灰度梯度映射函数改进的Otsu阈值法

针对目标与背景灰度分布不均匀的图像,基于集中于目标的图像阈值法思想,引入图像的灰度直方图信息,得到更为细致的阈值化准则。考虑图像的边缘信息,引入灰度梯度映射函数,提出了基于梯度的集中于目标的Otsu阈值法。大量经典图像阈值化结果表明,该方法在目标提取的完整性和边缘保留的清晰性方面,均表现出了更佳的效果。     

分层遗传算法实现图像边缘检测

提出一种基于分层遗传算法和梯度算子图像边缘检测的方法得到最优边缘算子,利用分层遗传算法优化设计灰度梯度算子,通过对样本图像的训练,在最小均方误差准则下获得最优灰度梯度算子。最优梯度算子增加了对噪声的抗干扰能力,并使得到的边缘更准确。     

基于局部区域信息的医学图像分割及偏移场矫正方法

针对医学图像中由于偏移场的存在而导致图像灰度不均匀的问题,提出了一种基于局部区域信息的医学图像分割及偏移场矫正方法,以矫正偏移场使图像变为灰度均匀。该方法利用图像局部区域信息,通过拟合图像和原始图像构造能量函数,采用变分水平集方法进行求解。实验结果表明,该方法能够有效地实现医学图像分割及偏移场矫正,与其它分割及偏移场矫正方法相比,该方法具有较高的分割及偏移场矫正的精度和效率。     

基于边缘曲线光顺连续性恢复的灰度图像放大算法

灰度图像放大时，插值的平滑作用会退化图像的高频部分，致使放大图像的边缘变得模糊．本文提出了一种基于离散边缘曲线光顺连续性恢复的灰度图像放大算法，算法包括两个步骤，第一步是使用能量优化方法，根据一定的准则从离散的边缘曲线数据恢复出连续而光顺的边缘曲线；第二步是基于这些曲线对图像实施插值计算．使用本文方法得到的放大图像边缘清晰光顺．文中络出了放大实例，实验结果证明了本文方法的有效性．     

一种基于分数阶偏微分方程的图像放大算法

针对传统图像放大算法的不足之处,将物理意义鲜明的分数阶偏微分理论引入到图像放大算法中,提出一种新的基于分数阶偏微分方程的图像放大算法,使得放大图像的轮廓更加清晰,同时能够有效保留放大图像的细节边缘特征。仿真实验结果表明,该方法对比传统图像放大算法在放大图像的同时也增强图像的清晰度和对比度。     

基于多层P样条和稀疏编码的非刚性医学图像配准方法

针对传统相似性测度易受灰度偏移场的影响而造成误配,和单层P样条变换模型中通常无法准确选择初始化网格密度的问题,提出了多层P样条和稀疏编码的非刚性医学图像配准方法。该方法将稀疏编码作为相似性测度,首先把待配准的两幅图像划分图像块,然后使用“K-SVD”算法训练图像块得到分析字典并寻找稀疏系数,采用多层P样条自由变换模型来模拟非刚性几何形变,结合梯度下降法优化目标函数。实验结果表明,与单层P样条几何变换和Sparse-induced、Rank-Induced相似性测度相比,所提方法能够准确选择网格密度并有效克服灰度偏移场对配准的影响,降低了均方根误差,提高了配准的精度和鲁棒性。     

一种基于有理二次样条曲线的图像放大方法

提出了一种新的基于有理二次样条曲线的图像放大方法。在图像放大处理中,扫描图像的每一行（列）根据所得的灰度值构造有理二次样条曲线，再依据放缩要求在相邻像素之间插入适度灰度值的像素点以完成放大。该方法引入一个映射因子用来微调新增像素点的灰度值从而保证了放大后图像的边缘特性以及图像的清晰度。     

基于眼睛梯度对特征的人脸检测方法

该文提出了一种利用眼睛灰度变化梯度对特征来检测人脸的方法。在分析人脸图像中发现,眼球的灰度级较低,而眼球周围白色区域的灰度级较高,两个区域在其交界处灰度级产生强烈突变。该文利用图像灰度变化梯度值构造梯度和特性值,通过寻找相等的梯度和特性值来实现从图像中找出对应眼睛的位置,定位可能的人脸区域,再计算其对称性后确定人脸特征的存在,更进一步验证检测的人脸区域。实验证明,此方法能迅速准确地从复杂背景图像中检测出人脸,而且对多人脸图像同样有效。     

