摘要：利用图像非局部不连续性测度的概念,建立了面向图像超分辨的非局部正则化能量泛函和相应的变分框架.理论分析了该框架与目前关于双边滤波等一类广义邻域滤波器和经典的变分偏微分方程模型之间的联系.推导了该非局部泛函约束的变分模型最优解满足的积分形式欧拉-拉格朗日方程,并研究了其最速下降流满足的若干重要性质.基于图理论,设计了图像超分辨的自适应加权迭代算法.最后通过选择不同势函数的非局部正则化泛函进行图像去噪、去马赛克效应和图像超分辨处理,性能分析表明：相同势函数下,非局部正则化方法优于同类局部正则化方法,峰值信噪比提高0.5~1.0dB.

摘要：文章旨在研究非线性数字滤波器的统一设计框架问题.基于稳健统计理论和双边滤波思想,首先建立了一种鲁棒的图像复原统一能量泛函.该能量泛函充分融合了双边滤波的双重异性加权机制和稳健ρ-函数对边缘奇异点的鲁棒性处理机制,因而具有更强的边缘保持能力.随后,基于图像复原统一能量泛函的欧拉-拉格朗日方程,导出一种非线性数字滤波器的统一设计框架.特别地,在此统一框架下,双边滤波、数字TV滤波以及自适应平滑均可进行相应的扩展.同时,文中系统比较了各种稳健ρ-函数在边缘保持方面的鲁棒性,并提出一种新型边缘保持性稳健ρ-函数,即ρ(x)=-σ2(1+|x|/σ)exp(-|x|/σ)+σ2.不论是视觉效果方面还是峰值信噪比方面,大量实验结果验证了文中统一设计框架的合理性和新型稳健ρ-函数的边缘保持性.

摘要：主要研究结构张量驱动的变分偏微分方程(variational Partial Differential Equation;variational PDE)图像建模方法的滤波性能.基于角形强度度量和水平线演化理论,设计了一种具有角点增强性能的角形冲击滤波器,以克服边缘冲击滤波器增强图像的不足.基于边缘和角形冲击滤波器,分析了扩散张量驱动的各向异性PDE的滤波性能.指出,散度型各向异性PDE实质上对应着角点保持的平滑-增强滤波机制;而可计算迹型PDE是散度型各向异性PDE的退化情形,对应的是不具有角点保持性能的平滑滤波机制.在此基础上,给出了结构张量驱动的变分泛函满足角点保持性的条件,同时建立了面向应用的统一正则PDE框架,直观有效地刻画了平坦区域、边缘和角形状结构的滤波性能.单幅图像插值实验结果验证了统一正则PDE框架的有效性.

摘要：流线形风格化图像是印象派风格的典型代表,其艺术特点是通过流线条表现狂野与活泼的流动感,又通过色彩的层叠感表现时空的凝滞性.提出一种流线形风格化图像绘制算法,通过提取目标图像的结构矢量场,利用欧拉弹性模型进行光顺化得到流线场;通过结合凹凸映射的多源光照渲染和色彩扰动得到色彩层叠感强的纹理图;然后利用线积分卷积方法对流线场和纹理图进行合成,并利用样本梵高图像进行颜色传输得到最终的绘制结果.实验结果表明该算法自动化程度高,绘制结果具有较好的流线流动感和色彩层叠感.

摘要：本文首先研究设计出结构自适应的各向异性数字滤波器,同时导出广义各向异性MRF(Markov RandomField)图像模型.它继承了各向异性数字滤波器的滤波性能,是对双边全变差模型以及经典MRF模型的有效改进.随后,提出各向异性模型驱动的联合估计亚像素运动和高分辨率图像的变分超分辨率重建算法.实验结果显示,本文算法具有更优的噪声抑制和边缘保持性能.

摘要：目前,大部分彩色去马赛克(Color DeMosaicking,CDM)算法仅利用了局部的空间和光谱相关性,容易导致CDM复原图像边缘模糊以及细小结构丢失.当图像中出现周期性细小结构时,这些局部方法容易产生诸如锯齿、栅格等失真现象.针对这些问题,我们将字典学习和稀疏编码统一到一个变分框架中,提出了非局部自适应稀疏表示模型.通过非局部相似块聚类自适应地在线学习字典.利用局部和非局部的冗余信息对稀疏编码进行约束,强制稀疏编码靠近其非局部均值以减少编码误差.为了有效抑制服从重尾分布的CDM误差,设计了基于l1范数的数据项.最后,联合交替最小化方法和算子分裂技巧对模型进行有效求解.实验结果验证了本文模型与数值算法的有效性.

摘要：为提升《医学心理学》课程的教学质量,并进一步帮助学生获得更好的学习效果,根据我国医学教育的发展需要对传统教学方式进行了改革。本研究借助微信公众平台,将PBL联合CBL的混合式教学模式应用于《医学心理学》教学中,经多次调整改进后形成包括前期分析与设计、教学实施以及教学评价设计三个阶段的基本模式。研究结果显示,该模式的应用能够优化教学过程,促进教学目标的达成。

摘要：增量学习在图像分类中已经获得了不错的效果,但是将增量学习技术直接应用于多类目标检测具有一定的挑战性。相比图像分类,目标检测是一项更复杂的任务,因为它结合了分类和边框回归的问题。目前最先进的增量目标检测器大多采用基于知识蒸馏的外部固定区域建议方法,该方法需耗费大量的时间和成本。由于单阶段检测器缺少旧类别的标注和区域建议信息,检测器通常会将旧类目标识别为背景,从而导致灾难性遗忘,因此提出了一种基于边框距离度量的标签选择算法。该算法利用旧模型检测结果和现有的数据集标签,通过度量边框重合度进行选择与合并,弥补了新数据集中旧类目标注释缺失的问题,缓解了灾难性遗忘。同时设计了一个注意力残差模块,该模块通过将注意力模块与残差模块相结合,在特征提取网络的不同深度均能提取可鉴别性特征,进一步提升了模型检测新旧类目标的精度。在单阶段检测框架中实现了该方法,同时在PASCAL VOC数据集上验证了该方法的有效性。与目前最好的方法相比,所提模型检测旧类别目标的平均精度值mAP高出了2.8%,总体的平均精度值mAP高出了2.1%。所提方法得到的伪标签有效缓解了遗忘问题,注意力残差模块的设计提升了模型的检测精度。

摘要：为了提高基于位图的形状编码方法的可扩展性 ,提出一种能够用于二值位图的图像变换———Zh变换 表示视频对象形状的二值位图经过Zh变换以后 ,被分解为一些较小的位图 这些小位图从粗到精地描述了原来视频对象的形状 在Zh变换的基础上 ,结合基于上下文的算术编码 ,提出一种视频对象形状编码方法 实验结果证明 ,该方法不仅具有很好的空间和信噪比可扩展性 ,而且在编码效率上也明显高于MPEG

摘要：在单幅运动模糊图像的盲复原问题中,图像中强边缘部分的利用成为模糊核估计的关键所在.为此,本文提出了一种优化重加权L1范数的图像盲复原算法.首先,建立了基于加权L1范数的模糊核盲估计模型,并引入了一种图像平滑模型对权重进行优化估计,从而减少计算权重时受细小结构以及噪声的影响,其次,设计了模糊核盲估计模型求解的迭代收缩阈值数值算法,最后采用了一种基于超拉普拉斯先验的快速图像非盲复原算法对模糊图像进行复原.仿真和实际数据实验结果验证了本文算法的有效性.