基于Wedgelet的分层图像压缩

提出了一种分层图像压缩框架:图像=边缘轮廓+纹理。对原图像进行了一种自适应的多尺度Wedgelet分析,抽取并编码了图像的边缘轮廓。基于Wedgelet分析了在残差图像中引入的伪迹所具有的局部振荡特性,采用自适应局部余弦变换分析了以纹理为主要内容的残差图像,在将变换系数重组成与小波系数类似的树形结构后,采用零树编码获得了嵌入式码流。实验结果表明,该算法的重建图像质量优于SPIHT算法,在较好地保留原图像边缘轮廓和有效地减少边缘附近振铃伪迹的同时,较清晰的保留了原图像的纹理特征。     

基于前景移除的合成孔径成像算法

在传统合成孔径物面重聚焦成像过程中,前景射线会严重影响目标的重建质量,针对这一问题提出一种基于前景标记的重聚焦成像算法。首先根据EPI的边缘特征估计场景深度范围,根据指定待重建物面的参数提取前景边缘特征并进行扩散,从而确定前景遮挡对应的射线;对其进行标记筛除后,利用光场重建算法对特定物面进行重建,从而实现被遮挡目标的高质量重建。利用Stanford大学和Disney实验室提供的数据集进行仿真,实验结果表明该算法可有效去除场景中的遮挡物信息,提高重聚焦图像的质量。     

选择性集成学习方法提取超声心动图的心内膜

针对超声心动图特点,提出了一种选择性集成学习方法心内膜提取算法。先在超声心动图中根据形状先验知识确定感兴趣区域(ROI);然后对ROI中的每个候选像素点,提取多个不同性质的特征参数;将其输入选择性集成学习算法,得到模糊分类结果;最后将分类结果作为活动轮廓算法的外能,进一步获得光滑完整的心内膜边缘。对超声心动图分别采用本文方法和其他边缘提取方法进行比较实验。结果表明,相对于传统活动轮廓模型,本文方法分割图像的最小距离绝对差减少了2.56个像素点,面积重叠百分比提高了17.80%。可见,本文方法对噪声和初始轮廓不敏感,提取的心内膜边缘与医生手工勾画边缘最接近,性能优于现有算法。      

基于非下采样轮廓波变换和直觉模糊集的红外与可见光图像融合

针对传统图像融合方法造成的边缘模糊、细节损失、图像对比度与清晰度容易降低等问题,利用非下采样轮廓波变换,提出一种基于直觉模糊集和区域对比度的红外与可见光图像融合算法.首先,使用非下采样轮廓波变换将源图像分解,分别得到源图像的高频和低频成分.其次,利用直觉模糊集灵活准确描述模糊概念的特性,构建双高斯隶属函数对低频成分进行融合;利用区域对比度详细描述图像纹理信息的特点,采用多区域特征对比度结合距离分析的融合规则,对高频成分进行融合.最后使用非下采样轮廓波逆变换得到融合图像.实验结果表明,与其它融合算法相比,该算法提高了图像对比度,保留了源图像中的边缘和细节信息,且得到的融合结果具有更优的客观评价值.     

暗通道与交叉通道多先验联合多光谱超分辨率算法

针对多光谱遥感图像超分辨率重建易受噪声和色差影响的问题,提出了暗通道与交叉通道多先验联合的多光谱超分辨率算法。首先,在传统全变分先验的基础上,引入了暗通道先验与交叉通道先验。然后,基于最大后验概率估计理论,建立了多先验联合的多光谱超分辨率重建算法。所提算法可实现图像边缘信息恢复、图像纹理信息恢复、噪声抑制、阶梯效应抑制和色差抑制,进而综合提升了重建图像的质量。最后,开展了实验验证,结果表明,在不同信噪比(10～40 dB)和色差干扰下,相比已有算法,所提算法的重建效果显著提升。     

多尺度无监督彩色图像分割

非采样Contourlet变换是一种新的多尺度多分辨率分析工具.本文提出了一种基于非采样Contourlet变换的彩色图像无监督分割算法.首先利用非采样Contourlet变换的平移不变性在其变换域应用梯度向量法提取图像多尺度边缘|然后在Contourlet变换域的低频子带和高频子带中分别提取局部低频能量纹理特征与高频多尺度Zernike矩纹理特征,并将二种纹理特征融合.最后在边缘图像中映射种子像素点,利用纹理和颜色特征欧氏距离,对彩色图像采用区域生长和区域合并的方法进行分割.实验结果证明:该算法将图像空间域的颜色特征与非采样Contourlet变换域的多尺度边缘和纹理特征恰当结合在一起实现彩色图像无监督自动分割,与传统算法相比有更高的准确性和鲁棒性.     

