彩色纹理图像分割的非局部Mumford-Shah多通道全变差模型

彩色纹理图像分割的困难在于纹理图像成分的描述及彩色图像层与层之间的耦合。为解决该问题,基于多通道全变差规则项可优化彩色图像层与层之间的耦合,非局部算子可以描述纹理图像特征的特点,提出了彩色纹理图像分割的非局部Mumford-Shah多通道全变差变分模型。所提模型综合多通道全变差模型、非局部Mumford-Shah模型优点,并用二值标记函数划分区域。为了提高数值计算效率,对所提出模型设计了ADMM(alternating direction method of multipliers)优化算法。最后,通过数值实验对比以及定性与定量分析表明方法对于彩色纹理图像的分割取得较好结果。

基于多层水平集函数的三维多相图像分割

多相图像分割通常利用多个水平集函数分别定义不同区域的特征函数,其极值求解问题需要对多个函数分别求极值,计算效率较低。针对三维多相图像,提出一种改进的变分水平集模型,采用一个多层水平集函数的n层水平集隐式曲面,将图像划分为n个区域,通过对一个水平集函数求极值,实现三维多相分段常值图像的快速分割与重建。将能量泛函表达为数据项和规则项,借助规则化Heaviside函数设计区域划分的通用特征函数,采用Split-Bregman投影方法进行能量最小化求解。实验结果表明,该模型可以有效地实现三维多相图像分割,与Chan-Vese模型相比,其迭代步数较少,分割速度较快。

基于一个水平集函数的多相图像分割方法

利用多个特征函数标记不同区域的方法进行图像分割时,需要对多个函数求极值,导致计算量增大。针对该问题,设计一个函数在多层水平集标记的方法,通过求解一个标记函数的极值问题实现对图像不同区域的分割。总结区域标记函数规律,得到多项图像分割模型表达式,将其与变分水平集方法相结合,运用交替方向乘子法加速求解能量泛函极值问题。实验结果表明,该方法能够实现图像多个区域的分割,并且保证分割结果的鲁棒性和计算高效性。

基于暗原色先验与变分正则化的图像去雾研究

现有雾天图像处理方法能够实现较好的去雾效果,但会丢失部分细节并产生噪声放大的问题。将暗原色先验与基于TV、BH规则项的变分模型相结合,提出一种新的变分去雾模型H-TVBH。根据暗原色先验原理估计图像的初始透射率,采用四叉树分解估计大气光值,将初始透射率和大气光值输入H-TVBH模型中,采用分裂Bregman算法和快速傅立叶变换并引入辅助变量和Bregman迭代参数,通过交替迭代求得优化后的透射率和去雾图像。实验结果表明,H-TVBH在增强图像对比度的同时能够有效抑制图像中的噪声,保留图像的纹理细节,使去雾图像更加清晰自然。

基于二阶变分模型的图像去雾

基于暗原色先验理论的算法可以对不同场景下的雾天图像进行有效去雾,但是去雾后图像通常含有噪声且部分细节保持效果欠佳.二阶变分模型以二阶导数为正则项,可用于图像去噪,具有良好的边缘保持效果.文中首先通过暗原色先验方法估算出有雾图像大气光值与原始的透射率图,然后将非线性扩散模型运用到透射率图的求解中,再将其分别与二阶变分模型拉普拉斯变分模型、Hessian矩阵变分模型、总广义变分模型、总曲率变分模型结合,提出了4种二阶去雾模型(H-LV模型、H-HMV模型、H-TGV模型和H-TCV模型).为了提高计算效率,文中为4种模型设计了相应的交换方向乘子算法,通过引入辅助变量,使拉格朗日乘子不断更新迭代,直到能量方程收敛,输出去雾图像.最后采用LIVEImageDefogging图像数据库对所提模型和算法进行了实验验证.结果表明,所提图像去雾变分模型得到的图像边缘保持良好,并能抑制图像噪声.

暗原色先验与NL-CTV模型相结合的图像去雾方法

鉴于暗原色先验算法能复原不同雾浓度和场景深度的图像,而基于非局部算子概念的NL-CTV(Non-Local Color Total Variation)模型能较好地保持图像边缘和纹理等特征,融合暗原色先验与NL-CTV模型,提出了一种新型单幅彩色图像去雾模型。通过暗原色先验得到精确的大气光强度和大气传输函数,然后推导包含大气光强度和大气传输函数的非局部能量泛函,再通过引入辅助变量和Bregman迭代参数,为其设计相应的快速split Bregman算法来求解该模型。将该算法与He算法、暗原色先验和Retinex算法的实验结果进行分析比较,从而验证了该模型不论从视觉上,还是客观数据上都要优于其他两种算法。

