针对光学成像系统景深范围有限、景深范围外目标成像模糊的问题, 提出一种区域方差和点锐度相结合的拉普拉斯金字塔变换图像融合方法。该方法首先对多幅源图像做拉普拉斯金字塔变换, 提取源图像在不同频率层的特征信息; 对金字塔顶层图像和其余各层图像, 分别采用区域方差和点锐度作为融合度量, 对其进行融合, 得到融合图像的金字塔各层系数; 最后进行拉普拉斯金字塔逆变换得到融合图像。仿真结果表明, 本文方法得到的融合图像主观视觉效果和客观评价指标均优于其他常用算法, 标准差、互信息和边缘保持度分别提高了0.24%、6.8%和8.4%。该方法有效降低了融合图像的噪声, 获得了更加丰富的边缘信息, 对实现光学成像系统在大视场范围获取高分辨率光学图像具有重要意义。

针对视觉背景提取(Vibe)算法在目标检测过程中存在鬼影且易受动态背景干扰等问题,提出了一种基于多尺度空间的Vibe算法。在建立背景模型前,对输入的视频序列进行金字塔变换,得到顶层、中层、底层3种不同分辨率的图像;再在不同分辨率下进行Vibe前景检测,并对检测结果进行融合,减少了动态背景的影响,同时提出了一种鬼影消除策略,结合帧间信息,加入二次判断策略,加快了鬼影的消除;最后,为了更好地适应动态环境,提出了一种背景复杂度量,根据背景的复杂程度,自适应地调整阈值。实验结果表明:经改进的算法加快了鬼影的消除,对动态环境噪声的干扰有良好的稳健性。

为了弥补金字塔变换算法分解时数据冗余较大、融合结果不理想的缺点, 提出基于金字塔变换算法优化的遥感图像融合新算法。该算法运用金字塔分解构建金字塔序列, 并根据先验知识赋予相应的权重系数, 通过反复迭代重建遥感图像, 再利用班德文克隆选择算法优化选择, 在迭代可承受的范围内, 自适应地修改选择权重系数, 寻求和估计合适的融合参数来优化融合效果, 从而避免金字塔变换算法的经验选择。为了突出本文算法的优点, 实验运用金字塔变换法、遗传算法优化金字塔变换法和粒子群算法优化金字塔变换法进行比较, 从视觉效果和数理统计两个方面分析评价融合质量。实验结果表明, 本文算法更符合人类的视觉感知, 有利于图像的分析和信息的提取。

针对传统图像增强算法只使用空域或变换域处理策略的不足, 提出一种空域和变换域相结合的处理方法。首先通过使用高斯/拉普拉斯金字塔分解技术将原始灰度图像细分成不同频带, 然后在各个频带上分别使用伽玛校正实现对比度均衡化, 最后将均衡化结果再利用高斯/拉普拉斯金字塔重构技术进行恢复, 即可达到图像增强的目的。实验结果表明, 与传统图像增强算法相比, 该算法不但能够提高欠曝光区域的对比度, 而且能够对过曝光区域实现有效抑制, 达到很好的视觉均衡。

针对高光谱图像异常检测中背景问题, 提出了一种新的基于非子采样金字塔变换的异常检测方法。首先对高光谱图像进行分解, 将其划分为不同频率的子块; 根据子块中异常和背景的特点构造变分偏微分方程来抑制背景杂波; 进而将检测算子应用于抑制后的子块; 重构图像, 最终得到异常检测的结果。采用真实和模拟的超光谱图像异常点进行了仿真实验, 与经典的RX算法相比, 实验结果验证了该算法具有很好的检测性能。

提出了一种自适应提升拉普拉斯金字塔变换与数学形态算子相结合的图像去噪方法.首先对图像进行分解,采用自适应提升拉普拉斯金字塔,然后利用自适应提升拉普拉斯金字塔变换后系数能量的分布特性以及尺度内和尺度间的依赖性,结合数学形态算子的特点,利用数学形态算子对变换系数进行处理,使得重要变换系数与非重要变换系数分离,分别对两个不同的子集采用不同的阈值进行处理后,再将两个子集合起来,进行逆变换重建.实验结果表明,该算法具有良好的去噪效果,同时保留了图像的细节信息,获得了较高的图像信噪比.

红绿蓝(RGB)颜色空间中的各颜色分量具有高度相关性,直接分通道实施的彩色逆半调方法会残留大量人眼敏感的半调纹理,且逆半调图像色偏较大。从分析矢量误差分散半调系统模型入手,推导其加噪特性,针对性地提出了一种Karhunen-Loeve(K-L)及多尺度金字塔联合变换的彩色逆半调算法。算法以K-L变换减弱彩色分量相关性,再利用多尺度中值金字塔算子以及维纳(Wiener)滤波分离并抑制高频细节子图中的半调噪声,最后进行中值金字塔、K-L逆变换重构结果图像。实验表明,该算法能有效去除半调噪声、减小重建图像的颜色偏差,与直接分通道逆半调算法相比峰值信噪比值提高约2～3 dB,且重建图像视觉效果良好。

Based on the principle of spatial pyramid for signal, a multi-scale transform of two-dimensional (2D) interpolating pyramid is constructed by the nonlinear median operator. The transform properties of error diffuse halftoning noise on multiple scales are investigated and analyzed through experiments. According to these properties, a robust inverse halftoning method is proposed. The halftoning image is firstly preprocessed by a Gaussian low-pass filter, and decomposed by the one-scale transform. Then a Wiener filter is employed to the detailed coefficients. Finally an inverse image is reconstructed. Experimental results show that the proposed transform has the advantage of separating the halftoning noise and image detail over linear multi-resolution transform. The presented inverse halftoning method performs some excellent abilities on sharp edge, high peak signal-to-noise ratio (PSNR), and small memory requirement.