14基于Gabor与PDE的图像细节特征保护算法研究

校验码：0468a2e5-ef91-4dab-9c67-dd3d8de8d7c2投送学科一级学科：控制科学与工程二级学科：模式识别与智能系统如是学科交叉研究，所涉及的一级学科：二级学科：是否涉密：是否√中国博士后科学基金面上资助申请书（第52批）申请者：----博士后全国统一编号：----申报单位：----项目名称：基于Gabor与PDE的图像细节特征保护算法研究研究方向：偏微分方程与图像处理通讯地址：----邮政编码：----E－mail：----固定电话：----移动电话：----申请日期：2012年08月28日中国博士后科学基金会制校验码：0468a2e5-ef91-4dab-9c67-dd3d8de8d7c2须知1.申请者应认真阅读《中国博士后科学基金资助规定》和《中国博士后科学基金面上资助实施办法》，按有关要求逐项填写申请材料。2.如申请项目涉密，不得在网上提交申请材料。申请者需下载申报软件，填写后打印3份申请材料，刻录光盘一张，一并报送设站单位进行审核。3.“投送学科”系指申请者所报项目的所属学科。若申报项目是学科交叉研究项目，应填写所涉及的学科名称。4.“项目名称”不得超过25个字。5.“研究方向”系指申请者所报项目的研究方向，不得超过15个字。6.填表必须实事求是，认真翔实，不得弄虚作假。校验码：0468a2e5-ef91-4dab-9c67-dd3d8de8d7c2一、个人信息姓名----性别男出生日期1972-09-01身份证号452322197209010333国籍中国民族汉族进站时间2011年07月01日预计出站时间2013年07月01日进站单位流动站√0--------工作站0--------学位情况学位授予年月授予单位一级学科导师学士2004年06月北京交通大学计算机科学与技术硕士2004年08月中国地质大学（北京）计算机科学与技术博士2007年03月东华大学控制理论与控制工程主要研究工作经历起止年月单位研究内容项目分工2011-05至今郑州大学偏微分方程及图像处理主持人2006-12至2010-10东华大学偏微分方程及图像处理博士生2004-08至2006-06中国地质大学（北京）数据挖掘与智能算法硕士生校验码：0468a2e5-ef91-4dab-9c67-dd3d8de8d7c2曾获得的研究成果获得科研奖励或基金资助情况（可加项）获得时间项目名称奖励或资助名称等级排名参加或主持的科研项目（可加项）批准时间项目名称下达部门项目性质项目经费项目进展承担责任2011-10-02可压缩Navier-Stokes演化系统相关问题研究河南省科技厅自由探索性基础研究1主要内容已经完成主要参与人2011-06-05基于UWB的物联网定位研究——断路器故障定位浙江省教育厅应用研究项目0.50主要内容已经完成主持人2011-05-05基于智能算法的旅游人力资源预测研究浙江省旅游局应用研究项目0.50结题验收主持人2009-07-03肿瘤学中的偏微分方程海市自然科学基金自由探索性基础研究10结题验收主要参与人2008-06-08基于现代PDE的navier_stokes方法在热粘弹材料中的应用研究河南省科技厅自由探索性基础研究1结题验收主要参与人发表的有代表性论文（包括已被录用、待发表的论文，可加项）发表时间论文题目学术刊物或会议名称学术刊物或会议类型收录情况排名2012-04-03PredictionResearchBasedonImprovedIntelligentAlgorithmModelAdvancesinIntelligentandSoftComputing国际刊物EI12011-09-05TheApplicationtoFractalofComplexDynamicsSystemonInnovativeDesignofTextilePatternDigitalMediaandDigitalContentManagement(DMDCM)国际学术会议EI22011-06-03ResearchesonaClassofReaction-diffusionThermo-plasticMaterialEquationsAdvancedMaterialsResearch国际刊物EI22011-05-15APredictionApproachofE-commerceCustomerLossCESSE2011国际学术会议ISTP12011-03-01ResearchtoE-commercecustomerslosingpredictbasedonroughsetAppliedMechanicsandMaterials国际刊物EI12009-08-03ACombinedChemotaxis-haptotaxisSystem:TheRoleofLogisticSourceSIAMJOURNALONMATHEMATICALANALYSIS国际刊物SCI22009-06-06ImageRestorationModelofPDEvariationICIC2009国际学术会议EI1校验码：0468a2e5-ef91-4dab-9c67-dd3d8de8d7c2出版的有代表性的专著（可加项）出版时间论著名称独著或合著出版社合著排名获专利情况（可加项）受理（授权）时间名称类型排名其他荣誉或成果（可加项）获得时间荣誉或成果校验码：0468a2e5-ef91-4dab-9c67-dd3d8de8d7c2二、申报项目基本信息名称中文基于Gabor与PDE的图像细节特征保护算法研究英文研究类别基础研究应用基础√技术开发项目来源自选项目√国家自然科学基金项目863高技术研究项目973计划项目国家社科基金项目其它国家级重点项目省市或部门重大项目其它项目研究经费来源及数额无项目简要介绍数字图像恢复算法主要有随机模型、小波、PDE（PartialDifferentialEquation）等,其中基于PDE图像恢复算法可以较好地保护图像中的边缘等重要信息，然而，图像的局部特征如纹理或者细节特征在图像恢复过程中会被抹掉。