一种新的各向异性扩散红外噪声实时抑制算法

提出一种基于各向异性扩散偏微分方程的红外图像噪声抑制算法.通过将形态学处理和红外图像局部特征相结合,建立了一种新的扩散系数.该系数利用形态学膨胀腐蚀操作获取梯度算子,改善了Perona-Malik(P-M)梯度算子对噪声的敏感性,实现了均匀区域扩散增强且边缘细节区域扩散减弱的目的.算法已在EVM-DM642硬件平台上实时运行,实验表明:它在有效平滑噪声的同时较好的保持了图像边缘细节信息.     

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.     

联合梯度预测与导引滤波的图像运动模糊复原

针对由相机与所摄景物之间发生相对位置移动所导致的图像运动模糊,提出了一种鲁棒的基于单幅运动模糊图像的盲反卷积算法。该方法首先通过预测图像中的较强边缘信息,实现用简单、易于求解的优化问题在傅里叶域中快速、准确地估计出点扩散函数。然后利用得到的点扩散函数,使用基于梯度约束的非盲反卷积算法复原清晰图像,同时采用一种新的边缘保持滤波器-导引滤波来消除噪声并抑制振铃效应。实验结果表明：本文的算法能够快速地从单幅运动模糊图像复原出具有清晰边缘和纹理的高质量图像,并且运算时间不超过20 s。     

基于双树复小波与波原子的图像扩散滤波

图像的非线性扩散滤波来源于热方程的思想,其关键在于计算适当的扩散系数和控制扩散方向. 在已有的扩散模型中,由于扩散系数仅依赖于图像的梯度,因而这类模型容易受噪声的干扰;同时,图像的细节信息(如纹理)容易被误认为是噪声而被去除. 为克服这些不足,首先给出了一种采用双树复小波变换计算扩散系数的方法;然后设计了一种用于图像滤波的非线性扩散模型,最后提出了基于双树复小波变换和波原子阈值相结合的图像滤波算法. 仿真结果表明,所提出的算法在对含噪图像滤波的同时,能够较好地保持图像的边缘和纹理等细节信息. 关键词： 图像扩散滤波 非线性扩散 波原子 双树复小波变换     

基于图像熵的各向异性扩散相干斑噪声抑制

本文提出了一种基于图像熵的各向异性扩散滤波方法. 该方法使用图像熵作为边缘检测算子, 避免了由于均值和方差等统计量的估计带来的误差, 提高了边缘检测能力. 试验结果表明该方法能够获得比传统方法更好的相干斑噪声抑制效果. 关键词： 相干斑抑制 各向异性扩散 图像熵 合成孔径雷达     

对一种新的基于局部标准差的自适应对比度增强算法的评价

介绍一种基于图像局部标准差变换的自适应增强算法通过将图像的局部标准差映射为高斯函数得到一个非线性对比度增益函数,使图像的细节区域得到较大幅度的增强,同时抑制平滑区域的噪声以及发生于陡峭边缘的“振铃伪迹”(Ringing Artifact)通过不同类型的图像以及对比度-噪声比(Contrast-to-Noise Ratio)演示了算法的性能,并与几种常用的图像增强方法进行了比较结果表明该算法对于低对比度的图像细节具有较好的增强效果,同时能够避免平滑区域噪声的过度增强及陡峭边缘的振铃伪迹.     

基于指导滤波的图像盲复原算法

作为图像处理领域的重要分支和研究热点之一, 图像复原方法 的研究始终具有重要理论意义和广泛的应用价值, 图像盲复原一直以来都 是图像复原中比较困难的问题之一. 针对相机与所拍摄景物之间由于相对 位置移动而使所获得图像发生运动模糊的情况, 本文提出了一种基于指导滤波 的图像盲复原算法. 我们首先通过频域迭代算法对点扩散函数 进行估计. 然后, 由于指导滤波具有较好的保持图像边缘的特性, 我们应用基于指导滤波的图像非盲复原算法恢复目标图像. 对以上两步进行反复迭代, 直到获得最终的清晰图像. 为了验证本文所提算法的有效性, 给出了多组对比实验. 实验结果表明, 本文所提算法能够在有效地抑制噪声和振铃 效应的同时, 还能够更好的保持图像的边缘和纹理细节. 因此, 本文算法可以获得更高质量的复原图像.     