纹理图像分割的非局部Mumford-Shah-TV模型及其ADMM算法

为了提高纹理图像分割的准确率,解决纹理图像中纹理图像成分及纹理区域边界难以描述的问题.基于总变差(total variation, TV)规则项可得到纹理图像区域隐藏的图像结构、非局部算子可以描述纹理图像特征的特点,综合TV模型、非局部Mumford-Shah模型,并用二值标记函数划分区域,提出纹理图像分割的非局部Mumford-Shah-TV变分模型;为了提高计算效率,对所提出的模型设计了相应的交替方向乘子算法,将原问题分解为一系列优化子问题求解.数值实验结果表明,该模型计算的纹理图像区域边界较好,并具有较高的准确率.

基于生成感知差异的无参考图像质量评价模型

人眼视觉系统中的视觉感知差异是图像质量评价过程中的重要组成部分,通过感知失真图像与原始图像之间的视觉差异,可对图像的失真程度进行判断,然而在无参考图像质量评价中无法获取原始未失真的图像,且缺乏对失真图像的视觉感知差异。通过对深度学习中的生成对抗网络进行分析,提出一种基于生成视觉感知差异的无参考图像质量评价模型。利用生成对抗网络产生与失真图像相对应的视觉感知差异图像,并将其与失真图像输入质量评价网络以进一步学习图像的失真信息,从而达到评估图像质量的目的。在TID2008和TID2013数据库上的实验结果表明,与CNN、SOM、CORNIA等模型相比,该模型能够使失真图像质量预测准确度提升1个百分点以上,且对不同种类失真也表现出良好的预测性能。

基于单目和双目视觉信息的全参考立体图像质量评价模型

在立体图像质量评价领域,有效地模拟人类视觉系统对图像质量进行评价具有重要意义,考虑到人眼的视觉感知特性,基于单目和双目视觉信息构建一种立体图像质量评价模型MB-FR-SIQA。采用基于结构相似性的立体视差算法得到参考和失真立体图像的视差矩阵,结合Gabor能量响应图、显著性图和视差矩阵生成中间视图,并优化左右眼加权系数计算方法,以提高生成中间视图的准确性。分别利用单目图像和中间视图提取单目和双目视觉信息,计算单目质量分数和双目质量分数,并融合得到立体图像的质量分数,达到评价立体图像质量的目的。实验结果表明,MB-FR-SIQA模型在LIVE-I数据库上具有较高的预测精度,其斯皮尔曼等级相关系数、皮尔森线性相关系数、均方根误差分别为0.945、0.951、5.318,且预测的质量分数符合人类主观评估。

基于三向Dexel的GPU加速数控仿真方法

为了提升数控仿真的精度和速度,提出并行加速的基于三向Dexel的数控仿真方法。采用三向Dexel模型来表示工件与刀具,获得比使用单向Dexel模型的方法更真实的仿真效果。在表面重构方面,使用时间开销较大但效果更好的双轮廓法,通过使用并行化方法来解决仿真的实时性问题。仿真使用多线程加速和GPU加速技术,前者用于加速仿真中的布尔运算和三向Dexel数据转换过程,后者用于提高表面重构的速度。仿真实验结果表明,与仅适用CPU多线程的实现相比,应用GPU加速后表面重构的速度提高了5~15倍,CPU多线程的实现相比单线程的速度提高了232%~289%,能够满足数控仿真在精度和速度上的要求。

基于H-NL-MTV模型的单幅彩色图像去雾

基于暗原色先验理论的算法可以对不同场景下的雾天图像进行有效去雾,但是去雾后图像通常含有较多噪声.而非局部MTV模型(Non-Local Multi-Channel Total Varia-tion)可以用于彩色图像去噪,同时又具有良好的保持边缘作用,并且对含有纹理的彩色图像去噪后依然能保留原有的纹理特征.文中将这两种方法结合在一起,提出新的图像去雾算法,首先建立大气光值与大气传输函数相关的能量泛函(H-NL-MTV模型),然后利用交替方向乘子法引入辅助变量求解能量泛函,最后利用MATLAB软件进行仿真实验.仿真结果表明,该模型得到的图像清晰自然,图像边缘保持良好,纹理特征得到保留.

