基于小波变换网络的自监督单目深度与位姿估计

基于小波变换与运动恢复结构的自监督学习范式,将二维离散小波变换嵌入神经网络并实现梯度传播,提出了一种新的单目深度与位姿估计算法。传统的神经网络在降采样过程中会造成信息丢失,且丢失的信息在后续阶段无法复原,对于深度估计任务,结构信息的丢失会降低模型性能。本文使用二维离散小波变换层替代传统的降采样操作,更好地保留图像中的结构细节并避免噪声累积。在上采样解码深度图的阶段,采用小波逆变换层取代传统的插值上采样方法,更有效地恢复图像信息,得到更精确的深度图。提出的算法相比传统的神经网络对噪声更有鲁棒性。在KITTI数据集上进行实验,证明了所提出的算法在自监督单目深度与位姿估计任务中有优异的性能表现。     

基于半监督子空间迁移的稀疏表示遥感图像场景分类方法

利用已有的标记数据对新领域图像进行分类是遥感图像场景分类的重要研究方向。提出了一种基于半监督子空间迁移的稀疏表示（sparse representation method based on semi-supervised transfer learning subspace,SR-SSTLS）遥感图像场景分类方法。为减少源域和目标域数据分布变化,将不同数据域的遥感图像投影至共享子空间。源域和目标域数据在投影子空间协同学习共享字典,使得带标记的源域数据辅助目标域模型的建立。同时,建立了基于源域、目标域、源域-目标域标记数据的拉普拉斯图矩阵和目标域未标记数据的拉普拉斯正则化项,使得目标域中的数据均得到很好编码。在多个遥感图像数据集上的实验结果均证明了SR-SSTLS方法的有效性。     

改进分形模型的图像降噪算法

利用分形几何中的迭代函数系统理论，针对空间域建立图像分形模型存在相似匹配速度慢的缺点，提出了一种变换域的改进分形模型方法，该方法用频域的搜索匹配代替空间域的搜索匹配，不但域块和区块达到相似匹配的速度更快，而且可以自适应的调整参与计算相似匹配的参数个数．实验结果表明改进的分形模型应用于图像降噪不但可以有效的保护图像的细节和边缘信息，并避免原方法在降噪的同时带来块效应的缺点．     

结合美学特征的无参考色调映射图像质量评价

如何对色调映射图像(Tone-mapped Image, TMI)质量进行有效评价是图像处理领域亟待解决的问题. 现有方法仅是低动态范围图像质量评价方法的改进, 并未考虑TM图像本身独有的特点. 基于此, 本文提出了一种结合美学特征的TMI质量评价方法. 从颜色保真度、色温分布、对比度、黑暗度、自然度5个方面出发提取图像的美学特征, 并在梯度域、张量域、高斯差分域和拉普拉斯域提取变换域特征, 利用支持向量回归训练得到质量评价模型. 在ESPL-LIVE HDR库上的实验表明, 现有代表性方法的Spearman秩相关系数最高为0.752, 而所提出模型可达0.766, 与人眼感知结果具有更强的一致性.     

基于二阶段迭代的非负矩阵分解的分类模型

为了有效地结合标签信息与非负矩阵分解技术,提升现有的非负矩阵分解算法划分数据的性能,提出一种用于分类问题的基于二阶段迭代的非负矩阵分解模型(2-stage iterative nonnegative matrix factorization model,2-STGINMF),在阶段1,基于训练样本之间的关系和标签信息,用非负矩阵分解技术学习训练样本的置信度分布矩阵。在阶段2,根据训练样本的置信度分布矩阵,基于训练样本和测试样本之间的关系以及测试样本内部的关系,学习测试样本关于不同类别的置信度分布矩阵。此外,提出了一种迭代式训练机制解决标签稀疏性的问题。实验结果表明,与当前的一些机器学习方法和矩阵分解方法相比,本文提出的2-STGINMF模型在不同类型的数据分类问题上都达到了最优的性能且在训练样本较少时也能获得较好的分类结果。     

基于中央凹视觉的梯度结构相似性图像质量评价

针对结构相似性(SSIM)指标在评价图像严重失真时存在不准确性,提出了一种基于中央凹视觉的梯度结构相似性的全参考图像质量评价方法 FGSSIM.利用梯度幅度和梯度方向描述图像的结构信息,结合图像亮度和对比度,得到图像的局部质量图.利用人眼视觉的中央凹视觉效应构造中央凹视觉矩阵,以此分配局部质量图的权重,从而提高模型的准确性.实验数据来源于美国Texas大学图像视频工程实验室提供的LIVE数据库.实验结果表明,本文提出的方法是一种有效的图像质量评价方法,评价结果能够准确反映图像质量,并且更加符合人眼主观感受.尤其在图像高度失真的情况下,该方法比广泛使用的SSIM和PSNR更优越.     

