融合暗通道先验和MSRCR的分块调节图像增强算法

针对雾霾天气图像中雾霾浓度分布不均以及色彩失衡等问题,提出一种将暗通道先验算法与带色彩恢复因子的多尺度Retinex算法相结合的分块调节图像增强算法.对大气散射模型以Retinex图像模型中的尺度进行线性映射,得到一个同时具有大气散射模型中的透射率和大气光照值以及Retinex图像模型中入射图像的多参数新模型.根据模型获取去除大气散射图的新原图,并利用不同尺度的引导滤波计算获得整幅图像的入射图像,再结合大气散射光图以及色彩恢复因子得到最终的高频细节图.针对图像中雾霾浓度分布不均的情况将整图划分为多个区域小块,用融合后的算法计算每个区域小块的动态截断值,根据不同的动态截断值可以对整幅图像的高频细节进行动态调整,从而得到多幅局部最优图像,将得到的图像进行像素级等权融合,最后可得到保证各局部细节的最优图像.将本文算法与现有算法在主观视觉和客观评价两方面进行了实验对比,结果表明,该方法可以有效解决图像雾气不均匀以及色彩失衡等问题,明显提高了去雾后图片的质量.     

基于引导滤波与改进PCNN的多聚焦图像融合算法

针对多聚焦图像融合中目标物边缘处产生虚影的问题,提出一种基于引导滤波与改进脉冲耦合神经网络(PCNN)的多聚焦图像融合算法。该算法利用引导滤波器对源图像进行多尺度边缘保持分解,对分解得到的基本图像和细节图像采用不同的引导滤波加权融合策略进行初步融合;将初步融合图作为外部输入激励刺激改进的PCNN模型;根据融合权重图对多幅源图像进行融合,获得最终的融合图像。实验结果表明,与传统融合算法相比,本文方法较好地保留了源图像的边缘、区域边界以及纹理等细节信息,避免了目标物边缘处产生虚影,提高了融合图像的质量。     

基于引导滤波的自适应红外图像增强改进算法

在红外图像处理中,细节增强和噪声抑制尤为重要,重点在于将高动态范围的红外图像压缩至低动态范围的同时保留细节信息、抑制图像噪声。以引导滤波的自适应红外图像增强算法为基础,提出一种基于引导滤波的自适应红外图像增强改进算法。通过引导滤波平滑初始输入图像,将初始输入图像与平滑后的图像做差获得包含大动态温度信息的基础层图像和小动态温度信息的细节层图像,分别对基础层图像、细节层图像进行压缩处理和噪声抑制;以不同的融合比例将处理后的基础层图像、细节层图像进行融合获得输出图像。为了减少算法运算时间、突出图像细节信息的同时减小细节层噪声对输出图像的影响且达到自适应场景的效果,利用可用于筛选有效灰度值的自适应门限参数和直方图分布信息设计出一维压缩数组对图像进行压缩,并将图像融合中的定值比例系数更改为自适应融合比例系数。通过直方图分布信息中的最大值、最小值确定自适应门限参数,同时利用直方图分布信息设计出一维压缩数组对图像进行压缩;获取直方图中有效灰度值个数,通过有效灰度值个数与总灰度值个数之间的比值对图像的场景信息进行判断,根据不同的场景信息确定基础层图像与细节层图像的自适应融合比例系数,实现图像融合。实验结果分别与直方图均衡算法、基于引导滤波的高动态红外图像增强算法、基于引导滤波的自适应红外图像增强算法进行比较,选用四种不同的场景从主观、客观两种层面进行分析。对比结果从主观分析得出该算法处理后的图像可突出细节轮廓信息、减少细节层噪声对融合后输出图像的影响。从客观评价得出该算法在四种场景下的平均计算时间为0.753 5 s,低于对比算法计算时间;并且使基础层图像和细节层图像的融合比例系数达到自适应场景的效果。     

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.     

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.     

