带细节增强与降噪的真彩图像多尺度边缘检测

为了解决真彩图像降噪和边缘细节保留的问题,提出了使用一种软阈值方法进行细节增强与降噪的真彩图像多尺度边缘检测算法。使用小波多尺度真彩图像边缘检测算法得到不同尺度边缘图像,进而根据改进的软阈值滤波函数,对得到的边缘图像进行阈值选择,降噪的同时也增强了保留的边缘细节信息;最后对不同尺度边缘图像进行了加权二范数融合。实验证明,该算法能充分利用真彩图像的颜色和梯度信息,有效地抑制噪声,增强图像的细节信息。     

使用同态分解和小波变换增强真彩图像

在RGB空间中分别对真彩图像的三个通道进行增强能够很好地压缩图像动态范围,但往往会产生色彩偏离。因此,先将真彩图像由RGB空间变换到HSV空间,进行色度、饱和度和亮度分离;然后基于入射-反射模型,对亮度通道进行同态分解和小波变换的图像增强;再根据人类视觉系统光谱感觉特性,调整色饱和度分量的色彩纯度。实验证实,增强后的真彩图像色彩基本无偏差,图像动态范围压缩良好,能够很好地适应人类视觉。该方法对真彩图像的增强优于带色彩恢复的多尺度Retinex方法（msrcr）。     

基于密钥图的真彩水印算法

按照流行媒体使用的颜色空间，将真彩水印的系数按照一定的强度附加在真彩图像对应的中低频系数上，使真彩图像被附加的系数合成真彩密钥图。算法的主要贡献在于使用了真彩水印和图像，适用于常见媒体使用的彩色空间，避免了DCT系数的排序与重定位。试验表明，算法具有较强的抗剪切、JPEG有损压缩、缩放、噪声、模糊和锐化等能力。     

利用HSV空间的双通道同态滤波真彩图像增强

在RGB空间中分别对真彩图像的三个通道进行增强能够很好地压缩图像动态范围,但往往会产生色彩偏离。文章提出先将真彩图像由RGB空间变换到HSV空间,进行色度、饱和度和亮度分离,然后对饱和度通道进行巴特沃斯同态滤波增强,对亮度通道进行高斯同态滤波增强,除此之外,研究了同态滤波中高通滤波器截止频率如何确定的问题,并解释了同态滤波器中的比例系数。实验证实,增强后的真彩图像色彩基本无偏差,图像动态范围压缩良好。     

使用半高斯核的冲击扩散滤波图像盲复原方法

提出一种冲击扩散模型对含有模糊与噪声的退化图像进行盲复原.该方法使用半高斯核提取图像边缘的精确方向,并且对不同的图像区域使用不同的冲击扩散策略.实验结果表明,所提出的方法能够有效地消除图像中的噪声并增强边缘,同时能够保存小物体与角落等图像结构.相比于其他方法,所提出方法的复原图像拥有更好的视觉效果与更高图像评价指标.     

基于小波多分辨率分析的图像模糊增强算法的研究与实现

图像在采集的过程中,会受到各种噪声的干扰和污染.基于小波变换的多分辨率分析能够有效抑制噪声的特性,提出利用小波多分辨率分析对图像进行平滑滤波实现图像的去噪,并定义新的模糊隶属度函数对图像进行增强,在保证模糊增强效果的同时减少噪声的影响.经试验证实,该方法能够有效地实现图像的增强.     

基于小波变换的真彩图像降噪与增强

适用于带噪声彩色图像增强的方法少,而应用灰度图像的增强方法,不仅增强噪声,而且会产生色彩偏离。基于此,提出在HSV色彩空间上的降噪与增强方法。根据人眼视觉系统对亮度的变换敏感性大于色度和饱和度的变换敏感性,以及图像噪声只对亮度和饱和度产生影响,将真彩图像由RGB空间变换到HSV空间,保持色度通道不变,对亮度通道进行小波变换,直接对J尺度下的低频信息进行动态范围的压缩,对各尺度下的高频信息进行基于贝叶斯估计阈值的降噪处理。对饱和度通道,利用得到的降噪公式进行降噪处理,将图像变换到RGB 空间。仿真实验证实,增强后的真彩图像包含噪声少,色彩基本无偏差,图像动态范围压缩良好。     