X射线影像对比度和康普顿散射

讨论了Ｘ射线影像对比度和康普顿散射之间的关系。康普顿散射在Ｘ射线成像中起着非常重要的作用,它既有助于图像对比度的形成,也可能损害图像对比度。通过采用适当的方法,我们可以将照到Ｘ射线胶片上或检测器上的散射光子尽可能减少,以提高图像对比度。     

电容层析成像中电容敏感场的计算与图像重建

建立了 １２ 电极基本传感器的有限元模型．对电容敏感场进行了仿真计算,以此作为先验信息可以重建出令人满意的图像,为进一步的应用研究提供了强有力的支持     

预处理的校正梯度路径信赖域算法

信赖域算法是最优化中广泛使用的一种方法．在迭代的每一步都要解信赖域子问题,在众多解子问题的方法中,校正梯度路径算法利用系统的特征值和特征向量在整个雏数空间求出子问题的解,虽然这个方法较吸引人,但现有的校正梯度路径算法不太可行,因为在每一步迭代中它要求整个特征系统的计算或者矩阵的重复分解．提出了一种预处理的校正梯度信赖域算法．该算法在一步迭代中仪通过对对称矩阵进行一次Bunch-Parlett分解就在全空间中求出子问题的解,再用单位下三角矩阵因子去标度问题的变量,预处理的校正梯度路径由此形成,算法在通常使用的条件下有好的收敛性,对各种模型的优化问题的计算结果也显示出算法的高效性．     

电离层断层成像数值模拟

将计算机断层成像(CT)技术用于电离层探测,可以得到电离层垂直剖面大尺度的电子浓度分布。根据电离层cT有限投影角度和稀疏接收站的实际探测条件,提出了增加接收站观测数据及扩展投影角度的方法。在迭代过程中对重建结果引入了最平稳解约束,以此构造了一个能量函数,在迭代过程中结合模拟退火方法,求得全局最优解。     

基于图像深度预测的景深视频分类算法

景深视频因高清、美观广受大众喜爱。然而,要从海量视频中检出此类视频十分困难。已有较多研究基于景深图像成像原理,开展景深像素分割算法研究,但难以直接应用于实际视频分类场景。本文针对景深视频类型,设计了可预测视频类型的深度网络。根据景深成像原理,各语义物体之间相对相机的景深深度存在一定的逻辑关系。为此提出以图像深度为指导,利用深度预测模块预测图像的景深深度信息,将其合并后输入至分类网络进行训练检测,以降低景深视频误检率,提升网络模型的性能。此外,针对现实需求中该领域有标数据较少,而不同数据集分布会降低性能的问题,设计了迭代式景深视频数据集收集方法,以较低的劳动成本快速收集所需要的视频数据,具有一定的实际应用价值。本文算法在快手线上的景深视频数据集中识别准确率达85.7%。     

SAR图像恢复的迭代方法

从图像恢复的迭代处理原理出发，针对简单的迭代方法中诸如每次的恢复误差在迭代过程中不断反馈与积累从而造成恢复图像的严重失真等问题，提出了一种新的迭代处理方法。新方法从每次迭代的恢复结果中提取新的信息，然后将该新信息和以前的恢复结果进行信息传递，并在此基础上设置了一个用于调节最终迭代结果的平滑程度的参数，使新仍 的灵活性，新方法对真实SAR图像的处理结果表明该方法有效的克服简单迭代方法中的误差积累以及迭代结果不收敛等不足。     

基于先验知识的单幅图像雨雾去除方法

单幅图像雨雾去除是计算机视觉研究的热点之一,现有的去雨方法往往需根据雨的特性恢复图像,忽视了场景中的雾以及场景深处雨累积的影响。提出了一种新型单幅图像去雨雾方法,设计了一种基于先验知识的三阶段单幅图像去雨雾框架。首先,将深度图作为图像透射率的引导,利用暗通道先验知识对输入图像的低频部分去雾,然后,采用残差网络学习高频雨痕特征,最后,引入条件生成对抗网络（conditional generative adversarial network,cGAN）,对图像局部细节进行精细化修复,cGAN对图像的空间信息和纹理细节更为敏感,能有效恢复去雨雾过程中丢失或未能填补的细节。分别用高质量的合成雨雾数据集和真实数据集进行实验测试,结果表明,本文方法在峰值信噪比和结构相似度上均较基准方法优,能将雾浓度各异和雨分布变化情况下的图像恢复至细节丰富的干净场景图。     