基于改进代价计算和自适应引导滤波的立体匹配

针对现有局部立体匹配算法在弱纹理区域匹配精度低的问题,提出一种基于改进代价计算和自适应引导滤波代价聚合的局部立体匹配算法。该算法首先将增强后的梯度信息与基于增强梯度的Census变换相结合,构建代价计算函数;然后对图像的每一个像素构建自适应形状十字交叉窗口,并基于自适应窗口进行引导滤波代价聚合;最后通过视差计算和多步视差精化得到最终的视差图。实验结果表明,改进后的算法在Middlebury测试平台上对标准立体图像对的平均误匹配率为4.80%,与基于传统引导滤波器的立体匹配算法相比,本文算法在弱纹理区域取得更好的匹配结果。     

基于数学形态学和遗传优化的图像去噪

针对图像滤波时损失图像细节这一问题,提出了一种自适应多尺度形态滤波方法,在普通多尺度形态开、闭滤波基础上增加了多尺度top hat变换和bottom hat变换,用于提取并平滑小尺度的图像信息。top hat变换和bottom hat变换的系数对整个滤波器性能起着重要的作用,采用遗传优化的方法对其进行优化。实验结果表明,该方法噪声去除效果好,图像细节保持完整,提高了输出图像的信噪比,增强了滤波器的自适应性和智能性,处理效果明显优于传统滤波方法。     

基于特征融合的红外图像增强算法

在红外图像处理过程中,提高图像的对比度,抑制噪声以及突出图像细节尤为重要,针对这些问题,提出了基于特征融合的红外图像增强算法.以引导滤波为基础对图像进行平滑分层,得到基本层和细节层,基本层采用CLA-HE算法扩展低频分量的范围,而对于细节层采用Log算子与Laplace算子分别处理,依据梯度因子的权重信息获得融合细节层...     

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.     

保留边界特征的深度图像增强算法研究

针对现有深度图像增强算法存在边界保留特性差的问题,提出梯度掩模导向联合滤波(gradient mask guided joint filter, GMGJF)算法。利用深度图像进行Sobel梯度变换获取边界方向信息,利用深度图像空洞区域生成空洞掩模,再以边界方向和空洞掩模为导向联合彩色图像对深度图像进行迭代高斯滤波和空洞填充。实验结果表明,GMGJF算法的PSNR(peak signal to noise ratio)、SSIM(structural similarity index measure)比IMF(iterative median filter)、GF(guided filter)、JBF(joint bilateral filter)算法的PSNR、SSIM至少提高了3.50%和1.07%,不仅去噪能力、空洞填充能力最强,而且边界特征保持最好,有利于深度图像的特征提取与目标识别。     

Rician noise reduction in magnetic resonance images using adaptive non-local mean and guided image filtering

This paper proposes a Rician noise reduction method for magnetic resonance (MR) images. The proposed method is based on adaptive non-local mean and guided image filtering techniques. In the first phase, a guidance image is obtained from the noisy image through an adaptive non-local mean filter. Sobel operators are applied to compute the strength of edges which is further used to control the spread of the kernel in non-local mean filtering. In the second phase, the noisy and the guidance images are provided to the guided image filter as input to restore the noise-free image. The improved performance of the proposed method is investigated using the simulated and real data sets of MR images. Its performance is also compared with the previously proposed state-of-the art methods. Comparative analysis demonstrates the superiority of the proposed scheme over the existing approaches.     

A gray-natural logarithm ratio bilateral filtering method for image processing

A new method based on gray-natural logarithm ratio bilateral filtering is presented for image smoothing in this work. A new gray-natural logarithm ratio range filter kernel, leading to adaptive magnitude from image gray distinction information, is pointed out for the bilateral filtering. The new method can not only well restrain noise but also keep much more weak edges and details of an image, and preserve the original color transition of color images. Experimental results show the effectiveness for image denoising with our method.     

Novel infrared image enhancement technology based on the frequency compensation approach

A novel infrared image enhancement method has been proposed in this paper. Our aim is to develop a detail enhancement method which is focused on the frequency feature of the image. The proposed method is following the most popular strategy of enhancing the infrared images nowadays, but concentrating on the frequency domain. Firstly, the original image is separated by a guided image filter into detail layer and the base layer. Quite unlike the traditional methods, we use the guided image filter to eliminate most of the noise and weak signal of the scenario. Then, by a designed iteration process, the higher frequency of the scenario will be calculated back and add to the detail layer. The noise will not be enhanced because the iteration is only focused on the leftover scenario frequency. We run many tests on the raw data captured by the 320 × 256 HgCdTe cooled thermal imager, and make a comparison between our approach with the previous method of bilateral filtering digital detail enhancement and guided image filtering digital detail enhancement. Figures and analytical data show that our method is better than the previous proposed researches. Our method could effectively process the infrared image with less noise and artifacts, which has potential applications in testing, manufacturing, chemical imaging, night vision, and surveillance security.     

