基于Curvelet变换和全变差的图像去噪方法

Curvelet变换用于图像去噪可以较好地保留图像的细节信息,但在边缘处会产生"划痕"现象.采用全变差法进行去噪能保持边缘形状不变,但也会丢失图像的纹理等细节信息.为了充分利用两种方法的优点,将Curvelet变换和全变差相结合提出了一种有效的图像去噪方法.首先,对含噪图像分别进行Curvelet阈值去噪和全变差去噪.然后,将两幅去噪图像进行Curvelet融合,对于低频系数和高频系数分别采用加权平均和绝对值取大的融合算法.最后,将融合后的低频系数和各尺度高频系数进行Curvelet反变换得到融合后的去噪图像.实验表明,该方法能有效地降低图像噪声,又尽可能地保留图像的细节,其去噪效果明显优于单一Curvelet阈值法和全变差法.     

二尺度分解和显著性提取的红外与可见光图像融合

为增强红外与可见光图像融合可视性,克服红外与可见光图像融合结果中细节丢失、目标不显著和对比度低等问题,提出一种基于二尺度分解和显著性提取的红外与可见光图像融合方法。首先,以人类视觉感知理论为基础,针对人眼对图像不同区域敏感性不同特性,在跨模态融合任务中需要对源图像进行不同层次分解,避免高频分量和低频分量混合减少光晕效应,采用二尺度分解方法对源红外与可见光图像进行分解,分别获取各自的基本层和细节层,该分解方法能够很好的表达图像并具有很好的实时性;然后,针对基本层的融合提出一种基于视觉显著图(VSM)的加权平均融合规则,VSM方法能够很好提取源图像中的显著结构和目标。采用基于VSM的加权平均融合规则对基本层融合,能够有效避免直接使用加权平均策略而导致对比度损失,使融合图像可视性更好;针对细节层的融合,采用Kirsch算子对源图像分别提取得到显著图,然后通过VGG-19网络对显著图进行特征提取获取权值图,并与细节层进行融合,得到融合的细节层;Kirsch算子能在八个方向上快速提取图像边缘,显著图中将包含更多边缘信息和更少噪声,且VGG-19网络能够提取到图像更深层特征信息,获取的权值图中将包...     

基于Cycle Spinning Contourlet变换和总变分最小化的遥感图像去噪算法(英文)

针对大部分已有的遥感图像去噪算法在去噪的同时不能有效的保留细节和增强边缘,提出了一种基于Cycle Spinning Contourlet变换和总变分最小化的图像去噪新算法.该算法依据了Cycle Spinning Contourlet变换能够很好的保留原始图像的细节和纹理信息,而总变分最小化方法具有在去噪的同时增强图像边缘的特性,因此使用所提出的融合规则对两种算法去噪后的图像进行融合能够取得更好的增强效果.通过对比,实验结果表明该算法不仅能在很大程度上削弱分别由平移不变Contourlet变换和总变分最小化的图像去噪方法产生的伪吉布斯现象和阶梯效应,而且视觉效果和PSNR值均优于其它方法,同时该算法能够保留更多的光谱信息,因此该算法是一种有效的遥感图像去噪算法.     

基于Cycle Spinning Contourlet变换和总变分最小化的遥感图像去噪算法

针对很多已有的遥感图像去噪算法去噪的同时存在不能有效的保留细节和增强边缘的问题,提出了一种基于Cycle Spinning Contourlet变换和总变分最小化的图像去噪新算法。该算法依据了Cycle Spinning Contourlet变换能够很好的保留原始图像的细节和纹理信息,而总变分最小化方法具有在去噪的同时增强图像边缘的特性,因此使用所提出的融合规则对两种算法去噪后的图像进行融合能够取得更好的增强效果。通过对比,实验结果表明该算法不仅能在很大程度上削弱分别由平移不变Contourlet变换和总变分最小化的图像去噪方法产生的伪吉布斯现象和阶梯效应,而且视觉效果和PSNR值均优于其它方法,同时该算法能够保留更多的光谱信息,因此该算法是一种有效的遥感图像去噪算法。     