基于双域滤波算法的OCT图像去噪

光学相干断层扫描(OCT)作为眼科疾病的重要诊断手段之一,具有巨大的发展潜力。OCT图像中含有大量的散斑噪声,会影响图像病理信息的检测和提取。提出一种去除OCT图像散斑噪声的方法,依据散斑噪声的乘性特性建立了乘性噪声模型。针对双域滤波中产生的伪吉布斯现象,引入各向异性扩散获得引导图像,代替了算法中的自身引导,减少了迭代次数。结果显示,所提方法提高了算法效率与图像质量,算法运行时间大幅度下降,图像峰值信噪比(PSNR)提高到36dB,结构相似性(SSIM)和边缘保持系数(EPI)分别达到0.8和0.7左右,有效抑制了OCT图像中的散斑噪声。     

基于脉冲耦合神经网络和图像熵的各向异性扩散模型研究

在图像去噪过程中, 大部分基于偏微分方程的各向异性扩散模型均使用梯度信息检测边缘, 当边缘部分被噪声严重污染时, 这些方法不能有效检测出这些边缘, 因而无法保留边缘特征. 为了较完整的保留图像的区域信息, 用脉冲耦合神经网络(PCNN)能使具有相似输入的神经元同时产生脉冲的性质对噪声图像做处理, 得到图像熵序列, 并将图像熵序列作为边缘检测算子引入到扩散方程中, 不仅能克服仅用梯度作为边缘检测算子易受噪声影响的弊端, 而且能较完整地保留图像的区域信息. 然后, 用最小交叉熵准则搜索使去噪前后图像信息量差异最小的阈值, 设计最佳阈值控制扩散强度, 建立基于脉冲耦合神经网络与图像熵改进的各向异性扩散模型(PCNN-IEAD). 分析与仿真结果表明, 该模型与经典模型相比, 保留了更多的图像信息, 能够兼顾去除图像的噪声和保护图像的边缘纹理等细节信息, 较完整的保留了图像的区域信息, 性能指标同样也证实了新模型的优越性. 另外, 该模型的运行时间较经典模型的短, 因此, 该模型是一个理想的模型.     

一种抗噪声的图像自动对焦算法

传统的图像自动对焦算法易受环境噪声影响,导致焦距评价函数的单峰性、无偏性和灵敏度降低.提出了一种基于噪声抑制的图像自动对焦算法,采用Sobel算子加权滤波抑制噪声,再利用全局门限分割边缘像素,最后用四种算子作为对焦评价函数,得出对焦曲线.实验表明,该算法具有较好的抗噪声性能.     

基于边窗盒子滤波和透射率修正的图像去雾

针对雾线先验去雾算法存在的颜色过饱和现象、图像初始透射率估算不准确等问题，提出了一种基于边窗盒子滤波和透射率修正的图像去雾算法。为了解决初始透射率估算不准确带来的边缘细节信息丢失的问题，首先利用非局部总广义变分（TGV）正则化的方法估算初始透射率，并将二阶的非局部总广义变分（TGV）正则器来作为正则项，以确保对由图像颜色和深度之间的噪声和歧义引起的异常值具有鲁棒性。随后利用边窗滤波算法对初始透射率进行优化，从而实现对图像中纹理信息和边缘信息的保留。最后利用大气散射模型和多角度优化后的透射率复原出无雾的原始图像。实现结果表明，本文算法能够解决图像颜色过饱和与边缘处的细节纹理信息丢失的问题，且无色调偏移和光晕效应。在定性评估上，复原后的图像视觉效果好；在定量评估上，本文算法的去雾后图像的评价指标皆高于基于雾线先验算法。     

一种改进的Sobel图像边缘检测算法

边缘检测在数字图像处理和计算机视觉中有着重要的应用。对数字图像处理中具有代表性的Sobel边缘检测算法进行了分析。针对该算法存在检测出的边缘粗且对噪声极其敏感的缺点,提出了一种改进算法。该算法对实际图像中出现的边缘类型进行了数学模型描述,然后把连续型的边缘模型作为研究对象,重新构造了对图像边缘方向进行检测的模板。针对Sobel边缘检测基于一阶导数极大值或二阶导数零交叉而带来的边缘定位准确度不高的缺点,对图像梯度图进行了细化处理。仿真结果表明:该算法对图像噪声干扰有较强的抑制能力,提取的边缘定位准确、结构细腻。     

基于输入面形态学处理的联合变换相关器研究

为增强联合变换相关器输入面图像去噪和边缘检测的可调节性,改善相关器的识别效果,将形态学算法引入输入面图像去噪和边缘检测,提出利用形态学边缘检测的宽度可调节性来改善联合变换相关器的识别效果。计算机模拟表明,改进后的算法是有效的。     

基于加权块稀疏联合非凸低秩约束的高光谱图像去条带方法

针对高光谱图像（hyperspectral images, HSI）去条带易引起影像结构细节丢失问题,提出一种基于加权块稀疏（weighted block sparsity, WBS）正则化联合最小最大非凸惩罚（minimax concave penalty, MCP）约束的HSI去条带方法。本算法采用加权?_{2, 1}范数和MCP范数对条带稀疏结构和低秩约束,?₁范数对干净图像结构保持正则化约束,构建加权块稀疏和MCP约束的条带去除模型,采用交替方向乘子（alternating direction method of multipliers, ADMM）算法迭代求解对应模型,重建获得干净的HSI图像。实验结果表明,提出方法在实际HSI的平均等效视数从28.45提高到83.47,边缘保持指数较其他算法至少增加0.056,特别是对于非周期条带噪声,采用自适应权值更新稀疏水平,增强了组稀疏性,在保持影像边缘和加强区域平滑性方面性能更佳,去噪声效果更好。     

