扩散PDE彩色图像滤波方法

研究基于函数极小化、基于散度和基于迹算子的3个不同层次的彩色图像滤波方法,并将它们统一到一个各向异性扩散PDEs(Partial Differential Equation).提出一个新的扩散PDE方法,该方法在实现一致扩散滤波的同时很好地保持了图像的边缘信息,另一方面,由于该方法具有局部几何结构特性,因此通过适当地选择不同的平滑函数即可满足特殊的需求.最后,展示了基于该方法的彩色图像去噪、修补等应用结果.     

一种针对彩色图像随机值脉冲噪声的矢量滤波方法

为了去除彩色图像随机值脉冲噪声,提出了一种新的矢量滤波方法。该方法对图像的平滑区域和边缘区域的滤波工作分开进行,平滑区域滤波方法将窗口分成多个区域,然后基于矢量中值和平滑区域像素的特征检测出平滑区域的信号,边缘区域的滤波是在已知信号的基础上对非信号进行矢量中值滤波。仿真实验结果表明,该方法能够有效地去除彩色图像的随机值脉冲噪声,尤其当噪声密度较高时,去噪效果明显优于传统的矢量中值滤波。     

一种PCNN的彩色图像脉冲噪声滤波方法

通过脉冲噪声特性总结以及对脉冲耦合神经网络（PCNN）工作机理的分析,建立了一个在RGB色彩空间上的一种基于脉冲耦合神经网络的彩色图像去噪算法及模型。首先利用PCNN的同步脉冲发放特性定位脉冲噪声点的位置;然后利用中值滤波对其进行去噪处理,并将结果与中值滤波等其他滤波方法进行了比较。实验结果表明该方法不但能够有效去除图像中的噪声,而且能够更好地保护图像细节,较传统彩色图像去噪方法有较明显的优越性。     

一种基于HSV分量分层的彩色图像快速压缩方法

根据彩色图像的数据结构将图像转化为适应人类视觉系统的HSV模式分量,并排列组合成新的灰度图像,将该灰度图像实行粗细分层操作后分别按JPEG压缩标准进行压缩编码.实验表明,该算法得到的压缩图像在与JPEG同等质量的条件下,数据量要远小于JPEG压缩的数据量,操作简单快速,可实现彩色图像的高质量快速压缩和预览.     

一种有效的大面积图像修复方法*

现有的图像修复技术只能修复图像上细小的划痕,而单一地使用纹理合成可能会产生明显的错误结果。由此提出了一种新算法,结合现有的图像修复和纹理合成技术的优势,弥补了单独使用它们的不足,可以有效地对图像中较大区域的破损进行修复。     

保护边缘及细节的彩色图像滤波算法

为克服常用空间域彩色图像滤波算法不能兼顾去噪和保持图像细节的不足,提出了一种保护边缘及细节的彩色图像滤波算法.将待处理RGB彩色图像分解成R,G、B这3幅分量图像,对于每一幅分量图像分别利用能兼顾去噪和保持图像细节的滤波算法进行滤波去噪,将滤波处理后的3幅分量图像合成为一幅RGB彩色图像.因算法根据待处理像素的不同隶属情况选用了不同的滤波模板进行滤波处理,故在有效地滤除彩色图像中的噪声的同时较好的保护了彩色图像的边缘及细节,弥补了常用空域彩色图像滤波算法不能兼顾去噪和保持图像细节的不足.     

