低噪声自适应突变策略的MMLT算法

针对多通路metropolis光照传输(MMLT)算法在光照复杂区域遍历性差、突变策略不灵活、接受概率低，导致图像含有大量噪声问题，提出一种自适应突变策略的改进算法。利用收集的样本信息，增强对场景光照的初始认知；用兼顾局部与全局样本的权重函数选择建议样本；重新设计接受概率计算方法，提高样本的接受概率；通过共享像素信息，降低噪声。实验从不同角度验证，改进算法对场景具有普适性，实现了自适应采样，提高了样本的接受概率，降低了图像噪声。     

并行多维自适应采样

针对现有自适应采样方法绘制效果差和速度慢的问题,提出一种并行的多维自适应采样方法.首先对多维空间进行粗采样,将其自适应地分割为多个子空间;然后扩展各子空间边界,根据噪声评价值分配每个子空间所需的采样点数;在各子空间上构建KD树以并行地对其进行自适应采样;最后根据各采样点间的梯度值重构图像.实验结果表明,该方法能够以更少的样本绘制高质量的景深、运动模糊和软阴影效果,并控制绘制图像时的内存消耗,支持高分辨率的真实感图像生成.     

一种新的片上抑制CMOS图像传感器暂态噪声方法术

暂态噪声是CMOS图像传感器暗光下噪声的重要组成部分,不但影响图像质量,而且限制图像动态范围的提高。提出了一种新的自适应片上抑制CMOS图像传感器暂态噪声的方法。将多帧采样图像进行空间转换,使用自适应增益将多帧采样图像中相应像素进行加权平均,进行空间逆变换,得到去噪后的像素值。对20组图片进行实验,结果表明算法能够克服...     

基于自适应四元数奇异值分解的图像拼接检测

图像拼接将来源不同的图像合并成一幅图,由此引起图像中光照方向、噪声等特性出现不一致的情况。目前多数方法根据拼接图像中噪声的不一致性来检测伪造区域,但是普遍对不同大小图像块的噪声估计准确性不高,导致真阳性率较低,且当噪声差异较小时会检测失败。针对该问题,提出一种基于自适应四元数奇异值分解（QSVD）的噪声估计方法。对图像进行超像素分割,利用自适应QSVD估计超像素的噪声,结合图像亮度并利用多项式拟合建立图像噪声-亮度函数,得到各超像素到该函数曲线的最小距离测度。为提高检测精确率,利用色温估计算法提取超像素的色温特征,将距离测度与色温特征相融合作为最终的特征向量,利用FCM模糊聚类定位拼接区域。在Columbia IPDED拼接图像数据集上进行实验,结果表明,该方法在未经后处理图像集上的检测TPR值较对比方法至少提升8.21个百分点,且对高斯模糊、JPEG压缩和伽马校正表现出较好的鲁棒性。     

用SURE引导自适应采样与采样颜色直方图重构

针对现有采样颜色直方图重构缺少自适应采样方法的问题,提出一种基于Stein’s unbiased risk estimator(SURE)的像素均方误差计算方法.首先对图像空间粗采样;然后在GPU上分块计算SURE来评估图像每个像素的误差度量值,并用该值引导非均匀自适应采样;最后使用非局部多尺度滤波方法重构图像.实验结果表明,不论从图像噪声定量化指标还是视觉效果来看,该方法都极大地改进了图像绘制质量.     

基于模糊连接度的抠图样本集构造方法

针对已有的图像抠图采样方法易受trimap输入的影响且精确度不足的问题,提出一种基于模糊连接度的抠图样本集构造方法.通过计算模糊连接度求解未知像素到前景边界和背景边界的最强路径,以与最强路径关联的已知像素为中心搜集邻近的已知像素,并构造出未知像素的样本集,且当新的用户笔画加入后,能够快速地更新样本.实验结果表明,文中方法对trimap的依赖性小、采样精确度高、鲁棒性强.     

突变策略下多通路Metropolis光照传播

目的 针对多通路Metropolis光照传播（multiplexed Metropolis light transport,MMLT）算法在亮度不均匀区域接受概率低、采样数量与光照分布不对称以及亮度均匀区域样本流动性差的问题,提出一种兼顾整体和局部处理的融合突变策略。方法 整体上,以方差动态度量像素平面亮度均匀度,并自适应调整采样步长,记录每个像素位置的采样数量,当采样进行到当前采样像素的样本数量达到阈值,且当前样本是马尔可夫链起始样本或大突变后首个样本时,以方差度量当前采样像素及其8邻域范围内亮度均匀程度,并以方差的计算结果调整当前马尔可夫链的采样步长。若当前采样像素的样本数量达到阈值,且当前样本是马尔可夫链小突变时,则兼顾采样数量和光照强度计算当前像素8邻域内的采样权重。结果 实验将改进算法和MMLT算法在不同光照和材质的场景下进行对比,改进算法在保证高光区域渲染效果外,使亮度不均匀区域的渲染结果更加细腻,亮度均匀区域样本更为分散。结论 本文提出以方差动态度量图像亮度均匀度,自适应调整采样步长与加强高光区域采样相结合的融合突变策略,可以使样本在亮度不均匀区域聚集进行精细采样,在亮度变化剧烈处改善局部采样数量与光照分布不对称现象,在亮度均匀区域增强样本的遍历性。     