因此，基于PDE的图像恢复算法会丢失图像的局部重要特征，从而可能降低图像的可读性和可理解性。本研究的目的是在图像恢复过程中寻找一种更好地保护图像细节特征的算法。该算法不但能保护好图像的边缘细节，而且还能有效地保护图像的局部特征，如纹理、有意义的小细节等反映图像重要信息的特征。算法创新之处在于将Gabor过滤器的图像特征识别特性融入PDE的图像恢复算法之中，对图像细节特征进行加权保护，再利用较简洁的基于局部能量残余的图像分区机制来控制图像光滑的强度，从而有效地解决传统PDE算法的“盲目性”。Gabor理论与PDE理论相结合的图像处理方法，不论是从实际应用上，还是从数学理论上，都具有一定的价值。此外，该算法的提出为有效解决图像处理领域的难题提供了一种新途径。关键词图像细节保护,图像恢复，Gabor小波,PDE变分校验码：0468a2e5-ef91-4dab-9c67-dd3d8de8d7c2三、项目立论依据内容包括：研究意义、国内外研究现状综述、项目创新之处、主要参考文献及出处（注：可加页）。一、项目研究的意义：本项目问题的提出是在大量搜集并阅读国内外文献资料的基础之上产生的，特别是对文献[1]至[29]的阅读、理解和分析之后，发现文献中虽然提出了较好地图像恢复的纹理保护算法，但是这些算法存在局限性，即这些算法仅针对图像的纹理进行了保护研究，至于图像纹理之外的其他局部有意义特征并未考虑。如果图像的局部特征未给予尽可能多的保留，那么很可能降低图像的可读性和可理解性，从而可能影响有关该图像的一些错误判断，造成不良后果。因此，本项目的目标是在前人研究的基础上，将图像的局部细节保护从纹理保护扩展到有意义的小细节，甚至比较大一些的图像特征的保护，并在局部细节的识别上，借鉴文献[10]，提出了采用Gabor过滤器对图像局部细节特征进行识别的方法，提高了算法的图像局部细节识别能力。Gabor理论与PDE理论相结合的图像处理方法研究的意义体现在：不论是从实际应用上，还是从数学理论上，这一算法的思想都具有一定的价值；此外它能提供一种有效解决图像处理领域难题的方法，更重要的是它对科学思想方法论的贡献。二、研究现状综述：数字图像处理的方法很多，很难评估哪一类方法更适合。关于图像处理的研究已经开展很长一段时间了。最古老的方法也许应该从一维信息处理技术开始。这些方法主要是集中在光谱分析、概率与统计方面的一些基本概念，依靠的是线性或非线性的过滤理论。在这方面如果要深入了解，可以参看文献[14]。回顾已往的研究工作，图像处理领域的方法大概可以分为三类[15,16]：随机模型、小波和偏微分方程(PDE)。随机模型主要是基于马尔可夫随机场理论[17]。它可以直接处理数字图像。小波理论源自于信号处理，并且依赖于分解技术[18,19,20]。在本项目中，不考虑前两类方法，我们的研究只集中在基于PDE的图像处理方法。自从上世纪九十年代以来，基于PDE的图像处理方法已经取得了很大的发展，许多资料书籍都有关于PDE的图像处理方法的介绍[21,22,23,24]。偏微分方程(PDE)是数学分析中最重要的部分，也是与现实世界紧密相关的数学理论。许多的PDE模型来自于物理和机械方面的研究，并且在其他的领域如生物和金融领域也有越来越多的应用，特别是在图像处理领域，PDE方法越来越受到研究者的青睐。图像的质量是许多基于图像应用的基础，然而，由于各种因素的影响，图像的质量总会有一定程度的下降。一幅图像由于加入了“噪声”而质量下降时，应该采用高效和自动的方法来消除它。在图像处理领域，有很多图像处理方法。在本项目中，我们主要是研究基于PDE(partialdifferentialequation)的图像恢复方法。图像处理过程包括图像恢复（去噪）、图像分析和图像识别等过程。图像恢复是图像处理领域的基本处理过程之一，所有图像处理必须要经过这一预处理过程。在最近二十多年以来，基于PDE的图像恢复方法被广泛地应用，这些方法或者是基于最小能量泛函的变分方法，或者是基于非线性度量空间理论的方法[1,2,3,4]。基于Gabor小波变换的Gabor滤波器[28]具有识别图像细微特征的特性。根据需要，Gabor滤波器可由多个滤波器组成，通过调节滤波器的参数并联合空间和频率域来识别图像的细节。在过去的二十年里，Gabor理论已经被应用在图像分析领域，如图像的纹理分类[5]、图像中对象的识别[25]、脸部识别[26]、以及图像检索[27]等。应用Gabor滤波器的关键是要找出一个包含尽量多的图像信息的Gabor滤波器集合。过量的Gabor滤波器可能导致图像信息表达的冗余而造成计算量过大，而过少的Gabor滤波器可能造成图像有用信息的丢失。因此，Gabor滤波器的数量多少与图像有用信息的提取之间的关系是很难确定的，而相对于怎么去选择Gabor滤波器的中心频率、度量和方向等参数而言，后者更重要一些[29]。校验码：0468a2e5-ef91-4dab-9c67-dd3d8de8d7c2将Gabor小波与PDE相融合应用于图像细节保护的图像恢复处理方法未见有文献涉及，因此，我们的研究具有一定的创新性。三、项目创新之处：本项目目的是研究更好的保护图像细节特征的算法，这一算法的思想主要是利用Gabor滤波器自动识别图像细节，然后对图像细节进行加权处理，再利用基于PDE的图像恢复算法对图像进行自动分区，滤除“噪声”，使图像恢复还原，尽可能地接近原始无污染的图像。我们知道，基于PDE的图像恢复算法关键在于自适应过滤函数的选择，一般的PDE图像恢复算法虽然能很好地保护图像的边缘特征，但是存在一些缺陷，即图像的纹理、有意义的小细节，甚至比较大一些的图像特征都被过滤掉了。本项目的算法有效地避免了传统PDE算法的不足，该算法不但能保护好图像的边缘细节，而且还能有效地保护图像的局部特征，如纹理、有意义的小细节等反映图像重要信