一种改进的各向异性扩散深度图像增强算法

深度图像受其测距原理所限,存在边缘不匹配、无效像素、噪声等问题,提出一种基于改进的各向异性扩散算法的深度图像增强方法。首先,校正深度图像和彩色图像的位置关系,并根据时间连续性选择多帧图像,进行多帧均值滤波预处理;其次,通过在彩色图像中引入权重的思想,构建具有4-邻域形式的深度图像模型,利用彩色图像引导的深度图像进行各向异性扩散,填补孔洞;最后,使用改进的自适应中值滤波平滑图像噪声。实验结果表明,该方法能够有效修复原始深度图像中存在的由无效像素组成的黑色孔洞,在抑制噪声的同时,仍能保持深度图像中物体边缘的细节信息。     

基于快速行进算法的深度图像增强算法

由于Kinect设备采集的深度图像存在空洞,传统的算法无法对空洞进行有效地填充,针对这一问题研究了一种基于快速行进FMM(Fast Marching Method)的深度图像增强算法。该算法首先将彩色图像作为输入,计算各像素与邻域像素的多尺度结构相似性MSSIM(Multiple-Scale Structural Similarity);然后利用MSSIM构造扩散函数,通过改进的FMM算法,估计深度图像空洞区域像素的深度信息;最后为了突出深度图像中物体边缘信息,采用改进的引导滤波算法对修复后的深度图像进行增强,使得修复的深度图像具有保持边缘的特性。实验结果表明,该算法可以准确地填补深度图像的空洞,并且能够有效地保持物体边缘细节,解决了Kinect设备采集中存在深度图像空洞问题,并能促进三维重建技术的研究及应用。     

基于自适应滤波的噪声图像边缘检测方法

研究图像边缘优化检测问题,针对传统边缘检测算法对噪声处理能力欠佳的缺陷,提出一种自适应中值滤波与形态学处理相结合的噪声图像边缘检测AMM算法。首先根据噪声像素点与相邻像素点的关联程度采用自适应中值滤波算法对图像进行去噪处理,保护图像的细节信息;然后运用改进的Canny算子对图像进行边缘检测,提取图像的边缘信息;最后对提取的边缘进行形态学处理,得到清晰的图像边缘。仿真结果对比表明,与目前常用的方法相比,AMM算法具有较强的抗噪鲁棒性,能较清晰地提取出图像的边缘,降低噪声对图像边缘的影响。     

基于联合双边滤波器的Kinect深度图像滤波算法

针对Kinect镜头采集的深度图像一般有噪声和黑洞现象,直接应用于人体动作跟踪和识别等系统中效果差的问题,提出一种基于联合双边滤波器的深度图像滤波算法。算法利用联合双边滤波原理,将Kinect镜头同一时刻采集的深度图像和彩色图像作为输入,首先,用高斯核函数计算出深度图像的空间距离权值和RGB彩色图像的灰度权值;然后,将这两个权值相乘得到联合滤波权值,并利用快速高斯变换替换高斯核函数,设计出联合双边滤波器;最后,用此滤波器的滤波结果与噪声图像进行卷积运算实现Kinect深度图像滤波。实验结果表明,所提算法应用在人体动作识别和跟踪系统后,可显著提高在背景复杂场景中的抗噪能力,识别正确率提高17.3%,同时所提算法的平均耗时为371ms,远低于同类算法。所提算法保持了联合双边滤波平滑保边的优点,由于引入彩色图像作为引导图像,去噪的同时也能对黑洞进行修补,因此该算法在Kinect深度图像上的去噪和修复效果优于经典的双边滤波算法和联合双边滤波算法,且实时性强。     

模糊C-均值聚类引导的Kinect深度图像修复算法

针对Kinect传感器所采集的深度图像中存在大面积空洞的问题,提出了一种模糊C-均值聚类引导的深度图像修复算法。该算法将同步获取的彩色图像和深度图像作为输入;利用模糊C-均值聚类算法对彩色图像进行聚类,聚类结果作为引导图像;然后对每个深度图像中的大面积空洞区域,利用改进的快速行进算法,从空洞边缘向空洞内部逐层修复空洞区域;最后,利用改进的双边滤波算法去除图像中的散粒噪声。实验表明该算法能有效修复Kinect深度图像中的空洞,修复后的图像在平滑度和边缘强度上优于传统算法。     

基于滤波器叠加的彩色图像矢量中值滤波方法

滤波是整个图像处理过程中的一个重要环节.矢量中值滤波方法在彩色图像滤波中使用广泛.为了达到更好的滤波效果,针对彩色图像中噪声的特点和传统滤波方法存在的不足, 提出了一种改进的基于滤波器叠加的彩色图像矢量中值滤波算法.该算法借助矢量中值滤波方法的优点,使用双滤波器进行叠加,对彩色图像实现滤波.实验结果表明,该算法实现简单,运算量小.滤波过程中能在抑制噪声的同时很好地保留原图像信息.利用滤波器叠加,取得了较好的滤波效果.     

基于滤波器叠加的彩色图像矢量中值滤波方法

滤波是整个图像处理过程中的一个重要环节。矢量中值滤波方法在彩色图像滤波中使用广泛。为了达到更好的滤波效果,针对彩色图像中噪声的特点和传统滤波方法存在的不足,提出了一种改进的基于滤波器叠加的彩色图像矢量中值滤波算法。该算法借助矢量中值滤波方法的优点,使用双滤波器进行叠加,对彩色图像实现滤波。实验结果表明,该算法实现简单,运算量小。滤波过程中能在抑制噪声的同时很好地保留原图像信息。利用滤波器叠加,取得了较好的滤波效果。     

基于MATLAB下中值滤波算法的图像增强

图像增强技术是改善图像最常用的技术,目的是改善图像的视觉效果,使图像更加清晰。本文重点阐述了非线性空域滤波的中值滤波算法原理和理论基础,在MATLAB平台下,通过不同的滤波模板和添加不同的噪声进行中值滤波仿真实验,以及得到和分析实验结果。     

图像混合噪声的一种组合滤波消除方法

提出了一种基于高斯拉普拉斯边缘检测的含高斯噪声和脉冲噪声的图像组合滤波去噪方法,即首先对含有混合噪声的图像进行中值滤波,再用高斯拉普拉斯边缘检测方法检测出图像的边缘,得到边缘图像;然后利用自适应Wiener滤波对中值滤波后得到的图像进一步滤波去噪,最后将边缘图像嵌入经Wiener滤波得到的平滑图像中。此种方法不但能够有效去除含高斯噪声和脉冲噪声的图像中的噪声,而且可以保持图像的边缘信息,提高了图像的去噪效果和清晰度。     

强椒盐噪声彩色图像的改进矢量中值滤波算法

去除彩色图像噪声一直是图像预处理研究的重要内容。传统的矢量中值滤波是一种有效去除彩色图像椒盐噪声的方法,但传统的矢量中值滤波方法只适用于弱噪声的情况,对于强椒盐噪声并不适用。许多改进的矢量中值滤波被提出,但对强椒盐噪声图像效果并不好。文章在传统的矢量中值滤波的基础上,提出了改进的矢量中值滤波算法,该算法可以有效去除高强度椒盐噪声,不会产生新的颜色,很好地保持了图像边缘和细节,而且具有算法简单,自适应性强的特点。经过实验表明:该方法对于强度在10%～80%的椒盐噪声彩色图像具有良好的处理效果。