基于Contourlet变换和形态学的图像增强方法

传统的图像增强算法在增强图像时,增大噪音,同时丢失细节.针对该问题,结合Contourlet变换中相关系数理论,提出了基于Contourlet变换和数学形态学的图像增强新算法.首先,对图像进行Contourlet变换分解,采用数学形态学算子对高频细节部分区分为细节信息和噪音产生的系数,然后,对变换系数采用非线性映射函数进行增强.最后,利用修改后的变换系数进行Contourlet逆变换得到增强后的图像.实验表明,该方法无论是增强效果还是抗噪性能都明显优于传统的图像增强算法.     

基于潜在低秩表示与复合滤波的红外与弱可见光增强图像融合方法

针对传统红外与弱可见光图像融合算法中存在的亮度与对比度低、细节轮廓信息缺失、可视性差等问题,提出一种基于潜在低秩表示与复合滤波的红外与弱可见光增强图像融合方法.该方法首先利用改进的高动态范围压缩增强方法增强可见光图像提高亮度;然后利用基于潜在低秩表示与复合滤波的分解方法分别对红外与增强后的弱可见光图像进行分解,得到相应的低频和高频层;再分别使用改进的对比度增强视觉显著图融合方法与改进的加权最小二乘优化融合方法对得到的低频和高频层进行融合;最后将得到的低频和高频融合层进行线性叠加得到最终的融合图像.与其他方法的对比实验结果表明,用该方法得到的融合图像细节信息丰富,清晰度高,具有良好的可视性.     

基于小波变换的图像融合新算法

针对现有图像融合技术中的尺度系数卷积法存在的边缘细节损失和对比度下降问题，提出了将Canny边缘检测算子等价于提取图像的小波变换模极大值点这一思想引入图像的低频分量融合规则以及用于高频子带融合的局部对比度结合方向方差方法.最后通过仿真试验以及熵值数据证明该算法有效改善了边缘细节的准确度，提高了分辨率，并使局部对比度信息得以保留，从而更加符合人类的视觉特性.     

近红外与可见光双通道传感器信息融合的去雾技术

为了对雾霾天气下的图像进行去雾处理，多幅图像去雾算法是常用的方法之一。多幅图像去雾算法也有多种形式，部分算法面临硬件实现困难、获取途径受限或者可实施性弱等问题，而且多幅图像比对处理时常常涉及图像配准，造成算法的实时性差、计算复杂度高等问题。针对以上问题，提出的算法为多幅图像去雾提供了新的思路，基于双目传感器硬件架构能够同时捕获近红外和可见光图像，将近红外传感器图像作为新的数据源，近红外传感器能够在一定程度上穿透雾霾，在雾天捕获可见光传感器无法捕获的图像细节，而且硬件实现简单。可见光图像的颜色信息较丰富，近红外传感器图像对近处场景细节的描述能力较好，捕获的图像稍加校正就能实现完全配准，将近红外图像与可见光图像进行融合，在去雾的同时，可以将近红外传感器图像中的原始细节提取融合到彩色可见光传感器图像中，得到边缘、轮廓等细节信息更加丰富的去雾图像。基于上述思路，借助近红外传感器对边缘细节的描述能力和可见光传感器对颜色信息的反映能力，提出了一种基于近红外与可见光双通道传感器图像融合的去雾算法。首先，将彩色可见光图像转换到HIS彩色空间，分别得到亮度通道图像、色调通道图像和饱和度通道图像。先将其亮度通道图与近红外图像进行融合去雾处理。采用非下采样Shearlet变换（NSST）进行分解，对得到的高频系数进行双指数边缘平滑滤波器保边滤波处理，对低频系数进行反锐化掩蔽处理，通过融合规则和反向变换得到新的亮度通道图像。然后，在对可见光图像的色彩处理中，建立饱和度图的退化模型，采用暗原色原理对参数进行估计，得到估计的饱和度图。最后，将新的亮度通道图像，估计的饱和度图像和原色调图像反映射到RGB空间得到去雾图像。为了验证新算法的有效性，特选取四组雾天拍摄的真实近红外图像与可见光图像进行融合去雾处理，将融合结果与其他两种去雾方法对于彩色可见光图像的去雾效果进行比较。实验结果表明，该算法在提高图像的边缘对比度和视觉清晰度上有较好的效果。并提出将近红外传感器图像作为新的数据源，采用双通道图像融合方法进行去雾处理，为图像去雾提供的新的技术思路是可行的。该算法的优势在于：首先提出将图像融合方法与去雾算法相结合，得到了新的去雾算法的思路。将彩色可见光图像转换到HSI色彩空间，将其亮度通道图与近红外图像采用非下采样Shearlet变换方法进行融合处理，在去雾的同时，可以将近红外传感器图像中的原始细节提取融合到彩色可见光传感器图像中，使得去雾图像中的边缘、轮廓等细节信息更加丰富。其次，提出了在图像去雾算法中采用新的数据源--近红外传感器图像，从图像处理的角度，近红外传感器能够在一定程度上穿透雾霾，对于近处场景细节的描述能力较好，而且硬件实现简单，捕获的图像稍加校正就能实现完全配准，为后续的融合去雾算法带来了便利，为图像去雾提供了新的技术途径和路线。再次，采用的是多幅图像去雾算法，该算法基于双目传感器获取图像，可见光图像的颜色信息较丰富，近红外图像对于近处场景细节的描述能力较好，相对于单幅图像去雾算法，有更好的效果。最后，将可见光传感器图像映射到其他色彩空间，对于每个通道的图像根据其特征有针对性地进行处理。可见光图像的亮度通道图和近红外图像的处理采用了图像融合和增强处理，对于可见光图像饱和度通道的处理采用了图像复原算法，可以从整体上提升去雾效果，对细节特征有了进一步增强。该算法为图像去雾提供了新的技术途径和路线。     

