1 内江师范学院 计算机科学学院，四川 内江 641100
2 攀枝花学院 数学与计算机学院，四川 攀枝花 617000
3 四川旅游学院 信息与工程学院，四川 成都 610100
4 电子科技大学 信息与通信工程学院，四川 成都 610054
针对高光谱图像（hyperspectral images, HSI）去条带易引起影像结构细节丢失问题，提出一种基于加权块稀疏（weighted block sparsity, WBS）正则化联合最小最大非凸惩罚（minimax concave penalty, MCP）约束的HSI去条带方法。本算法采用加权ℓ2, 1范数和MCP范数对条带稀疏结构和低秩约束，ℓ1范数对干净图像结构保持正则化约束，构建加权块稀疏和MCP约束的条带去除模型，采用交替方向乘子（alternating direction method of multipliers, ADMM）算法迭代求解对应模型，重建获得干净的HSI图像。实验结果表明，提出方法在实际HSI的平均等效视数从28.45提高到83.47，边缘保持指数较其他算法至少增加0.056，特别是对于非周期条带噪声，采用自适应权值更新稀疏水平，增强了组稀疏性，在保持影像边缘和加强区域平滑性方面性能更佳，去噪声效果更好。
加权块稀疏 最小最大非凸惩罚 高光谱图像条带噪声 weighted block sparsity minimax concave penalty hyperspectral images stripe noise
1 攀枝花学院数学与计算机学院, 四川 攀枝花 617000
2 电子科技大学信息与通信工程学院, 四川 成都 610054
为解决加权核范数最小化(WNNM)图像去噪无法较好地表达复杂和不规则的图像结构,易产生过平滑现象的问题,将相对全变差(RTV)融入加权核范数最小化,对WNNM低秩表示模型施加RTV范数约束,提出一种RTV-WNNM图像去噪模型,采取交替方向乘子(ADMM)算法迭代求解对应模型,获得清晰图像。将提出的新方法与多种基于低秩矩阵近似的去噪算法进行比较,所提算法在保持图像边缘和加强区域平滑性方面有较好的性能,特别是在高密度图像噪声影响下,算法性能也能得到大幅提升。实验结果表明,加入RTV范数的低秩去噪模型具有良好的恢复图像结构能力,能较好地提高去噪性能。
图像处理 加权核范数最小化 图像去噪 低秩矩阵近似 相对全变差范数 激光与光电子学进展
2019, 56(16): 161006
1 攀枝花学院数学与计算机学院, 四川 攀枝花 617000
2 电子科技大学信息与通信工程学院, 四川 成都 610054
归纳并分析了超像素算法和评价指标的最新研究成果及最新应用;对比了多种超像素算法的边缘召回率、欠分割错误率和紧凑度等评价指标,分析了各自的优势和不足。当前的超像素方法在精度和效率上都有较大的提高,应用领域不断增加,但仍难以满足特殊应用领域的超像素性能要求,需要研究稳健性和适应性更好的超像素算法。
图像处理 超像素 图像分割 评价标准 区域分割 激光与光电子学进展
2019, 56(9): 090005
四川攀枝花学院计算机学院，四川攀枝花 617000
针对检测图像多圆问题，该文提出一种利用圆的对称性与旋转变换相结合的圆检测新方法。从圆的几何性质出发，在图像边缘点上以过圆心且平行横坐标的直线为对称轴搜索对称点集 P1；然后图像做旋转变换，再次对称点搜索并做反旋转变换得到点集 P2；利用圆的旋转对称性，圆上的点集即是点集 P1与 P2的交集，从而实现圆的检测。实验结果表明，该算法与当前应用最广的 RHT、RCD圆检测方法相比具有检测速度快，实现简单等优点。
圆检测 对称性 旋转不变性 计算机视觉 multi-circle detection symmetrical characteristic rotation invariant computer vision
