神经网络在建立压缩图像退化模型中的应用

在有损压缩过程中,为了得到较高的压缩比,一般牺牲了图像的质量,为了得到高的压缩比,同时图像质量也不会过分下降,本文主要利用人工神经网络来估计压缩图像过程导致的图像信息损失过程,我们称之为退化模型。在估计了压缩图像的退化模型后,对应的可以估计其重建模型。在此基础上,利用图像超分辨率重建的思想来部分恢复图像的质量。得到了图像的退化模型和重建模型后,我们可以利用这些模型来改善图像的质量。实验证明,利用人工神经为了估计图像退化模型比较有效,压缩图像的质量可以得到较大提高。     

基于暗通道的单幅图像快速去雾算法

为了提高雾天环境下退化图像的视觉效果,以大气退化模型和暗通道先验估计为基础,提出了一种快速单幅图像去雾算法.利用暗通道先验对大气透射率进行粗估计,用采样边缘保持滤波细化透射率,再设法估计出原图中的天空区域,对其进行透射率补偿,根据估计的大气光和透射率,利用大气退化模型即可恢复出无雾图像.针对去雾后的图像色度较暗的问题,使用一种自适应直方图均衡方法.实验结果表明,相对于已有算法,该算法有效提高了图像去雾的效果,而且加快了处理速度.     

半监督卷积神经网络遥感图像融合

近几年随着深度学习的发展,学者们利用卷积神经网络实现遥感图像融合取得了不错的效果。由于没有高分辨率多光谱图像作为参考图像,所以一般基于深度学习的方法在退化图像上训练模型,然后用训练好的模型去预测高分辨率多光谱图像,但是退化图像的融合过程并不能完全反映原始图像的融合过程。为了改善融合性能,提出了一种半监督卷积神经网络遥感图像融合方法,该方法在退化图像和原始图像上使用同一个融合网络同时进行训练。退化图像的融合具有相应的参考图像,采用常规的监督学习方式对融合网络进行训练,还加入了光谱损失来更好的保持光谱信息。而原始图像的融合不存在高分辨率多光谱参考图像,设计了光谱退化网络和空间退化网络对融合图像进行退化,再训练融合网络。实验结果表明,提出的方法光谱与细节保真效果好,优于对比方法。     

基于高斯差分算子的图像盲去卷积去模糊

图像复原技术是图像处理中的一项重要应用,其目的 是提高图像的信噪比,增强图像对比度。传统的图像复原技术如维纳滤波、LR算法等都是在已知图像退化函数的情况下进行复原的。而在实际的图像复原过程中,图像退化函数是未知且很难获得的。虽然提出了盲去卷积的方法 在未知退化函数的情况下复原图像,但需要大量的先验知识、耗时长。本文提出利用高斯差分算子(DoG)来获取退化函数,从而实现盲去卷积图像复原,实验证明该方法 耗时少、复原效果好。     

档案图像恢复研究

档案图像信息系统中使用的档案图像通常是经过图像恢复处理后的扫描图像,档案图像恢复算法的性能直接影响到档案图像信息系统的质量。目前,公开发表的关于档案图像恢复的文献报道很少。因此,对档案图像恢复的研究具有重要的意义。通过对档案图像固有特点的分析,针对不同档案图像提出了具体的恢复算法,用Matlab软件对其进行了实验测试,并分析了实验结果。实验结果表明,提出的档案图像恢复算法具有良好的有效性,能够满足档案图像信息系统的应用要求。     

热成像系统空间分辨率退化建模及仿真

图像退化是图像恢复和重建的基础,根据热像仪成像系统的各构成环节(光学系统、探测器、电子线路),针对基于热像仪调制传递函数(MTF)的建模仿真方法对红外图像的空间分辨率退化模型进行研究。将利用MTF数学模型计算出的参数和实验室实测参数进行了对比分析,并利用实测数据进行了一维和二维FIR滤波器的设计从而实现了基于MATLAB的热像仪空间分辨率特性仿真。最后,使用一副仿真标准四杆靶标的一般灰度图像作为标准输入,验证了所设计滤波器对实际热像仪空间分辨率特性的逼近程度。     