一种视频运动目标精确分割新算法

针对视频图像中单个运动目标的分割问题,提出了一种基于Kirsch边缘算子的视频运动目标分割算法,该算法将Kirsch算子检测到的边缘作为主分割信息,运动矢量场作为次要分割信息。首先利用双重尺度的运动矢量场进行累加和滤波处理来获得辅助分割信息;然后将Kirsch算子的模板分解为差值模板和公共模板以提高边缘的抗噪性;最后用自适应状态标记的方法将边缘信息和运动矢量信息相融合来准确地分割运动目标。实验结果表明该方法分割比较精确。     

基于小波变换的激光主动成像图像去噪方法

 针对激光主动成像图像的特点,提出了将小波变换和中值滤波相结合的图像去噪方法。在对小波分解后的水平、垂直和对角3个方向高频细节图像进行处理时,我们采用3种不同形状的模板进行均值滤波,为了保护图像的边缘和细节信息,采用边缘检测法来将高频中的边缘细节与噪声分开。实验结果表明:该方法在降低图像噪声的同时又较好地保留了图像的细节,去噪效果比较理想。     

Two-stage non-local means filtering with adaptive smoothing parameter

Non-local means (NLM) filtering is an efficacious algorithm in image denoising which searches the similar neighborhoods and estimates the pixel by averaging these neighborhoods. Some internal parameters such as patch size, search window size and smoothing strength have serious effects on filtering performance. This paper proposes an improved version of NLM by using weak textured patches based single image noise estimation and two-stage NLM with adaptive smoothing parameter. Our proposed method firstly applies weak textured patches based noise estimation to achieve the noise level of input noisy image. Then relying on the estimated noise level, we apply the first stage NLM with adaptive smoothing parameter to attain a basic denoised image. After that, the basic denoised image is refined by the second stage of NLM with smaller smoothing strength. Our experimental results show that the proposed algorithm outperforms the NLM and some NLM recent variants both in visual quality and numerical measures. Additionally, the potential halo effect is almost eliminated in the result images produced by our proposed method.     