基于人类视觉系统的水下图像质量评价方法

目前水下图像质量评价方法虽然准确性较高,但与人类主观评价相关性较低,难以实现高质量的评价。针对该问题,提出一种基于人类视觉系统进行水下图像质量评价的UIQA方法。将基于CIELab表色系的色彩饱和度、基于暗通道理论的亮度对比度和图像清晰度3个测量分量进行线性组合,来评价不同场景的水下图像质量,并将评价结果与采用UIQM方法和UCIQE方法得到的结果进行对比。实验结果表明,与UIQM方法和UCIQE方法相比,采用UIQA方法得到的水下图像质量评价结果与主观评价结果具有高度一致性,与人类主观评价相关性更高。

颅骨点云曲面重建的Euler’s Elastica模型

为从具有复杂拓扑关系的颅骨点云数据中重建精确、光滑的隐式曲面,提出了基于Euler’s Elastica的变分水平集方法.首先,将Euler’s Elastica作为正则化约束引入变分能量泛函,采用增广拉格朗日方法将变分能量泛函最小化问题转化为一系列子问题;其次,分别采用广义软阈值公式、解析公式和快速傅里叶变换求解;最后,在计算过程中采用投影算法,有效地避免了水平集函数的重新初始化过程.实验结果表明,相较于现有方法,所提基于Euler’s Elastica的变分水平集方法具有更好的收敛性和有效性,能够提高重建的精确性,避免曲面边缘的缺失.

基于测地回归模型的颅面复原

颅面复原是指根据一个未知颅骨的特征预测出对应的面貌,在考古研究、医学整容、刑事案件调查等领域有重要应用.为解决颅面复原过程中存在着数据量大、需要大量标定特征点的手工工作及颅面特征点定义困难的问题,针对三角网格表示的三维颅骨和面皮模型,将颅面模型用从鼻尖出发的一组测地线表示,提出了基于测地回归的颅面复原方法.该方法首先从三维人脸模型的鼻尖点提取一组测地线;然后以颅骨和对应的人脸模型上提取的测地线作为训练样本,采用偏最小二乘回归统计模型复原未知颅骨对应人脸模型的测地线;最后通过迭代最近点算法将生成的测地线与人脸统计模型进行匹配,实现复原测试颅骨的面貌.在192套颅面数据库上进行了颅面复原实验,将基于测地回归法复原的结果与主成分分析法和偏最小二乘回归法复原结果对比,实验结果表明,该方法能够提高复原精度,减少复原时间,取得了良好的复原效果.

Identification for the Low-Contrast Image Signal with Regularized Variational Term and Dynamical Saturating Nonlinearity

In recent years,image processing based on stochastic resonance(SR)has received more and more attention.In this paper,a new model combining dynamical saturating nonlinearity with regularized variational term for enhancement of low contrast image is proposed.The regularized variational term can be setting to total variation(TV),second order total generalized variation(TGV)and non-local means(NLM)in order to gradually suppress noise in the process of solving the model.In addition,the new model is tested on a mass of gray-scale images from standard test image and low contrast indoor color images from Low-Light dataset(LOL).By comparing the new model and other traditional image enhancement models,the results demonstrate the enhanced image not only obtain good perceptual quality but also get more excellent value of evaluation index compared with some previous methods.

基于近似模型的高速列车头型多目标优化设计

为改善高速列车气动性能,建立一套高效的多目标气动优化设计方法,对流线型头型进行多目标气动优化设计。建立高速列车流线型头型三维参数化模型,并提取5个优化设计变量;为减少优化设计时间,利用最优拉丁超立方设计方法在优化设计空间中进行均匀采样,利用计算流体力学方法获得对应于各个采样点的气动载荷,利用Kriging代理模型构建优化设计变量和气动载荷之间的近似模型;利用多体系统动力学方法计算气动载荷作用下的高速列车轮重减载率;以气动阻力和轮重减载率为优化目标,利用多目标遗传算法NSGA-Ⅱ对高速列车流线型头型进行多目标优化。优化设计变量和优化目标均呈现收敛的趋势,采用Kriging近似模型优化计算的Pareto前沿与采用CFD(Computational fluid dynamics, CFD)优化计算的Pareto前沿较为接近。优化后高速列车的气动阻力最多可降低3.27%,轮重减载率最多可降低1.44%,气动阻力最优的头型与轮重减载率最优的头型的主要差异在于中部辅助控制线的变化,前者向内凹,后者则向外凸。

基于拉普拉斯算子先验项的水下图像复原

由于水体及水中的悬浮粒子对光的吸收和散射作用,水下观测到的图像呈现出模糊、对比度低、噪声严重等问题,加大了水下图像分析与理解的难度。为了克服这些缺陷,以水下光学成像模型为基础,提出了一种基于拉普拉斯算子先验项的,可同时去雾、去噪的快速变分复原方法。首先,根据水下光学成像模型设计变分模型的数据项和规则项,对拟恢复图像采用拉普拉斯算子先验项作为变分能量方程的规则项。然后,采用改进后的红通道先验估计得到全局背景光,结合红通道先验估计得到每个通道的透射率图。为进一步提高计算效率,引入交替方向乘子法(ADMM)对所提出的模型进行交替优化迭代求解。实验结果表明,该算法能有效地去除水雾,抑制水下图像的噪声,提高图像的对比度和清晰度。