基于支持向量机的彩色序列图像复原模型更新算法

提出一种用于彩色序列图像复原的模型更新算法,计算退化图像序列各帧的图像质量,统计序列图像质量的方差,以方差差异作为判断准则,选择适当的模型进行复原。该算法扩展了基于支持向量机的彩色图像复原算法。仿真实验中,测试图像采用视频监控和智能交通领域常见的运动模糊进行退化处理。实验结果表明,该算法能有效标记出图像序列中质量发生显著变化的关键帧,复原效率得以提高,同时复原也更有针对性。     

基于MATLAB图像复原算法研究

通过研讨经典图像算法,在已知系统退化模型的情况下,对测量图像分别使用逆滤波、维纳滤波、有约束的最小二乘方滤波等算法进行复原,在这几种算法的选取上得到了丰富的经验数据,并对实验结果进行了分析总结。     

基于Lucy-Richardson算法的运动模糊图像复原

图像复原一直是数字图像处理领域的一个研究热点,而运动模糊图像复原又是图像复原中的重要课题之一。本文主要介绍了在已知系统退化模型的情况下,对测量图像分别使用维纳滤波和Lucy-Richardson算法进行复原。仿真实验结果表明,要根据图像的具体信息选择恰当的方法才能使复原达到好的效果。     

拟合扩散的自适应图像去噪方法

针对纹理等细节信息丢失和图像边缘退化的问题,提出一种拟合扩散的自适应阈值图像去噪算法。首先,改进了扩散方程中的扩散系数,建立拟合扩散系数,克服因扩散强度过大带来的纹理细节信息丢失和边缘退化的弊端;然后,对阈值函数进行了自适应设计和改进,使其根据图像的最大灰度值和迭代次数自动控制阈值,进一步保留图像边缘和细节特征;最后,对新算法进行分析和仿真。实验结果表明,提出的新算法在图像去噪和保边缘、纹理等细节信息方面效果明显,峰值信噪比有了大幅提高,新算法性能优异,有利于实际应用。     

基于频域滤波的视频图像帧复原技术研究

视频图像帧在通信过程中,由于受到各种噪声的干扰,使其质量下降,为了确保较高的通信质量需要对降质的图像帧进行复原。本文分析了频域中的逆滤波和维纳滤波即最小均方误差滤波的方法对退化的图像进行复原的基本原理,在 VC++中对其算法思想进行编程实现,对比两种图像复原技术的效果,实验结果表明,两种频域滤波技术各有特点,逆滤波算法思想简单,对于图像帧降质小的图像复原效果较好;而对于信噪比较小,对于降质明显的图像帧使用维纳滤波复原效果较好。     

基于区域特征的路面裂缝图像滤噪算法

分析了破损路面图像的像素点区域特征，针对不同区域提出加权区域滤波和自适应加权中值滤波算法。其权值是通过对图像中区域特征的推理得到的，所以算法中能够根据图像的区域特征自适应的滤波。试验表明，本算法能够有效滤除噪声，并具有很好的细节保护能力。     

应用多方向小波分量和邻域特性去噪方法

文中提出一种用于图像去噪的小波分析方法:构造多方向小波分量检测边缘,对边缘点和噪声点进行不同的处理,达到保护边缘同时有效去噪的效果.实验表明该方法较为有效.     

基于奇异值分解的图像超分辨率重建

在图像获取过程中,由于环境的变化以及成像传感器自身硬件条件的限制,获得的图像往往含有噪声并且分辨率较低.为了提高图像分辨率来满足实际应用的需求,充分考虑了自然图像中图像块的自相似性,并采用奇异值分解方法对图像块的相似性进行度量,将其作为权重与非局部均值方法相结合,实现了单幅图像的超分辨率重建.为了减少计算量,在计算图像块的相似度之前,先对图像块的均值进行统计并引入一个阈值,对均值绝对差小于阈值的图像块进行相似度估计.为了对算法有效性进行验证,文中采用基于误差敏感性的峰值信噪比来对重建图像的质量进行度量.仿真结果表明算法在提高图像分辨率的同时有效的抑制了噪声,并且很好的保持了图像的细节信息.     

