图像实验室大型仪器设备专管共用机制研究

依托江苏省图像处理与图像通信重点实验室,通过对图像实验室大型贵重仪器设备的利用情况和管理经验进行分析和总结,在大型仪器设备的专人管理机制、设备共用机制、大型设备的使用效益评价机制和设备管理人员的激励机制等方面提出了相应的建议措施。这些管理机制在图像实验室大型仪器设备的初步应用实践表明,切实提高了大型仪器设备的使用效益和设备管理人员的积极性。对高校相关实验室大型仪器设备的科学管理与共享使用具有借鉴和推广意义。

生成对抗网络图像处理综述

2014年提出的生成对抗网络(Generative Adversarial Networks,GAN)是近年来神经网络领域中为数不多的一项新锐技术。GAN在常见生成模型的基础上增加了一个判别模型,以形成巧妙的对抗学习机制,使它能够产生更高质量的图像。近年来各种改进型GAN在图像处理领域得到广泛应用,不但覆盖了几乎所有传统图像处理领域,还包括一些新应用,如图像编辑、图像翻译、风格转移等,普遍取得了胜过传统方法的良好结果。文中在简要分析GAN的系统结构、对抗生成和网络训练的基础上,重点介绍了为提高GAN性能、克服现存缺陷和满足不同应用而出现的多种改进型GAN,如DC-GAN、W-GAN、Big-GAN等。尽管如此,目前GAN尚处于初始发展阶段,将来的前途不可估量。

基于对数图像处理模型的低照度图像增强算法

为了解决图像采集或视频监控应用中遇到夜视或背光等低照度的情况,文中从对数图像处理模型出发,结合色彩恒常性理论,提出一种基于人眼视觉特性的低照度图像增强算法。该算法首先将RGB彩色图像转换到HSV色彩空间,利用对数图像处理模型(LIP)算子改进普通空域滤波器对亮度通道进行反射分量的提取,以更好地保持图像高频信息,然后根据局部的背景亮度信息计算放大系数,在LIP模型下对每个像素的光照分量进行增强,以提高图像的亮度和对比度。实验结果表明,新算法基于人眼视觉特性,有效地提高了图像的整体对比度,保留图像的细节信息,有较好的主观视觉感受。

Retinex自适应反射分量估计和对数图像处理减法后处理的低照度图像增强

在夜间采集到的图像由于受强灯光的影响,对比度较大,白天采集到的背光图像也是如此。对比度增强算法是常用的获得良好对比度图像的方法,但是这往往会造成亮区域过度增强的现象。为了解决对比度较大的这部分图像过度增强的问题,提出了一种基于Retinex自适应反射分量估计和对数图像处理减法后处理的低照度图像增强算法,该算法分为两部分:反射分量估计,基于对数图像处理减法(LIPS)模型的对比度增强。首先,用自适应双边滤波器代替传统的高斯滤波器来获得更精准的照明层。然后,根据最小可觉差(JND)阈值得到一个自适应因子来为对数域的照明分量加权,从而估计出图像的反射分量。这种方法可以有效防止高亮度区域的过度增强。最后,将基于标准偏差最大化的LIPS方法作用在反射层以增强图像的对比度,其中LIPS的参数范围由反射图像的累积分布函数(CDF)来确定。实验结果表明,文中所提算法在主观评价以及客观评价方面都优于其他对比算法。

基于分块压缩感知的图像全局重构模型

已有的基于分块压缩感知(Block Compressed Sensing,Block CS)的图像重构模型采用相同的测量矩阵以块×块的方式获取数据,解决了传统CS方法中测量矩阵所需存储量较大的问题,但由于采用分块重构,没有考虑到图像的全局稀疏度,出现了大量的块效应。本文分析了图像分块重构产生块效应的三个主要原因:块稀疏度不均匀、频谱泄漏和块尺寸受限,提出了一种基于Block CS的图像全局重构模型。该模型在编码端采用高斯随机矩阵逐块作非相关测量;在解码端,引入排序算子,重新构造测量矩阵,该测量矩阵既适合于进行全局重构,又适合于分块测量的CS观测值,并仍与图像的稀疏矩阵高度不相关,所以其可充分利用图像的全局稀疏度进行CS重构。仿真实验表明,所提出的全局重构模型有效地消除了块效应现象,并且对块尺寸的变化有较强的鲁棒性。