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．     

基于非凸非光滑变分模型的灰度图像泊松噪声移除算法

基于非凸变分方法在图像边界结构保持和对比度保持上的优势，针对泊松噪声的移除问题提出一种新的非凸非光滑正则化模型及快速求解算法。模型由非凸Lipschitz势函数复合图像梯度信息的正则化项和非线性Kullback-Leibler数据保真项两部分构成。通过使用临近点线性化策略，将求解非凸变分模型转化为求解一系列凸变分模型，进而使用交替方向乘子法求解。同时证明了算法的目标函数值序列具有单调下降性。实验结果表明，该方法能有效消除图像中的泊松噪声，且信噪比较经典算法有明显提升。     

面向图像拷贝检测的局部搜索哈希算法

针对目前在线图像迅速增长的现状,为了实现高效的图像拷贝检测算法,本文提出了一种基于数据感知的哈希方法.该感知哈希算法首先根据特征数据的局部结构将重建误差和映射误差结合起来,构建了一个综合优化的目标函数,通过迹优化对该目标函数进行求解,获得一个初始优化解.为了进一步优化这个目标函数,通过迭代局部搜索来进行优化求解,从而达到进一步降低语义损失的目的.实验表明,所提算法能有效搜索出拷贝图像,并具有较高的效率.     

基于集成学习的PET/CT混合成像肺癌检测

提出了一种基于多模态多尺度的Mask R-CNN集成学习模型对PET/CT混合成像进行人工智能肺癌检测。首先，通过5个深度学习模型对肺癌候选区进行提取。5个深度学习模型通过对不同尺度及不同模态训练数据进行Mask R-CNN迁移学习生成。然后利用集成学习方法将5个Mask R-CNN模型进行加权投票，有效减少假阳性数量，最终实现肺癌确诊。实验数据包括69例肺癌患者及11例正常例，训练数据集包括1242个肺癌横断面；验证数据包括270个横断面，其中58个PET肺癌横断面和58个CT肺癌横断面，77个PET正常横断面和77个CT正常横断面。该方法的F-score、Precision和Recall为0.95、0.90和1,与单模型和现有方法相比，本文方法对于PET/CT混合成像的肺癌检测具有更强的有效性，可以为医生提供有意义的辅助诊断信息.     

TR-MUSIC与图像熵相结合的室内多目标穿墙雷达图像重构

提出了一种基于TR-MUSIC对室内多目标穿墙雷达成像图像重构方法。TR-MUSIC成像效果与截断点的选取有关,不同的截断点值其成像效果不同。因此,如何精确选取截断点值对实现TR-MUSIC成像有着重要意义。本文主要在TR-MUSIC的基础上通过图像熵法实现对截断点的精确选取,图象熵值越小,成像聚焦效果越好,并利用伪谱值实现对目标的快速识别及定位。实验证明,该方法对实现室内多目标快速超分辨率成像的有效性。 更多还原     

1种基于小波的显微图像融合算法

针对显微图像灰度对比度低，内容复杂度高的特点，提出一种基于小波的显微图像融合算法．将图像变换到小波域，并在此基础上进行四叉树分解融合，以消除块效应，不同于现有的小波几何分块算法，可依据图像实际情况调整，符合显微图像结构多样化、内容多变化的实际情况．实验结果表明，本文算法的融合效果理想，与同类算法相比具有更强的稳定性和适用性．     

一种改进的基于过渡区的图像分割方法

就过渡区的图像分割技术提出一种改进的过渡区方法。该方法关少了过渡区方法分割图像的运算量，且利用了直方图方法计算简单的优点，它还能将直方图中峰差别很大或双峰间的谷比较宽广而平坦的图像分割得较好，而直方图方法对此类图像不适合，同时它利用了不同灰度值象素的梯度信息，具有较好的稳定性，可以抗噪声和干扰，克服了图像中非目标区域的影响。实验证明它不失为一种好的图像侵割方法。