半局部变换及其在图像处理中的应用研究

The traditional local transform method has been the bottleneck in the image processing research, the emergence of nonlocal method for image processing research has injected new vitality. This project aims to make full use of respective advantages of local transformation method and nonlocal method, to set up a bridge (called semilocal transform) between the two methods to achieve the image linear singularity adaptive representation, so as to get better image processing results. The main studies in this project include two semilocal transform methods: gradient direction transformation and block extracting transformation. The purpose of gradient direction transformation is that the oblique linear singularity and curve singularity are both transformed to horizontal linear singularity, then combining with local transform method to achieve better image processing results; Block extracting transformation is to extract some image blocks from an image according to certain rules, performing wavelet transform among these blocks can well represent the linear singularity in this image. This project will study the above two semilocal transform methods by combining with image restoration, image enhancement, etc., of course, these two kinds of semilocal transformation methods have certain universality for image processing in many research directions.

传统的局部变换方法在图像处理研究中已经出现了瓶颈，非局部方法的出现为图像处理研究注入了新的活力。本项目旨在充分利用局部变换方法与非局部方法的各自优势，建立两者之间的桥梁(称之为半局部变换)以对图像的线状奇异性实现自适应表示，从而获得更好的图像处理结果。本项目主要研究两种半局部变换方法：梯度方向变换与块抽取变换。梯度方向变换的目的在于将图像中的斜向直线状奇异性与曲线状奇异性变换为水平方向的直线状奇异性，再结合局部变换方法实现更好的图像处理结果；块抽取变换是在一幅图像中按一定规则抽取若干图像块，执行这些块间的小波变换能将图像中的线状奇异性较好地表征出来。本项目将结合图像恢复、图像增强等，研究上述两种半局部变换方法，当然这类半局部变换方法对图像处理的众多研究方向都有一定的通用性。

本项目主要将提出的半局部变换方法应用于图像处理，研究了图像去噪，图像增强，多聚焦图像融合，压缩感知磁共振图像重构，基于图像增强的7T磁共振图像大脑血管周围间隙分割，以及机器学习等方面的研究内容。. 本项目在执行期间基本按原计划对提出的研究内容进行了深入研究。对BM3D中算法进行了改进，提出了一种多级块匹配变换域滤波图像去噪方法，提出的方法实现了比原始BM3D算法的更好的图像去噪结果。本项目还将非局部方法应用于多聚焦图像融合，提出了一种基于块匹配的多聚焦图像融合算法，此方法将块匹配操作与离散余弦变换（DCT）有机结合，通过图像块的DCT系数的交流分量能量来判断图像块的聚焦情况，提出的算法获得了比现有的方法更好的多聚焦图像融合结果。压缩感知磁共振成像是近几年比较热门的研究课题，本项目将非局部方法去噪模型与传统的压缩感知磁共振图像重构算法相结合，提出了一种非常有效的基于图像块匹配的压缩感知磁共振图像重构算法，相关成果于2014年发表在医学图像处理顶级期刊Medical Image Analysis上，当前该文Google Scholar他引已达118次。本项目还将研究内容中提出的块抽取变换应用于7T磁共振图像大脑血管周围间隙增强与分割研究方面，获得了state-of-the-art的血管周围间隙分割结果。此外，本项目还进行了机器学习方面的研究，尤其对属性学习进行了深入研究，2014年发表的3篇机器学习SCI论文Google Scholar他引累计已达73次。. 本项目在执行期间共发表了SCI收录论文6篇，中文EI 期刊论文1篇，EI收入国际会议论文1篇，申请发明专利2项，基本完成了项目的预期目标。