混合波原子和双边滤波的纹理图像滤波方法

为了更好地去除纹理图像中的噪声, 提出了一种新的混合波原子阈值的振荡纹理图像扩散模型; 利用扩散方程和图像滤波方法的理论联系, 给出了联合双边滤波的图像去噪算法; 最后, 利用峰值信噪比(PSNR)和结构相似度(SSIM)两个客观图像质量评价指标, 与目前流行的图像去噪方法(包括波原子阈值、双边滤波、高斯尺度混合(GSM), 以及非局部滤波(NLM))进行比较。 实验结果验证了新方法的有效性。     

Fisher-Tippet分布拟合的超声图像联合双边滤波方法

由于双边滤波的固有不足以及Rayleigh分布散斑拟合存在的较大误差,致使SRBF方法对超声图像的散斑消减不够理想。针对该问题,采用联合双边滤波以及Fisher-Tippet分布散斑拟合来有效改进SRBF方法。联合双边滤波利用导向图像计算权值,有效减小双边滤波利用噪声图像计算权值产生的偏差。由散斑包络信号满足Rayleigh分布导出散斑图像满足Fisher-Tippet分布,更精确描述散斑统计特性。合成图像和真实图像的实验结果通过多种定量指标评估,验证了提出算法对SRBF在两个方面的改进都能有效提高散斑消减性能。     

梯度双边滤波的图像去噪

为了改善双边滤波的去噪性能,引入图像的局部模式,提出了梯度双边滤波算法。采用相邻像素亮度值的梯度距离来构造梯度相似度核,通过几何邻近度核函数和梯度相似度核函数来对图像邻域像素进行加权平均,从而实现滤波;为了获得最佳的滤波参数,通过经验学习的方法对滤波参数进行选择,最终得到通用的参数配置。实验结果表明,新方法能很好地保持图像的边缘,且与传统去噪模型相比,其去噪性能也是最好的。     

自适应尺度的双边纹理滤波方法

目前已有的结构保持的纹理平滑方法主要是利用矩形片内的统计量来区分纹理和结构,但是所用的矩形片边长是单一尺度的,这将导致含有尖锐结构或结构在多个尺度上的图像出现纹理过平滑或未平滑的现象。为此,提出一种自适应尺度的双边纹理滤波方法。首先,通过对局部区域进行统计分析,从给定候选值中自适应地为每个像素选取合适的矩形片边长,对于均匀的纹理区域,选取较大的矩形片边长,对于邻近特征边的区域选取较小边长;其次,利用自适应的矩形片边长计算引导图像;最后,对原始图像进行引导双边滤波。实验结果表明,所提方法能够在保持图像结构的同时更好地平滑纹理。     

联合双边图像插值

传统的图像插值算法及其改进算法都存在边缘模糊、边缘锯齿或局部扭曲变形等问题。提出联合双边图像插值,首先采用传统插值算法对原始图像进行插值,将其结果作为导引图像对原始图像进行联合双边上采样,并给出其核函数方差的自适应确定算法。实验结果表明,与传统插值算法相比,该算法明显改进插值图像质量,与已有的绝大多数非线性改进算法相比还提高了插值速度。     

基于联合双边滤波的纹理合成上采样算法

提出了一个新的纹理合成的上行采样算法,即利用现有的高分辨率的样本纹理作为先验引导条件,对合成的低分辨率的纹理进行插值,获取更好的高分辨率纹理合成结果.该算法的主要思想是基于联合双边滤波器进行纹理合成上采样,对低分辨率合成纹理应用空间滤波,而将一相似的边界滤波联合地应用在高分辨率的样本纹理上.该算法克服了传统的以光滑性为先验引导条件的上采样方法会导致图像特征模糊的缺点,使获得的上采样纹理图像保持纹理特征,同时视觉上光滑.文中给出了图像和视频纹理合成结果的上行采样算法.实验结果表明,文中的方法减小了优化纹理合成过程所需的时间和空间,获取了更好的图像和视频合成纹理上采样效果.     

基于快速双边滤波的图像高光去除研究

在各向异性的物体中,高光被视为是漫反射分量以及镜面反射分量的一种线性组合。单幅图像的高光去除是计算机视觉中一项非常有挑战性的课题。很多方法试图将漫反射分量、镜面反射分量进行分离,然而这些方法往往需要图像分割等预处理过程,方法鲁棒性较差且比较耗时。基于双边滤波器设计了一种高效的高光消除方法,该方法利用最大漫反射色度存在着局部平滑这一性质,使用双边滤波器对色度的最大取值进行传播与扩散,从而完成整幅图像高光去除。方法采用一种加速策略对双边滤波器进行速度优化,与目前流行的方法相比,有效提升了方法的执行效率。与传统方法相比,该方法高光去除效果更好,处理速度更快,非常适用于一些实时应用的场合。     