核密度估计时-空域滤波红外背景抑制方法

提出一种基于核密度估计的时-空域滤波算法,用于红外搜索跟踪系统图像的背景抑制。算法分为空域滤波和时域滤波两部分。在空域滤波中,采用核密度估计算法对背景进行平滑;在时域滤波中,采用核密度估计算法对经过空域滤波后的图像灰度值进行概率计算,判别属于背景残差的灰度值,然后做进一步的滤除。核方法对背景有很好的光滑性且易于计算机实现,实验表明,这种非参方法设计的时-空域滤波算法对背景杂波有非常良好的抑制效果,信噪比也得到明显提高。     

基于双边纹理滤波的图像细节增强方法

为了实现图像的细节增强,特别是纹理细节增强,同时尽可能保持图像的结构完整,提出了一种基于双边纹理滤波的图像多尺度分解方法。首先,对图像进行多尺度双边纹理滤波分解,分别得到一幅基本图像和一系列细节纹理图像。接着,类似于小波增强方法,对细节图像采用多尺度自适应增强方法,得到一系列增强后的纹理细节图像。最后,将基本图像和增强后细节图像相加,重构出最后的增强图像。实验结果表明:本文提出的增强方法能够在突出边缘的同时,较好地增强图像中的纹理细节信息。将基于双边纹理滤波的多尺度分解引入图像增强,能更好地体现图像纹理细节特征,为增强图像提供更加丰富的信息。     

散斑干涉相位条纹图的频域滤波处理

为了解决在数字散斑干涉技术测量时,散斑干涉相位条纹图像中大量噪声对相位解包裹结果和精度产生严重影响的问题,介绍了一种条纹正余弦分解和频域低通滤波结合的方法,实现了散斑干涉相位条纹图的高精度滤波。该方法的基本思路是在对相位图像进行滤波处理前,先将相位图通过正余弦函数进行映射转换成两幅图,分别经过频域滤波,然后再合成为相位图。这种分解频域滤波方法可以在滤波的同时,有效保留相位跳变信息。实验结果表明：与传统的图像降噪方法相比,该方法能够在保留图像“尖峰”信息的基础上,较好地滤除图像中的散斑噪声,方法简单有效,有效解决了传统滤波方法应用在相位条纹图中,相图灰度信息丢失10%~40%的问题。     

A general strategy for anisotropic diffusion in MR image denoising and enhancement

Anisotropic diffusion (AD) has proven to be very effective in the denoising of magnetic resonance (MR) images. The result of AD filtering is highly dependent on several parameters, especially the conductance parameter. However, there is no automatic method to select the optimal parameter values. This paper presents a general strategy for AD filtering of MR images using an automatic parameter selection method. The basic idea is to estimate the parameters through an optimization step on a synthetic image model, which is different from traditional analytical methods. This approach can be easily applied to more sophisticated diffusion models for better denoising results. We conducted a systematic study of parameter selection for the AD filter, including the dynamic parameter decreasing rate, the parameter selection range for different noise levels and the influence of the image contrast on parameter selection. The proposed approach was validated using both simulated and real MR images. The model image generated using our approach was shown to be highly suitable for the purpose of parameter optimization. The results confirm that our method outperforms most state-of-the-art methods in both quantitative measurement and visual evaluation. By testing on real images with different noise levels, we demonstrated that our method is sufficiently general to be applied to a variety of MR images.     

基于光照-反射成像模型和形态学操作的多谱段图像增强算法

为解决多谱段降质图像增强问题,提出了一种基于光照-反射成像模型和形态学操作的多谱段图像增强算法.首先对图像饱和度使用自适应非线性拉伸函数进行拉伸,使增强后的图像色彩更加饱和、自然;接下来利用引导滤波算法提取出图像的光照分量,提出了一种基于细节特征的加权融合策略,利用光照分布特性构造了一种自适应Gamma校正函数对光照分量进行处理,并将其与利用对比度受限的自适应直方图均衡化方法处理后的光照分量以及原始光照分量进行融合;然后在反射分量校正时,构造了一种形态学操作函数来校正反射信息;最后合并光照分量和反射分量,并与处理后的饱和度分量和色调分量一起得到增强图像.采用主客观评价指标对可见光低照度图像、水下图像、高动态范围图像、沙尘暴图像、雾天图像和热红外图像6种降质多谱段图像实验结果进行分析比较,结果表明本文算法能够有效地抑制图像噪声、增强图像细节信息、改善图像视觉效果,可应用于多种图像增强领域.