一种分类迭代保边缘图像去噪算法

针对图像处理过程中去噪与保边缘这一矛盾,提出了一种分类迭代保边缘的图像去噪算法。该算法充分考虑到不同密度的脉冲噪声产生的噪点分布特性,将噪声分为连续性噪声和非连续性噪声,采用大小不同的2~3个模板对原始图像迭代运算,进行噪声点恢复。利用该算法对添加有不同密度噪声的图像进行处理,结果表明,该算法在有效恢复噪声点的同时,能够很好地保留图像边缘细节信息,解决了传统算法存在滤波和保边缘的矛盾冲突,与传统滤波算法比较,该算法的峰值信噪比及去噪后图像与原图像的整体相似程度均优于传统算法。     

一种基于噪声检测的图像去噪算法

针对标准中值滤波算法去噪能力不强的问题,提出一种基于噪声检测的图像去噪算法。通过原图像与4个方向核的卷积,将像素点分为噪声点和信号点,直接输出信号点,而只处理噪声点。若信号点所在的最小邻域中存在信号点,则利用该点进行中值滤波;否则,继续扩大邻域范围。实验结果表明,该算法不仅能有效去除图像噪声,而且能较好地保护边缘,提高恢复图像的清晰度。     

保边缘自蛇模型毫米波图像去噪

由于毫米波图像分辨率低并伴随有大量噪声,其图像边缘常被噪声污染或丢失,为此提出保边缘自蛇模型并应用于毫米波图像去噪。引入只在图像的边缘处具有最大值,且对噪声不敏感的非局部梯度,以此构造边缘停止函数,使其在图像边缘处接近0,而在平坦同质区域接近1;给出保边缘的自蛇模型迎风差分数字解法;提出毫米波图像去噪的定量评价算法性能指标。实验结果表明,该算法在等效视数和边缘清晰度性能指标上明显优于标准自蛇模型和保特征的各向异性扩散模型,具有较好的去噪效果和保边缘能力。     

一种基于置信度的边缘检测方法

该文针对传统的边缘检测方法不能同时利用像素梯度的相位信息和幅度信息的缺点,提出一种基于边缘置信度的边缘检测算法.首先,由中心象素的梯度方向确定标准模板,然后将归一化的数据矢量和标准模板的相关系数的绝对值定义为边缘置信度.在确定像素局部极值点的时候利用了非极大抑制的方法;在确定边缘点的时候用了磁滞阈值处理.在两种处理过程中,将归一化的梯度幅度和边缘置信度都作为判别依据,既增加了对弱边缘的检测能力,同时,还能很好的抑制噪声的影响.     

一种混合噪声图像去噪方法

首先分析了含有高斯白噪声和脉冲噪声的图像必须采用不同去噪方法的原因;然后分别给出了小波变换后的低频子带图像与高频子带图像的去噪方法：用改进的邻域平均法对低频子带图像进行去噪处理。对高频子带图像采用中值滤波、阀值处理、小波系数增强方法去除脉冲噪声;最后对经过处理后的各子带图像进行小波逆变换得到恢复图像;实验结果证明了理论分析的正确性。     

一种保边缘影像超分辨率重建方法

提出了一种基于方向性平滑测度的保边缘加权马尔可夫先验模型,并将其应用到基于最大后验估计的影像超分辨率重建中.该模型对邻域内不同方向的平滑测度使用不同的权值,以此减小对影像高频成分的惩罚约束,进而保护影像的边缘.利用不同影像对本文方法进行了验证,并用MSE影像评价方法对重建影像进行了定量评价.实验结果表明,与传统马尔可夫先验模型相比,加权马尔可夫先验模型能有效保护影像的边缘,取得更好的重建结果.     