PCNN模型在彩色图像增强中的应用

应用灰度图像增强方法对真彩图像进行增强,往往都会产生色彩偏离,影响增强结果和视觉效果。因此基于人眼视觉系统对亮度变化比较敏感,提出在HSV色彩空间,应用PCNN模型进行增强的方法。将真彩图像由RGB空间变换到HSV空间,保持色度H和饱和度S不变,结合入射反射模型,利用脉冲耦合神经网络（PCNN）,对亮度V通道进行增强处理。将HSV空间得到的增强图像变换到RGB空间。实验证实,对一些对比度低、细节不明显的图像应用此方法进行增强,色彩基本无偏差,细节部分明晰,动态范围压缩较好,视觉效果得到了较大的改善。     

一种改进的相干斑噪声抑制算法

研究了一种新的合成孔径雷达相干斑噪声抑制的算法.传统的噪声抑制和近年来的小波变换方法都有其不足之处,难以在高效降低斑点噪声的同时保持图像细节.结合增强Lee算法中的思想与小波算法用于抑制SAR图像中相干斑噪声,能够获得良好的效果,通过和现有的几种抑制斑点噪声的滤波算法进行定量的实验比较,主要的评价指标有斑点噪声指数,等效视数、平滑指数和边缘保持指数,由仿真结果可以看出算法具有较好的相干斑噪声抑制能力和边缘保持能力.     

一种矢量相关性的抗噪声边缘检测方法

对图像中常见的高斯噪声特性进行了分析,对含有较强高斯噪声的数字图像的边缘检测方法进行了研究。分析了边缘的方向性相关特征和连续性相关特征,设计了图像特征矢量图,检测图像特征矢量相关的相似度,提取出抗噪声的图像边缘检测方法。仿真验证表明,对于含有较强高斯噪声的图像,本方法能够有效抑制噪声,而且能够提取出准确清晰的边缘。本算法在噪声图像中能很好地克服普通算子的噪声问题,而且算法简单,计算量较少。     

基于模糊细胞神经网络的彩色图像形态学重构

利用彩色图像的ＲＧＢ空间分解,在模糊细胞神经网络上实现了彩色图像数学形态学的基本算子,并讨论了该实现相对于常规串行计算机算法的优越性和局阴,进一步地利用按分量的灰度重构,实现了彩色重构算法,最后讨论了该重构算法在抑帛镐频噪声中的应用,给出的仿真结果对对于推广模糊细胞神经网络在彩色图像实时处理和硅眼等模拟逻辑中的应用有着重要的意义。     

Combining color and depth for enhanced image segmentation and retargeting

As depth cameras become more popular, pixel depth information becomes easier to obtain. This information can clearly enhance many image processing applications. However, combining depth and color information is not straightforward as these two signals can have different noise characteristics, differences in resolution, and their boundaries do not generally agree. We present a technique that combines depth and color image information from real devices in synergy. In particular, we focus on combining them to improve image segmentation. We use color information to fill and clean depth and use depth to enhance color image segmentation. We demonstrate the utility of the combined segmentation for extracting layers and present a novel image retargeting algorithm for layered images.     

Guided depth enhancement via a fast marching method

Range imaging sensors such as Kinect and time-of-flight cameras can produce aligned depth and color images in real time. However, the depth maps captured by such sensors contain numerous invalid regions and suffer from heavy noise. These defects more or less influence the use of depth information in practical applications. In order to enhance the depth maps, this paper proposes a new inpainting approach based on the fast marching method (FMM). We extend the inpainting model and the propagation strategy of FMM to incorporate color information for depth inpainting. An edge-preserving guided filter is further applied for noise reduction. To validate our algorithm, we perform experiments on both Kinect data and Middlebury dataset which, respectively, provide qualitative and quantitative results. Meanwhile, we also compare it to the original FMM and other two state-of-the-art depth enhancement methods. Experimental results show that our method performs better than the local methods in terms of both visual and metric qualities, and it achieves visually comparable results to the time-consuming global method.     

