基于非局部先验红外运动模糊图像复原方法

为了实现红外运动模糊图像复原,采用了基于红外图像的非局部稀疏先验约束建模方法。通过分析红外运动模糊成像特征,在盲反卷积框架下,提出了一种基于运动信息的图像非局部稀疏先验约束建模方法,通过计算图像的运动模糊核,进而复原运动模糊图像。结果表明,所提出的基于运动信息的图像非局部稀疏先验约束方法,针对性强,能有效地复原运动幅值较大的红外运动模糊图像;概率模糊检测、结构相似度和峰值信噪比均有不同程度的提高,尤其是峰值信噪比提高接近8%,且运动幅值越大,复原结果越明显。本研究为红外成像系统的应用打下了基础。

基于非局部先验的深度压缩感知图像重构网络

传统的基于迭代的压缩感知(CS)图像重构算法易于集成图像先验信息,但存在性能不足、计算复杂度高等缺点。基于深度学习的图像重构算法重构性能通常优于传统的重构算法,并且具有更低的重构计算成本。因此,为了设计出一种更有效利用先验信息的深度学习图像重构算法,该文提出基于非局部先验的深度压缩感知图像重构网络。首先,将稀疏性和非局部先验相结合建立压缩感知图像重构模型,然后通过半二次方分裂法将模型分解为3个子问题,每一个子问题的求解都在深度学习的框架下展开,最后联合建立端到端的可训练的图像重构模型。仿真实验表明,在测试的采样率与数据集下该文所提算法的峰值信噪比与当前主流的重构算法SCSNet相比平均提升了0.18 dB,与CSNet算法相比平均提升了约1.59 dB,与ISTA-Net+算法相比平均提升了约2.09 dB。

基于解剖自适应的非局部先验贝叶斯PET图像重建

将配准的解剖图像作为先验信息指导PET图像重建已有广泛的研究。基于非局部均值(nonlocal means)滤波和解剖图像的区域信息,提出一种解剖自适应的非局部先验(anatomically adaptive nonlocal prior,AANLP)模型。新模型中的信息来自一个较大的非局部邻域内灰度值的加权差,其权值通过计算两个像素的相似性获得。权值参数通过利用解剖图像的区域信息进行自适应迭代估计。在PET图像的重建过程中,AANLP模型自适应地用于每一个解剖区域。构建两步式重建策略,用于图像重建和参数估计。仿真数据重建结果表明,AANLP具有很好的保持边缘效果,并且能鲁棒地产生最高的病灶对比度。

自适应背景光估计与非局部先验的水下图像复原

有效地实现单幅水下降质图像复原对水下资源探索及环境监控领域的清晰图像获取具有极其重要的意义。为解决常用暗通道先验方法来复原图像时,背景光的估计易受白色物体干扰,且无法有效估计前景中白色物体透射率,复原质量不高的问题。本文提出了自适应背景光估计与非局部先验的水下图像复原算法。首先根据背景光具有高亮度及平坦性的特点,利用阈值分割算法获得背景光的候选区域,再通过图像的色调信息从候选信息中选取最佳的背景光点。随后,利用各颜色通道光的波长与散射系数的相关性,提出了适用于水下图像的非局部先验,并利用该先验估计各通道的透射率。最后针对复原结果中,因水下介质,微生物,水流影响而产生的加性噪声,设计去噪的最小优化问题,并利用引导滤波求解该问题,以去除复原结果中的加性噪声。实验表明:该算法在确保运行效率的基础上,准确地估计透射率,较常用算法的复原精度提高了约18%。证明了该算法能有效用于单幅水下图像复原的工程实践中。

基于改进非局部先验的Bayesian低剂量CT投影平滑算法

针对低剂量CT(LDCT)图像质量退化的问题,提出了一种改进的非局部先验模型,并将基于该模型的Bayesian统计算法应用于LDCT投影降噪中.首先将方向性测度引入到传统的非局部先验模型中,构建一种改进的先验模型;同时结合基于加权欧氏距离的距离测度,提高权重系数计算的准确性;然后运用基于该先验模型的Bayesian统计算法对LDCT投影进行平滑降噪;最后依据降噪后投影,利用滤波反投影(FBP)方法进行重建,得到改善的LDCT图像.实验结果表明,与典型的传统LDCT重建算法相比,该算法在抑制噪声、去除伪影的同时,较好地保留了重建图像细节信息.

基于局部先验模型的单目视频人体运动跟踪

在基于模型的单目视频人体运动跟踪中,视频图像信息往往不足以恢复人体姿态,通常需要加入对姿态的先验约束才能得到合理的解.为了有效地刻画人体运动过程的时变动态特征,提出局部先验模型,其中包括局部动态过程和局部姿态分布密度,通过在样本空间中检索出相似姿态的集合,并利用该集合学习模型参数来比较精确地刻画人体的运动规律.实验结果表明,与全局动态模型相比,局部先验模型有效地克服了肢体自遮挡和肢体混淆等问题,取得了更好的跟踪结果.

