一种小波域的图像增强算法

微弱图像具有对比度低、噪声高、质量差等特点,一定程度上影响了图像的观察和使用。因此,提出一种小波域的图像增强算法,通过对微弱图像多尺度、多分辨率的小波变换分离各维度小波系数,对低频小波系数进行直方图均衡化,高频小波系数进行Canny算法提取边缘,最后将处理后的各维度小波系数进行图像重构以实现图像增强。并选取了3幅微弱图像,将其经所提出的算法及几种传统经典图像增强算法增强后的图像进行实验仿真对比。仿真结果表明,在主观评价上,所提算法增强后的图像的细节更加丰富,视觉感受更加平滑自然;客观评价指标中信息熵的值也都是最大的,分别是4.989 3,3.741 5,4.796 1,信息丰富度最高;而峰值信噪比和图像质量测量函数的数据表明所提算法增强图像的强度适中,整体性较好。可见,所提出的针对微弱图像的增强算法能够在视觉效果上和图像信息上进行有效的图像增强。     

红外图像实时增强的新算法

针对红外图像的特点,提出了一种红外图像实时增强的新算法。该算法通过分析图像的直方图,得到图像中目标像素数峰值的估计值,并作为平台直方图均衡化的阈值。用该阈值对直方图进行修正,然后通过修正后的直方图进行直方图均衡化。在FPGA内通过采用并行处理结构及流水线技术实现了该算法,并且每秒可处理25帧128×128×8bits的红外图像。理论分析和实验结果均表明,本算法克服了采用一般直方图均衡化增强红外图像的缺点?对背景和噪声增强过度,抑制了目标的增强。该算法对红外图像增强后,图像对比度是直方图均衡化增强后图像对比度的1.8倍。     

基于显著结构重构与纹理合成的图像修复算法

文章结合结构修复算法及纹理修复算法各自的优点,并考虑显著结构对图像修复的巨大影响,提出结合显著结构重构与纹理合成的图像修复算法。算法先利用形态学算子剥离待修复图像中细小结构与大块区域;然后利用快速结构修复算法对图像进行处理;再利用插值对待修复图像进行显著结构重构;最后利用基于改进优先级的加权匹配图像修复算法进行后续修复。实验结果表明,对既有显著结构同时又包含丰富纹理的待修复图像,与传统算法相比,本文的算法不但有更好的修复效果,而且耗时更少。     

一种基于PSO算法和ICM模型的图像自动分割算法

ICM模型（Intersecting Cortical Model）是一种简化的脉冲耦合神经网络（Pulse Couled Neural Network,PCNN）,ICM模型图像分割的效果取决于ICM模型中各个参数的合理选择,这一般需要通过多次实验获得。而粒子群优化算法（Particle Swarm Optimization,PSO）具有对参数自动寻优的优势,为此,将PSO和ICM模型相结合,以改进的最大类间方差准则函数为适应度函数,提出了一种新的基于PSO和ICM模型图像自动分割算法。实验仿真结果验证了该方法的有效性,即不仅可以正确的实现图像分割,而且参数可以自动设置省去了人工实验的麻烦,同时分割速度也有所提高。     

一种高效的医学图像滤波方法

作为观察人体内组织、器官的医学图像有其独有的特点,本研究在图像形态学重建算法的基础上,提出一种适用于各种医学图像的滤波方法,此滤波方法首先在感兴趣区域内寻找"最大八连通域",然后通过改进后的测量膨胀算法对图像内所有像素进行选择,最终实现自动保留感兴趣区域,并去除其他非感兴趣区域的目的,实验结果证明,与传统的滤波方法相比,此方法可以既快速又有效地对X-CT图像、MRI图像和超声图像进行滤波处理。     

基于均方差快速增强的图像修复算法

在分析几种关键图像修复算法的实现原理、适用性及其优劣的基础上,针对目前图像修复算法可能存在适用性有限、优化修复算法中存在的算法复杂度较高或者未考虑破损图像的结构信息的情况,提出了一种基于数据融合的加权均方差快速增强图像修复算法,并将其应用于壁画和自然图像的修复实验中。通过系统仿真实验证明,在修复强结构纹理自然图像和壁画时该方法能紧密结合图像结构信息进行有效地修复,同时,其适用性在原有的基础上有所提高。     

基于匹配调节法则和梯度约束模型的图像修复算法

目的针对当前较多图像修复算法难以根据不同纹理结构来自适应调整修复块的尺寸,导致修复结果中存在不连续效应和模糊效应等不足,提出一种结合匹配调节法则和梯度约束模型的图像修复算法。方法首先,利用平滑因子对置信度项进行约束,构造优先级判定模型,对待修复块的优先级进行度量,确定优先修复块。随后,通过SSD模型度量样本块之间的匹配结果,并根据匹配结果制定匹配调节法则,使得样本块能根据匹配度自适应调节其大小,以提高修复质量。最后,将梯度模值块中像素点的均方距离度量结果与样本块中像素点相结合,构造梯度约束模型,用以获取最佳匹配块对待修复块进行填充修复。结果实验结果表明,与当前图像修复算法相比,该算法修复的图像具有更好的修复质量,在像素丢失率较高的情况下,仍然具有较高的相似度值。结论所提算法具备较好的修复视觉质量,可用于被大面积损坏图像的修复。     

图像修复的邻域差值扩散模型

针对BSCB模型在修复图像时会使处理后的区域产生模糊的缺点,分析其产生的原因,并在此基础上提出了一个新型的偏微分方程--邻域差值扩散模型.该模型重新定义了图像修复过程中所使用的扩散信息和扩散方向,在很大程度上避免了BSCB模型模糊问题的出现.实验表明,邻域差值扩散模型改善了图像修复的效果,使修复后的图像无论在平滑区域还是边缘区域都很清晰.     

