基于Wyner-Ziv（WZ）结构的四通道贝尔模板图像分布式编解码方法。在编码端对贝尔模板图像进行结构分离转换，形成4个分量图像并分别执行离散余弦变换，依据拉格朗日代价函数的收敛性，利用Lloyd迭代算法设计了全局优化的量化器，采用Slepian-Wolf（SW）信道编码方法对各分量变换系数的量化输出进行独立编码，在解码端利用亮度分量作为边信息，联合解码重构贝尔模板图像。 首先对每个贝尔模板中的像素进行色空间转换，把原始的绿色像素值置换为亮度值，原始红、蓝色像素值置换为色差值，然后把梅花状排列的亮度分量分离并紧凑为两个矩形图像，同理分别把红、蓝色差分量紧凑为矩形图像。最终形成4个分量图像，包括两个亮度分量图像 Y1与 Y2和两个色差分量图像 Cr与 Cb。 进一步建立了具有分布式特征的编解码结构，即编解码器采用了Wyner-Ziv分布式结构，共有4个通道，每个通道对分量图像进行独立编码。首先进行DCT变换，变换系数经过量化后送至Slepian-Wolf（SW）编码器，其编码方式为率可调打孔式Turbo码（RCPT），在编码时同时产生校验位存储在缓冲区，编码器可根据解码器的要求发送相应的校验位。通常可认为这种SW编解码方式是无损的。在解码端，从两个亮度分量提取出边信息S作为SW解码和逆量化重构的参考信息。最后重构出DCT系数，经DCT逆变换得到4个分量图像的估计值，进而可估计贝尔模板图像。 研究中，重点进行了量化器的优化设计。实验表明，拉格朗日代价函数具有较好的凸性，利用Lloyd迭代算法，在给定初始标量量化器后，通过调整量化器参数，计算优化的重构函数和率测度函数，重新计算失真测度，并获得新的代价函数值，直至该函数值不再减小，停止迭代。即可获得优化量化器。在不同的编码通道中，其量化间隔可能有所不同，或者说处于不同编码通道的DCT系数被量化后所处的量化间隔可能不同，但有可能被分配相同的索引，由于解码端边信息的存在，这些相同的索引所对应的量化值也会以很高的概率被正确重构。从系统全局看来，不同通道中不同的量化间隔被分配相同的索引，相当于全局量化函数具有较小的量化间隔，从而具有较低的量化失真。 实验表明，在高速率情况下，所设计的编解码器率失真性能得到较好的改善。

贝尔模板图像传感器被广泛应用在彩色摄像设备之中，长期以来，总是对贝尔模板图像先进行插值获得全彩图像，然后压缩编码，从而达到存储或传输目的。直接压缩贝尔模板图像并与信道联合编码的方法可避免复杂的插值过程，对进一步提高端到端的实时通信性能、降低设备复杂性及功耗具有重要意义。.本项目通过对贝尔模板图像的深入分析，充分利用其冗余特性，研究一种兼顾低复杂度、高压缩比与低失真的高效编码机制，并阐明它的基本原理，建立完整的理论体系。另一方面，基于所设计的贝尔图像编码器和BSC信道特性，根据熵编码特点、量化误差和BSC信道误差特性，建立普适的JSCC失真预测模型，可在离线的情况下获得其所需的参数。从而使得在实际联合编码过程中，不需要根据每幅图像的统计特性和信道实时变化条件来预测失真，以利于实时传输。本项目的实施将丰富图像编码通信理论的内容，研究成果可在嵌入式摄像设备的无线实时通信等领域得到广泛应用。

项目研究可变形模板模型（DTM）这一新理论中的若干问题及其在图像处理、计算机视觉中挠τ茫饕校阂弧TM理论的研究；二、DTM优化算法的研究；三、子波基参数化DTM研究；四、DTM在目标识别、图像处理中的应用；五、自由手写体汉字的DTM的建立。项目结合学科前沿，旨在建立新的图像处理、模式识别理论和方法，预期一些方面有所突破。 2100433B

ROF模型

Rudin，Osher和Fatemi三人在研究中于1992年提出了著名的ROF模型，此模型是利用BV空间(有界变差函数空间)来刻画图像，即最小化全变分范数模型。这个模型能够在分离出大多数噪音的同时能够较好地保持图像边缘。这个模型将图像

TV-G模型

这个模型可以同时将图像分解为

VO模型

VO模型是基于偏微分方程，计算起来又快又简单，可做到纹理的显式表达，从而能较好地从中同时提取纹理和卡通部分，为纹理分割及纹理识别的顺利进行提供条件 。