图像分块压缩感知中的自适应测量率设定方法

传统的图像分块压缩感知(BCS,block compressed sensing)以相同的测量率对各块进行测量,但由于图像的空间特性不同,在重构图像时出现了块效应。通过自适应为各块设定不同的测量率,该问题可得到有效的解决。然而,已有的自适应测量率设定法需要在采集端获得原始数字图像,这在实际的压缩成像(CI,compressive imaging)设备中无法实现。为了克服这一缺陷,提出了一种更易于通过硬件实现的自适应测量率设定法。该方法利用在采集端可获得的CS测量值直接在测量域中估计各图像块的样本方差,再根据各块样本方差自适应地为每块设定测量率并实现码率控制。仿真实验结果表明,该方案重构图像的质量优于非自适应方案,但由于测量域估计块样本方差存在偏差,使其与直接利用块样本方差真实值的自适应方案相比,仍具有一定差距。

压缩感知图像重建算法的研究现状及其展望

压缩感知(Compressive Sensing,CS)理论是在已知信号具有稀疏性或可压缩性的条件下,对信号数据进行采集、编解码的新理论。将压缩感知应用于图像压缩具有潜在的应用价值,压缩感知图像重建算法是该领域的热点问题。在对目前压缩感知重建算法的文献进行分析和综合的基础上,首先阐述了压缩感知的基本原理及其各项关键技术,然后简要总结了当前流行的压缩感知图像重建算法,给出了各种图像重建算法的仿真结果及分析,最后对影响压缩感知图像重建算法几个关键问题进行剖析和展望。

理工科高校院系实验室资源共享实践探究

以理工科高校院系实验室资源共享为研究对象,分析当前存在的主要问题,并在高校实验室资源共享机制、优化实验教学资源、培养工程创新人才等方面提出建议。

HSV下的基于图像内容的监控视频检索方法

随着构建平安城市活动的推进,大量的高清化、数字化的监控已经逐渐遍布于大街小巷,随之而来的是监控视频快速大量涌现,如何有效存储、管理和利用海量的监控视频成为研究热点。基于内容和语义的视频检索技术成为一种可行的海量信息检索技术,并成为越来越多学者的研究对象。在HSV空间下进行非归一化量化图像彩色信息并以此构建等价的局部二值模式作为基于内容的视频检索图像特征,同时提出了一种新颖、简单的直方图相似性度量方法检索目标图像,检索结果更加符合人们的主观视觉感受。

基于DCT压缩的JPEG图像检索算法

提出一种JPEG图像检索算法,将熵解码后的DC系数差本地二值化,提取DC差向量来体现原始图像中像素的灰度分布。考虑到每个DCT块中的AC系数对图像内容的表征能力,针对每个DCT块选择前9个最大的AC系数,构造AC系数特征向量用于检索。实验结果表明,该算法具有较好的检索效果。

纹理对比度导向的图像自适应压缩感知测量方法

压缩感知以部分随机变换代替全变换,仍可确保图像的高精度复原,可用于铁路系统中无线监控终端实现低复杂图像编码。传统图像压缩感知以相同的测量率实施分块测量,而由于分块稀疏度不同,常导致重建图像具有块效应,无法确保良好的率失真性能。为了解决该问题,本文提出利用图像纹理特征引导图像压缩感知,在感知端实施自适应测量。利用像素八连通区域内的最大梯度度量各像素的纹理变化程度,生成纹理特征图,利用纹理特征图计算各块纹理对比度,并以此为依据自适应设定各块的测量率,以块纹理对比度加权图像重建模型的目的函数,集中优化纹理细节的区域。实验结果表明,与由块方差、边缘特征主导的自适应测量方法相比,本文所提算法可确保较好的重建图像主观视觉质量,且率失真性能优于传统压缩感知重建算法。

高校实验室开放模式与创新人才培养的探究

实验室是科学技术发展的重要场所,对科技发展起着非常重要的作用。传统模式的实验室建制规模小,功能单一,处于从属地位,使用效益低下,影响学生实验技能、综合能力和创新能力的培养。随着高校学科建设的逐步完善和21世纪对人才质量的要求,传统建制的实验室开放模式已不再适应高校学科建设的发展,势必需要打破传统实验室的自我封闭性,建立一种新型的开放模式,引进热门科学研究项目或课题,由教师和学生共同参与完成实验,以求提高实验室培养创新人才的能力。

一种基于彩色化的单幅彩色图像超分辨率重建

对单幅彩色图像进行超分辨率(Super-resolution,SR)重建,一般是将原始RGB图像转换为YUV图像,对亮度分量Y进行SR,而对色度分量U、V只进行简单的插值。因为图像插值很容易产生边缘模糊和锯齿,本文用彩色化算法对低分辨率的U、V分量进行处理,并提出一种基于彩色化的迭代反投影(Iterative Back-projection,IBP)方法,改善了传统基于插值的IBP算法对边缘图像的处理效果。实验结果表明,文中算法得到图像的客观质量和主观质量既优于传统的基于双立方插值处理的SR彩色图像,也优于其它以彩色化为基础进行色度图像处理的SR图像。