一种基于多通道联合估计的非局部均值彩色图像去噪方法

提出一种基于多通道联合估计的非局部均值彩色图像去噪方法,包括彩色通道联合去噪和彩色通道融合去噪两个步骤：在彩色通道联合去噪步骤,采用经典的彩色图像非局部均值去噪算法对噪声彩色图像去噪,得到预去噪图像作为彩色通道融合去噪步骤的输入;在彩色通道融合去噪步骤,采用广义多通道非局部均值去噪算法对预去噪图像再次去噪,去噪过程应用预去噪图像三通道高频成分的相似性。实验结果表明,与其他经典彩色图像去噪方法相比,本文方法在主观和客观上均具有竞争性。     

小波变换与纹理合成相结合的图像修复

目的 为了克服传统的图像修复算法在结构和纹理边界的错误修复,利用小波变换域的系数特征,探讨了一种基于小波变换与纹理合成相结合的修复算法。方法 算法先利用小波变换将待修复图像分解成具有不同分辨率的低频子图和高频子图,然后根据不同子图各自的特征分别进行修复。对代表图像结构信息的低频子图,采用FMM(fast marching method)算法进行修复;对代表图像纹理信息的高频子图,根据各子图中小波系数的特征,利用纹理合成方法进行修复。结果 分层、分类修复方法对边缘破损具有良好的修复效果,其峰值信噪比相比于传统算法提高了1~2 dB。结论 与相关算法相比,本文算法的综合修复能力较好,可以有效修复具有较强边缘和丰富纹理的破损图像,尤其对破损自然图像的修复,修复后图像质量得到较大提升,修复效果更符合人眼视觉效应。     

一种新的彩色图像增强方法

根据人眼视觉感知色彩的特性,提出了在HIS色彩空间上的一种基于脉冲耦合神经网络的彩色图像增强算法。该算法能够在平滑图像、突出图像边缘的同时,通过对亮度强度分量的非线性对数拉伸和对饱和度分量的非线性指数调整,改善了图像的视觉效果和图像色彩的真实效果。     

纹理分布分析的快速图像修复算法

目前基于样本块的图像修复算法均是运用平方差和(SSD)准则遍历固定的样本集以选取最优匹配块,算法普遍具有运算效率低的缺点。针对现有算法进行改进,提出一种基于图像纹理分布分析的快速图像修复算法,该算法根据局部纹理变化动态确定样本集大小,解决样本集过大时引起的计算时间浪费以及样本集过小时样本多样性不足的问题。实验结果证明,该算法保证修复结果连续且符合人眼视觉要求,大大提高了图像修复的效率,具有实际意义。     

基于加权颜色分层和纹理单元的图像检索算法

针对仅使用单一颜色或纹理特征并不能达到较好的图像检索效果的问题,提出了一种结合颜色和纹理特征的图像检索算法。首先,颜色微观部分利用颜色直方图,刻画每种颜色的像素占整个图像的比例;然后,宏观部分应用颜色熵和位平面熵分别对图像处理,其中位平面熵取特征较明显的前4层,并对每层的位平面熵加权;最后,根据定义的五种基本纹理结构基元中各像素点的颜色值和角度值,结合颜色特征,实现图像检索。实验结果表明,加权位平面熵和不加权位平面熵比较,在Corel-1000数据集上平均查准率和平均查全率分别提高10.01个百分点和1.2个百分点。结合颜色和纹理特征的图像检索算法与仅表现纹理特征的结构元素描述(SED)方法相比,在Corel-10000数据集上平均查准率和平均查全率分别提高4.3个百分点和2.1个百分点,有效地提高了图像检索效果。     

一种基于纹理合成的高效图像填充方法

为了更好地解决图像填充与修复问题,提出了一种基于图像样本纹理合成的新方法。该方法提出了一种新的定义像素点优先级的思路,来确定待填充区域的填充顺序,以此来保证处理结果的质量。相较于其他图像填充算法,该算法无需复杂的数学模型和大量的计算过程,从而提高了运算速度。实验证明,该方法不仅在处理效率上取得了很大进步,而且输出图像的质量也取得了理想效果。     