对复杂自由曲面的纹理重建方法

提出一种基于马尔科夫优化策略复杂自由曲面的纹理重建方法,该方法利用实验室研制的三维数字化设备对目标物体的深度数据和纹理数据进行采集,将局部采集的深度像数据匹配到全局坐标系下,建立物体的几何模型;然后通过坐标变换,把采集的纹理照片映射到重建的几何模型表面,并进行曲面纹理融合处理,实现自由曲面的纹理重建.该方法对物体的形貌没要求,能实现结构复杂的自由曲面的纹理重建,得到高保真质量的真实感模型.采用该算法对几种不同的实物进行数据采集和真实感三维重建,实验结果验证了算法的可靠性和有效性.     

对复杂自由曲面的纹理重建方法（英文）

提出一种基于马尔科夫优化策略复杂自由曲面的纹理重建方法,该方法利用实验室研制的三维数字化设备对目标物体的深度数据和纹理数据进行采集,将局部采集的深度像数据匹配到全局坐标系下,建立物体的几何模型;然后通过坐标变换,把采集的纹理照片映射到重建的几何模型表面,并进行曲面纹理融合处理,实现自由曲面的纹理重建.该方法对物体的形貌没要求,能实现结构复杂的自由曲面的纹理重建,得到高保真质量的真实感模型.采用该算法对几种不同的实物进行数据采集和真实感三维重建,实验结果验证了算法的可靠性和有效性.     

一种基于场景轮廓特征的三维地形重建方法

为了提升双目视觉系统三维重建的准确性和实时性,提出了一种基于区域分割和匹配的方法。针对实际场景中存在大面积灰度相近区域的现象以及稠密三维重建存在实时性差的问题,采用分水岭算法提取区域轮廓进行三维重建;针对轮廓边缘的误匹配问题,建立区域匹配和边缘点匹配的双重约束条件进行优化匹配;根据平行轴双目立体视觉模型进行三维重建。结果表明:采用轮廓特征进行匹配因其匹配点数大为减少,匹配用时提高了90%;由于采用了双重匹配策略,匹配和重建的准确性得到了保证。     

架构于双树轮廓波方向及相位特征的纹理图像分割

考虑到纹理的方向及相位特性,提出一种基于双树轮廓波变换的纹理图像分割新方法.双树轮廓波由塔型双树方向滤波器组构建,它不仅保持了轮廓波灵活的方向选择性,克服了传统轮廓波不具有移不变性的缺点,而且提供了复子带系数.本文以各方向子带的能量作为方向特征,复系数的平均相角作为相位特征,生成特征向量,利用模糊C均值聚类算法进行纹理图像分割.实验结果表明,相位特征是方向特征的有效补充,与传统方法相比,该方法在分割错误率、边缘准确性以及区域一致性等方面均有明显的改善.     

架构于双树轮廓波方向及相位特征的纹理图像分割

考虑到纹理的方向及相位特性,提出一种基于双树轮廓波变换的纹理图像分割新方法.双树轮廓波由塔型双树方向滤波器组构建,它不仅保持了轮廓波灵活的方向选择性,克服了传统轮廓波不具有移不变性的缺点,而且提供了复子带系数.本文以各方向子带的能量作为方向特征,复系数的平均相角作为相位特征,生成特征向量,利用模糊C均值聚类算法进行纹理图像分割.实验结果表明,相位特征是方向特征的有效补充,与传统方法相比,该方法在分割错误率、边缘准确性以及区域一致性等方面均有明显的改善.     

压缩光场重建与深度估计

针对光场深度估计过程中数据量大、边缘处深度估计结果不准确问题,利用压缩感知原理重建光场,提出一种新的多信息融合的光场图像深度估计算法。利用压缩感知重建算法重建5×5视角光场数据,获取光场数据后首先移动子孔径实现重聚焦,然后利用角度像素块散焦线索和匹配线索计算出场景初始深度和置信度。计算图像边缘信息,通过融合初始深度、置信度、边缘信息获取最终深度。实现压缩光场仿真重建,并对仿真光场数据和公开光场数据进行深度估计,实验结果表明:可以仿真重建出5×5视角光场数据,且仿真重建的光场可用于深度估计。该深度估计算法在场景边缘处的深度估计结果边界清晰,层次分明,验证了重建光场深度估计的可行性与准确性。     

基于双目光栅重建和纹理映射的缺陷三维测量方法

针对工业检测中对表面缺陷的高精度检测和定位需求,提出了一种缺陷特征重建方法。通过在基于双目光栅投影的三维重构系统上附加纹理相机,实现对于重构点云模型的纹理映射,并结合纹理相机图像中提取到的特征区域,完成表面特征的三维重构。针对待测物体需要进行多视角重建的情况,引入精密转台,利用旋转轴标定方法获取不同旋转位置下纹理图像与点云数据的映射关系,并利用基于距离判据的判断方法实现了对遮挡部分点云的剔除。采用四象限临近点搜索和基于距离加权平均的线性插值方法对纹理图像中像素坐标进行三维测量。实验完成了对于图像中标注缺陷轮廓内像素点的重建,实现了对于表面特征的精确尺寸计算和定位,通过对重建的缺陷尺寸和位置进行计算并与影像测量仪测得结果进行对比,可得本文方案对缺陷三维尺寸和位置的测量误差不超过0.2 mm,且能更准确地计算缺陷面积。     