一种自适应的模糊C均值聚类图像分割方法

针对传统的模糊C均值聚类算法(FCM)在图像分割中对噪声十分敏感这一局限性,提出一种自适应的FCM图像分割方法。该方法充分考虑图像像素的灰度信息和空间信息,根据像素的空间位置自适应地计算一个合适的相似度距离来进行聚类分割图像。实验结果表明,与传统的FCM相比,该方法能显著提高分割质量,尤其是能提高对于图像噪声的鲁棒性和分割图像区域边缘的准确性。     

基于模糊神经网络的彩色图像滤波方法

提出一种基于模糊神经网络的彩色图像滤波方法．该方法将滤波窗口内的像素矢量作为模糊神经网络的输入，根据像素间的矢量距离进行模糊化，通过模糊推理实现对各个像素加权求均值，得到中心像素的输出．输入的模糊化和模糊推理参数由神经网络的自学习功能自动调整，实现最优的滤波效果．对样本图像的处理结果表明，该滤波方法对不同类型的噪声均有较好的滤波效果。     

一种改进的自适应模糊图像增强方法

Russo提出了一种模糊图像增强方法,该方法的效果由一个事先给定的参数来控制,由于同一幅图像不同区域的灰度值分布不尽相同,所以固定的参数并不能取得满意效果。为了获得更好的滤噪效果,研究了一种基于图像区域信息的改进的自适应模糊图像增强方法。该方法首先计算每个像素与其邻域像素的平均灰度差,然后根据该差值为每个像素分配一个噪声率,最后通过该噪声率来自适应地选择参数。该方法能够在滤除图像噪声的同时,不损失图像的细节特征信息。实验结果显示该方法较原方法有较大改进,并明显优于其他一些常规方法。     

基于模糊推理的多窗口中央值滤波器设计方法

提出了一种基于模糊推理用于去除图像椒盐噪声的中央值滤波器的新型设计方法,在图像复原处理中,理想的期望是对图像被劣化的部分处理,没有被劣化的部分不作处理,但实际图像处理中处理点是否为噪声点具有模糊性.利用模糊推理对处理点像素多大程度上属于劣质像素进行推定,并且多个模糊滤波器联合使用,处理结果证明对广范围噪声发生率的各种被椒盐噪声劣化的图像复原处理都适用.     

基于图像受噪程度的改进模糊加权均值滤波

根据高斯噪声密度大、噪声强度的波动范围宽,其污染图像不仅每一个像素灰度级都会受影响,而且即使是同一灰度级受污染的程度也会不同的特点和传统的图像模糊滤波算法在图像细节保护方面上的不足,提出基于图像受噪程度的改进模糊加权均值滤波算法,该算法根据图像各像素点的受噪程度,得到首次滤波图像和原图像估计直方图,根据该直方图确定模糊隶属度函数,然后对首次滤波图像中灰度小于25的像素点进行模糊加权均值滤波,该算法在不需要期望图像和高斯噪声方差的情况下能有效地去除噪声,同时能够很好地保护图像细节信息。     

基于局部蚁群算法的图像分割

为了解决光照不均匀、有噪声,或者背景灰度变化较大时,采用单一阈值不能兼顾图像各个像素的实际情况,提出一种利用局部蚁群算法对图像进行阈值分割的改进算法。对图像进行分块,在每块内分别设定阈值进行分割,可以有效减少像素错误归类的现象。该算法对图像的不同区域设置不同的迭代次数和蚂蚁走的步数,获得了更好的分割效果。实验表明该算法可以提高分割的精度,缩短程序运行的时间。     

基于噪声检测的遥感图像模糊滤波

提出了一种基于噪声检测的遥感图像模糊滤波方法。该方法首先用一个噪声检测标准将输入图像的像元分为为噪声像元和信号像元,然后,利用模糊数学的相关理论对噪声像元进行处理,并把处理结果赋给输出图像的对应像元;而对于信号像元,则不进行处理,直接把它的值赋给输出图像的对立像元。另外,在图像处理过程中,把输入图像的噪声像元用其处理结果代替,以更好地改善图像滤波处理结果。实验结果表明本文的方法能有效地去除图像中的椒盐噪声。     