非局部的变分正则化图像放大算法

针对Chambolle图像放大模型存在分块效应,提出一种非局部的变分正则化图像放大算法。该算法的思想是构造一个适用于图像放大的变分泛函,该泛函由正则项和数据保真项构成,其中图像的正则项是用非局部全变差范数进行估计,进而用迭代投影方法求泛函的最小解,即为放大后的图像。与传统的图像插值方法不同,该算法是用变分的思想进行图像放大,非局部全变差的引入更使得该算法不只是利用图像的单个像素点,或某一邻域内的灰度和梯度信息进行放大,而是更大范围地利用了图像本身的信息,这将更有效地保留图像特征,避免了Chambolle方法在图像放大时出现的分块效应。实验结果表明,该算法能更好地保留边缘和细节信息,放大图像的清晰度比Chambolle图像放大方法和样条插值的效果要好。     

多描述子活动轮廓模型的医学图像分割

目的 医学图像分割结果可帮助医生进行预测、诊断及制定治疗方案。医学图像在采集过程中受多种因素影响,同一组织往往具有不同灰度,且伴有强噪声。现有的针对医学图像的分割方法,对图像的灰度分布描述不够充分,不足以为精确的分割图像信息,且抗噪性较差。为实现医学图像的精确分割,提出一种多描述子的活动轮廓（MDAC）模型。方法 首先,引入图像的熵,结合图像的局部均值和方差共同描述图像的灰度分布。其次,在贝叶斯框架下,引入灰度偏移因子,建立活动轮廓模型的能量泛函。最后,利用梯度下降流法得到水平集演化公式,演化的最后在完成分割的同时实现偏移场的矫正。结果 利用合成图像和心脏、血管和脑等医学图像进行了仿真实验。利用MDAC模型对加噪的灰度不均图像进行分割,结果显示,在完成精确分割的同时实现了纠偏。通过对比分割前后图像的灰度直方图,纠偏图像只包含对应两相的两个峰,且界限更加清晰;与经典分割算法进行对比,MDAC在视觉效果和定量分析中,分割效果最好,比LIC的分割精度提高了30%多。结论 实验结果表明,利用均值、方差和局部熵共同描述图像灰度分布,保证了算法的精度。局部熵的引入,在保证算法精度的同时,提高了算法的抗噪性。能泛中嵌入偏移因子,保证算法精确分割的同时实现偏移场纠正,进一步提高分割精度。     

加权型曲率保持 PDE 图像滤波方法

提出了一种加权型曲率保持偏微分方程(Partial differential equation, PDE)滤波方法.传统曲率保持PDE 滤波方法未考虑各积分曲线可能经历不同的图像结构,如此影响了其对图像边缘的保持能力.在此基础上, 利用局部图像方向信息为不同积分曲线设计了相应的权重,得到了一种张量驱动的加权型曲率保持PDE滤波方法. 实验结果表明该方法在滤波的同时能较好地保持图像中边缘与曲率结构,且对图像具有一定增强能力.     

基于K-SVD的偏微分方程模型在毫米波图像恢复中的应用

在图像被大噪声污染或具有较低分辨率时,传统的偏微分方程(PDE)模型的稳态解会产生明显的阶梯效应,恢复图像质量较差。针对此缺点,提出了一种新的基于K-奇异值分解(K-SVD)的PDE图像恢复方法,并应用于毫米波(MMW)图像的恢复。K-SVD是一种图像稀疏表示方法,对图像进行稀疏估计的同时实现去噪,对噪声方差较大的图像具有较好的去噪鲁棒性。首先采用K-SVD对MMW图像进行去噪,对去噪图像再应用全变分(TV)模型的PDE方法进行恢复。对所提出的算法分别使用模拟的MMW图像和真实的MMW图像进行测试,并进一步和K-SVD、PDE方法比较,同时使用峰值信噪比(PSNR)对恢复图像进行评价。根据不同噪声方差下的PSNR数据和恢复图像的视觉效果,实验结果证明了所提方法能够有效地恢复MMW图像。     

偏微分方程图像平滑模型的一种最优停止准则

基于偏微分方程的各种非线性图像平滑模型, 可归结为求解初始值为输入图像的非线性扩散方程. 这些非线性图像平滑模型在滤除噪声的同时, 在保留图像重要特征方面表现出良好的性能.采用这些模型对图像进行平滑的过程中,迭代停止准则对图像平滑的效果有着重要的影响.该文提出了一种简单实用的最优停止准则,该准则确定了一个标准,使得平滑后的图像与噪声的相关性最小时停止迭代. 它易于实现而且又有很强的通用性.实验结果表明该算法可以在图像平滑过程中适时地停止迭代, 获得满意的图像平滑效果.     

