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.     

基于形心的灰度图像多尺度表示方法

图像的多尺度表示在多种领域有着重要应用.基于形心的多尺度表示方法能有效应用于二值图像.作者提出了应用于灰度图像的基于形心的多尺度表示方法.同样,该方法能保持源图像的对称性,并且具有形状乃至拓扑的基本保持.其次,还提出了将灰度图像转为三维二值图像进行多尺度表示的方法.实例表明,以上方法在多种领域均能有效应用于灰度图像的多尺度表示.     

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。     

基于形心的二值图像多尺度表示方法

首先提出了一种新的二值图像多尺度表示方法．该方法针对人的视觉特点，从图像内物体的形心出发，通过建立局部坐标系，将图像内各物体在各自坐标系下进行较为“紧密”的收缩变换．该方法有别予以往方法，能保持源图像的对称性，并且具有形状乃至拓扑的基本保持．其次，本文又提出了图像多尺度表示的优化方案，该方案可看成评判图像表示优劣的准则，也可作为图像多尺度表示的数学描述．     

二值和灰度图像的直接多尺度表示算法

图像多尺度表示是图像处理的重要内容,常规的离散处理方法常依赖于坐标或网格的选取,因此处理结果很不稳定,本文提出了不依赖网格划分方法、不依赖坐标选取方式的快速、直接多尺度表示算法．应用该算法可直接得到任意指定一层（指定尺度）的图像,因而没有大多数算法因为逐层计算所带采的误差传播或误差扩散现象,同时该算法因保持处理前后图像的“整体”相似,因而能最大限度地体现形状保持乃至拓扑保持,算法计算非常简单,且不局限于特定类型的图像,可用于高要求的图像处理领域。     

基于结构性信息的纹理合成与图像修复

纹理合成与图像修复是计算机图形学中的一个研究热点,具有广泛的应用前景．提出了一种基于结构性信息的判断纹理块匹配误差的新方法：颜色-结构差异算法．该方法同时考虑了纹理块之间颜色误差和结构误差对纹理块的相似性的影响,弥补了单纯考虑颜色误差的不足,保证了图像间结构信息的连贯性,从而确保合成后的纹理及修复后的图像在视觉上的连贯性．     

基于L2,1范数正则化矩阵分解的图像结构化噪声平滑算法

图像去噪是数字图像处理的必要环节,对后续图像处理、分析和应用的效果有重要影响。现有基于稀疏低秩矩阵分解的图像去噪算法虽然在处理高斯、椒盐等均匀随机噪声时效果良好,但无法有效处理实际应用中可能遇到的结构化噪声问题。针对该缺陷,本文引入L_2,1范数将结构化噪声情形下的图像去噪问题建模为一类L_2,1范数正则化矩阵分解问题,并由此提出一种基于L_2,1范数正则化矩阵分解的图像结构化噪声平滑算法（L21NRMD）。仿真实验结果表明,在基本保持椒盐噪声去除效果的前提下,该算法可有效去除不同比例的结构化噪声,PSNR性能指标值介于69-80dB之间,差错率为0.06-0.14,较现有算法具有更好的适应性和更广的应用范围。 更多还原     

基于联系数的图像检索方法

将集对论中表示确定性与不确定性的量即联系数引入图像检索中,把图像象素分为三类:主色集(同类)、边界颜色集(异类)、噪声颜色集(反类).继而提出图像的联系数模型,在此模型基础上利用图像的全局形状和局部颜色统计量构成图像联系数向量.采用图像联系数向量作为图像索引,在形状自适应逼近表示方法的基础上,提出了利用特征向量进行图像检索的检索算法.实验结果表明,该算法具有良好的平移、尺度、旋转不变性,证明联系数是一个有效的图像特征.     

低对比度图像目标分割的研究

利用图像分割技术 ,采用矩不变自动门限方法 ,对低对比度的精子显微图像进行了自动分割 ,实验表明 ,该方法能够在较短的时间内分割出目标和背景 ,同时能克服二值化过程中出现的断线和粘连等问题 ,且方法简单 ,容易实现 ,具有较好的实用价值 .     

面向有限带宽信道的字典学习图像超分辨率重建

固定邻域回归(ANR)算法采用K层奇异值分解(K-SVD)算法进行字典训练, 在字典学习过程中存在稀疏表示系数不准确的问题, 导致重建的结果不理想. 因此, 引入一种改进的K-SVD算法对字典进行训练, 该算法对字典训练改变了传统K-SVD算法更新稀疏表示系数的方式, 使得稀疏表示系数更加准确, 而且加快了字典的收敛速度, 使得训练得到的字典具有更好的稀疏表达能力. 同时, 针对ANR算法的不足, 提出一种面向有限带宽信道基于字典学习的图像超分辨率方法, 该方法采用改进的K-SVD算法训练字典对 , 并将其应用到ANR算法中, 实现图像的超分辨率重建. 实验结果表明, 本文提出的方法不仅能够保持ANR算法快速重建的优势, 而且提高了图像的重建质量, 具有更高的峰值信噪比和结构相似度.     

采用冗余字典稀疏表达的红外与水汽云图融合

卫星云图作为典型的多光谱遥感图像,因各个遥感器成像波段的差异,致使云图间既有一定的相关性,又存在一定的差异,故可认为云图包含2种特征:共性特征和个性特征.一种稀疏表示的云图融合方法,能够把多幅云图在一个过完备字典上进行稀疏表示,使用稀疏系数作为云图的特征,然后对不同图像的个性特征根据稀疏系数向量的1范数决定权重因子,融合云图可以由共性特征和融合后的个性特征联合表示.实验表明,该方法的融合云图无论在客观指标还是视觉效果上都优于传统方法,蕴藏了更为丰富的天气信息.     

基于特征点群相似度计算模型的图像表示方法

针对空间金字塔匹配模型缺乏对图像中视觉物体旋转、平移和缩放的考虑问题,提出了一种基于特征点群相似度计算模型的图像表示方法.基于词汇树模型的粗匹配结果,通过特征点群拓扑、方向、距离等计算其相似度,并以此作为评价指标对匹配结果进行过滤;根据由特征点群计算所得的标准差椭圆的圆心、旋转角度对金字塔匹配的图像划分子区域并进行调整,从而得到图像抗旋转、平移和缩放的表示.分别在自建校园建筑物数据集和自建物体图像数据集上对方法进行了验证和比较,结果表明,该方法提高了分类识别的准确率和检索的查全率,特别是对于包含明显旋转、平移和缩放变化的图像数据效果更好.     

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.