基于非局部CTV-L1模型的大破损彩色纹理图像修复

针对大破损彩色纹理图像的修复问题,本文将TV-L1模型推广到非局部CTV-L1模型。该模型不仅包含非局部算子,同时还引入了CTV (Color Total Variation)规则项。前者可以修复大破损纹理图像,后者充分考虑了彩色图像层与层之间的耦合关系,在处理彩色图像时可以有效地保边缘。为提高模型的运算效率,本文通过引入辅助变量和Lagrange乘子为其设计了相应的增广Lagrangian算法。数值实验结果证实所提出的模型在处理彩色图像时可以有效地保持边缘,同时去除图像中异常的不规则点。本文的相关研究可以推广到彩色纹理图像椒盐噪声去除及彩色纹理图像分割等。     

图像复原的算法研究

近年来有关图像复原的研究成果大量涌现，焦点大多集中在图像中的纹理合成或面向结构的图像润饰。分析的几个重要算法，即基于同步的结构纹理填充算法、基于统计的图像润饰算法和基于样本的图像润饰算法，突破了以往研究的局限性，取得了较好的复原效果。基于同步的结构纹理填充算法，首先将纹理合成和图像润饰技术同时应用于图像恢复，基于统计的图像润饰算法则全面利用了图像的全局信息，基于样本的图像润饰算法则将纹理合成和图像润饰技术的特性融于一体。对此进行了分析探讨，并在此基础上总结了目前图像复原研究状况。     

基于纹理方向的图像修复算法

在使用基于样本的纹理合成技术的图像修复算法中,搜索纹理的匹配块时,利用纹理的方向特性,可以将搜索过程约束到沿着纹理的方向进行。在Criminisi A的算法基础上,加入了确定纹理方向过程,优化了纹理块的优先权和大小的计算方法。实验结果表明,该方法在处理强方向性的纹理图像的修复时有很好的效果,明显地提高了计算效率。     

基于小波变换的多聚焦彩色图像融合新方法

给出了一种基于小波变换的多聚焦彩色图像融合方法。首先对待融合图像的R、G、B三分量进行小波变换,将其分成不同频率的子图像。然后对于低频和高频子图像采用不同的算法进行融合,得到融合图像的小波系数。最后利用小波逆变换重构融合图像。实验结果表明,融合图像具有较小的颜色失真和较高的峰值信噪比。     

色彩复原图像的质量评价方法

针对褪色文物数字化保护中色彩复原图像的质量评价问题,研究客观质量评价方法。结合峰值信噪比(PSNR)的计算优势与人眼视觉特征信息熵的结构特性,提出一种基于视觉特征信息熵的彩色图像质量评价方法。该方法建立带权值的质量评价函数和对应评价算法流程,利用归一化方法确定权值。通过评价算法流程计算复原的彩色图像与参考彩色图像的函数值,比较两者的相似程度。值越小,代表相似度越高,对应的复原彩色图像质量越好,以此客观判断色彩复原方法的优劣。实验通过四种性能差异复原方法的质量评价参数比较,表明评价结果与人眼视觉主观感受相一致,验证了所提方法的有效性。     

新型彩色图像形态学处理方法

提出了一种基于参考色彩的加权距离序与改进词典序相结合的彩色形态学算子定义方法,该方法利用L*a*b* 色彩模型与其极坐标表示形式,采用权值影响因子,将矢量映射为标量函数进行初始比较;同时结合词典序来解决距离相等的不足,提出一种基于λ模数的一般词典序方法,能任意调整量化函数,降低排列在先的分量作用,将其应用到彩色图像处理中。与传统距离和词典序的彩色形态相比,该方法既能得到与视觉判断相一致的分析结果,更能保持图像色彩平衡的能力,特别是在纹理边界区域,图像边缘细节更为丰富,可以得到更平滑的处理效果。     

基于样本块的图像修复改进算法

Criminisi等人曾提出一种基于样本块的图像修复算法,将其算法中优先权的确定进行了改进,通过引入调节因子[α]调整填充边缘优先级顺序,使算法在修复过程中对图像纹理细节的部分较为敏感;同时将优先权公式由相乘改成相加,防止快速衰减,提高修复效果,并从实验证明了算法的有效性。