分数阶q-Laplace 全变差图像修补模型的增广拉格朗日算法实现

分数阶TV正则项已被广泛应用于图像处理领域,本文针对一类q-Laplace全变差图像修补模型,采用增广拉格朗日方法进行求解并设计了快速算法,数值实验表明本文所提出的算法对有文字遮挡和人工涂画痕迹的图像具有一定的修补作用。

一种基于正负差图像的运动目标检测新方法

运动目标检测领域中现有的差图像法是利用绝对值差图像检测差图像上运动目标区域,用现有方法检测时易受噪声干扰,而且当摄像机有自运动时需要进行背景运动补偿。因此,提出一种新算法,即首先分别计算正差图像与负差图像,然后利用运动目标区域在正差图像与负差图像中的幅值、形状以及运动等信息的对称性对其进行检测,最后给出针对飞机尾焰序列图像进行检测的结果。实验结果表明:该方法可提高运动目标检测的可靠性与效率。

视频帧差图像编码研究

视频压缩效率的提高在很大程度上取决于如何减少用于传输运动补偿预测误差的信息量,即如何有效地编码视频帧差图像。首先对帧差图像的统计特性进行了分析,然后以基于DCT、基于小波和基于HVS等帧差图像编码为线索,对视频帧差图像编码的进展情况进行了分析和讨论,最后对视频帧差图像编码的进一步发展进行了展望。

基于累积绝对差图像与交叉熵分割的运动目标检测与定位

提出了一种新的运动目标检测与定位方法。针对位移变化较小的运动目标,先对运动序列中所有相邻两帧图像作绝对值差分运算,然后再将绝对值差分结果进行累加,从而得到累积绝对差图像。利用交叉熵分割法对累积绝对差图像二值化,并结合形态学方法去除噪声,求取出目标的运动区域。对运动序列的首帧和尾帧进行差分运算并二值化,为了去噪,将首尾帧差图像与累积绝对差图像进行逻辑与运算,确定出目标在首尾图像中的位置。实验结果表明了本方法的有效性和鲁棒性。

一种基于分块差图像的2DPCA人脸识别方法

用2DPCA方法对分块差图像进行特征提取,以进一步提高人脸识别的效果.首先利用2DPCA算法对原始样本进行重构,建立差图像样本空间,以减轻光照差异对人脸识别带来的干扰;然后基于新的图像样本实施分块,考虑到不同位置分块图像的局部特征差异,为获取最佳的鉴别特征,采用2DPCA方法对所有对应位置的分块差图像训练样本各自提取特征;最后根据各训练样本和测试样本在特征空间的最小距离,即每个训练样本和测试样本所有对应分块图像在各自特征空间投影距离之和的最小值,完成模式分类.仿真实验结果表明,该方法使识别效果得到了有效地改善.

基于提升方案小波的帧差图像质量可分级编码研究

随着数字电视和网上会议的出现,越来越多的视频信息需要在网上进行传输,而视频压缩效率的提高在很大程度上取决于如何减少用于传输运动补偿预测误差的信息量,即如何使视频帧差图像满足渐进传输、多质量服务以及图像数据库浏览等一系列的要求。首先,结合视频帧差图像的统计特性,提出了一种帧差图像小波系数的双重量化方法,在此基础上提出了一种基于位平面的帧差图像质量可分级编码方案,在解码时能够根据给定解码的数率对位平面进行重构,并实现帧差图像的质量可分级解码。实验结果证明,提出的方法编码效果优于传统的SPIHT编码算法,特别在低比特率下具有很好的编码效果。

基于差图像的人脸动态表情特征提取

在人脸表情的识别中,动态表情图像包含丰富的信息,应用非常广泛.在动态表情特征的提取中,差图像特征提取是通过基于逆向组合的图像对齐方法实现的,图像对齐方法可以在一定程度上避免差图像特征与几何特征的误差相关性,同时逆向组合又可以保证在不损失图像对齐精度的前提下大大提高运算速度.