Single infrared image super-resolution combining non-local means with kernel regression

In many infrared imaging systems, the focal plane array is not sufficient dense to adequately sample the scene with the desired field of view. Therefore, there are not enough high frequency details in the infrared image generally. Super-resolution (SR) technology can be used to increase the resolution of low-resolution (LR) infrared image. In this paper, a novel super-resolution algorithm is proposed based on non-local means (NLM) and steering kernel regression (SKR). Based on that there are a large number of similar patches within an infrared image, NLM method can abstract the non-local similarity information and then the value of high-resolution (HR) pixel can be estimated. SKR method is derived based on the local smoothness of the natural images. In this paper the SKR is used to give the regularization term which can restrict the image noise and protect image edges. The estimated SR image is obtained by minimizing a cost function. In the experiments the proposed algorithm is compared with state-of-the-art algorithms. The comparison results show that the proposed method is robust to the noise and it can restore higher quality image both in quantitative term and visual effect.     

Gaussian mixture model-based gradient field reconstruction for infrared image detail enhancement and denoising

Infrared images are characterized by low signal-to-noise ratio and low contrast. Therefore, the edge details are easily immerged in the background and noise, making it much difficult to achieve infrared image edge detail enhancement and denoising. This article proposes a novel method of Gaussian mixture model-based gradient field reconstruction, which enhances image edge details while suppressing noise. First, by analyzing the gradient histogram of noisy infrared image, Gaussian mixture model is adopted to simulate the distribution of the gradient histogram, and divides the image information into three parts corresponding to faint details, noise and the edges of clear targets, respectively. Then, the piecewise function is constructed based on the characteristics of the image to increase gradients of faint details and suppress gradients of noise. Finally, anisotropic diffusion constraint is added while visualizing enhanced image from the transformed gradient field to further suppress noise. The experimental results show that the method possesses unique advantage of effectively enhancing infrared image edge details and suppressing noise as well, compared with the existing methods. In addition, it can be used to effectively enhance other types of images such as the visible and medical images.     

多算法融合的自适应图像增强方法

提出一种多算法融合的图像增强方法,用于工程应用中的复杂降质图像的细节特征恢复.该方法汲取了Laplacian变换法、Sobel梯度法、盒状滤波法、非锐化掩蔽法及灰度幂律法等算法的优点,可对模糊图像进行自适应增强.通过拉普拉斯滤波器和梯度滤波器将原始图像分为基础层、细节层及边缘特征层;对微小细节信息及边缘特征信息进行增强,对基础信息进行压缩;然后采用盒装滤波器对图像的三个分层进行平滑过度及噪音过滤,最后使用非锐化掩蔽法和灰度变换来增加图像灰度的动态范围,从而得到增强后的图像.在相同的工况下,该方法分别与直方图均衡法、自适应伽马矫正法及小波变换的图像增强法实验结果进行对比,结果表明,该方法将图像的清晰度提高了13.1%~126.1%,能有效地处理复杂型感染的图像,避免图像过度增强,可以获得适合人眼的最佳视觉细节内容的增强效果.     

Image enhancement algorithm based on improved lateral inhibition network

There is often substantial noise and blurred details in the images captured by cameras. To solve this problem, we propose a novel image enhancement algorithm combined with an improved lateral inhibition network. Firstly, we built a mathematical model of a lateral inhibition network in conjunction with biological visual perception; this model helped to realize enhanced contrast and improved edge definition in images. Secondly, we proposed that the adaptive lateral inhibition coefficient adhere to an exponential distribution thus making the model more flexible and more universal. Finally, we added median filtering and a compensation measure factor to build the framework with high pass filtering functionality thus eliminating image noise and improving edge contrast, addressing problems with blurred image edges. Our experimental results show that our algorithm is able to eliminate noise and the blurring phenomena, and enhance the details of visible and infrared images.     