一种基于边缘检测的图像去噪优化方法

为了消除或衰减存在于图像上的噪声,同时尽可能地保留图像细节,提出基于边缘检测的图像去噪算法.先通过小波边缘检测法求出有噪图像的边缘图像;再通过小波边缘检测方法确定哪些小波系数是图像的边缘特征,这些小波系数将不受阈值去噪的影响,因此,可以只是根据噪声方差来设置去噪的阈值,对原有噪图像进行小波去噪,得到平滑图像;最后,将边缘图像嵌入平滑图像中,得到去噪后的图像.实验结果表明,与普通的小波阈值去噪方法相比,上述算法不但能在有效去噪的同时保留图像的细节信息,而且能提高去噪后图像的峰值信噪比.     

一种边缘保持的医学图像去噪方法

医学图像去噪在图像处理中占有重要地位,对获取的医学图像进行去噪是进一步分析和计算的基础.将一维经验模式分解方法扩展到二维,提出了基于二维经验模式分解的医学图像边缘保持去噪方法.该方法先将图像进行经验模式分解,得到内蕴模式分量IMF和剩余分量,图像的噪声及边缘信息主要集中在IMF中;然后再将IMF进行经验模式分解,得到IMF的高频分量和剩余分量;最后将两次分解的剩余分量叠加,得到边缘保持的去噪图像.实验结果表明,处理后的图像较传统的医学图像去噪方法有明显的改善,在有效去噪的同时增强了边缘保护的能力.     

一种红细胞边缘检测算法的研究

近年来,计算机技术得以迅猛发展,在细胞病理检测中,模式识别及图像处理技术被大范围的应用,已成为现代医学和分子生物技术新的科研方向。     

一种新的遥感影像边缘检测方法

提出一种针对于遥感影像的边缘检测方法。该方法首先利用多个尺寸的邻域结构对图像进行平滑,然后根据图像灰度进行对象云化处理,构建对象云。通过云运算生成边界云并构建边缘模糊特征平面,在条件概率和模糊划分熵的基础上,通过最大模糊熵原则确定最优阈值,对图像模糊边界进行提取。试验结果表明,该算法能保留大量低灰度信息,并有效地去除了次要边缘对主边缘的干扰。     

基于相似性噪声检测的边缘保护滤波算法

为了改善受脉冲噪声污染的图像的滤波效果,提出了一种新的滤波算法。该算法包括3个阶段,首先,利用像素点之间的相似性来检测图像中受噪声污染的像素点;然后,将滤波窗口分为8个主要方向来确定边缘方向;最后,针对噪声点进行边缘保护滤波。实验结果表明,在噪声污染度较小的情况下,该算法不仅能准确地检测出噪声点,而且更多地保护了噪声图像的边缘部分以及非噪声点,具有良好的滤波效果。     

小波域边缘保持规整化图像复原

图像复原是一个病态问题,一般需要通过规整化技术得到一个合适的解.规整化的难点在于抑制噪声的同时要保持图像的边缘等重要的图像信息.为了更有效地保持复原图像的边缘,提出了小波域边缘保持规整化泛函的一般形式,并给出了相应的求解方法.针对小波域图像复原方法可能产生的Gibbs效应,利用自然图像小波变换的水平（竖直）子带在水平（竖直）方向的连续性,通过额外的惩罚项加以解决.仿真实验结果说明了该方法的有效性.     

基于边缘保持的CT图像插值放大算法

由于医学硬件设备和辐射剂量的限制,为了获得高分辨力、高质量的CT图像以协助医生进行诊断和治疗,通常需要从软件方面将CT图像放大或局部CT图像放大,考虑到CT图像边缘在CT图像处理中的重要性,提出一种基于边缘保持的CT图像插值算法,该算法包括两个步骤,第一步对原图像进行边缘提取以及沿边缘方向进行边缘插值放大;第二步进行图像平滑区域的双线性插值放大。该算法能很好地保护图像的边缘细节,文中给出了放大实例,实验结果证明了算法的有效性。     

