图像修复有着重要的应用价值, 稀疏表示作为前沿的信号处理方法, 也已经使用在图像修复中。但是, 传统方法在稀疏图像的时候利用的是预先给定的图像基, 不能自适应图像, 因此稀疏表示能力有限。文中提出从参考图中估计出图像的最佳几何方向使得稀疏变换能自适应图像几何信息, 提供更稀疏的图像表示方法。稀疏修复通过最小化. 1范数模型进行求解。实验结果表明, 所提方法较传统的二维小波变换可以更好地保留图像中边缘和纹理, 获得更高的峰值信噪比。

为了克服Contourlet融合在远离支撑区间上出现的混叠成分,抑制融合图像在奇异处产生伪吉布斯现象,提出了改进拉普拉斯能量和的尖锐频率局部化Contourlet (SFLCT)域多聚焦图像融合方法。采用SFLCT而不是原始的Contourlet对多聚焦图像进行分解,并将多聚焦图像空域融合方法中评价图像清晰度的指标引入到SFLCT变换域,用拉普拉斯能量来选择变换域系数。然后,逆SFLCT重构得到融合结果。最后,采用循环平移来提高SFLCT的平移不变性,有效抑制融合图像在奇异处产生伪吉布斯现象。实验结果表明:对于多聚焦图像,所提方法比循环平移小波变换法的互信息提高了5.87%,QAB/F提高了2.70%,比循环平移Contourlet方法的互信息提高了1.77%,QAB/F提高了1.29%;视觉效果优于典型的空域分块拉普拉斯能量方法和平移不变小波变换方法。

提出了一种优化预测运动矢量的快速运动估计算法.在对预测运动矢量研究的基础上,根据序列图像中运动矢量的中心-中值偏置分布特性和矢量间的时空相关性,结合运动矢量的相似度分析,选用中心、中值和时间相关的三个矢量作为基本预测矢量.设置相似门限来减少由三个空间相邻块预测矢量带来的大量冗余信息,对算法中关键的门限技术进行了改进.实验结果证明,本文算法对各种类型的运动序列都有很强的自适应性,在保持搜索准确度的同时,可大幅度提高运动估计的速度,其平均搜索速度是FS的208倍,明显优于PMVFAST的146倍、MVFAST的77倍、DS的55倍,提高了视频压缩中现有的运动估计算法的性能.

提出了分组Karhunen-Leove变换(KLT)和整数小波变换(IWT)的高光谱图像数据压缩方法,并采用整数小波变换技术和Set Partitioning in Hierarchical Trees(SPIHT)压缩编码,实现了对分组Karhun-Loeve变换后的数据压缩。该压缩编码方法与现有压缩方法相比,既保留了Karhun-Loeve变换压缩性能和整数小波变换高压缩比的特点,也宜于实时传输。实验结果表明,分组Karhun-Loeve变换/整数小波变换/SPIHT在相同压缩比下,峰值信噪比比Karhun-Loeve变换/小波变换/WSFCVQ、Karhun-Loeve变换/小波变换/改进的对块零树编码压缩和Karhun-Loeve变换/WT/FSVQ分别提高了6 dB, 9 dB和8 dB,运算时间减少一半,整体压缩性能有了较大的提高。

A novel image fusion algorithm based on bandelet transform is proposed. Bandelet transform can take advantage of the geometrical regularity of image structure and represent sharp image transitions such as edges efficiently in image fusion. For reconstructing the fused image, the maximum rule is used to select source images' geometric flow and bandelet coefficients. Experimental results indicate that the bandelet-based fusion algorithm represents the edge and detailed information well and outperforms the wavelet-based and Laplacian pyramid-based fusion algorithms, especially when the abundant texture and edges are contained in the source images.