基于卡通纹理分解的图像超分辨率重建研究

为了提高医学图像的分辨率,提出一种基于邻域回归的卡通纹理分解图像超分辨率方法。首先,为了将图像训练集分解为卡通图像集和纹理图像集,采用快速卡通纹理分解算法进行分解。其次,针对两类图像集,基于岭回归方法求解卡通和纹理映射矩阵。最后,将重建出的高分辨率卡通图像和纹理图像做线性相加,并采用迭代反投影对重建图像做增强。实验数据证实,本方法在性能上超越了传统的图像超分辨率算法,所重建的医学图像在视觉呈现上更为逼真。

卡通纹理分解和全变分梯度算法实现图像恢复

为了研究图像恢复技术,提出采用卡通纹理分解和基于全变分的广义加速临近梯度算法实现图像恢复。将原始模糊图像分解成卡通部分和纹理部分,卡通部分主要是图像的低频成分受噪声干扰小,纹理部分主要是图像的高频成分受噪声干扰大,采用基于全变分的广义加速临近梯度算法进行图像去模糊和去噪,卡通部分选择较小的正则化参数,纹理部分选择较大的正则化参数,将恢复的卡通部分和纹理部分进行合成得到恢复图像。通过对两张标准测试图像的MATLAB实验仿真,证明了该方法不仅收敛速度快而且效果比一般的临近梯度算法要好,尤其适合于恢复模糊度不是很高的图像。

局部全变分卡通纹理分解医学影像滤波

针对直接采用全局滤波方法会模糊图像的边缘,丢失重要纹理信息的弊端,提出一种基于快速变分卡通纹理分解的非局部正则化滤波方法。首先将非线性局部全变分作为图像分解的指示函数,分离图像的卡通结构分量和纹理震荡分量;其次根据震荡分量极强的重复性及结构方向性,结合具有较好方向选择性以及块相似匹配性的非局部梯度正则项,利用分裂Bregman方法求解震荡分量的非局部全变分极小化问题;最后将分解得到的卡通分量与去除噪声的震荡分量进行加权合成,得到复原图像。实验结果表明该算法对有精细结构和纹理的医学图像具有更佳的恢复效果,可以有效地应用于临床诊断以及后续分割。

基于自适应小波变换的图像卡通纹理分离

Vese等在前人工作基础上提出一个快速分离方法,但该方法在图像强边缘处不能很好分离出纹理。为解决该问题,我们在Vese方法得到的卡通图像上进行自适应小波,再次进行卡通纹理分离。数值实践结果表明,文章使用的方法能够取得更好的卡通纹理分离效果。

基于卡通纹理分解和NSCT的卫星云图边缘提取

为方便提取云图的缓变边缘,提出了基于卡通纹理分解和无下采样轮廓波变换(NSCT)的卫星云图边缘特征提取算法。首先使用基于张量扩散的卡通纹理分解对卫星云图进行预处理,减小云图中噪声和纹理的影响,将云的缓变边缘转化为阶跃边缘;然后依据NSCT域中高频系数的正负关系和相关性进行边缘特征提取。通过实验,将文中算法分别与基于投影卡通纹理分解的预处理算法、小波多尺度积、NSCT模极大值和NSCT多尺度积等边缘特征提取算法进行比较。结果表明,本算法可更准确地提取云的边缘,且受噪声和纹理的影响小,边缘的连续性更好,为准确地进行云分类提供了保障。

基于卡通纹理分解的复合降质图像质量评价

为了提高复合降质图像质量评价的准确性,利用卡通纹理分解算法将图像分解为卡通分量和纹理分量,从卡通分量的显著性边缘信息中获取图像模糊因子,从纹理分量中获取图像的噪声强度因子,结合汇集策略,构建出有效的复合降质图像质量评价模型.实验表明:针对LIVEMD图像库中的模糊和噪声复合降质图像,算法的评价结果具有较高的主客观一致性.

基于卡通纹理分解和稀疏表示的图像超分辨率重建

针对Yang等人提出的基于稀疏表示的图像超分辨率的重建效果不够理想问题,提出了一种将图像卡通纹理分解和稀疏表示相结合的方法用以实现单幅低分辨率图像的超分辨率重建。本文提出的算法涉及到卡通字典和纹理字典的学习,图像重建过程分为两步。首先重建观测低分辨率图像的卡通高分辨率图像和纹理高分辨率图像,最后将重建的卡通和纹理高分辨率图像线性加权叠加,实现低分辨率观测图像的超分辨率重建。实验结果表明,本文提出的方法在主观视觉和客观指标峰值信噪比(PSNR)上都有明显的提升。

