑点, 且图像的纹理是在较大范围上具有的统计特性, 而新建模型只能保留局部细节, 图像大范围上的信息没有得到很好保留, 故对上述新建模型做进一步改进, 采用小波变换提取图像的高频部分, 对这部分运用应力平衡性构建新算子, 从局部上较稳定地控制图像的细节信息, 建立波域重调和扩散模型. 分析与仿真结果表明, 该模型与Perona-Mailik模型相比较保留了更多的图像信息, 有效地增强了图像的边缘, 同时很好地保持了图像的角点、尖峰、和窄边缘, 是一个理想的模型.     

使用局部视觉显著分析的红外图像增强

红外增强是提升红外成像质量、凸显目标信息的有效手段之一。利用在局部窗口内计算视觉显著图来帮助实现红外图像的增强。利用局部空间区域内的中心-周围像素灰度加权距离法衡量显著性,由此获取显著图来表征模拟人眼以赋予不同像素区域的权重;结合视觉显著图的提取,在此基础上实现红外图像的增强;选取几组红外图像进行实验,结合主客观评价对多种增强方法进行评估。实验结果表明,与其他方法相比,所提方法的结果具有更好地视觉效果,能凸显图像细节即目标信息,能有效实现目标与背景的对比增强。     

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。     

结合稀疏编码和空间约束的红外图像聚类分割研究

提出了结合稀疏编码和空间约束的红外图像聚类分割新算法, 在稀疏编码的基础上融合聚类算法, 扩展了传统的基于K-means聚类的图像分割方法. 结合稀疏编码的聚类分割算法能有效融合图像的局部信息, 便于利用像素之间的内在相关性, 但是对于分割会出现过分割和像素难以归类的问题.为此, 在字典的学习过程中, 将原子的聚类算法引入其中, 有助于缩减字典中原子所属类别的数目, 防止出现过分割; 考虑到像素及其邻域像素具有类别属性一致性的特点, 引入了空间类别属性约束信息, 并给出了一种交替优化算法. 联合学习字典、稀疏系数、聚类中心和隶属度, 将稀疏编码系数同原子对聚类中心的隶属程度相结合, 构造像素归属度来判断像素所属的类别. 实验结果表明, 该方法能够有效提高红外图像重要区域的分割效果, 具有较好的鲁棒性. 关键词： 图像分割 稀疏编码 聚类 空间约束     

基于T分布混合模型的多光谱人脸图像配准

为了降低多光谱人脸图像中出现的非刚性形变、噪声和离群点等因素对配准结果的准确性和稳健性的影响,提出一种综合考虑特征点的空间几何结构和局部形状特征两方面信息的多光谱人脸图像配准方法。所提方法首先通过基于内部距离的形状上下文描述子来表述点集的局部特征信息,建立可见光和红外图像相似性测度函数。然后利用Student′s-T分布混合模型来表示图像特征点集配准过程中变换模型估计问题,并采用期望最大化算法对模型进行求解。仿真数据表明在点集存在非刚性形变、噪声和离群点的情况下,所提方法仍可以实现点集间的精确配准。可见光和红外人脸真实图像数据表明所提方法的平均匹配误差和运算效率都优于对比算法,配准融合后的多光谱人脸图像可以提高后续的人脸检测和识别性能。     

基于一致性测度的非线性扩散图像消噪算法

以各向异性扩散模型为基础,分析了现有扩散消噪算法在处理斑点噪声时性能不稳定和汁算复杂的不足,提出了一种新的扩散方向估计算法:利用四个方向带状区域灰度的方差值作为图像的局部方向测度,引入常规与对角积分图实现方差的快速计算,每个像素点的扩散量由邻域八像素与该点的差值以及相应的方向权系数决定,给出了相应的扩散函数及其计算方法.实验表明该方法适应能力强,在消除噪声同时很好地保护了纹理细节,而且迭代次数少,运算速度快.     

基于边窗盒子滤波和透射率修正的图像去雾

针对雾线先验去雾算法存在的颜色过饱和现象、图像初始透射率估算不准确等问题，提出了一种基于边窗盒子滤波和透射率修正的图像去雾算法。为了解决初始透射率估算不准确带来的边缘细节信息丢失的问题，首先利用非局部总广义变分（TGV）正则化的方法估算初始透射率，并将二阶的非局部总广义变分（TGV）正则器来作为正则项，以确保对由图像颜色和深度之间的噪声和歧义引起的异常值具有鲁棒性。随后利用边窗滤波算法对初始透射率进行优化，从而实现对图像中纹理信息和边缘信息的保留。最后利用大气散射模型和多角度优化后的透射率复原出无雾的原始图像。实现结果表明，本文算法能够解决图像颜色过饱和与边缘处的细节纹理信息丢失的问题，且无色调偏移和光晕效应。在定性评估上，复原后的图像视觉效果好；在定量评估上，本文算法的去雾后图像的评价指标皆高于基于雾线先验算法。     

基于梯度与曲率相结合的图像平滑模型的研究

在图像处理过程中, 为了在图像去噪时更好地保留图像边缘细节信息, 首先结合扩散系数和曲率的性质建立了一个曲率平滑模型. 考虑到图像受到噪声污染时曲率会发生显著变化, 将图像的水平集曲率作为一个检测因子代入到上述模型中, 提出了一个梯度与曲率相结合的新模型. 分析与仿真结果表明, 该模型与Perona-Malik模型相比较保留了更多的图像信息, 有效地增强了图像尖锐的边缘, 同时很好地保持了图像的直线和曲线边缘、角点、斜坡和小尺度特征, 是一个理想的模型.     

基于单站地基望远镜的空间目标姿态估计方法

为实现从单站光测图像中估计出已知3D模型的空间目标姿态,利用Vega Prime提出了一种采用仿真图像进行相关度局部最优搜索的姿态估计方法,该方法无需建立2D-3D特征投影关系和大量的模型匹配库。首先,对输入图像进行图像预处理,获得目标原始图像。然后,利用Vega Prime加载目标3D模型生成仿真匹配图像,并进行图像预处理获得目标匹配图像,计算两幅图像相关度。最后,更新3D目标模型姿态,直至仿真匹配图像与目标原始图像的相关度值取得局部最优,输出目标模型姿态。仿真实验结果表明,采用本文所提方法的观测仿真图像姿态平均估计误差为3.85°,仿真原图可实现姿态准确估计,表明该方法是一种空间目标姿态估计的有效方法。