颜色传递是近年来图像处理和计算机视觉领域的热门研究问题，随着立体图像技术的发展，对于立体图像的颜色传递越来越受关注。本文提出一种双目立体图像的颜色传递方法，在完成颜色传递的同时力求提升用户的观看体验。根据用户实际需求，可以对目标对象进行颜色传递，而保持背景的颜色不改变。在本文提出的方法中，由用户指定图像对象，然后用图割的方法进行图像分割，根据所选对象与目标图像颜色特征的多元高斯模型匹配完成颜色传递。为了进一步增强观看效果，本文在颜色传递的同时进行非线性视差优化，从而提高目标对象的深度感。本文从不同立体图像库中随机选取图像进行实验，实验结果表明，本文方法中颜色传递和视差优化的结合，可以很好地提升立体图像的观看体验。

基于最小能量误差得到左右视图的视差图,分别对左、右视图和视差图进行4尺度、12个方向的可控金字塔分解,每一幅图像可得到1条高频子 带和48条方向子带。对左、右视图分解后相对应的48对方向子带进行二元广义高斯分布拟合,提取其形状参数和尺度参数,并提取所有方向子带的跨 尺度相关性、空间相关性等特征信息,将这些特征输入支持向量回归(SVR)训练预测得到立体图像质量评分。结果表明该质量评价模型在LIVE 3D数 据库上的性能指标斯皮尔曼等级相关系数(SROCC)、线性皮尔逊相关系数(CC)均在0.93以上,与人类的主观评价具有较好的一致性。

为了实时监测图像质量, 建立了像素小波系数的二元空间依存关系模型, 并利用该模型实现了图像质量的无参考评价。首先, 将RGB图像映射到HSV空间; 对图像进行小波分解, 并建立小波系数的二元空间依存关系模型, 即以广义高斯分布来拟合小波系数的二元联合分布。然后, 分析二元空间依存关系与图像质量的相关性, 建立了无参考图像质量评价指标。最后, 对图像质量评价指标进行了测试及对比研究。基于TID2013、LIVE及CSIQ数据库完成了测试, 结果表明: 基于空间依存的无参考图像质量评价指标可以对图像的失真程度进行准确分级, 分级准确率达到96%以上; 采用基于空间依存的无参考图像质量评价方法可以实现对图像质量失真度的准确分级。

本文针对高斯模糊失真的立体图像, 提出了一种基于二维经验模式分解的无参考质量评价方法。该方法先通过二维经验模式分解将图像分解成内蕴模式函数分量和残差图像, 再对每个内蕴模式函数分量提取它的统计信息量(均值, 方差和信息熵), 并结合广义高斯分布方法提取每个内蕴模式函数分量的形状参数、尺度参数作为图像的特征信息, 然后利用支持向量回归模型对特征进行融合并预测得到立体图像质量的客观评价值。实验结果表明, 该模型与主观评价结果有较好的相关性, 符合人眼视觉系统。

对红外图像进行非下采样 Contourlet 变换, 分析其系数的统计特征, 采用广义高斯分布来模拟系数的概率分布。根据非下采样 Contourlet 变换的带通子带各方向能量不同的特点, 提出修正的贝叶斯阈值公式, 为了克服软、硬阈值函数的缺点, 又提出一种具有可调节自适应性的新阈值函数, 最后利用新阈值函数估计出不含噪声的变换系数, 并通过非下采样 Contourlet 逆变换得到去噪后的红外图像。仿真实验表明, 文中方法在峰值信噪比及视觉效果上均优于经典的小波阈值去噪算法。

提出了一种基于非下采样Contourlet变换（NSCT）域图像去噪算法.首先根据尺度间与尺度内的NSCT系数之间的相关性，用非高斯分布模型对NSCT系数与其邻域系数及父系数进行建模，给出分类准则，把系数分为重要系数和非重要系数，再采用广义高斯分布来模拟重要系数的概率分布，根据贝叶斯理论得到自适应阈值，并求出最佳参量范围.为了克服软、硬阈值函数的缺点，提出一种自适应的新阈值函数，利用新阈值函数估计出不含噪音的变换系数，并通过非下采样Contourlet逆变换得到去噪后的图像.仿真实验表明，本文方法在峰值信噪比、结构相似性与视觉效果上均优于目前许多优秀的去噪算法.

融合拉普拉斯分布及广义高斯分布模型对非子采样Contourlet 变换(NSCT)系数进行了统计建模分析。研究发现,NSCT作为平移不变Contourlet 变换,系数在不同尺度和方向上均存在较大冗余,在广义高斯分布性等方面需引入参数加以约束。根据建立的统计模型进行了医学图像去噪实验。结果表明,和Contourlet 及NSCT软硬阈值去噪等比较,该建模方法提高了噪声估计精度,增加了峰值信噪比,改善了图像视觉效果。