Improved multi-scale wavelet in pantograph slide edge detection

The mainstream methods of pantograph slide edge detection are based on canny operator and multi-scale wavelet. The former has good single edge response but the edge is fractured, the latter performs good edge continuity but contains excessive edge points. This paper combines the advantages of both methods and proposes as an improved multi-scale wavelet edge detection method based on canny criteria. Firstly we filtered the pantograph image with edge-preserving symmetric near neighbor filter. Secondly calculated the Gaussian wavelet modulus and arguments at all levels of scale, then suppressed the non-maxima value of modulus along the corresponding arguments. At last, we integrated the modulus drawings at all levels of scale, and connected edge with applicable dual-threshold. Experiments results show that the improved algorithm has both satisfactory performances in single edge response and edge continuity, it markedly improves the efficiency of edge detection algorithm. Peak signal to noise ratio (PSNR) analysis finds that the improved algorithm exceeds canny operator and traditional multi-scale wavelet edge detection. Moreover, it has higher positioning accuracy, clearer details and better noise performance.     

Random noise filtering method based on the inter-frame registration

One of the problems to be solved in image processing is how to eliminate image noise effectively. In this work, we brought forward a random noise filtering method based on the inter-frame registration. Firstly, we calculated the relative displacement of the adjacent frames by a registration algorithm. Then we divided the image into the overlapping area and the non-overlapping area according to the relative displacement. Finally, we do noise reduction processing for these two areas respectively. The experiments results indicate that the proposed method can reduce noise in both spatial and time domain of video images. The main advantage is that it cannot only remove noise, but also effectively protect the image edge and detail information. Besides, it not only maintains the de-noising effect of traditional inter-frame algorithm, but also is suitable for moving targets. It has better real-time performance and wider application range.     

基于Facet模型的闪光图像边缘检测

针对闪光图像的特点,对经典边缘检测算子进行了分析,发现存在检测出的边缘粗和对噪声的干扰比较敏感的缺点,提出了一种基于Facet模型的爆轰实验图像边缘检测算法。该方法吸取了其它同类方法的优点,引进了正交基简化了运算,用离散正交多项式对图像每个像素的邻域作最佳曲面拟合,在此基础上使用整体梯度算子寻求二阶方向导数的零交叉点,最终提取边缘点。结果表明:该方法检测出的边缘细,并且光滑连续,对图像噪声干扰有较强的抑制能力,对于孤立的边缘能够给出较精确的定位。     

基于小波变换的图像混合噪声自适应滤除算法

为同时滤除图像中的椒盐噪声和高斯噪声,提出了一种基于小波变换的混合噪声自适应滤除算法,该算法首先采用中值滤波去除椒盐噪声,然后借助边缘检测算子区将图像为分边缘与非边缘区域,进一步对非边缘区域引入改进的均值滤波器,有效削弱高斯噪声的同时保护图像边缘细节,既初步削弱高斯噪声又保护了边缘,最后采用改进的小波阈值滤波算法,对不同的小波系数采用不同的阈值函数,通过线性回归得到各最优阈值关系式。实验结果表明,该混合噪声自适应滤除算法能有效滤除椒盐噪声和高斯噪声,在图像主观质量和客观质量上均取得了较好的效果,能提高去噪图像峰值信噪比0.5~2.0 dB。     

种基于偏微分方程约束的闪光照相图像重建算法

 针对闪光照相图像信噪比低的特点,提出了一种基于偏微分方程基于非线性PDE的约束的图像重建算法,该算法在重建迭代过程中引入了基于非线性PDE的平滑约束来抑制图像噪声,同时保护图像边缘。数值试验结果表明:相比于Landweber和预优约束共轭梯度（PCCG）重建算法,新算法具有更强的抗噪能力和边缘保护能力,是一种更加有效的闪光照相图像重建算法。     

一种基于扩展数学形态学的边缘检测方法

传统的边缘检测方法对噪声敏感,抑制噪声能力差;基于经典形态学的边缘检测方法虽然具有较好的去噪能力,但不能反映全部的边缘特性。为此给出了一种扩展的数学形态学的定义,并提出了一种基于扩展数学形态学的边缘检测方法。仿真结果表明,该方法不仅能有效地去除噪声,而且通过检测所得到的边缘图像具有良好的边缘特性。