影像處理的自適應變分模型與數值計算;Adaptive Variational Models and Numerical Computations for Imaging Processing

NCU Institutional Repository > 理學院 > 數學系 > 研究計畫 > Item 987654321/82396

請使用永久網址來引用或連結此文件: http://ir.lib.ncu.edu.tw/handle/987654321/82396

題名:	影像處理的自適應變分模型與數值計算;Adaptive Variational Models and Numerical Computations for Imaging Processing
作者:	楊肅煜
貢獻者:	國立中央大學數學系
關鍵詞:	影像處理;變分模型;自適應方法;影像對比強化;影像融合;影像超解析度重建;;image processing;variational model;adaptive method;image contrast enhancement;image fusion;image super-resolution reconstruction.
日期:	2020-01-13
上傳時間:	2020-01-13 14:50:34 (UTC+8)
出版者:	科技部
摘要:	基於我們近期在影像去噪和影像分割研究的成功經驗，在這個三年期的研究計畫中，我們將針對影像處理中的幾個基本問題，探索其自適應變分模型及開發有效的數值計算方法。我們主要將關注下列三個影像處理主題，這些基礎議題經常來自影像處理的眾多應用問題之中：影像對比強化、影像融合、和影像超解析度重建。(1) 影像對比強化：我們將研究自適應變分模型應用於低光度影像的對比強化，其中所期望的新影像梯度接近所給定的影像，同時減低變異數以達到不均勻照明的平衡。我們亦將證明分割的Bregman迭代法可以有效地求解該自適應變分模型。(2) 影像融合：影像融合的主要目標是整合多個來源影像，將同一場景融合變成一張更具信息性的影像。我們將研究一種基於一階和二階梯度信息的自適應變分影像融合模型。其中第一要務是探索特徵選擇的策略，然後將此策略整合進該自適應變分影像融合模型中。 (3) 影像超解析度重建：影像超解析度重建的目標是採取一組包含一個或多個低解析度的輸入影像，在沒有信噪比損失的情況下提升影像的解析度。我們將結合影像填補的變分技術，極小化某一種自適應能量泛函，以重建更高解析度的影像。本年度申請主持科技部各類研究計畫共三件(含預核)，本件優先順序為第一！ ;Based on our recent successful experiences in the study of image denoising and image segmentation, in this three-year project, we are going to explore adaptive variational models and to develop efficient numerical methods for some fundamental issues in the image processing. We will mainly focus on the following three image processing tasks which are frequently arising from numerous applications: contrast enhancement, fusion, and super-resolution reconstruction. (1) Image contrast enhancement: We will study an adaptive variational model for contrast enhancement of low-light images, in which the gradient of the desired new image is close to that of given image but with reduced variance to balance inhomogeneous illumination. We will show that this adaptive variational model can be solved efficiently by using the split Bregman iterative scheme. (2) Image fusion: The main goal of image fusion is to integrate several sources images of the same scene into a more informative image. We will study an adaptive variational image fusion model based on the first and second-order gradient information. The first task is to explore a feature selection strategy which is then integrated into the adaptive variational model for image fusion. (3) Image super-resolution reconstruction: The objective of super-resolution reconstruction is to take a set of one or more low-resolution input images of a scene to increase the spatial resolution without a loss in signal-to-noise ratio. Combining with the image inpainting techniques, we will minimize an adaptive energy functional to reconstruct a higher-resolution image.
關聯:	財團法人國家實驗研究院科技政策研究與資訊中心
顯示於類別:	[數學系] 研究計畫

文件中的檔案:

檔案	描述	大小	格式	瀏覽次數
index.html		0Kb	HTML	268	檢視/開啟

在NCUIR中所有的資料項目都受到原著作權保護.

社群 sharing

資料載入中.....