多网格法解总变分问题及在医学图像增强中的应用

传统的各向同性平滑方法，如拉普拉斯平滑方法，虽然能去掉图像的噪声，但同时也可能使图像的边缘信息模糊，甚至丢失。针对这种情况，基于总变分的平滑方法得到重视，因为该方法可以在去除噪声的同时，对边缘的信息进行增强，但是由于基于总变分的平滑方法计算量大，且用松弛法迭代的收敛速度比较慢，因此引入了多网格预处理的共轭梯度算法来解总变分问题。计算结果表明，共轭梯度法的收敛速度明显高于松弛法，而采用多网格法收敛速度还可以得到进一步提高。为说明该方法的优点，最后对用这两种方法处理的超声医学图像的收敛曲线和平滑结果进行了比较。     

基于变分的图像增强算法和伪彩色映射

提出了一种新的基于变分方法的灰度图像增强算法。将灰度图像的对比度场进行线性放大作为目标图像的对比度场,在图像显示和打印的动态范围约束条件下。利用变分方法求解出增强的图像,使其具有最接近于目标对比度场的对比度。若把目标对比度进一步作动态范围压缩后,将此方法应用到彩色图像的亮度分量中去(色度和饱和度不变)。并根据人类视觉感知的统计特性将结果图进行伪彩色映射,得到视觉效果更佳的彩色图像。这种增强方法不需要人为选定待增强图像区域。实验结果表明了该图像增强方法的有效性。当图像中含有极其微弱的有用的局部对比度信息时,效果尤佳。     

计算机彩色模型在图像显示与分割中的应用

本文提出了基于彩色模型的灰度图像彩色显示与分割的方法,该方法将ＲＧＢ,ＨＳＶ和ＧＬＨＳ这几个彩色模型用于图像彩色合成显示并首次用于灰度图像分割中,彩色合成利用图产强方法并考虑到人眼对彩色的分辨率以及视觉特性,不仅增强了图像的内容,而且给予图像合理的彩色显示,使图像易于分析并且具有好的视觉效果。     

小位移光流计算的对偶方法

基于光流计算的通用变分模型,建立小位移光流场计算的对偶方法。变分能量泛函中的数据项使用稳健估计的L1范数,规则项采用边缘保持的总变差项。采用对偶变量表示总变差项,克服基于传统总变差计算须引入小规则参数的问题,并得到较好的实验结果。该方法可应用到大位移光流计算和光流计算的高阶模型中。     

图像插值的一个变指数变分模型

为了消除插值图像在边缘的锯齿现象、在平坦区域的分块现象,提出了一种变指数变分模型的图像插值方法。通过对变指数变分模型扩散特性的研究,引入了一个满足插值扩散特性的指数函数。指数函数中的两个参数实现两方面的功能：一个参数控制扩散强度从而减小图像边缘宽度,另一个控制平滑强度从而保持细小的纹理。这个新的变指数变分模型使总变差（TV）模型沿着图像轮廓方向扩散消除锯齿现象,而热扩散在图像平坦区域起光滑作用消除分块现象。数值实验结果显示,该方法能很好地重建插值图像的边缘。与Chen等的方法（CHEN Y M, LEVINE S, RAO M. Variable exponent, linear growth functionals in image restoration. SIAM Journal on Applied Mathematics, 2006, 66（4）： 1383-1406）以及鲁棒软决策插值方法相比,所提方法对细微纹理的保持有明显的视觉效果改善,平均结构相似度（MSSIM）指标提高0.03左右。该模型对进一步研究符合具体图像处理任务的变指数变分模型具有一定的探索意义,对图像网络传输、打印等具有很强的实际应用价值。     

复杂带状图像的快速三角剖分与骨架化算法

为了快速准确地计算带状图像的骨架，以便对其进行识别、重建等处理，提出一种基于快速三角剖分的骨架化算法，首先通过对带状图像边界的近似多边形进行三角剖分，生成一系列具有拓扑关系的三角形，然后根据三角形的类型生成局部骨架，最后连接生成整幅带状图像的骨架．该算法充分利用了图像的整体与局部信息，且与分辨率无关。     

掩星数据变分同化的算法讨论

掩星数据资料的一维变分同化反演技术可以有效地改进气象参数廓线,但是把该技术用于气象业务流程的最大困难是它的计算量较大,而计算方法是影响计算速度的直接因素之一。通过理论分析和观测实例的计算,对变分同化常用的三种计算方法进行分析和比较,为变分同化技术的改进提供理论依据。     

三维图像多相分割的变分水平集方法探究

基于三维图像多相分割问题,采用变分水平集方法,借助能量泛函得出水平函数演化方程,再取值不同的参数构建相应的区域模型.选取虚拟人体下颌骨和牙齿图像进行验证,验证结果证实,该方法具有简单高效的优势,能够快速分割和重建三维图像,并将图像信息真实反映出来.     

