该研究使用积分几何技术导出了一个新的模型来计算曲率，该模型在保留细节和连续结构的同时，可以高效地使用信任域框架进行优化，获得精确和视觉上令人愉悦的结果，避免强烈的块状伪影。

Nov, 2013

本文探讨使用可变形状像素来提高图像扫描的视觉质量的 less-investigated 想法，提出了一种自适应滤波技术，报告了图像 PSNR 的改进。

Jun, 2015

本文通过使用对数图像处理标量乘法，建立了数学形态学和Asplund距离图之间的联系，演示了该映射是一个函数的膨胀和侵蚀之比的对数。通过使用平坦的构产元素简化了Asplund距离图的表达式，这些映射留在图像的格子中。作者通过非平坦结构函数的模式匹配示例展示了他们的方法。

Jan, 2017

本文提出一种基于偏振和光度阴影信息的微分方法来直接重建表面高度，用于光度极化形状估计，通过图像比率技术来结合阴影和偏振信息，并引入了一种从多通道数据估计极化图像的新方法，得到了在合成和现实数据上得到较好的效果。

Aug, 2017

本论文引入了第一类最小解算器，可以联合求解来自共面重复模式的仿射矫正和径向镜头畸变。

Nov, 2017

本文提出了一种利用指数变换的局部导数生成结构图和纹理图的新方法，并进一步提出了一种新的结构和纹理感知Retinex（STAR）模型，以 vectorized least squares regression为基础，通过交替优化算法求解来分解图像.在多组公共数据集上进行了综合实验，显示出STAR模型在低光图像增强和色彩校正等方面比以前的竞争方法产生了更好的定量和质量表现。

Jun, 2019

本文提出了“正切图像”，这是一种球形图像表示，可促进可转移和可扩展的360度计算机视觉。通过在一个细分的二十面体上渲染球形图像，我们可以将其转换为消除畸变的局部平面图像网格的集合。通过在不改变细分级别的情况下独立地改变这些网格的分辨率，我们可以有效地表示高分辨率的球形图像，同时仍然从低畸变的二十面体球面近似中获益。我们展示了训练标准卷积神经网络在正切图像上的比较优越性，同时也可有效地处理显著更高的球面分辨率并具有高的可转移性。此外，由于我们的方法不需要专门的卷积核，因此我们证明了我们可以将在透视图像上训练的网络转移到球形数据上而不需要微调，而性能下降有限。最后，我们演示了正切图像可以用于改善球形图像上的稀疏特征检测的质量，说明了其在传统计算机视觉任务中的实用性，例如运动估计和SLAM。

Dec, 2019

通过对几何卷积、外积、张量索引收缩和张量索引排列的结合，我们提出了几何图像网络，可以更好地处理科学领域中粒子、向量和张量层面的图像信息。在小规模数值实验中，我们发现该网络具有很好的泛化性能，可以应用于宇宙学或海洋动力学等科学机器学习问题。

May, 2023

本文提出了一种利用太阳系中天体的图像进行总空间摄像机标定的方法，该方法组合了拍摄到的椭球和与目标相对状态的信息，可从单个图像完成标定，其算法在卫星拍摄的土卫六照片中被应用，可以将聚焦距离和主点的标准偏差分别降至0.5毫米和3.1像素。

Jul, 2023

基于受视觉皮层V1启发并赋予rototranslation群SE(2)一个次黎曼结构，我们提出了一种基于次椭球扩散的图像修复和增强算法。通过我们称之为WaxOn-WaxOff的过程，我们创新性地改进了Citti、Sarti和Boscain等人之前的方法的实现，以防止消失并能够产生更清晰的结果。我们还利用次黎曼结构为SE(2)定义了一个全新的类似于经典二维图像处理中的unsharp滤波器的unsharp filter，并应用于图像增强。我们在视网膜扫描中的血管增强上演示了我们的方法。

Aug, 2023