A nonlinear level set model for image deblurring and denoising

Image deblurring and denoising are fundamental problems in the field of image processing with numerous applications. This paper presents a new nonlinear Partial Differential Equation (PDE) model based on curve evolution via level sets, for recovering images from their blurry and noisy observations. The proposed method integrates an image deconvolution process and a curve evolution based regularizing process to form a reaction-diffusion PDE. The regularization term in the proposed PDE is a combination of a diffusive image smoothing term and a reactive image enhancement term. The diffusive and reactive terms present in the model lead to effective suppression of noise with sharp restoration of image features. We present several numerical results for image restoration, with synthetic and real degradations and compare it to other state-of-the-art image restoration techniques. The experiments confirm the favorable performance of our method, both visually and in terms of Improvement in Signal-to-Noise-Ratio (ISNR) and Pratt’s Figure Of Merit (FOM).     

小波域中的PDE指纹图像增强

提出了一种基于偏微分方程的小波域指纹增强算法。分析了一致性扩散方程的缺陷,改为使用方向扩散使方程严格沿着指纹纹路扩散;进而提出了一种基于方向扩散的小波域指纹增强算法。该算法利用小波域低频系数图增强指纹,抑制了噪声的影响,将增强子图利用小波逆变换实现重构。通过对FVC2002的dB4指纹库中部分低质量图像的增强结果比较,表明该算法对低质量指纹图像的增强效果明显,且处理速度比现存的基于PDE的增强方法快。     

基于数值微分的图像融合方法

提出一种基于数值微分的图像融合方法。用精确求解离散数据导数的数值微分方法取代传统的邻域差分来求解图像梯度,将求解得到的图像梯度应用到基于偏微分方程的图像融合模型中,改进基于偏微分方程的图像融合数值化方案。将改进前后的方法进行对比实验,结果表明,应用改进方法得到的融合图像的质量指标和图像收敛性较优。     

基于Lp范数的局部自适应偏微分方程图像恢复

提出了一种新的基于L_p范数的自适应偏微分方程图像处理模型,改进了Tony Chan的TV变分模型和张红英的p-Laplace模型.TV模型对图像采用全局约束,而新的扩散方程在图像不同的位置上采用不同的约束,具有局部自适应的特性,在扩散的同时更好地保持了图像的边缘信息,进而将其应用到图像恢复(去噪,去除模糊)中去.实验结果表明新模型的综合性能优于Tony Chan和张等现有的模型.     

基于矩形NAM和偏微分方程的灰度图像压缩方法

借助矩形NAM图像表示方法和偏微分方程技术,提出一种新的灰度图像压缩方法.该方法在编码端把原始图像逆布局为若干矩形子块,并采用坐标压缩方法存储每个子块的位置、大小.在解码端,采用偏微分方程进行图像修复,有效消除解码图像中的方块效应.该方法的时间复杂度为 ,其中n为灰度图像像素数.实验表明:在保持图像质量的前提下,该方法具有更高的压缩比和更少的块数,具有较高实用价值.     

Towards a partial differential equation remote sensing image method based on adaptive degradation diffusion parameter

For the anisotropy diffusion feature, Partial Differential Equation (PDE) methods keep edge detail characters well in case of denoising, thus being widely applied in remote sense image denoising, smoothing, filtering and reconstruction. A PDE remote sensing image denoising method based on Adaptive Degradation Diffusion Parameter (ADDP) was proposed in the paper to deal with fuzzy detail problem caused by increasing iteration number. The PDE denoising method with ADDP enlarged diffusion size in the plat region of remote sensing image without affecting the remote sensing image edge, thus avoiding loss of remote sensing image detail and intersections caused by Gaussian convolution smoothing in the PDE filtering model based on curvature-based movement (CM) and image denoising model based on total variation (TV). In the region where gradation value changes little, the method executed isotropic diffusion to remove isolated noise. The upwind scheme was applied for model numerical realization. Experimental in remote sensing image denoising results proved its feasibility and effectiveness.     

基于变分法和偏微分方程的图像彩色化方法

针对传统的图像彩色化算法易产生的图像边缘颜色模糊等问题,提出一种基于变分法和偏微分方程的图像彩色化算法,结合整体变分(TV)模型和金兹堡一朗道(GL)模型的特点,通过求泛函极值建立偏微分方程,使图像的光滑区域和边界区域都能有效的实现颜色扩散,对偏微分方程进行数值求解得到彩色化结果.实验结果表明,与其它偏微分方程彩色化技术相比,该方法能得到清晰自然的彩色化图像和较高的图像质量.