结合非局部先验性与加权核范数最小化的声纳图像去噪

如何快速有效地抑制声纳图像的噪声,是声纳图像目标识别系统需要解决的关键问题之一。为了解决基于加权核范数最小化的声纳图像去噪过程中易带来过平滑的问题,融合数字图像非局部先验知识,提出了结合非局部先验性与加权核范数最小化的声纳图像去噪算法。首先,利用声纳图像的非局部先验信息建立限制条件,形成基于非局部先验性的矩阵加权核范数最小化的去噪原理模型。其次,交替迭代求解图像噪声模型,重构得出噪声去除后的声纳图像。试验结果表明:提出的算法不仅能够有效减弱声纳噪声,还能够有效改善图像感官效果。

基于非局部先验的高维影像数据计算机辅助诊断与应用

目的探索基于胃肠道病变高维影像数据的计算机辅助诊断模型,特别为医疗资源匮乏地区提供胃肠腺瘤检测的机器学习技术。方法选取UCI Gastrointestinal数据集中76位增生或腺瘤患者的698维结肠镜的白光影像资料。采取非局部先验的贝叶斯变量选择方法进行变量筛选,与传统高维数据变量筛选Lasso方法比较,根据logistic回归模型预测结果计算正确率、Youden指数、灵敏度和特异度,运用该模型结果与医生个人和团队诊断结果比较上述评价指标。结果与Lasso结果比较显示,非局部先验的贝叶斯变量选择方法能够更为有效地筛选出预测变量,模型具有较强的泛化能力。与医生和其团队诊断结果比较发现,模型分类结果在正确率、Youden指数和特异度都具有最优效果,灵敏度也优于医生个人水平。结论基于非局部先验贝叶斯变量筛选的logistic回归模型,运用到计算机辅助诊断技术中,具有较好的预测性能,可为医疗诊断提供高效的决策支持。

基于局部先验约束的极低分辨率面部表情识别

为解决极低分辨率条件下面部表情识别困难的问题,提出一种基于局部先验约束的极低分辨率表情识别方法。通过一种基于局部位置先验约束的超分辨率重建算法与基于局部先验约束的协同表示算法保证重建与识别目标的一致性,最终有效实现对极低分辨率的面部表情图像的表情识别。在公开的JAFFE和CK+两个标准人脸表情库上的对比实验结果表明,本文算法对于极低分辨率的面部表情识别的性能更优。

基于非局部先验的山区雾霾图像复原算法研究

针对山区范围内敌军雷达站的分布、洞库位置、交通补给线路等大目标的识别提出一种基于非局部先验的算法。首先在山区雾霾图像内采用对色彩的索引以求得聚类检测的雾霾线,进而对雾霾线中像素的传输系数初始值进行估计,最后,采用最优化的算法对传输系数正则化处理,得到无雾霾图像。

基于新的非局部先验模型的Bayesian低剂量CT重建算法

为了改善低剂量CT重建图像质量,在传统非局部先验的基础上,提出了一种基于投影对称性的改进非局部先验模型。基于该先验模型构造了一种贝叶斯(Bayesian)重建算法,并将其应用到低剂量CT投影数据降噪中,通过滤波反投影算法重建出图像。仿真实验结果表明,本文所提出的算法较基于传统先验模型的重建算法,能在去除噪声与保持边缘之间取得较好的平衡。

改进的局部最小像素先验遥感图像盲复原算法

为了解决遥感图像盲复原时模糊核估计不准确、复原图像存在振铃效应的问题,提出改进的局部最小像素先验遥感图像盲复原算法。该算法首先引入极端通道先验与局部最小像素先验结合,对图像的强度进行更好的约束,有利于得到更好的潜在清晰图像;然后采用基于梯度的方法估计模糊核,模糊核估计与中间潜在清晰图像估计交替迭代进行,获得较为理想的模糊核;最后引入联合双边滤波器,采用改进的拉普拉斯与正则化图像复原算法抑制图像复原的振铃效应。实验结果表明,本文方法对遥感图像复原效果较好,恢复的图像边缘清晰,振铃伪影得到抑制且模糊核较为理想;客观评价指标峰值信噪比(PSNR)较前沿复原算法平均提高约1.40 dB,结构相似度(SSIM)平均提高约0.02。

基于非局部先验的雾线优化图像去雾算法

针对非局部先验去雾算法中雾线端点像素位置精确度不足的问题,提出了雾线优化的非局部先验图像去雾算法。首先分析雾线理论,结合暗通道理论确定最大聚类雾线真实端点,以其为已知条件补偿小聚类雾线端点与大气光之间的距离,根据类内不同像素与雾线对应夹角预估单个像素雾线端点进而求得像素级优化后的透射率,最后根据图像局部灰度值差异融合暗通道先验(dark channel prior, DCP)和非局部先验透射率得最终透射率图。将本文算法与其余3种去雾算法在多幅户外雾图下通过主观及客观两方面分析比较,实验结果表明该算法能取得更好的去雾效果,尤其在天空区域图像复原效果较为突出。