结合差图像和Gabor小波的人脸表情识别

提出一种结合差图像和Gabor小波变换的人脸特征提取方法,并使用支持向量机SVM(Support Vector Machines)进行人脸表情识别。对包含情感信息的静态灰度图像进行预处理,将眼睛和嘴巴等表情子区域从人脸中切割出来,求出其差图像,然后提取差图像的Gabor特征,使用下采样降维减少特征向量的维数并进行归一化,最后使用SVM进行分类。与只从表情子区域提取Ga-bor特征的识别方法进行了比较,结果显示识别效果更好。

小模数齿轮齿形误差图像测量法

0 引言 小模数齿轮尤其是模数在0．05mm～0．5mm的小模数齿轮广泛应用于航天航空、国防、IT、钟表等领域的精密仪器仪表制造中，作为关键的运动传动件，其质量直接影响到仪器仪表的运动精度、噪音、寿命等，因此，实现对小模数齿轮的高精度测量是保证仪器仪表质量的一个关键技术问题。

局部熵差图像分块匹配并行算法

围绕局部熵差图像匹配的并行化算法设计,综合运用了折叠求和、"叠加窗口"映射、递推求列和与递推求行和等策略,实现了局部熵差图像分块匹配的并行算法,经模拟实验表明,本文设计的并行算法具有很好的并行效率。

全有界变差四阶偏微分方程图像复原模型

针对现有偏微分方程复原模型存在的弱点,提出了一种改进的全有界变差四阶偏微分方程图像复原模型,证明了模型的适定性。由于模型的Euler-Lagrange方程是非线性偏微分方程,利用分裂Bregman迭代算法,将其分解为三个线性子问题,结合Gauss-Seidel迭代方法得到了数值解。从实验结果和客观评价上看,上述模型和算法在对图像复原的过程中,与ROF模型和TBV_ROF模型相比较,峰值信噪比和平均结构相似度都有明显的提高。模型在复原的同时,能够很好地保持原始图像上的边缘和纹理特征,复原能力优于ROF模型和TBV_ROF模型。

模糊图像复原的高阶全变差正则化模型构建

模糊图像复原是一类典型的不适定反问题。为保证复原过程的稳定性,在二阶梯度域构建了模糊图像复原的高阶全变差正则化模型。针对该模型数值求解的困难,将原问题分解成Tikhonov反卷积和高阶全变差图像去噪2个子问题,并分别对其设计高效的数值求解格式。试验结果表明,该图像复原方法在快速恢复图像细节信息时能够有效地抑制振铃效应和阶梯效应的产生。

图像差与加权核范数最小化的压缩图像融合

现有的图像融合算法存在非线性操作产生的噪声干扰和空间复杂度高等问题,使得融合图像易失真和丢失信息。一些学者提出的压缩感知图像融合算法能有效改善这一问题,但大多忽略了图像矩阵的低秩性,往往会降低融合质量。由此,将压缩感知融合技术与低秩矩阵逼近方法相结合,提出基于信息论图像差与自适应加权核范数最小化的图像融合算法。该算法由3个阶段组成。首先,将2幅源图像通过小波稀疏基稀疏化,并利用结构随机矩阵压缩采样,得到测量输出矩阵。然后,将测量输出矩阵进行分块,再利用图像差融合算法得到融合后的测量输出矩阵块。最后,利用自适应加权核范数最小化优化得到的块权重,通过正交匹配追踪法重建融合图像。实验结果表明了该算法的有效性和普适性,并且在多种评价指标上优于其他融合算法。