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。     

彩色C-V方法及其在印刷网点图像分割中的应用

将Chan和Vese提出的基于Mumford-Shah模型的图像分割方法(C-V方法)由灰度分割扩展到彩色分割，并给予一定改进。提出了一种可以有效分割彩色图像的彩色C-V方法，使得图像中的色度信息得到充分利用；对原始C-V模型进行改进，增强了全局特性，同时考虑到人眼视觉感知，采用合适的色彩空间；将该方法应用于印刷网点图像分割。实验表明，彩色C-V方法用于分割边缘模糊和噪声污染较为严重的网点图像时，效果大大优于传统的分割方法。     

基于改进CycleGAN的水下图像颜色校正与增强

针对水下观测图像的颜色失真和散射模糊问题,提出一种基于改进循环一致性生成对抗网络(Cycle-consistent generative adversarial networks, CycleGAN)的水下图像颜色校正与增强算法.为了利用CycleGAN学习水下降质图像到空气中图像的映射关系,对传统CycleGAN的损失函数进行了改进,提出了基于图像强边缘结构相似度(Strong edge and structure similarity, SESS)损失函数的SESS-CycleGAN, SESS-CycleGAN可以在保留原水下图像的边缘结构信息的前提下实现水下降质图像的颜色校正和对比度增强.为了确保增强后图像和真实脱水图像颜色的一致性,建立了SESSCycleGAN和正向生成网络G相结合的网络结构;并提出了两阶段学习策略,即先利用非成对训练集以弱监督方式进行SESS-CycleGAN学习,然后再利用少量成对训练集以强监督方式进行正向生成网络G的监督式学习.实验结果表明:本文算法在校正水下图像颜色失真的同时还增强了图像对比度,且较好地实现了增强后图像和真实脱水图像视觉颜色的一致性.     

A Statistically-Switched Adaptive Vector Median Filter

This paper presents a new cost-effective, adaptive multichannel filter taking advantage of switching schemes, robust order-statistic theory and approximation of the multivariate dispersion. Introducing the statistical control of the switching between the vector median and the identity operation, the developed filter enhances the detail-preserving capability of the standard vector median filter. The analysis and experimental results reported in this paper indicate that the proposed method is capable of detecting and removing impulsive noise in multichannel images. At the same time, the method is computationally efficient and provides excellent balance between the noise attenuation and signal-detail preservation. Excellent performance of the proposed method is tested using standard test color images as well as real images related to emerging virtual restoration of artworks. Rastislav Lukac: Corresponding author e-mail: lukacr@dsp.utoronto.ca, Web: http//www.dsp.utoronto.ca/∼lukacr.     

Fast segmentation of range images into planar regions by scan line grouping

A novel technique is presented for rapid partitioning of surfaces in range images into planar patches. The method extends and improves Pavlidis' algorithm (1976), proposed for segmenting images from electron microscopes. The new method is based on region growing where the segmentation primitives are scan line grouping features instead of individual pixels. We use a noise variance estimation to automatically set thresholds so that the algorithm can adapt to the noise conditions of different range images. The proposed algorithm has been tested on real range images acquired by two different range sensors. Experimental results show that the proposed algorithm is fast and robust.     

场景化立体空间色彩饱和度动态修正仿真研究

当前立体空间色彩饱和度修正方法,受到噪声干扰导致图像空间的光照信息计算失准,造成低动态范围图像空间色彩饱和度失衡,从而需要二次修正,存在修正耗时较长、成本较高、且图像细节信息模糊的问题。据此提出场景化立体空间色彩饱和度动态修正方法,采用Retinex图像增强算法加入全局自适应亮度调节以及去噪环节,对图像亮度分量进行增强处理,在求解反射分量的过程中,保留场景化立体空间中的光照信息,以完成图像的预处理。将经过预处理的彩色图像压缩到普通显示器能够显示的范围内,采用阶跃方程对低动态范围内场景化立体空间色彩饱和度进行动态调整,实现场景化立体空间色彩饱和度动态修正。仿真结果表明,所提方法修正耗时较短、成本较低,并且能够更好的保存图像的细节信息。