基于局部自适应先验MRF模型的快速BP图像分割算法

针对常规MRF分割模型不能有效描述图像的局部特征、常导致图像的过分割现象,提出了一种局部自适应先验的MRF模型。该模型利用图像的邻接区域信息建立了一种局部自适应特征MRF模型。基于提出的模型,建立了一种具有快速收敛策略的区域BP算法对MRF模型的区域消息进行传递,有效解决了区域BP算法的计算量大的问题。实验结果表明,与常规区域BP算法相比,提出的分割方法具有更快的分割速度和精度。

基于中智学的非局部先验图像去雾算法

图像去雾是计算机视觉的重要研究方向之一。传统图像去雾算法存在去雾不彻底、去雾图像对比度低、halo效应、色彩失真等问题。针对上述问题,提出了一种改进的非局部先验的图像去雾算法。该算法使用基于中智学的模糊C均值聚类算法和一种混合暗通道先验的透射率优化方法,改进了传统非局部先验的图像去雾算法在大气光估计、雾线定位和透射率优化过程中存在的问题。结果表明,与几种常用的图像去雾算法相比,提出的算法在去雾图像的大气光估计、客观分析和主观分析等方面均有一定的优势。

基于非局部先验的单幅图像去雾算法

现有单幅图像去雾算法大多基于局部先验,去雾结果存在块效应。在处理浓雾区域时,如果没有特殊处理,会导致图像中的一些伪影被增大,比如在原始的有雾图像中几乎不可见的噪声、色彩重叠等,在去雾后的图像中被增强,进而影响图像质量。针对以上存在的问题,提出了一种改进算法。首先采用非局部先验,估算初始的透射率,然后采用正则化的方法优化透射率,并且将原始图像和去雾后图像的梯度差L1/2范数作为正则化项,达到抑制噪声干扰的目的。结果表明,该算法能够很好地恢复出图像的细节信息和色彩;与局部先验方法相比,具有更好的稳健性。

基于标准剂量CT图像非局部权值先验的低剂量图像恢复

本文提出一种基于标准剂量CT图像非局部权值先验的低剂量图像恢复方法,该方法首先将先前标准剂量图像与低剂量CT图像配准,并对低剂量CT图像进行预处理以抑制部分噪声,随后利用非局部均值的思想计算配准后的先前标准剂量CT图像的权值矩阵,基于该权值矩阵对预处理后的低剂量CT图像进行加权均值滤波.仿真实验和临床脑灌注数据实验表明,本文方法在消除低剂量CT图像噪声和伪影的同时,还可提升图像分辨率,对临床脑灌注CT扫描的疾病诊断中尤为有效.

基于局部相似性先验的协作表示人脸识别

针对光照、伪装/遮挡等非受控环境下的人脸图像,本文探讨了一种基于局部相似性先验的协作表示人脸识别。首先选择合适的人脸图像并对其进行等份不重叠分块,接着计算不同分块间的权重,最后将块与块之间最优的相似性先验信息加权至协作表示算法中,以实现人脸的分类。实验结果表明,与目前基于协作表示的人脸识别算法相比,本文算法在性能上有明显的提高。

基于非局部低秩和自适应量化约束先验的HEVC后处理算法

经高效视频编解码标准HEVC压缩后的视频在高压缩比、低码率的情况下存在明显的压缩效应。针对该问题,提出了一种基于非局部低秩(Non-local Low-rank,NLLR)和自适应量化约束(Adaptive Quantization Constraint,AQC)先验的HEVC后处理算法。该算法首先构造在最大后验概率框架下的优化问题,然后利用解码后的压缩视频和量化参数QP获取非局部低秩和自适应量化约束先验信息,最后利用split-Bregman迭代算法来解决所提的优化问题,从而有效去除压缩效应,提升重建视频质量。其中,非局部低秩先验通过构建基于相似块聚类的非局部低秩模型来获得;自适应量化约束先验通过联合不同量化参数QP下的约束特性与视频的DCT域块活动性来获得。实验结果表明,在同等码率的情况下,与HEVC标准相比,所提算法在帧内编码模式下可以达到平均0.2597 dB的PSNR提升,在帧间编码模式下可以达到平均0.2828 dB的PSNR提升。

一种基于改进非局部雾线先验的新型图像能见度检测算法

为了提高图像能见度检测的准确率,本文提出一种利用单幅日光条件图片检测能见度的方法,该方法基于非局部雾线先验和大气成像理论。首先通过改进非局部雾线先验选择图片中用于能见度估计的目标域(ROI);然后计算雾图像的透射率和恢复为清晰图像后的透射率,并计算二者的比值;最后,将清晰大气的消光系数与该比值相乘,得到被观测雾场景的大气消光系数,最终得到场景能见度。该方法一方面解决了传统方法需要摄像机参数标定或者大数据量训练的问题,另一方面相比采用暗通道先验的能见度估计方法,该方法在估计能见度时保留场景的全局性,并一定程度上避免了暗通道先验对光照的敏感,可以较好地在日光户外场景下使用。本算法平均准确率在89%以上,相较基于暗通道先验的比值法,平均准确率提升1%。