气象计量自动化温度检定系统中的图像预处理研究

针对气象计量自动化温度检定系统中图像噪声大、对比度不够等问题,在采用图像预处理技术的基础上,提出一种同态滤波的对比度受限自适应图像预处理方法。尝试中值滤波对红外图像进行去噪,保证噪声不被增强的前提下,利用同态滤波的原理,对图像细节进行增强。但同态滤波依然存在图像特征点与非特征点在图像质量不高的情况下容易混淆的问题,对此采用限制对比度自适应直方图均衡的方法进一步调整图像的动态范围。通过仿真实验对此方法进行验证,验证了所提出方法的有效性。     

一种基于正则化和Watson视觉模型的图像指纹算法

大量多媒体应用的发展使得数字图像很容易地被非法操作和篡改,提出一种基于图像正则化和视觉特性的图像指纹算法,可以有效地实现图像的认证和识别.首先对图像进行正则化预处理,消除几何形变对图像的影响,然后对图像进行分块DCT变换,利用Watson视觉模型对DCT系数进行处理,增大人眼敏感的频域系数在计算图像特征时的权重,经过量化形成最终的指纹序列.在图像指纹序列生成过程中,加入密钥控制,提高了指纹的安全性.实验结果表明,该方法的冲突概率在10-7数量级,对JPEG压缩、旋转、缩放等操作具有较好的稳健性.     

基于引导因子与曲率惩罚模型的图像修复算法

目的 解决当前图像修复方法主要通过待修复像素点的法向量来确定修复过程,无法保证其修复顺序从破损区域的周边至中心进行,导致修复图像中存在块效应和不连续效应等问题。方法 将引导因子与曲率惩罚模型相结合,设计新的图像修复方法。利用破损区域的中心像素点与其他任意待修复像素点之间的距离来构造引导因子,并将其与置信度项以及数据项结合,形成优先权模型,用于选取优先修复块。利用待修复块的梯度特性对其平滑度进行判断,以明确该待修复块对应的最优匹配块的搜索范围,使其通过最小绝对差平方和（SSD）函数来搜索最优匹配块,从而将最优匹配块中像素点扩散填充至待修复块。最后,基于像素点间的等照度线曲率来建立曲率惩罚模型,以更新置信度项,从而实现图像的修复。结果 测试数据表明,与已有修复方案相比,所提算法可以更好地兼顾修复质量与效率。结论 所提方案具有较好的修复质量,可用于损坏面积较大图像的复原。     

基于纹理特征与最优稀疏表示的图像修复算法

目的解决当前图像修复算法忽略了对修复块后续的优化处理,导致修复图像易出现不连贯效应以及块效应等的不足。方法提出基于纹理特征与稀疏表示的图像修复算法,首先利用像素点对应的数据项,构造了优先权模型。然后,利用像素点在R,G,B分量上对应的像素值来构造纹理特征度量模型,对待修复块中像素点对应的纹理特征进行度量,并根据度量结果,选择其对应样本集的大小。引入SSD型,从样本集中搜索与待修复块最相似的最优样本块,对待修复块进行填充。最后,利用最优样本块函数,构造最优稀疏表示模型,从而实现图像修复。结果仿真结果显示,与当前图像修复算法相比,所提图像修复算法具备更高的复原质量,能有效克服修复图像中出现的不连贯效应以及块效应。结论所提算法具有较高的修复视觉质量,在数字图像处理领域具有较好的应用价值。     

基于优先权和匹配度量的图像修复算法

目的 针对当前图像修复算法主要通过固定单一模板大小实现修复块与匹配块之间的匹配度量来完成图像复原,导致其存在一定的模糊效应以及振铃效应等不足,这里提出基于改进优先权和匹配优化度量的图像修复算法。方法 首先,利用数据项构造平滑因子,建立优先权模型,度量待修复像素点的优先权,选定优先修复块。然后,制定四级模板大小,利用误差平方和函数,结合模板大小特性,构造匹配度量模型,用于实现修复块和匹配块之间的动态匹配,选取最优匹配模板,对待修复块进行填充修复。最后,利用待修复像素点及其邻域像素点的灰度值构造邻域灰度差分模型,用于对修复区域的边缘进行缝合,优化修复效果。利用最优匹配度量结果,构造置信度更新模型,对置信度项进行更新,实现图像修复。结果 仿真实验结果显示,与当前图像修复算法相比,所提算法具有更高的修复质量,其输出图像无模糊效应与振铃效应。结论 所提算法能够较好地对损坏图像进行复原,在图像信息处理领域具有一定的参考价值。     