基于Potts模型的图像分割快速算法

Potts模型是一种通用的多相图像分割的变分模型,其极值问题需要迭代求解一系列偏微分方程。针对其求解过程计算效率较低的问题,提出一种基于对偶方法的快速算法。采用离散二值标记函数作为特征函数,利用Lagrange乘子法把对特征函数的约束加入能量泛函,然后引入对偶变量改写模型中的长度项,利用KKT的条件得到特征函数的二值解以及对偶变量的简单迭代格式。通过数值实验将该方法与梯度降方法、对偶方法和Split Bregman方法进行比较。实验结果表明,该算法的计算效率和分割准确性都高于其他三种方法。     

一种稳健的自适应图像平滑算法

图像平滑作为去除图像中含有噪声的图像增强处理技术，是各种与图像有关软件中必不可少的功能模块。优秀的平滑算法应该在有效处理含有多种噪声的受污图像时，仍具备良好的图像细节保持能力。为了能够在有效地处理含有多种噪声的受污图像的同时保持图像细节，提出了一种结合非线性和线性滤波器的稳健平滑算法，该算法是在分析几种细节保持能力良好的平滑算法(梯度加权平滑、自适应中值滤波、稳健平滑、边缘保持滤波器)的基础上，通过吸收上述几种平滑算法细节保持效果较好的优点，结合它们各自对不同噪声的适应性而得到的。针对含有多种噪声的受污图像，用该算法进行了去噪试验，多次试验结果表明，该算法在稳健地处理这些受污图像的同时，仍可以保持良好的图像细节，同时该算法还可以稳健地处理复杂的含噪图像，且具备良好自适应性，可以为涉及图像处理的软件架构，提供相应的算法支持。     

自适应全变分图像去噪模型及其快速求解*

在联合冲击滤波器和非线性各向异性扩散滤波器对含噪图像做预处理的基础上,利用边缘检测算子选取自适应参数,构建能同时兼顾图像平滑去噪与边缘保留的自适应全变分模型,并基于Bregman迭代正则化方法设计了其快速迭代求解算法.实验结果表明,自适应去噪模型及其求解算法在快速去除噪声的同时保留了图像的边缘轮廓和纹理等细节信息,得到的复原图像在客观评价标准和主观视觉效果方面均有所提高.     

一种颜色保持的彩色图像增强新算法

分析了Retinex理论及其典型彩色图像增强算法,在此基础上提出一种颜色保持的彩色图像增强新算法。利用非线性sigmoid传输函数多尺度增强亮度分量,并进行局部对比度增强后获得亮度增益曲面,最后利用亮度增益曲面对原彩色图像RGB三颜色分量同比增强,保证了色调恒定不失真。几种算法实验结果的比较和分析。表明,这种算法是有效的。     

基于Zernike矩的新型Retinex图像增强方法研究

针对传统的Retinex算法对雾天和彩色图像增强时,会出现色彩恢复不协调,光照分布不均匀这类缺点,提出了一种新的基于Zernike矩模型的Retinex图像增强方法。通过在HSV空间中求解图像V分量和S分量的Zernike矩来提取图像的背景灰度和阶跃高度,然后调节邻接像素内灰度变化差异和区域饱和度的相关性,进而增强图像的亮度,恢复图像的色彩。实验结果表明,该方法有效地解决了图像色彩恢复和光照恢复不足这一问题,而且对不同特点的图像都有良好的适应能力。     

一种新的低照度彩色图像增强算法*

为了增强彩色图像而不引起色彩失真,在HSV颜色空间中保持色相不变,提出了采用分段对数变换增强饱和度结合在多尺度Retinex算法的基础上,采用边缘保持增强色调的低照度彩色图像增强算法。实验结果表明,该方法在保持图像色相和图像边缘的情况下,显著改善了图像的视觉效果,提高了图像的亮度和对比度。25幅低照度图像的平均亮度、标准偏差和对比度分别提高了94.95%、20.93%和29.88%,相对于带色彩恢复的多尺度Retinex算法的熵和对比度增量分别提高了7.34%和151.51%,效果优于Retinex算法。     