Novel fuzzy active contour model with kernel metric for image segmentation

In this paper, a novel region-based fuzzy active contour model with kernel metric is proposed for a robust and stable image segmentation. This model can detect the boundaries precisely and work well with images in the presence of noise, outliers and low contrast. It segments an image into two regions – the object and the background by the minimization of a predefined energy function. Due to the kernel metric incorporated in the energy and the fuzziness of the energy, the active contour evolves very stably without the reinitialization for the level set function during the evolution. Here the fuzziness provides the model with a strong ability to reject local minima and the kernel metric is employed to construct a nonlinear version of energy function based on a level set framework. This new fuzzy and nonlinear version of energy function makes the updating of region centers more robust against the noise and outliers in an image. Theoretical analysis and experimental results show that the proposed model achieves a much better balance between accuracy and efficiency compared with other active contour models.     

基于邻域相关信息的X射线图像增强算法

射线图像存在对比度差、灰度范围小、影像模糊等缺陷。传统的反锐化增强算法是图像增强经常用到的方法,该方法简单易行,但对噪声非常敏感。一般是加上一个低通滤波器来抑制噪声,但加上低通滤波器后又会对边缘造成模糊。 针对上述问题,提出了基于邻域相关信息的射线图像增强算法。首先对射线图像进行多幅叠加降噪,然后根据掩模中心像素和周围邻域像素灰度值的差与输出灰度的查找表进行图像增强。该方法在增强图像的同时能够很好地抑制噪声的增加,实验证明这种方法是可行的。     

Salt and pepper noise filtering with fuzzy-cellular automata

A new image denoising algorithm is proposed to restore digital images corrupted by impulse noise. It is based on two dimensional cellular automata (CA) with the help of fuzzy logic theory. The algorithm describes a local fuzzy transition rule which gives a membership value to the corrupted pixel neighborhood and assigns next state value as a central pixel value. The proposed method removes the noise effectively even at noise level as high as 90%. Extensive simulations show that the proposed algorithm provides better performance than many of the existing filters in terms of noise suppression and detail preservation. Also, qualitative and quantitative measures of the image produce better results on different images compared with the other algorithms.     

Handling of impreciseness in gray level corner detection using fuzzy set theoretic approach

Reliable corner detection is an important task in determining shape of different regions in an image. To detect corners in a gray level image under imprecise information, an algorithm based on fuzzy set theoretic model is proposed. The uncertainties arising due to various types of imaging defects such as blurring, illumination change, noise, etc., usually result in missing of significant curvature junctions (corners). Fuzzy set theory based modeling is well known for efficient handling of impreciseness. In order to handle the incompleteness arising due to imperfection of data, it is reasonable to model image properties in fuzzy frame work for reliable decision making. The robustness of the proposed algorithm is compared with well known conventional detectors. The performance is tested on a number of benchmark test images to illustrate the efficiency of the algorithm.     

基于离群特征的γ辐射图像去噪方法

针对Co60辐射环境中γ光子穿透CMOS图像传感器时致使场景图像存在斑块噪声的问题,提出了一种基于离群特征的γ辐射图像去噪方法。首先在序列图像中逐点获取对应的像素序列,并将该像素序列进行光照归一化以消除图像帧之间光照差异影响;然后在光照归一化后像素序列中利用噪声像素值的离群特性判断当前像素点是否为噪点;最后利用序列中各点的一、二阶离群特征筛选有效像素序列,并将其均值进行逆光照归一化以作为噪点修复的像素值。所提方法与多种典型去噪方法分别在高剂量率区和低剂量率区的真实γ辐射图像上进行了对比实验,该方法均取得了最佳去噪效果。     

Importance sampling for volumetric illumination of flames

Physically based rendering of scenes with volumetric illumination of flames remains a challenging problem due to the complexity of their heterogeneous radiative properties. Current bidirectional importance sampling strategies have been focusing on emissive light sources without anisotropic extinction. In this paper, we present an efficient importance sampling method for volumetric light sources with anisotropic extinction. According to the radiative properties of flames, we separate the computation of anisotropic extinction from the evaluation of illumination inside flames and utilize cluster-based hierarchies to rapidly estimate them. To exploit the coherence of radiative voxels, we also propose a new similarity metric to aggregate voxels into clusters. For each pixel to be shaded, we use these clusters to rapidly approximate the importance function of voxels, and draw final illumination samples from clusters. Our results show that this approach substantially reduces the variance of images when rendering scenes with flames.