基于近似消息传递与卡通纹理模型的图像重构

近似消息传递(approximate message passing,AMP)的高相变性能与低计算复杂度使其非常适用于图像重构等大数据量应用领域。如何充分利用图像的结构化稀疏先验是基于AMP研究图像重构的一个关键问题。将卡通-纹理模型引入AMP图像重构,根据迭代滤波中待处理图像卡通、纹理成分的不同特点,设计基于双树复数小波变换与全变差的层次化AMP滤波算子,进而分析AMP迭代次数对滤波对象结构特征与滤波算子性能的影响,研究AMP的阶段化滤波操作,提出一种基于卡通-纹理模型与分段滤波的AMP图像重构算法。实验表明,该算法能够更好地保留图像轮廓与纹理信息,提高图像的重构质量。

基于卡通纹理模型的图像压缩感知重建

传统的压缩感知重建算法,没有考虑到图像的纹理和卡通部分的形态学差异。使用单一的稀疏基对原始图像进行稀疏表示,不能同时对图像进行各种形态结构成分精确重建。本文针对该问题,提出了基于图像的卡通纹理模型的压缩感知重建方法。给出了该算法的具体仿真实现过程,并与当前流行的压缩感知重建方法做了比较。验证了本文所提方法的可靠性。

一种基于TV正则的图像卡通纹理分解方法

文章研究将一幅图像分解为卡通部分和纹理部分。图像的卡通部分通常由几何的、平滑变化的成分组成,而纹理部分所包含的是图像的细节和噪声。给出TV-L1变分模型,它由L^1数据忠诚项和总变差(TV)正则项组成;将该模型用于u+v的图像卡通纹理分解;最后,实验说明TV-L1模型应用于图像卡通纹理分解的效果。

基于曲线波和稀疏表达的卡通—纹理模型

CT图像去噪恢复是医学影像图像处理的基础环节。为解决卡通—纹理模型在医学图像去噪应用中计算困难和精度低的问题,对卡通—纹理模型分解方法进行了扩展。首先,以曲线波变换描述图像卡通—纹理模型中的结构部分;其次,以更稀疏的对偶树复小波变换描述图像卡通—纹理模型中的纹理部分;最后,建立了结合曲线波和稀疏表达的图像卡通—纹理分解模型,并讨论了模型的分解算法。仿真实验结果表明,新方法可有效地解决医学影像图像去噪算法中迭代计算量大的问题,并可提高处理后图像的质量。

基于卡通–纹理模型的相位恢复算法

相位恢复是指仅利用图像的傅里叶幅值对原始图像进行恢复。由于傅里叶幅值中包含的信息量较少,当图像的过采样率相对较低时,传统的相位恢复算法无法实现图像的有效重构。因此如何利用合适的先验知识来提高图像重构质量是相位恢复的一个关键问题。该文将卡通-纹理模型用于相位恢复,利用全变差(TV)和双树复数小波(DTCWT)两种稀疏表示方法将图像分解为卡通成分和纹理成分,并提出了基于交替方向乘子法(ADMM)的有效求解算法。实验结果表明,该算法能有效提高图像重构质量。

基于卡通-纹理分解的遥感图像融合方法

针对当前遥感图像融合算法在全色图像与多光谱图像融合过程中存在光谱失真和模糊等问题,提出一种基于卡通-纹理分解的融合方法。通过特征分解将遥感图像分解为具有光谱信息的卡通空间和包含空间信息的纹理空间;采用全色纹理分量替换多光谱纹理分量,对遥感图像进行全色锐化;利用全色卡通元素的梯度,在保持光谱质量的同时,强化图像的边缘信息和一些重要细节。实验结果表明,该方法可以在保留光谱特征的同时获得高分辨率的多光谱图像,而且该方法在空间和光谱质量方面的性能表现明显优于其他方法。

卡通化图像和视频的毛发纹理生成与替换

低成本卡通制作中的图像和视频通常缺乏对动物角色毛发效果的表现,为了能对已有图像及视频中的动物角色进行处理,为其增添具备真实感的毛发效果,提出一种毛发风格化算法——卡通化毛发纹理算法.针对卡通中的动物角色合成毛发纹理并进行替换,分为图像应用及视频应用2个部分.在图像替换时,对要进行风格化处理的目标区域进行图像结构分析,以获取覆盖目标区域的三角网格,再生成毛发纹元并映射于网格之上,通过绘制纹元来生成具备真实感的毛发效果;在进行视频替换时,提取视频关键帧并基于图像应用算法生成相应的卡通化毛发纹理进行图像替换,之后根据关键帧的替换结果指导整个视频的替换.为了获取随时间变化的图像关键帧目标区域,采用SIFT算法计算特征点在时间轴上的匹配;为了快速合成卡通化毛发纹理,采用基于GPU的光线行进算法加速毛发纹元的体绘制过程.实验结果表明,文中算法可成功地对已有图像及视频的动物角色添加具备真实感的毛发效果.

