针对目前单幅雾霾图像复原算法使用单一先验而产生先验盲区的问题,提出一种使用多先验约束的雾霾图像复原算法。首先,提出饱和度先验,使用定义的调节系数简化粗略传递图的求解过程;其次,在马尔科夫随机场模型中,使用颜色衰减先验进行约束并优化调节系数,求解得到精确传递图;接着,利用明暗像素先验得到精准的大气光;最后复原无雾图像。实验结果表明,其他算法与所提算法相比,有效细节强度分别降低了24.9%,51.4%,41.5%,39.3%,色调还原度分别降低了21.4%,24.8%,24.1%,29.5%,由此可知使用所提算法复原图像,图像中的有效细节信息丰富,色调自然,具有较强的适用性。

针对传统的红外与可见光图像融合算法提取目标信息不突出的问题, 提出一种基于非下采样剪切波变换和稀疏结构特征的融合方法.首先用非下采样剪切波变换分解源图像; 然后通过主成分分析提取低频子带系数中边缘和轮廓等显著特征, 引导低频成分融合规则的设计, 同时基于结构信息的稀疏性指导融合高频子带系数; 最后经过非下采样剪切波变换逆变换得到融合后的图像.实验结果表明, 该方法在保留可见光图像背景信息的基础上, 突显了红外图像的结构信息, 有效提高了融合效果.

提出了一种仅基于单个模板的人脸仿射配准方法。首先,为了克服人脸仿射变换而产生的局部形变,引入颜色特征来平衡模板人脸和目标人脸之间的颜色相似性和形状错配率,进而提出了一种基于颜色特征的人脸粗搜索算法。接着,采用人脸粗搜索算法得到的仿射变换作为初始约束,建立上步仿射约束下的人脸形状精确配准算法。在算法的每一步迭代中,利用前一步迭代得到的仿射变换,建立最近点的对应关系,并利用前步仿射约束下的目标函数求解新的仿射变换。本文算法成功解决了旋转、缩放和噪声干扰情况下人脸形状难以配准的问题。与传统人脸仿射配准算法相比,本文算法有效提高了人脸仿射配准的稳健性和精确性。

针对现有单幅图像清晰化算法无法很好地保证去雾和降噪效果的问题,提出了一种在懒惰随机游走模型下的单幅雾天含噪图像清晰化算法。分析了现有大气散射模型的物理意义,并对其加以改进,使之更符合实际雾天含噪图像的特殊性,利用懒惰随机游走模型估计改进雾天退化模型的衰减项;利用几何约束和color-line先验获取精准的退化模型中的大气光,最后恢复出噪声水平低的无雾图像。实验结果表明,所提算法在获得最佳去雾效果和抑制噪声水平的同时,具有较强的稳健性。

为解决暗通道先验去雾算法在天空区域和大片白色区域色彩失真的问题, 提出了一种基于稀疏表示模型和特征提取的单幅图像去雾算法。通过稀疏字典的训练过程, 学习雾天图像的稀疏特征, 初步优化粗略介质传输图的稀疏系数。根据雾天灰度图像的稀疏特征, 进一步精细化介质传输图。逆向求解雾天退化模型, 得到去雾图像。实验结果表明, 所提算法在天空区域的处理上优势明显, 同时恢复出更多的图像细节和边缘信息。

针对传统融合方法融合后目标轮廓模糊和细节不突出等问题,提出一种在剪切波框架下基于邻域结构特征的红外与可见光图像融合算法。通过剪切波变换对源图像进行分解得到与源图像同尺寸的高频和低频子带系数;为防止融合后图像边缘模糊,对低频子带系数采用几何距离与能量距离加权的融合规则,对高频子带系数采用灰度差异与梯度距离加权的融合规则来更好地保留源图像的细节信息;经剪切波逆变换得到融合后图像。结果表明,本文算法能有效地提取红外目标信息和保持可见光图像信息;在保留图像轮廓信息的基础上,凸显目标信息,有效地改善图像融合效果。

现有单幅图像去雾算法大多基于局部先验,去雾结果存在块效应。在处理浓雾区域时,如果没有特殊处理,会导致图像中的一些伪影被增大,比如在原始的有雾图像中几乎不可见的噪声、色彩重叠等,在去雾后的图像中被增强,进而影响图像质量。针对以上存在的问题,提出了一种改进算法。首先采用非局部先验,估算初始的透射率,然后采用正则化的方法优化透射率,并且将原始图像和去雾后图像的梯度差L_1/2范数作为正则化项,达到抑制噪声干扰的目的。结果表明,该算法能够很好地恢复出图像的细节信息和色彩;与局部先验方法相比,具有更好的稳健性。

为了克服传统图像融合结果存在对比度不足和细节缺失的缺点，提出基于非下采样剪切波-对比度变换(NSSCT)的图像融合算法。分析了图像经非下采样剪切波变换(NSST)后高频系数间的关联性与差异性，构造了高频系数方向性基本一致的NSSCT变换，保留了融合图像的高频系数细节，并提升了对比度。基于图像的低频特点，采用显著性增强方法对低频系数进行融合，通过NSSCT逆变换得到对比度提升和细节增强的融合图像。实验结果表明，在图像对比度提升与细节保留方面，本文算法比基于小波、NSST和显著性等算法具有明显优势。

为了将红外图像的全局信息与可见光图像的细节信息进行有效结合，进一步提高融合后图像的质量，提出了一种同时增强图像边缘细节和对比度的非下采样剪切波变换（ NSST）域红外和可见光图像融合方法。首先，通过平移不变剪切波将图像分解成为低频子带与高频子带，通过全局显著性图分析图像的对比度信息；利用改进型局部显著度图分析图像局部边缘信息。针对不同频带系数，结合边缘信息和对比度信息对频带系数进行融合，最后，利用逆变换得到最终的融合图像。大量实验结果表明，本文方法在提高图像整体对比度的同时增强了图像的边缘细节表现能力，优于现有的基于小波变换，非下采样轮廓波变换（NSCT）和显著度图等几种图像融合方法。

提出一种消除阶梯效应与增强细节的变分Retinex红外图像增强新算法。将高斯曲率正则项应用到变分Retinex模型的构建中，采用一阶微分对模型添加细节增强约束项，实现细节信息的自适应增强。结合邻域差分，引入曲率滤波方法对变分模型求取最优解。实验结果表明，与采用其他变分Retinex方法相比，采用新算法处理后的图像在定量评价指标上优于对比算法。新算法能消除阶梯效应，增强图像的细节和视觉效果。