自适应图像全变差约束的有限角度CT重建算法

针对有限投影角度的CT图像重建问题,提出一种改进的基于自适应图像全变差(Total p Variation,TpV)约束的代数迭代重建算法。改进算法采用两相式重建结构,首先利用代数重建技术(ART)算法重建中间图像并做非负修正,然后利用自适应TpV正则项约束图像稀疏特性,进一步优化重建结果,其中正则项可根据图像区域特性自适应的调整决定平滑强度的参数p,两项交替进行直到满足收敛要求。本文应用经典的Shepp-Logan体模对改进算法进行仿真重建,以重建图像及其局部放大图作为主观分析依据,以profile图和归一化绝对距离值作为客观评估标准,与经典的ART-TV算法进行比较,对比分析重建结果发现:本文算法重建图像不仅与真实体模更接近,重建误差更小,而且能更好地保护图像的边缘特性。

一种累积帧差视频对象分割算法

经过对视频序列的多帧累积,利用帧间变化信息可求得帧差之和,并用数学形态学方法处理之后,即可提取出对象边界。由此,提出了一种累积帧差的视频对象分割算法。实验结果表明,该算法能对低比特率视频序列中运动较为缓慢、背景相对简单的对象进行有效的分割,而且所用时间较短,算法简单、高效。

红外图像非均匀性校正高通滤波算法的改进

红外焦平面阵列的非均匀性噪声是制约红外成像质量的主要因素。本文通过分析多种均匀性校正的方法,提出了一种时域高通滤波法的改进,在这种方法中增加了一个调节因子a,目的是为了调节系统的截止频率,选择合适的调节因子能够尽可能校正焦平面阵列的非均匀性。另外考虑到噪声的空域特性,建立了差图像Ei,j(n),用于替换噪声图像xi,j(n)。实验仿真通过图像的空间标准差证明,新算法具有较好的校正效果。

序列图像处理的快速人体检测方法

在序列图像中进行运动人体检测 ,一般都采用差图像算法 ,作者在应用尺度滤波器消除噪声的基础上 ,提出了将数学形态学的闭运算用于人体轮廓断裂处的连接填充。在此基础上得出人体轮廓的宽度直方图 ,并利用人体几何尺寸的固有比例对人体轮廓检测算法进行改进。实验结果验证了上述方法对噪声抑制。

基于双差分法的目标检测与分析

用双差分法检测静止背景下运动目标的轮廓 ,并利用矩方法研究了运动目标的几何特征 ,利用目标的质心估计目标的运动信息 .给出了实验结果及分析 .

实时监控系统中运动人体图像分割

在运用差图像算法进行运动人体检测、噪声消除的基础上,提出了将统计直方图与梯度边 缘检测相结合的算法以消除运动人体的影子;同时运用图像扩展模板并配合图像边界处平滑的算法对被分割人体的断裂处进行连接填充。实验结果验证了上述算法对噪声抑制、人影消除以及人体图像断裂处填充的有效性。

融合L^2和KL保真项的图像恢复算法

为了有效抑制高斯-泊松混合噪声,针对调和模型不能有效保存图像的边缘细节信息和Kullback-Leibler散度作为保真项(KL保真项)的全变差图像恢复模型对光滑的区域部分去噪会产生"阶梯效应"的不足,提出一种针对高斯-泊松混合噪声去噪的图像恢复变分模型。该模型利用增广拉格朗日算法进行数值实现,将调和模型和全变分模型按照比例进行融合,结合两种模型的优点,增强模型的去噪性能;Kullback-Leibler散度作为保真项和L^2保真项按照比例进行混合,能有效去除高斯-泊松混合噪声的同时,保护图像的边缘细节;使用多幅含不同混合噪声的图像进行对比实验,采用峰值信噪比、结构相似度指标评定图像的恢复效果。实验结果表明,该模型的峰值信噪比和结构相似度大于使用Kullback-Leibler散度作为保真项的全变差图像恢复(TV-KL)模型、改进MS模型(MRT),以及保真项混合模型(MFT)这三个模型,并且计算的CPU时间更短,去噪效果得到明显改善。所提模型具有更好的去噪性能,有效地保持了图像细节和纹理特征方面的信息,获得了更理想的视觉效果,不仅能提高了图像质量,而且在客观上得到了有效的证实,可以应用于X射线图像去噪。