基于卡通-纹理模型的激光吸收光谱层析成像

可调谐二极管激光吸收光谱层析成像(TDLAT)是一种重要的光学非侵入式燃烧检测技术。然而,TDLAT逆问题的欠定性本质使得现有迭代层析成像算法重建的燃烧场温度分布图像存在较大误差。针对该问题,笔者将图像处理领域的卡通-纹理模型引入TDLAT,提出了基于卡通-纹理模型的温度重建算法(TRACT)。该算法利用全变差约束下的Landweber算法重建气体吸收密度图像中的卡通成分,较好地恢复其中的平滑特征与边缘结构;构建改进的迭代收缩阈值算法深度展开网络,并用其重建气体吸收密度图像中的细节纹理成分;通过卡通成分重建与纹理成分重建的相互补充,提高气体吸收密度图像的整体重建质量,进而提高燃烧场温度分布图像的重建质量。利用火焰动力学模拟器生成的仿真数据与利用TDLAT实验系统实际测量数据进行的重建实验均表明,与现有的迭代层析成像算法相比,TRACT重建的燃烧场温度分布图像在客观评价指标与主观视觉质量方面均有较大提升。

全息激光投影退化图像相位恢复技术研究

全息激光投影退化图像包含噪声、光照不均匀等多种因素,为了优化图像质量,提高图像清晰度,提出全息激光投影退化图像相位恢复技术。首先,采用小波阈值方法去除含噪的全息激光投影退化图像中的噪声;其次,结合Retinex算法与高斯低通滤波器估计全息激光投影退化图像的入射分量,采用分区的局部色条映射算法结合入射分量增强全息激光投影退化图像;最后,基于卡通-纹理模型的相位恢复方法展开退化图像修复,实现全息激光投影退化图像修复。实验结果表明,所提方法图像具有较好的去噪效果和增强效果,同时,相位恢复精度高于97.0%,SSIM值达到0.9,MSE值低于0.9%,峰值信噪比高于7.14 dB,具有较优的全息激光投影退化图像相位恢复效果。

利用平衡方法的非凸图像修复

自然图像通常可以看成由两部分构成:卡通部分和纹理部分,这两部分在一些紧框架下,比如曲线波、局部余弦变换、样条小波等都有稀疏表示.该文研究在两个可分离紧框架下的图像修复问题.与大部分算法普遍采用基于分析的或者合成的稀疏先验的不同之处在于:文中采用基于平衡的方法,且对稀疏系数使以非凸限制;最后给出了迭代算法.数值实验表明了建议的非凸图像修复方法比普通的l1凸方法和经典的变分TV方法有更好的修复效果.

基于畸变校正与视觉显著特征的纺织品瑕疵检测

针对含有复杂图案的纺织品瑕疵检测问题,提出基于畸变校正与视觉显著特征的纺织品瑕疵检测方法.首先,计算图像周期,获取最佳分块模板,根据模板对图像进行畸变校正.再对图像进行卡通纹理层分解,只保留具有图像主要特征的卡通层.然后,采用改进的上下文视觉显著性算法提取卡通层的显著性特征,分离具有高显著性特征的瑕疵与低显著性特征的背景.最后,采用K-means聚类算法突出显著图中的瑕疵,完成瑕疵检测.实验表明,文中方法对星型、箱型和点型图案纺织品的瑕疵检测的平均查全率较高,同时平均查全-查准效果也较优.

基于图像块分类的图像超分辨率重建

针对当前图像超分辨率重建算法中存在的字典单一而导致重建图像质量不佳的问题,提出一种将图像块分类与图像卡通纹理分解相结合的单幅图像超分辨率重建算法。首先,将图像分块,并将图像块分为边缘类、纹理类和平滑类三类,其中纹理类用形态成分分析(MCA)算法分解为卡通部分和纹理部分;然后,对边缘类、卡通部分和纹理部分分别训练高低分辨率字典;最后,求解稀疏系数并与高分辨率字典重建图像块。仿真结果显示,与基于稀疏表示的超分辨率重建(SCSR)算法和单幅图像超分辨率重建(SISR)算法相比,所提算法的峰值信噪比(PNSR)值分别提高了0. 26 d B和0. 14 d B,表明该算法的重建效果更好,重建图像纹理细节更丰富。

面向机柜表面缺陷检测的不均匀光照和低亮度图像增强方法

光照条件是大尺寸机柜表面缺陷检测的重要影响因素。当光照分布不均匀或光照强度不足时,采集得到的机柜表面图像质量低,造成缺陷检测误差。为此,提出一种融合卡通纹理分解和最优双曲正切曲线的图像增强方法。首先,采用导向滤波将机柜表面图像分解为卡通图和纹理图,利用高斯尺度空间理论建立光照模型,实现不均匀光照去除;其次,研究图像的双曲正切曲线性质,通过图像加权拉伸实现低亮度图像增强;最后,采用对比度、亮度和灰度方差乘积对图像增强效果进行评价,同时对增强前和增强后的图像进行缺陷检测,进行对比分析验证。实验结果表明,该方法能实现光照不均且低亮度的机柜表面图像增强,机柜表面缺陷检测的准确率显著提升,召回率提高了29%,F值提高了21%。