基于平滑度测量与互相关制约的图像修复算法

目的为了解决当前较多图像修复算法在对损坏区域实施填充修复时没有考虑图像块之间的相关性,导致修复图像中存在振铃以及连接间断等不足,拟设计平滑度测量因子耦合互相关制约的图像修复算法。方法将图像的Laplace算子引入到优先权的计算过程中,以增加图像的边缘信息,优化数据项的成分,并利用置信度、图像的Laplace算子和数据项构造优先权计算模型,以获取优先修复块。利用等照度线的二阶导数,构造平滑度测量因子获取图像的平滑度,并以图像的平滑度为导向,对最优匹配块的搜索区域进行定位。通过误差平方和函数(SumofSquaredDifferences,SSD)在定位的搜索区域中搜寻最优匹配块,并采用互相关系数函数对最优匹配块的唯一性进行制约,以提高所获最优匹配块的准确性。结果实验结果显示,与当前修复技术相比,所提方法具有更高的连接完整性和清晰度。结论所提方案可对损坏图像完成较好的视觉复原,在图像信息处理领域具有一定的参考价值。     

基于梯度直方图与密度度量模型的图像伪造检测算法

目的为了解决当前图像伪造检测算法在内容识别过程中易丢失色彩信息而导致不理想的检测精度与鲁棒性等问题,提出基于梯度直方图耦合密度度量模型的图像伪造检测算法。方法首先引入RGB彩色图像映射模型,求取图像的颜色不变量。将图像的颜色不变量作为输入量,利用算法检测图像的特征点。然后以特征点为中心构造四级窗口,通过求取窗口内梯度累加值,形成低维度的特征描述符,并利用特征点对应的梯度直方图构造相似性度量模型进行特征点匹配。最后借助欧式距离,构造密度度量模型,对特征点进行归类,以完成伪造检测。结果仿真实验表明,与当前图像伪造检测算法相比,所提算法具有更高的检测正确度,高达99.6%。结论所提算法具有较高的伪造检测精度与鲁棒性,在图像信息、包装印刷等领域具有良好的应用价值。     

基于相似稀疏度与局部差异特征的图像修复算法

目的为了解决当前图像修复算法在破损面积较大时,其复原图像易丢失局部细节信息而导致修复图像存在振铃效应以及不连贯效应的不足,提出一种基于相似稀疏度耦合局部差异特征的图像修复算法。方法首先,利用待修复块及其相邻块内像素的均方距离来构造相似稀疏度模型,以形成优先权度量函数,根据其计算的优先级来确定优先修复块。然后,通过样本块对应的梯度向量模值来构造局部差异因子,计算样本块的局部差异,并以计算结果为依据对样本块的尺寸进行调整。最后,以像素点的颜色差值信息为依据,构造近似函数,选取最优匹配块对待修复块进行复原。结果仿真实验结果显示,与当前图像修复算法相比,该算法具有更高的修复质量和效率,其复原图像不存在振铃效应和不连续效应等。结论所提算法具有较高的修复视觉质量,能用于大面积损坏图像的复原。     

基于图像信息熵统计直方图的图像增强算法

目的为了解决图像因亮度较大造成的成像效果不佳、局部细节不清楚等问题。方法将直方图均衡化技术(Histogram Equalization, HE)引入图像信息熵域,提出对比度弱化的图像信息熵统计直方图自适应均衡化算法(Contrast-reduced Adaptive Entropy Histogram Equalization, CRAEHE)。以各个灰度级信息熵统计值为基础,先将原图像分割成若干个子区域,对每个子区域的灰度信息熵统计值进行阈值截取,补充到子区域内各个灰度级上,再对子区域进行信息熵直方图均衡化处理。采用USC-SIPI和CBSD432数据集图像,用图像灰度均值、标准差、平均梯度、信息熵等参数对实验样本进行质量评价。结果文中算法处理结果较原图灰度均值下降了7.94%,标准差平均提高了52.22%,信息熵平均提高了19.86%,平均梯度提高了57.19%。结论文中算法增强了选自数据集里的过亮图像的细节,并使图像整体细节与质量都得到了改善,该算法的处理结果较其他处理实验样本的主观质量提升明显,对光照强度适应范围广。     

基于Allen-Cahn方程图像修复的算子分裂方法（英）

本文提出了一种基于Allen-Cahn方程图像修复的算子分裂方法．其核心思想是利用算子分裂方法将原问题分解为一个线性方程和一个非线性方程,线性方程使用有限差分Crank-Nicolson格式进行离散,非线性方程利用解析方法进行求解,因此时间和空间都能达到二阶精度．由于该方法只作用于图像需要修复的区域,而其余区域的像素值与原始图像的保持一样,可以大大提高计算效率．合成图像和真实图像的数值实验验证了该算法的正确性和有效性．