一种基于类比的去噪算法研究

类比值进行去噪是基于灰色系统理论的方法。根据图像中噪声像素的强度值与周围的非噪声像素比较起来有非常大的变化,而非噪声像素的强度值与周围像素值几乎近似的特点,依照类比的定义,根据噪声点对应的类比值较大,而非噪声点对应的类比值较小的特点,利用阈值方法可以准确的识别出图像的噪声点。     

Improved Snake algorithm for complex target''s boundary detection

The traditional Snake algorithm cannot effectively detect the object edge of an image with non-convex shapes or low SNR. This paper studies the characteristics of this type of image with complex shape target or noise and presents an improved Snake algorithm. The traditional Snake function model and operation strategy are improved by increasing new control energy functions, and the influencing weight of these energy factors is discussed. At the same time, a dynamic arrangement for the Snake points is used to adapt different target shapes. The simulation results indicate that the new Snake model greatly decreases the dependence on the Snake point’s initial position and effectively overcomes noise influence. This method enhances the Snake algorithm’s ability of detecting object edge. __________ Translated from Transaction of Beijing Institute of Technology, 2004, 24(2): 162–165 (in Chinese)     

Noise removal for medical X‐ray images in wavelet domain

Many important problems in engineering and science are well‐modeled by Poisson noise, and the noise of medical X‐ray images is Poisson noise. In this paper, we propose a method for noise removal for degraded medical X‐ray images using improved preprocessing and an improved BayesShrink (IBS) method in the wavelet domain. First, we preprocess the medical X‐ray image. Second, we apply the Daubechies (db) wavelet transform to medical X‐ray images to acquire scaling and wavelet coefficients. Third, we apply the proposed IBS method to process wavelet coefficients. Finally, we compute the inverse wavelet transform for the threshold coefficients. Experimental results show that the proposed method always outperforms traditional methods. © 2008 Wiley Periodicals, Inc. Electr Eng Jpn, 163(3): 37– 46, 2008; Published online in Wiley InterScience ( www.interscience.wiley.com ). DOI 10.1002/eej.20486     

Water Gauge Image Denoising Model Based on Improved Adaptive Total Variation

As an important part of water level warning in water conservancy projects, often due to the influence of en-vironmental factors such as light and stains, the acquired water gauge images have sticky, broken and bright spot conditions, which affect the identification of water gauges. To solve this problem, a water gauge image denoising model based on improved adaptive total variation is proposed. Firstly, the regular term exponent in the adaptive total variational equation is changed to an inverse cosine function; secondly, the differential curvature is used to distinguish the image noise points and increase the smoothing strength at the noise points; finally, according to the characteristics of the gradient mode and adaptive gradient threshold after Gaussian filtering, the New model can adaptively denoise in the smooth area and protect the edge area, so as to have the characteristics of both edge-preserving denoising. The experimental results show that the new model has a great improvement in image vision, higher iteration efficiency and an average increase of 1.6 dB in peak signal-to-noise ratio, and an average increase of 9% in structural similarity, which is more beneficial to practical applications.     

低通滤波在紫外成像降噪处理中的应用

紫外成像诊断技术是发现电气设备电晕放电故障隐患的重要手段,对提高供电可靠性和实现电气设备状态维修具有重要价值。为了获得更好的检测效果,改善所拍摄的紫外图像质量,降低噪声干扰,须对紫外图像进行图像处理。为此采用夜间型紫外成像仪获得设备电晕放电图像并把采集的RGB图像转化为灰度图像,再根据图像的噪声分析,针对椒盐噪声、斑点噪声和高斯噪声等这些噪声的特点采用频域低通滤波技术进行滤波处理,噪声模拟和现场实测的紫外图像表明滤波前后效果显著,提高了故障放电时所测得的紫外图像的质量。