论文部分内容阅读
图像是机器视觉系统的重要视觉信息。然而,图像采集和成像系统不可避免的存在模糊、运动变形和噪声等降质和退化过程,不但影响了人们对图像的视觉感受,而且大大降低了图像中有效信息的利用。例如,对降质图像进行分割处理,分割的精度会严重下降,因而影响目标的检测、识别与理解。因此降质图像的预处理及其分割是图像处理和计算机视觉中的一个重要科学问题。本文以降质图像的分层贝叶斯超分辨预处理和分层自适应图像分割为研究对象,展开相关算法研究。在综述了图像超分辨和分割算法的国内外现状的基础上,介绍了分层贝叶斯推断及其变分贝叶斯原理,取得了如下研究成果:1)基于分层贝叶斯推理理论,我们设计和实现了一种基于水平和垂直梯度的L1稀疏性先验的变分贝叶斯超分辨方法。通过图像退化过程建模,图像先验建模和超参数先验建模,建立了多幅图像变分贝叶斯超分辨模型,最后实现了非盲和盲两种方式的图像超分辨率重建算法。并且基于YUV颜色空间进行推广,实现了彩色图像的贝叶斯超分辨率重建。实验结果表明:贝叶斯超分辨方法能得到很好的估计多幅图像的配准参数,达到较好的多幅图像的盲超分辨。2)研究了一种基于代数多重网格的分层次图像分割的方法机理。在此基础上,通过建立分层次图模型,给出了一种新的自上而下的图像分层自适应分割方法。实验结果验证了该算法能实现多尺度的自动分割,本文分割方法在没有交互信息的情况下能够取得接近于带交互信息的迭代图割算法的分割性能,具有很好的分割精度。3)设计与实现了一个降质图像的贝叶斯超分辨和分层次分割应用系统。能够在对降质图像进行盲超分辨预处理基础上,对降质图像中的感兴趣目标进行分割,并能得到很好的分割精度。我们的系统可以进行非盲和盲两种方式的超分辨,降质图像既可以是灰度图像,也可以是彩色图像,其中彩色图像有两种超分辨方式。本系统的分割是自动式分割,不需要人机交互,能够得到多层次的分割结果。