一种机械式电表读数区域的自动定位方法

针对电表读数区域自动定位这一关键技术的具体应用,提出了一种适合四种类型机械式电表的读数区域自动定位算法;采用同态滤波增加图像前景与背景之间的亮度差异,同时利用改进的Bersen算法,有效的将电表前景与背景分开;利用区域定位对图像进行粗定位,并对粗定位区域纵向投影,根据目标字符的纹理特征和先验知识对目标区域精确定位;经实验证明,该算法对其中四种电表图像的适应性良好。     

融合结构先验信息的稳态扩散光学断层成像重建算法研究

扩散光学断层成像作为一种无辐射损伤、低成本的光学在体成像技术,有着良好的应用前景,但具有空间分辨率低、难以定量的缺陷.为了提高扩散光学断层成像的分辨率,实现光学参数分布的精确重建,基于有限元方法,提出了融合结构先验信息的稳态扩散光学断层成像重建算法.该算法以扩散近似作为成像模型,通过软先验的Laplace 正则化方法引入由MicroCT提供的空间结构信息.采用伴随法计算Jacobian矩阵,Levenberg-Marquardt方法用来进行迭代优化.仿真结果表明该算法不仅能获得精确的光学参数值分布,而且显著地提高了迭代收敛的速度.     

基于加权暗通道的图像去雾方法

传统基于暗通道图像去雾中仅考虑初始透射图对于透射图优化的影响,而未充分考虑深度信息对于透射图优化贡献不同的特点,造成去雾结果在深度不连续处出现"晕"且离视点较远区域的去雾效果有明显下降.针对上述问题,本文提出一种基于边缘特征的加权暗通道先验去雾算法.该方法根据边缘特征的位置估计深度信息的连续性,将边缘点及非边缘点赋予不同权值,对加权透射图优化求解.仿真实验表明,新的去雾算法在恢复图像细节的基础上能够有效抑制"晕"的产生,证实了本文方法的可行性和有效性.     

一种新的各向异性扩散红外噪声实时抑制算法

提出一种基于各向异性扩散偏微分方程的红外图像噪声抑制算法.通过将形态学处理和红外图像局部特征相结合,建立了一种新的扩散系数.该系数利用形态学膨胀腐蚀操作获取梯度算子,改善了Perona-Malik(P-M)梯度算子对噪声的敏感性,实现了均匀区域扩散增强且边缘细节区域扩散减弱的目的.算法已在EVM-DM642硬件平台上实时运行,实验表明:它在有效平滑噪声的同时较好的保持了图像边缘细节信息.     

结合同场景彩色图像的深度图超分辨率重建

针对飞行时间相机获取深度图像分辨率低,并受成像噪声干扰的问题,提出一种插值深度图和高分辨率彩色图像联合约束的二阶广义全变分(TGV)深度图超分辨率重建方法。首先利用传统插值和多尺度形态学方法进行预处理,获取插值深度图的梯度信息,然后将插值深度图和同场景高分辨率彩色图像两者的梯度信息联合,对二阶TGV模型中的正则化项加以优化:计算各项异性扩散张量时结合插值深度图的梯度信息;引入由插值深度图梯度信息决定的加权因子,控制重建过程中扩散强度。最后通过原始对偶算法完成深度图的超分辨率重建。实验结果表明,本文方法在抑制噪声的基础上,有效保护了深度边缘,可以获得较好的高分辨率深度图像。     

液晶透镜无偏振片成像的优化算法

液晶透镜因其无机械移动就可以实现对焦的优势,有望应用在机器人视觉、自动驾驶、深度测量等技术领域。在液晶透镜视觉成像系统中,为了不使用偏振片就可以获得高对比度的图像,提出一种优化的无偏振片成像算法。图像边缘体现图像的主要轮廓信息,边缘决定图像的对比度,所以此算法提取图像边缘,在边缘部分利用获取的非对焦图像和对焦图像进行图像处理,平滑区域不作处理,去除由非调制的寻常光带来的低频图像分量,提高图像边缘对比度,同时抑制平滑区域噪声的增加。实验证明,优化后的算法增强了图像边缘的对比度,相比于优化前的算法,图像噪声下降了50%。     

结合同场景彩色图像的深度图超分辨率重建EI北大核心CSCD

针对飞行时间相机获取深度图像分辨率低,并受成像噪声干扰的问题,提出一种插值深度图和高分辨率彩色图像联合约束的二阶广义全变分(TGV)深度图超分辨率重建方法。首先利用传统插值和多尺度形态学方法进行预处理,获取插值深度图的梯度信息,然后将插值深度图和同场景高分辨率彩色图像两者的梯度信息联合,对二阶TGV模型中的正则化项加以优化:计算各项异性扩散张量时结合插值深度图的梯度信息;引入由插值深度图梯度信息决定的加权因子,控制重建过程中扩散强度。最后通过原始对偶算法完成深度图的超分辨率重建。实验结果表明,本文方法在抑制噪声的基础上,有效保护了深度边缘,可以获得较好的高分辨率深度图像。