基于曲率滤波和梯度变换的图像增强

针对基于梯度变换的图像增强算法抗噪声干扰能力差的问题,引入曲率滤波理论,提出了基于高斯曲率滤波和梯度变换的图像增强算法.该算法通过对图像梯度场进行非线性变换来增强图像对比度,通过构造能量泛函,采用梯度下降法从变换后的梯度场重构出增强后的图像,并利用高斯曲率滤波对梯度下降法迭代过程中的重构图像及其各阶偏微分进行平滑,有效解决了图像重构过程中的噪声非线性放大和扩散问题,同时保留了丰富的细节信息.采用多组边缘模糊图像进行仿真实验,实验结果表明该算法在增强图像边缘对比度的同时,能够有效抑制噪声.     

Variational infrared image enhancement based on adaptive dual-threshold gradient field equalization

Infrared images are characterized by low signal to noise ratio (SNR) and fuzzy texture edges. This article introduces the variational infrared image enhancement algorithm based on gradient field equalization with adaptive dual thresholds. Firstly, we transform the image into gradient domain and get the gradient histogram. Then, we do the gradient histogram equalization. By setting adaptive dual thresholds to qualify the gradients, the image is prevented from over enhancement. The total variation (TV) model is adopted in the reconstruction of the enhanced image to suppress noise. It is shown from experimental results that the image edge details are significantly enhanced, and therefore the algorithm is qualified for enhancement of infrared images in different applications.     

Denoising 3D MR images by the enhanced non-local means filter for Rician noise

The non-local means (NLM) filter removes noise by calculating the weighted average of the pixels in the global area and shows superiority over existing local filter methods that only consider local neighbor pixels. This filter has been successfully extended from 2D images to 3D images and has been applied to denoising 3D magnetic resonance (MR) images. In this article, a novel filter based on the NLM filter is proposed to improve the denoising effect. Considering the characteristics of Rician noise in the MR images, denoising by the NLM filter is first performed on the squared magnitude images. Then, unbiased correcting is carried out to eliminate the biased deviation. When performing the NLM filter, the weight is calculated based on the Gaussian-filtered image to reduce the disturbance of the noise. The performance of this filter is evaluated by carrying out a qualitative and quantitative comparison of this method with three other filters, namely, the original NLM filter, the unbiased NLM (UNLM) filter and the Rician NLM (RNLM) filter. Experimental results demonstrate that the proposed filter achieves better denoising performance over the other filters being compared.     

基于空域非均匀傅里叶变换的傅里叶望远镜

为了在稀疏发射阵列下清晰重构目标图像,提出了一种基于空域非均匀傅里叶变换(NDFT)的傅里叶望远镜信号处理方法。依据傅里叶望远镜的发射器位置与抽取的目标空间频率关系,结合MATLAB程序特点,完成了空域非均匀傅里叶逆变换,重构了目标图像。稀疏发射阵列配置方式为:T型阵列单臂放置11个发射望远镜,连续抽取目标的8个低频信息,再抽取3个高频分量。选择不同形状和灰度分布的4个卫星作为成像目标。与补零均匀快速傅里叶变换(FFT)方法重构的图像对比发现:信噪比为100 dB时,相比补零均匀FFT方法, NDFT方法重构图像的Strehl比都有所提升,最高提升了0.159 8。     

基于照射_反射模型和有界运算的多谱段图像增强

根据多尺度照射_反射模型, 结合广义有界运算模型和引导滤波, 能够有效地解决多谱段降质图像的增强问题. 算法采用自适应的引导滤波核函数作为环绕函数, 估计反映图像整体结构的不同尺度的低频照射分量; 利用有界广义对数比(general log-radio, GLR)模型加法代替Retinex理论中的对数变换运算; 再由GLR模型减法去除照射分量, 将不同尺度的反射分量从原始图像中分割出来; 对不同尺度反射分量的有效信息采用有界GLR模型乘法和加法进行融合, 有效地避免光晕伪影现象及越界现象的发生, 得到多尺度反射分量图像, 即最终的增强图像. 通过对可见光波段的低照度图像和雾霾图像、红外图像、X光医学图像四组多谱段降质图像实验分析, 以对比度和信息熵作为评价指标, 与同类算法进行了图像增强效果的定性和定量对比, 结果表明本文算法增强后的图像纹理和边缘细节更加丰富、对比度更高、视觉效果更佳, 可广泛地应用于多种图像增强领域.