焦点引导的带颜色恢复的多尺度Retinex算法

针对低照度下高动态范围图像在应用多尺度Retinex算法进行图像增强时,易出现光晕现象和颜色失真等问题,提出了一种可以由焦点引导的带颜色恢复的多尺度Retinex(FgMSRCR)算法。通过自底向上视觉注意模型对低照度下高动态范围图像进行焦点提取,保留于相异焦点集中,对整幅图像应用带色彩恢复的多尺度Retinex算法(MSRCR)进行图像增强,再对焦点区域进行保持亮度和颜色比例的增强,利用高斯平滑滤波器完成图像增强任务。实验结果表明,与常见的图像增强算法和其他Retinex算法相比,该算法能够在保持颜色恒常的前提下有效地克服光晕现象。     

快速Retinex彩色图像增强

提出了一种快速Retinex彩色图像增强方法,模拟了人类视觉系统全局和局部自适应性。首先对图像的亮度范围做全局调整;然后在光照估计步骤中对亮度进行Mean Shift滤波,用于其后光照影响的消除;最后对增强结果进行颜色恢复并进行了后处理。实验结果表明,方法能够有效压缩图像的动态范围,克服光照不均的影响,有效去除了光晕现象,且方法的颜色保持性较同类方法更好。使用了Mean Shift加速算法,方法运行速度快于此前提出的方法。     

雾天图像增强计算模型及算法

针对雾天图像退化程度与景深呈非线性关系的特点,提出一种自适应Retinex雾天图像增强算法,根据图像像素点所处的人类视觉区域反映出的雾的厚薄程度自动调整算法的参数取值。在此基础上,构建一种新的图像增强计算模型,将自适应Retinex增强算法与CLAHE增强算法的增强结果自适应地加权融合,使得增强结果能够同时保持色彩恒常性和亮度恒常性,实现对雾天图像的清晰化。主观观测和客观评价表明,本文方法比HE和MSR算法在雾天图像细节增强及色彩保持方面具有更好的效果。     

非均匀光照条件下的彩色人脸图像增强

针对非均匀光照彩色人脸图像增强中肤色失真问题,提出了一种基于单尺度Retinex和肤色模型的方法。将人脸图像转换至YCbCr颜色空间,并采用不同的方法分别处理Y分量和CbCr分量。针对亮度分量（Y）采用单尺度Retinex方法压缩图像的动态范围,增强图像暗处的细节信息;针对图像中肤色区域,根据肤色在CbCr空间具有聚集性的特点,调整亮度分量增强后肤色像素点色度分量（Cb和Cr）的值,改善肤色区域的颜色质量。在CAS-PEAL人脸库中进行实验,该方法与传统的人脸图像增强方法相比,在图像细节呈现能力和面部色彩真实程度方面均有提高。     

基于多尺度梯度域引导滤波的低照度图像增强算法

针对低照度彩色图像整体亮度较低，增强图像中颜色易失真，部分图像细节淹没在较低灰度值像素中等问题，提出一种改进的低照度图像增强算法。首先，把待处理图像转换到色调、饱和度、亮度（HSI）颜色空间，对亮度分量进行非线性全局亮度校正；然后，提出多尺度梯度域引导滤波的亮度增强模型，利用该模型对校正后的亮度分量进行增强，接着对增强后的亮度分量进一步实施避免颜色失真的亮度校正；最后，将图像再转换回红绿蓝（RGB）颜色空间。实验结果表明，增强后的图像亮度平均提高90.0%以上，清晰度平均提高123.8%以上，这主要得益于多尺度梯度域引导滤波具有更好的亮度平滑和增强能力；同时由于减小了颜色失真，使增强图像的细节表现能力平均提高18.2%以上；由于采用了多尺度梯度域引导滤波的亮度增强模型与直方图自适应的亮度校正算法，使提出的低照度图像增强算法适宜应用于夜间等弱光源条件下的彩色图像增强。     

基于L0范数的Retinex图像增强算法

图像在采集过程中会因为机械设备、天气状况等原因产生曝光不均等问题,使得图像的拍摄效果不佳,无法满足实际应用的需求。而传统的Retinex算法应用于图像增强时会导致图像边缘模糊与泛灰等问题。因此,针对传统的Retinex算法现存的问题,提出一种新颖的图像增强算法——基于L0范数的Retinex算法RIEALN。首先通过全局L0梯度最小化方法提取图像的轮廓成分,然后进行Retinex算法处理,再将提取的轮廓成分融合到原始图像,实现原始图像的增强。实现过程中还通过增加不同的L0梯度最小化因子确保不同尺度轮廓成分的均匀增强。实验结果表明,该算法不仅可以增强图像的对比度,而且还能够较好地保留边缘信息。