基于分数阶图像增强的P-M模型

P-M扩散模型是图像处理中用于去噪平滑的经典模型,但在实际应用中常会出现零散的斑点。为了去除残存的噪点,通常采用平滑处理来消除高梯度的噪声,但这又模糊了边缘,损失了细节信息。从此问题入手,采用在噪声图像平滑处理后,应用分数阶微分来锐化图像,由于分数阶微分的非线性特性,此方法可以在增强边缘特征的同时不明显加强噪声信息。实验证明,通过文中方法的处理,图像质量和信噪比都有了明显提升。     

基于分数阶微分和高斯曲率滤波的遥感图像增强

遥感图像的复杂性、模糊性、噪声强等特点,严重影响了图像的质量。为改善图像质量,提出一种结合分数阶微分和高斯曲率滤波的图像增强算法。通过分数阶微分提升图像的高频成分、增强图像的中频成分以及非线性保留甚低频成分,获得图像边缘明显突出、纹理更加清晰的遥感图像;后引入高斯曲率滤波在分数阶微分增强图像过程中进行平滑,解决遥感图像本身噪声强以及分数阶微分增强过程中带来的噪声放大和扩散问题。多组对比实验表面,算法可以增强遥感图像的细节信息,有效的抑制噪声。     

自适应三维分数阶微分增强算法

针对三维数字图像在重构预处理阶段分辨率不高、模糊等影响重构精度的问题,提出了基于自适应三维分数阶微分的增强算法。在将二维分数阶微分推广应用至三维的基础上,尝试性地基于图像自身梯度信息和相邻体素间梯度变化构造了自适应三维分数阶微分阶数,并给出了三维离散滤波模板。利用三维切片图像自身梯度信息解决了不同属性图像及不同图像区域最优的分数阶微分阶数不同的问题,提高了实时处理效率。将自适应增强算法应用至三维边缘曲面追踪算法,可以重构出精度更高的三维数字图像。     

分数阶微分算子增强图像边缘和纹理

为了提高增强图像边缘和纹理的能力,分析了分数阶微分算子频域特性,大幅提升信号高频成分同时增强信号的中频成分以及非线性保留信号的甚低频成分,据此可增强图像的边缘信息和纹理细节信息。从分数阶微分定义出发,构建了近似微分算子模板及线性滤波算法。考虑到边缘和纹理具有方向性、空间邻域内像素的关联性以及相邻像素灰度值的相近性,提出在3×3模板窗口内,取中心点四个方向最大值为增强值。实验结果表明,本文提出的分数阶微分算子能明显地增强图像的边缘和纹理信息,增强后图像清晰度提高,视觉效果明显。     

一种改进的自适应分数阶积分图像去噪算法

为了改善图像去噪的效果,提出一种基于分数阶积分和中值滤波的改进自适应图像去噪算法,首先利用自适应中值滤波算法(Ranked-order Based Adaptive Median Filter,RAMF)中的噪声判别条件来检测噪声点,然后利用"噪声边缘"判别函数对其中的可疑噪声点进行二次检测,同时根据图像的局部统计信息和结构特征构造自适应的分数阶阶次,最后将检测出的噪声点进行自适应的分数阶积分滤波去噪。与传统的分数阶积分去噪算法相比,该自适应算法有效地保留了被错误误去除的图像边缘点,并且实现了分数阶积分的阶次自适应化,在去除噪声的同时很好地保留了图像的边缘及纹理细节信息。     

基于分数阶微分的图像边缘细节检测与提取

图像边缘细节包含重要的视觉感知信息,是进一步进行图像理解与场景感知的基础.针对常用的边缘梯度检测方法难以有效提取类似于分形纹理结构的复杂图像边缘问题,提出一种基于分数阶微分的图像边缘检测方法.该方法首先基于分数阶微分的性质进行图像拐点检测,并进一步结合拉格朗日多项式插值和Grumwald-Letnikov(G-L)分数阶微分的定义,推导出具有非整数步长像素信息的图像边缘检测算子.实验表明,该方法能有效提取图像中的边缘细节(拐点)特征.对被噪声严重污染的具有复杂边缘细节的图像,该算子同样具有较好的边缘细节检测能力,获得更好的视觉效果.     

基于分数阶微分的遥感图像边缘检测方法

边缘保持是单幅遥感图像的超分辨率重建的关键步骤,边缘检测的精度直接影响着遥感图像边缘保持的效果。针对传统边缘检测算子对噪声敏感,边缘检测效果不理想的缺点,采用经典的分数阶微分G-L定义推导出的差分定义方程,构造了该文的分数阶掩模算子。通过与传统边缘检测算子检测结果的对比试验,结果表明:该算子可以有效地提取遥感图像的边缘信息、对噪声有较好的抑制作用和能获得更高的信噪比。     

基于分数阶微积分的图像去噪算法研究

针对大部分图像去噪算法中存在的边缘模糊等问题,文中提出了一种基于数理分析计算的图像噪声去除算法.在分数阶微积分数学原理的基础上,展开图像处理方面的理论分析,并利用分数积分掩模实现图像去噪;结合局部结构划分噪声点、边缘、纹理区域和平滑区域,同时构造一个分段函数使微积分阶数具有自适应性,以实现对不同区域像素的去噪处理;基于...     

