基于LEP多尺度滤波分解的图像增强算法

为了解决传统图像增强方法不能在多个尺度上处理图像细节的问题,采用一种基于局部边缘保持(Local Edge-Preserving,LEP)滤波器的图像多尺度分解方法对图像进行增强。利用LEP滤波器对图像进行多尺度分解,分解成一个基本层和两个细节层;根据分解后各层的特点和增强的要求,通过保留基本层,对细节层进行S形曲线增强,实现图像细节的增强;最终合成并恢复颜色,得到最终增强图像。采用主观评价和对比度增益、信息熵来评价图像增强效果。实验结果表明,该方法能够有效增强图像细节,提升对比度,避免光晕现象,所得增强图像具有良好的视觉效果。     

砂岩储层横向不连续性检测技术组合及应用

地震信号横向不连续性检测大多针对断层检测、识别和自动解释,相关研究包括边缘保持滤波技术、相干体技术、蚂蚁追踪技术等,并已得到广泛应用。但对于小尺度不连续信息检测的研究较少。局部结构熵算法属于第三代相干算法,较前两代相干算法具有更好的抗噪性和更高的分辨率,对砂岩储层内部微小的不连续结构的检测精度更高。为此,以局部结构熵属性计算为核心,辅助以边缘保持滤波技术和基于蚁群算法的平面属性增强处理方法,形成了砂岩储层横向不连续性检测的技术组合。其流程包括地震资料解释性处理、相干体属性计算、平面表征及优化、成果验证及应用。在南海H油田目标砂体单元的应用表明,应用上述技术组合得到的储层横向不连续性检测结果与水平井钻遇的泥岩段具有较好的匹配关系,验证了技术组合的有效性。     

双波段红外图像的对比度增强融合

为了抑制在处理双波段红外图像融合时低对比度图像细节信息丢失导致漏警的问题,在基于WLS边缘保持平滑的基础上,提出了一种多尺度对比度增强的融合算法。通过边缘保持平滑,提取不同尺度的细节分量,从而实现对比度在不同空间频率上的增强;为了进一步消除图像光晕现象,采用非下采样方向滤波,使多分辨率变换同时具有方向性。实验结果表明,本算法能够使融合图像包含输入图像更多的互补信息,图像细节更加清晰,较大地提高了红外弱小目标的对比度。Abstract：关键词：Key words：     

基于上下文量化和局部线性回归的医学图像增强算法

为解决图像降噪过程中的弱边缘问题,提出了一种基于上下文量化和局部线性回归的医学图像降噪方法。应用信息论中上下文量化技术将复杂的混合噪声模型转换成一个局部回归分析问题,并设计了一个基于上下文的自适应滤波器;应用自适应核回归分析,进一步解决了滤波器的参数高鲁棒性估计问题;结合基于上下文的自适应滤波器技术的图像增强方法,研究了一个有效的多尺度医学图像增强算法系统。对该医学图像增强技术进行系统评估后表明,基于上下文量化的多尺度医学图像增强技术优于现有算法。     

基于阈值与人眼特性的小波图像压缩算法

针对图像传输数据量大的问题,通过结合小波变换的高效性与普遍性,提 出了一种基于阈值与人眼特性的小波图像压缩算法,在图像的低频子带中通过结合阈值与人 眼的视觉敏感度,提出了阈值保留算法;而图像的高频子带则是通过结合小波变换后各子带 的方向性,并根据小波幅角的不同提出了边缘保留算法;在保证图像质量的同时减少了图像 中的冗余信号。实验结果表明,新方法能够实现上述目标且具有低耗时的优势,在图像压缩 领域具有较好的发展前景。     

LoG边缘算子改进的加权引导滤波算法

针对原始全局的引导滤波算法对整幅图像各个区域使用统一的线性模型与相同的规整化因子,从而未能适应图像本身不同区域的纹理特性,提出了基于LoG边缘检测算子改进的加权自适应规整因子。通过在局部窗口内计算LoG幅值响应,对原有的规整化因子进行惩罚来取得对图像平滑区域与边缘区域的自适应,使得在保证降噪效果的前提下进一步突出边缘像素和平坦区域像素之间的差异。对开源医学图像库BrainWeb中不同断层的T1、T2与PD加权图像,共18张图像,添加9%的莱斯噪声作为测试库,并采用结构相似性因子(SSIM)与无参考图像锐化因子(CPBD)作为算法的定量评估指标。实验结果表明,与原始的引导滤波算法相比,所提方法的SSIM指标获得了最高5%左右的提升,CPBD指标获得了最高6%左右的提升。在引导滤波不同规整化因子的条件下,所提算法均优于原始的引导滤波算法和现有的基于方差图像加权改进的引导滤波算法,并保留了原始引导滤波O(N)的复杂度。与现存的主流滤波算法比较,所提算法能够兼顾SSIM与CPBD指标,具有最高的综合性能,且具有最低的算法复杂度,能够用于医学图像和彩色图像的快速滤波降噪。     

基于细节增强的单一图像去雾

在雾霾、烟雾等恶劣天气状况下拍摄出的照片能见度很差,对视野中物体的可分辨性很低。在暗通道先验的基础上描述了一种有效增强细节的单幅图像去雾算法。首先对雾霾图像进行边缘保持模糊处理,进而提取出不含雾成分的细节层。与此同时对雾霾图像使用中值滤波算法去雾,将初步去雾后的图像加上细节层,得到更加细致、清晰的图像。为了提取图像的细节层,选用了域变换递归边缘保留滤波器,它能够在保持边缘的同时快速对图像进行模糊处理。     

基于变分PDE的地震资料空间自适应保边缘去噪方法

地震资料去噪是地震资料处理的一个基本环节,其信噪比的好坏会直接影响地震资料的可靠性及地质解释的精度．本文主要针对已有方法在去噪的同时不能很好地保持边缘信息这一问题,通过构造空间自适应边缘检测函数,建立了基于分数阶偏微分方程的自适应变分去噪模型;然后,推导了求解新模型的分数阶Euler-Lagrange方程,并给出其离散格式;最后,将本文提出的方法用于合成地震数据及实际地震数据去噪,通过与传统去噪方法相比较,验证了新方法的有效性与实用性．     

基于自适应流形滤波的边缘感知编辑

边缘感知编辑是图像和视频编辑中运用非常广泛的编辑方法。全局优化计算是处理此类问题的最常用手段,但是在处理高分辨率图像视频时存在诸多性能问题。为此,提出一种采用自适应流形滤波的方法,用于处理多种边缘感知编辑。借助自适应流形滤波具有局部边缘感知以及全局影响扩散的特性,实现多种边缘感知编辑的处理效果,同时避免传统的全局优化方法所产生的时间损耗和较高的计算复杂度,得到较好的视觉效果。实验结果表明,该方法具有较好的边缘保持性和全局性,并能够实时处理高分辨率的视频图像。     

基于多尺度导引滤波的图像融合方法

提出了 一种基于多尺度导引滤波的图像融合方法。首先,对源图像进行多尺度边缘保持分解,分别 得到一幅基本图像和一系列细节图像;然后,对基 本图像和不同尺度下的细节图像采用不同的融合策略,即基于导引滤波的融合策略;最后, 将融合 后的基本图像和融合后的细节图像相加,得到最后的融合图像。实验结果表明,本文提出的 融合方法 在保留光谱信息的同时,能较好地将源图像中的边缘细节信息保持到融合图像中,而且也取 得了较高的归一 化互信息(MI)值,相对于其他融合算法,MI值平均提升0.5;能更好地体现图 像细节特征,为融合图像提供更加丰富的信息。