图像复原中边缘保持与稀疏先验模型的选择

考虑了广义高斯分布和马尔科夫随机场两类随机图像模型,提出相应的图像复原目标函数。分析了这两类模型在图像复原中的边缘保持性能,给出了它们具有边缘保持能力所需的条件。根据稀疏型先验的理论,指出在一定条件下这两类先验模型对图像具有稀疏表示特性,因此可以用于图像超分辨率复原处理。说明了边缘保持和稀疏先验之间的关系,为复原中图像先验模型的选择提供了参考。仿真实验表明,合理选择图像的先验模型,可以显著提高图像复原效果。     

基于局部极值的保边缘图像分解算法

针对非线性图像滤波算法保边缘能力不强的问题,提出一种新的保边缘图像分解算法.该算法采用局部极值差定义图像的边缘,在此基础上利用加权平均的方法调整极值,通过优化算法得到原图像的基图像,实现图像的多尺度分解.实验结果表明,与同类算法相比,该算法在实现图像平滑的同时保边缘能力更强.     

一类未知噪声模型的图像去噪方法

图像中包含噪声不仅会降低图像质量,而且严重影响后续相关算法的有效性。高效稳健的去噪方法对于各类信号处理非常重要。为了改善实际夜间远程拍摄图像的质量,引入五种图像降噪方法。首先在合理推导噪声模型的基础上,引入Kalman滤波器去除夜空图像背景噪声：然后分别进行中值滤波、均值滤波、维纳滤波和无参估计的均值漂移算法去除实际夜空图像噪声;最后分析比较五种去噪方法,并给出不同算法的信噪比与峰值信噪比。实验结果：五种降噪方法虽不同程度地降低了夜空图像噪声影响,但均值漂移算法较好地保持了图像有用信息和边缘特征,而且算法不需考虑噪声模型。结论：均值漂移算法展示出在这一类未知噪声模型的夜空背景降噪中的优势。     

基于边缘保持滤波的高光谱影像光谱-空间联合分类

针对高光谱遥感影像分类过程中,高维数据引起的"维数灾难"以及空间邻域一致性信息没有得到充分利用的问题,提出一种基于边缘保持滤波（Edge-preserving filtering,EPF）的高光谱影像光谱-空间联合分类算法.该算法首先进行波段子集划分和主成分提取,构造新的低维特征集,在保存影像结构信息的前提下降低数据维度;其次利用支持向量机（Support vector machine,SVM）获得低维特征集的初始分类概率图;然后利用原始影像主成分对初始分类概率图进行边缘保持滤波,融合光谱信息和空间信息;最后根据滤波后分类概率图对应像素点值的大小确定每个像素的类别.在Indian Pines和Pavia University两组高光谱数据上进行仿真实验,相同实验条件下,本文算法都获得最高分类精度和最少的时间消耗.仿真结果表明本文算法在高光谱遥感影像分类任务中具有明显的优势.     

小波估计图像棱边分布的边缘保持规整化复原

为了从模糊图像中更准确地估计真实棱边分布,并将其用作边缘保持规整化复原的约束条件,提出小波多尺度分析的复原方法.该方法组合多个尺度的小波细节求相关,得到表征棱边分布的小波子带图像;在各向异性Markov随机场模型的基础上,选取满足边缘保持条件的势函数,将各方向小波子带滤波器代替梯度算子构造惩罚项,从而减少参数个数,降低训练复杂度;最后给出参数的自适应取值方法,并使用半二次规整化方法求解.实验结果证明,该方法复原的视觉效果优于梯度算子的方法,适合处理模糊尺度较大的图像.     

一种基于卷积积分的图像去噪变分方法

在图像去噪过程中更多地保持图像的细节信息是很重要的。将基于梯度的总变分图像去噪模型推广到基于分数阶微分的模型,并根据分数阶微分与卷积运算在特殊情形下具有相同的离散格式这一特点,提出了一种易于数值计算的基于卷积积分的图像去噪变分模型,实验结果表明,新模型在提高图像信噪比的同时,可以更好地保持图像的细节信息。