基于边缘定向扩散方程的图像复原方法

讨论了光学图像中同时存在噪声与模糊时的复原问题。采用一种能根据边缘方向自适应选取扩散系数的各向异性扩散方程来约束复原后的图像的光滑性质,将其和图像复原模型一起使用,得到了一种图像复原的正则化模型,并利用Eluer方程将该模型转换成一种可以快速求解的各向异性非线性扩散模型。在光滑性约束项的构造上,构造了一种基于边缘定向扩散的各向异性张量型扩散方程,能有效地根据边缘的方向确定是增强边缘还是滤除噪声。相比图像复原的迭代正则化方法,新方法能在复原图像的同时有效地抑制噪声,并有效地减轻边缘处的振铃效应。数值计算结果表明,新方法在整幅图像的复原效果上明显强于迭代正则化方法,尤其在对背景噪声的抑制上效果更明显,峰值信噪比（PSNR）也比迭代正则化方法平均提高了约2dB。     

基于各向异性扩散方程的图像对比度增强方法

讨论了光学图像中同时存在噪声与模糊时的对比度增强问题.构造了一种基于边缘定向扩散的各向异性非线性扩散方程来作为图像的光滑约束项,并根据模糊后的图像在边缘处相对清晰图像具有较大误差的事实,构造增强图像与原图像之间的非均匀逼近项,将此两项通过正则化参数联系起来,得到了一种图像对比度增强的正则化模型,并利用Euler方程将该模型转换成一种可以快速求解的各向异性非线性扩散模型.该模型能在抑制噪声的同时增强图像的边缘,在模型的解算上也不存在大型矩阵的存储与运算问题.数值计算结果表明,新方法适合于多种形式的模糊和不同程度的噪声污染,相对现有方法具有更好的边缘锐化能力和更高的清晰度,峰值信噪比比现有方法提高了1～2 dB,边缘保护指数也比现有方法有较大提高.     

基于自适应SUSAN各向异性扩散的红外弱小目标检测

针对复杂背景下红外弱小目标提取困难的问题,提出了一种自适应SUSAN各向异性扩散的红外弱小目标检测算法。该算法结合SUSAN边缘检测算子与各向异性扩散,形成新的扩散方程对红外图像进行背景预测,与原图像差分后实现弱小目标检测。为使算法具备自适应能力,提出SUSAN边缘检测器灰度差阈值的自适应设定方法,采用绝对偏差中值算子作为其扩散系数。实验结果表明,该算法能够有效滤除复杂图像背景,大幅提升信噪比,同时保留目标大小。     

利用规则化热扩散方程的SAR图像桥梁检测

提出了一种利用规则化各向异性热扩散方程SAR图像分割的桥梁检测算法.该算法在Pemna和Malik提出的各向异性热扩散方程的基础上构造了一个新的扩散函数,利用数值逼近理论,得到一个新的规则化扩散模型,用此模型对图像初始分割的最大后验概率矩阵进行多尺度各向异性平滑,得到图像中河流的精确分割结果,最后在分割后的图像中按累加方向能量最小准则进行桥梁目标检测.真实数据实验结果表明,该方法能有效地抑制强斑点噪声,快速、精确地检测出SAR图像桥梁目标,同时保持桥梁的结构信息.     

单幅散焦图像深度计算方法

由单幅图像获取深度是单目视觉测量中的一个难题。根据散焦图像的散焦原理,得到了单幅散焦测距扩散系数。基于单幅图像中不同区域的图像相关性,提出了替代二次成像要求的约束条件,即采用图像检测方法检测两个被测区域,结合散焦图像的各向异性扩散模型及区域扩散系数,分别对两个区域图像进行扩散实现。利用最小能量泛函求解了各个被测区域的各向异性图像扩散方程,进而得到了区域物体深度。在精度方面,实验结果与利用两幅散焦图像获取深度的传统方法相同。这种方法在测距过程中无需对相机参数进行调整,提高了单目测距的可操作性。该方法是对现有视觉测量方法的有力补充,能够为视觉测量技术提供更加宽广的应用前景。     

基于再生核空间的自适应图像彩色化算法

针对传统的图像彩色化算法中彩色化结果质量不佳、参数设置不合理等问题,提出一种新的基于再生核空间的自适应灰度图像彩色化算法.该方法通过求泛函极值建立非线性方程,设置与图像像素亮度相关的自适应再生核,用最小二乘法对方程进行数值求解得到彩色化结果.与其他灰度图像彩色化技术相比,该方法能在自适应选择参数的同时,有效提高图像彩色化质量.     

基于灰度分层的FPGA红外图像伪彩色实时化研究

介绍了一种基于FPGA的红外图像的伪彩色化实现方法。这种方法首先通过Matlab提取颜色表,然后通过FPGA控制颜色表的在线更新实现红外图像不同种类的伪彩色化效果。该方法大大提高了人们对红外图像感兴趣目标点的辨识能力。该方法已经在自主研发的红外观测系统中得到验证,具有硬件实现简单、占用逻辑资源少、速度快、实时性强等特点。     

基于各向异性扩散方程的局部非纹理图像修整与去噪

图像修整(image inpainting)是一种图像插值的方法,它根据丢失信息区域周围的图像信息来猜测和填充这个区域,图像修整属于图像恢复的范畴。利用变分方法导出的各向异性扩散方程对于图像边缘的良好保持特性,而在图像处理中得到了广泛的应用。基于这一思想,本文提出了一种基于各向异性扩散方程的图像修整算法:在填补修整区域的同时,可有效地去除噪声,同时保持边缘信息。理论分析和实验结果表明了这一点。     

采用曲率驱动的自适应图像修复算法

将曲率引入各向异性扩散(C&E)方程,提出一种自适应图像修复算法。通过引入自适应系数q,使模型能够根据图像边缘细节的多少自行选择不同的扩散方式,在图像边缘细节较多时使用曲率扩散与边缘静止相结合的模型,而在平坦区域使用曲率驱动与热扩散相结合的方程,使得修复时间缩短,修复效果更佳。实验表明,本文算法在修复速度和修复效果上都能更好地修复破损图像。     

基于颜色扩展的图像彩色化技术研究进展

分析图像彩色化的病态性,按照解决病态问题的规整化形式将彩色化分为基于颜色转移和利用颜色扩展的两类方法.颜色扩展彩色化方法的核心在于对颜色扩展过程的合理控制,分析比较了基于总体控制和局部控制的两类颜色扩展方法,探讨了不同控制形式之间的关系、对初始涂色的设置要求及颜色模型的选择问题.可操作性和有效性是此类方法的优势,进一步改善处理效果的真实性并增强处理纹理图像的能力,有望发展成为真正实用的彩色化技术.