为了缓解传统拜耳型去马赛算法中常出现的拉链和伪影等问题,提出一个新颖的基于深度学习的去马赛克算法。所提算法首先对马赛克图像中的红色、绿色及蓝色通道中的像素进行分解、剔除及组合等操作得到两幅彩色图像,然后将这两幅彩色图像输入到设计的卷积神经网络中,以重建出完整的彩色图像,该网络能充分地利用卷积层所生成的特征信息。实验结果表明,所提算法重建出的完整彩色图像的质量相对较高,并且在一定程度上缓解了拉链和伪影等问题,其客观指标和主观评价都优于对比算法。

为提高低分辨力红外图像的分辨力, 提出了一种红外图像超分辨力算法。该算法训练2个随机森林模型：红外图像训练第 1个模型、配准的多传感器图像训练第 2个模型。采用自适应边缘提取算法提取红外图像与可见光图像的边缘, 计算输入的低分辨力红外图像块与对应的高分辨力可见光图像块之间的相关系数。根据相关性选择合适的重建模型, 用选择的模型重建高分辨力红外图像块, 并整合为高分辨力红外图像。实验结果表明, 与超分辨力随机森林算法相比, 算法重建的高分辨力红外图像具有更高的客观指标, 峰值信噪比 (PSNR)平均提升了 0.09 dB, 并且获得更为清晰的主观视觉效果, 更接近原始图像。

为实现图像超分辨力重建, 提出了一个自适应半耦合稀疏字典学习算法。由于耦合字典学习算法中存在稀疏编码约束条件太过严苛的缺点, 本文采用半耦合的字典学习算法。根据在半耦合的字典学习算法中全局字典表达的局限性, 分析和采用了多字典训练算法及相应的重建方法。提出了基于自适应图像块聚类算法的半耦合稀疏字典学习算法。仿真实验结果显示, 新算法重建得到的 Butterfly,Cameraman,Foreman,Plants,Hat和Lena等图像的峰值信噪比 (PSNR)分别比用基于K-means聚类算法的半耦合稀疏字典学习算法得到的重建图像高出 0.18 dB,0.16 dB,0.52 dB, 0.21 dB,0.23 dB和0.14 dB。该算法可以得到更好的图像重建效果。

在图像处理领域, 基于稀疏表示理论的图像超分辨力算法、高低分辨力字典与稀疏编码之间的映射关系是其中的 2个关键环节。由于丰富多样的图像类型, 单一字典并不能很好地表示图像。而在稀疏编码之间的映射关系上, 严格相等的约束关系也限制了图像重建的效果。针对上述两个方面, 采用包容性更强的多个字典与约束条件更为宽松的全耦合稀疏关系进行图像的超分辨力重建。在图像非局部自相似性的基础上, 进行多次自适应聚类; 挑选出最优的聚类, 通过全耦合稀疏学习的图像超分辨力算法, 得到多个字典; 最后, 对输入的低分辨力图像进行分类重建, 得到高分辨力图片。实验结果表明, 在图像 Leaves,Barbara,Room上, 本文的聚类算法比原全耦合稀疏学习算法在峰值信噪比 (PSNR)上分别提升了 0.51 dB,0.21 dB,0.15 dB。

在安检领域, 目前最主要的手段是人工分析X光图像, 以检测是否隐藏的违禁品。由于人工检测存在较强的主观性, 并且在安检员疲劳时容易造成漏判、错判。针对这一问题, 对X光异物图像进行自动识别研究, 提出了基于Tamura纹理特征和随机森林的X射线异物分类方法。介绍了基于计算机视觉的X光违禁品自动检测识别系统; 提出一种基于Contourlet变换的Taruma纹理特征提取方法, 通过该方法得到Taruma纹理特征向量; 最后采用随机森林分类器对违禁品图像进行分类判断。实验结果表明, 基于Tamura纹理特征和随机森林的X射线异物分类能够有效地区分不同种类的违禁品。

提出了一种嵌入到常规几何标定过程中的非线性校正算法.该方法通过相位获取投影图案与拍摄图像对应点之间的亮度关系,进而确定系统的非线性亮度响应.该算法在几何标定进行的同时,无需调整系统设置或投影额外的结构光图案,直接导出用于非线性预补偿的灰度查找表.实验结果表明,校正后的相位误差比校正前减少了约95%.

提出了一种减小多路径效应带来的误差影响的方法，优化了相位测量轮廓术，利用亮度调制的差分图确定了受多路径效应影响大的区域，并根据相邻像素点的相位进行校正。实验表明，该方法有效地减小了相位误差，提高了三维测量的精度，校正后相位误差的均方根值比校正前减小了约57.3%。

多视频超分辨率时间重建技术可以消除视频中的运动模糊和运动混叠现象。进行多视频时间重建时, 重建倍数过小不能有效地减小运动模糊和运动混叠现象; 而重建倍数过大会产生严重的时间振铃现象和运动物体位置的跳变。本文对如何在重建过程中确定最优的时间重建倍数进行了研究。通常情况下, 在决定多视频时间重建倍数时只考虑输入视频的个数; 但在实际重建过程中, 除了输入视频个数的因素, 时间重建倍数还与各个输入视频在时间上能提供的冗余信息量有关。文中从多个低分辨率输入视频配准后的位置关系入手, 通过对曝光区间的分析, 提出了确定多视频时间重建倍数的计算方法。最后对提出的方法进行了理论分析与实验, 证明了所提方法的有效性。

提出了基于偏最小二乘法回归的超分辨率复原算法.介绍了偏最小二乘法回归算法的原理,研究和分析了基于偏最小二乘法回归的超分辨率复原算法.将高低分辨率图像块的高频信息和中频信息作为其特征,并采用分块重叠的方法解决了复原时存在的方块效应.通过对亚洲人脸和欧美人脸的实验结果表明,提出的方法无论是对亚洲人脸还是欧美人脸都能取得较好的复原效果,并且在放大倍数较大的情况下,复原的效果仍然显著.

针对图像特征提取与匹配的适应性和准确性问题,将尺度不变特征变换算法(SIFT)应用到图像的特征点提取与匹配中。SIFT算法可在尺度空间寻找极值点,提取对图像尺度和旋转变化具有不变性,对光照变化和图像变形具有较强适应性的特征点及其特征描述。首先,采用SIFT算法提取图像的特征点及其描述,然后,采用基于置信度的匹配算法进行特征点的匹配,以找到图像间准确的匹配点对。最后,对不同光照条件、焦距、拍摄角度获取的图像进行特征点的提取及匹配。实验结果显示,本文算法对图像的光照、平移、旋转变换具有很好的适应性和准确性,能够提升匹配的自动化水平和准确度,准确率超过90％。结果表明,提出的算法可以进一步应用到图像识别,图像重建等领域。