基于训练集分层的图像超分辨率重建

在基于邻域嵌入的图像超分辨率重建中,提出了一种对训练集进行分层的方法,可有效解决待重建图像块在训练集中搜索时间过长问题。同时对待重建的图像区域加以分类,对于平坦区域选择一般的双立方插值的重建方法,对于含有丰富细节的区域则采用邻域嵌入的重建方法。最后对重建图像进行IBP全局后处理,进一步提高图像质量。实验结果表明,利用本文方法重建的图像主观和客观质量都有较大的提高,且重建时间可以大大缩短。

无线传感器网络中基于压缩感知的静止图像压缩方案研究

受功耗、成本和无线传输环境的限制,无线传感器网络中采集图像的节点并不适合采用传统静止图像压缩标准JPEG、JPEG2000。为了适应无线传感器网络的"轻编码、重解码"的特点,提出了一种基于压缩感知(Compressive Sensing,CS)的静止图像压缩方案。该方案在编码端进行分块测量,分块测量次数根据图像的边缘信息自适应地分配;在解码端则利用分块观测数据进行整帧重建。仿真实验表明,与已有的基于CS的图像压缩方案相比,该方案可有效地降低CS测量成本,并可在重建时消除图像的边缘模糊与块效应现象。

基于非子采样Contourlet变换的图像融合算法

提出了一种基于非子采样Contourlet变换的图像融合算法.首先,对图像作Contourlet变换,得到一个低频子带和一系列高频方向子带.其次,对低频子带系数采用基于边缘的规则来融合,而对于高频方向子带系数,采用基于一种基于Contourlet局部系数相关性的规则来进行融合.最后,对融合系数进行非子采样Contourlet逆变换,得到最终的融合图像.实验结果表明,该方法对可见光、红外图像融合十分有效,能较好地提取原始图像中的边缘方向信息和几何特征.

利用分水岭分割的多分辨率遥感图像融合算法

对全色图像和多光谱图像进行融合可以获得更加清晰的图像信息。提出了一种基于分水岭分割和小波变换的多分辨率图像融合算法。利用正交小波变换得到原图像的小波金字塔表示。对近似图像进行分水岭分割,并且用小波逆变换把原始分割结果逐步映射回更高的分辨率层。通过联合区域分析,得到各层的联合区域分割图,并用此图来指导各层小波系数的融合。对融合系数进行小波逆变换,得到融合的图像。实验结果表明,该法对遥感图像的融合十分有效,能很好地兼顾融合图像的光谱质量和空间清晰度。

一种基于局部可信视差的立体图像误码掩盖算法

为解决立体图像传输的差错问题,提出了一种基于局部可信视差的掩盖方法。首先,考虑到存在丢失块,并结合像素间色彩空间相似程度和几何空间距离接近程度等因素,设计了基准点偏置的窗口用于自适应权重的视差匹配;然后根据视差连续性原则和左右一致性约束,得出局部的可信视差;最后采用"胜者为王"(Winner-Takes-All)策略估计丢失块的视差,并根据此视差提取相应块来进行误码掩盖.实验结果表明,与其他掩盖算法相比,该算法在计算复杂度相当的情况下,无论在重建图像的PSNR还是主观质量上均具有较好的效果.

图像角点和边缘提取的相位叠合算法

提出了一种通过相位叠合模型来检测角点和边缘的算法,这种方法利用图像傅里叶分量在特征叠合次数最多的概念,采用相位叠合后的关键点来确定角点和边缘信息,利用相位叠合来标记特征点比用梯度方法有明显的优点:相位叠合是一种无量纲量,而且对图像的亮度或对比度是不变的,因此它能提供对特征点的绝对度量.实验结果证明本算法提取的角点和边缘特征不随图像照度而改变,提高了不同照度下提取图像边缘特征的可靠性.

基于分数低阶矩的图像阈值检测和颗粒度分析算法

为了在进行病变组织检查时,能检测出微小的病变硬化组织,在介绍α稳定分布和与之对应的分数低阶统计量(FLOS)(即分数低阶矩,FLOM)的基础上,给出了非高斯条件下基于分数低阶统计量的阈值检测方法、图像颗粒度分布函数和自相关矩,并首先以超声医学图像为例,分别用高斯分布的方法和α稳定分布方法对超声医学图像进行阈值检测;然后对经过阈值检测后的图像,利用数学形态学方法计算水平方向和垂直方向的颗粒度分布函数;最后求出两个方向的相关系数。实验结果表明,基于分数低阶统计量的阈值检测和颗粒度分析方法优于传统的高斯分析与处理方法。