多相图像分割Vese-Chan模型连续最大流方法

目的 多相图像分割是图像处理与分析的重要问题,变分图像分割的Vese-Chan模型是多相图像分割的基本模型,由于该模型使用较少的标签函数构造区域划分的特征函数,具有求解规模小的优点.图割(graph cut,GC)算法可将上述能量泛函的极值问题转化为最小割/最大流问题求解,大大提高了计算效率.连续最大流(con-tinuous max-flow,CMF)方法是经典GC算法的连续化表达,不仅具备GC算法的高效性,且克服了经典GC算法由于离散导致的精度下降问题.本文提出基于凸松弛的多相图像分割Vese-Chan模型的连续最大流方法.方法 根据划分区域编号的二进制表示构造两类特征函数,将多相图像分割转化为多个交替优化的两相图像分割问题.引入对偶变量将Vese-Chan模型转化为与最小割问题相对应的连续最大流问题,并引入Lagrange乘子设计交替方向乘子方法(alternating direction method of multipliers,ADMM),将能量泛函的优化问题转化为一系列简单的子优化问题.结果 对灰度图像和彩色图像进行数值实验,从分割效果看,本文方法对于医学图像、遥感图像等复杂图像的分割效果更加精确,对分割对象和背景更好地分离;从分割效率看,本文方法减少了迭代次数和运算时间.在使用2个标签函数的分割实验中,本文方法运算时间加速比分别为6.35%、10.75%、12.39%和7.83%;在使用3个标签函数的分割实验中,运算时间加速比分别为12.32%、15.45%和14.04%;在使用4个标签函数的分割实验中,运算时间加速比分别为16.69%和20.07%.结论 本文提出的多相图像分割Vese-Chan模型的连续最大流方法优化了分割效果,减少了迭代次数,从而提高了计算效率.

基于多通道非线性扩散项的运动模糊图像盲复原

图像的模糊会给图像内容的识别和分析带来极大的不便。为了克服这个难题,提出一种高效的去模糊算法。为了提高其效率,采用基于变分方法的盲复原模型为彩色图像去模糊,其使用非线性扩散方程作为变分能量方程中的规则项,此外,在处理图像的过程中将单通道扩展成多通道,在最后的图像复原阶段还引入了分裂Bregman方法。基于非线性扩散项算法的去模糊效果相比于其他算法有更好的平滑滤波和保留图像边缘信息的能力、更快的计算速度和更高的复原图像质量,并通过实验验证了该方法的有效性。本文算法提高了图像复原的效率,获得了更好的视觉评价和客观评价结果。

二阶变分图像恢复模型的重启动快速ADMM方法

目的基于二阶导数的图像恢复变分模型可以同时保持图像边缘与光滑特征,但其规则项的非线性、非光滑性,甚至非凸性制约着其快速算法的设计。针对总拉普拉斯(total Laplacian,TL)与欧拉弹性能(Euler’s elastica,EE)两种图像恢复变分模型,在设计快速交替方向乘子法(fast alternating direction methods of multipliers,fast ADMM)的基础上引入重启动策略,以有效消除解的振荡,从而大幅提高该类模型计算效率,并为其他相近模型的快速算法设计提供借鉴。方法基于原始ADMM方法设计反映能量泛函变化的残差公式,在设计的快速ADMM方法中根据残差的变化重新设置快速算法的相关参数,以避免计算过程中的能量振荡,达到算法加速目的。结果通过大量实验发现,采用原始ADMM、快速ADMM和重启动快速ADMM算法恢复图像的峰值信噪比(peak signal-to-noise ratio,PSNR)基本一致,但计算效率有不同程度的提高。与原始ADMM算法相比,在消除高斯白噪声和椒盐噪声中,对TL模型,其快速ADMM算法分别提高6%法提高100%动快速ADMM算法分别提高100%ADMM算法的计算效率基本相同。结论对于两种典型的二阶变分图像恢复模型,本文提出的快速重启动ADMM算法比原始ADMM算法及快速ADMM算法在计算效率方面有较大提高,计算效率对不同惩罚参数组合具有鲁棒性。本文设计的算法对于含其他形式二阶导数规则项的变分图像分析模型的重启动快速算法的设计可提供有益借鉴。