基于自适应分数阶微分的红外目标增强算法

针对红外图像存在灰度范围窄、图像细节不清晰、目标边缘模糊的问题,提出了一种基于自适应分数阶微分的红外目标增强方法.该方法首先利用图像的梯度、信息熵进行有效融合,并且自适应调整分数阶微分以增强图像中的目标边缘;然后采用图像像素灰度的标准差和均值进行融合去确定目标的分割阈值,以区分出图像中的背景和目标部分;通过对图像中的目标区域进行线性增强,以进一步突显目标.经过实验验证:本文提出的方法能够有效地区分红外图像中的目标和背景,局部目标背景比(Target-to-Background Ratio,TBR)平均提高了0.5,视觉效果比较理想.     

基于分数阶微分的图像增强算法

相比传统的基于整数阶微分的图像增强算子,分数阶微分增强算子能提升图像的高频边缘信息,且非线性保留图像纹理细节和平滑区域的中低频信息。文中根据Riemann-Liouville分数阶微分定义,构造了5×5大小的分数阶微分增强算子模板,同时采用传统的整数阶图像增强算子Sobel算子、Prewitt算子和Laplacian算子,分别对灰度图像和彩色图像进行图像增强处理实验。最后,引入图像熵的计算,对图像增强的结果进行熵值大小的计算与分析。随着分数阶微分阶次的增加,分数阶微分增强算子处理后的图像熵值呈上升趋势,说明图像的纹理细节信息得到了加强。     

Shearlet变换域自适应图像去噪算法

首先采用Haar小波滤波器,设计出一种数字Shearlet变换算法。然后对Shearlet系数间的相关性进行统计分析,提出了一种尺度相关的自适应阈值收缩图像去噪算法。最后选用峰值信噪比和视觉质量为评价标准,实验验证算法的去噪性能。结果表明,本文算法获得更高的峰值信噪比,更好地保留了图像的细节信息。     

采用曲率驱动的自适应图像修复算法

将曲率引入各向异性扩散(C&E)方程,提出一种自适应图像修复算法。通过引入自适应系数q,使模型能够根据图像边缘细节的多少自行选择不同的扩散方式,在图像边缘细节较多时使用曲率扩散与边缘静止相结合的模型,而在平坦区域使用曲率驱动与热扩散相结合的方程,使得修复时间缩短,修复效果更佳。实验表明,本文算法在修复速度和修复效果上都能更好地修复破损图像。     

基于NSCT域的自适应阈值遥感图像去噪方法

提出一种新的基于非下采样Contourlet变换(NSCT)的图像自适应阈值去噪方法.根据NSCT系数所在领域区域的特性,给出不同尺度不同方向的自适应咧值.仿真实验结果表明,通过本文提出的方法能够有效去除遥感图像的高斯噪声,较完整的保持图像的边缘等细节信息.与小波硬阈值、Contourlet硬阈值和基于非下采样Cont...     

基于轮廓变换的自适应阈值图像去噪算法

针对Contourlet变换子带系数相关的特性,对图像去噪的阈值进行了研究,提出了一种新的自适应阈值图像去噪算法。该方法首先对噪声图像进行Contourlet变换,得到不同尺度、不同方向上的子带系数,再根据子带系数的能量关系采用改进的Bayes Shrink自适应阈值对图像进行去噪处理。实验结果表明:这种方法提高了图像的PSNR值,增强了去噪后图像的视觉效果,而且更好地保留了图像的边缘信息。     

Adaptive Perona-Malik model based on the variable exponent for image denoising

This paper introduces a class of adaptive Perona-Malik (PM) diffusion, which combines the PM equation with the heat equation. The PM equation provides a potential algorithm for image segmentation, noise removal, edge detection, and image enhancement. However, the defect of traditional PM model is tending to cause the staircase effect and create new features in the processed image. Utilizing the edge indicator as a variable exponent, we can adaptively control the diffusion mode, which alternates between PM diffusion and Gaussian smoothing in accordance with the image feature. Computer experiments indicate that the present algorithm is very efficient for edge detection and noise removal.     

基于图像局部方向特性的自适应全变分去噪模型

针对全变分模型(total variation,TV)以图像的梯度信息作为去噪的尺度参数,未考虑图像局部纹理的方向性的缺点,提出了一种基于图像局部方向特性的自适应全变分去噪模型(Adaptive directional total variation,ADTV),并推导出该模型的迭代数值求解过程。在该模型中,首先,计算出图像局部方向的角度矩阵。然后,构造与图像纹理方向一致的椭圆区域代替TV模型的圆形区域。最后,通过优化最小化算法迭代求解以获得去噪后图像。通过对比实验证明,本文提出的模型取得了更高的峰值信噪比,去噪过程中更好地增强了图像的细节信息。     

高斯变邻域差分的灰度图像增强算法

灰度图像增强问题可以转化为一个目标优化问题,但是该目标函数实质是一个多峰值的优化问题,对此提出一种高斯变邻域差分进化算法用于灰度图像的增强。首先,利用高斯变异方式具有快速收敛特性以及变邻域方式在种群多样性保持方面的优势,对差分进化算法的变异进行改进,目的是平衡算法在快速收敛和保持种群多样性方面的能力,提高算法的整体效能。然后利用该算法对灰度图像增强问题进行研究,通过与基于标准DE,PSO及均衡直方图灰度图像增强效果进行对比,高斯变邻域差分灰度图像增强算法能够更有效的对灰度图像进行增强。     

Adaptive wavelet threshold for image denoising

Threshold selection is the critical issue in image denoising via wavelet shrinkage. Many powerful approaches have been investigated, but few have been to make the threshold values adaptive to the changing statistics of images and meanwhile maintain the efficiency of the algorithm. In this work an efficient adaptive algorithm to capture the dependency of inter-scale wavelet coefficients is proposed. Experiments show that higher peak signal-to-noise ratio can be obtained as compared to other threshold-denoising algorithms.