图像梯度引导的窗口形状自适应双边滤波

传统的滤波算法在重噪声区域易出现噪声抑制能力下降和边缘光晕效应,且在滤波过程中矩形滤波模板的两边总是分别平行于离散图像的坐标轴,必然导致模板跨边缘平滑滤波。为解决这些问题,提出一种窗口形状自适应的双边滤波算法。采用边缘梯度图作为引导图像,通过每个像素的梯度方向确定该像素处的边缘方向。然后使模板窗口的两边分别平行或垂直于当前像素处的局部边缘方向,实现模板"沿边缘"平滑滤波,在去除噪声的同时更好地保持边缘。实验结果证明,该改进算法滤波性能和保边能力较好,PSNR平均值提升13%左右,SSIM平均值提升4.6%左右,且对受到高强度的噪声污染的图像具有较好的噪声抑制和边缘保持能力。     

基于联合双边滤波的深度图像增强算法

主动光设备是目前获取深度图的主要方法,被广泛应用于导航、人机交互、增强现实等领域。但主动光设备存在分辨率低、空洞、边缘不匹配等问题。为此,提出一种基于联合双边滤波的深度图像增强算法。采用基于深度的前景分割方法,找出深度图与彩色图边缘不匹配像素集合,利用基于联合双边滤波的插值算法对空洞进行填充。为更好保持边缘细节,增加引导深度相似项与梯度域项的方法进行插值。实验结果表明,该算法比已有方法的最小均方误差平均减少约13%,具有更好的保持边缘效果。     

基于梯度域的保纹理图像阴影去除算法

针对当前自然图像阴影去除算法需要多次人工交互、阴影去除结果纹理信息丢失等问题,提出了基于梯度域的图像保纹理阴影去除算法。该方法只需确定出阴影的大概边界,然后在梯度域中,分别对阴影内部和阴影边界的梯度进行最优化修正,得到无阴影的梯度图像,最后利用泊松方程,恢复出无阴影图像。利用多幅图像的实验结果证明,该算法操作简单,不需要多次人机交互,且阴影区域内纹理细节得到了较好的恢复。     

基于自适应主动学习与联合双边滤波的高光谱图像分类

在高光谱图像分类中,选择合适的样本作为训练样本对分类器进行训练非常重要。将样本的不确定性与代表性相结合,通过自适应主动学习方法来完成样本的选择。用核K均值聚类来获取具有代表性的样本,用最优标号和次优标号的概率差值与两者比值的加权和来度量不确定性。此外,为了提高分类的准确率,利用联合双边滤波来获取高光谱图像的空间信息,并将其融入分类过程中。最后,提出一种融合自适应主动学习与联合双边滤波的空谱结合高光谱图像分类方法,并通过实验验证了所提方法的优越性。     

基于双边滤波暗原色透射率细化的图像去雾算法

针对He算法中透射率存在斑块效应的不足,提出双边滤波暗原色透射率细化算法。在大气散射模型的基础上推导暗原色透射率;建立双边滤波权重因子,分析空间域核函数和值域核函数对滤波效果的影响,进而提取空域滤波半径和值域滤波半径。仿真实验表明,基于双边滤波的透射率细化效果优于He的算法,算法执行效率有显著提高。     

基于双边滤波的Retinex图像增强算法

针对Retinex图像增强技术在高对比度边缘区域存在“光晕伪影”这一缺点,提出了一种基于双边滤波的Retinex算法。该算法先使用带有边缘保存功能的双边滤波将原图像分解成照度图像和反射图像,再分别采用不同的策略压缩照度图像和增强反射图像,最后把两部分图像合成为新的图像。通过从主观视觉效果和客观质量评价两方面对该算法进行检验,实验结果表明它有较好的增强效果,解决了“光晕伪影”问题。     

一种基于双边滤波的图像边缘检测方法

提出了一种基于双边滤波的图像边缘检测方法。利用图像像素的空间邻近度和灰度相似度的乘积来代替传统的Canny算法中高斯滤波的权系数,用该乘积与原图像进行卷积运算,然后通过非极大值抑制和高低阈值的方法检测出图像的边缘。基于双边滤波的图像边缘检测方法不仅有效地去除了图像中的噪声,而且很好地检测出了图像的真实边缘。     

Fast and Error-Bounded Space-Variant Bilateral Filtering

The traditional space-invariant isotropic kernel utilized by a bilateral filter (BF) frequently leads to blurry edges and gradient reversal artifacts due to the existence of a large amount of outliers in the local averaging window. However, the efficient and accurate estimation of space-variant kernels which adapt to image structures, and the fast realization of the corresponding space-variant bilateral filtering are challenging problems. To address these problems, we present a space-variant BF (SVBF), and its linear time and error-bounded acceleration method. First, we accurately estimate spacevariant anisotropic kernels that vary with image structures in linear time through structure tensor and minimum spanning tree. Second, we perform SVBF in linear time using two error-bounded approximation methods, namely, low-rank tensor approximation via higher-order singular value decomposition and exponential sum approximation. Therefore, the proposed SVBF can efficiently achieve good edge-preserving results. We validate the advantages of the proposed filter in applications including: image denoising, image enhancement, and image focus editing. Experimental results demonstrate that our fast and error-bounded SVBF is superior to state-of-the-art methods.

     

Structure‐Texture Decomposition of Images with Interval Gradient

This paper presents a novel filtering‐based method for decomposing an image into structures and textures. Unlike previous filtering algorithms, our method adaptively smooths image gradients to filter out textures from images. A new gradient operator, the interval gradient, is proposed for adaptive gradient smoothing. Using interval gradients, textures can be distinguished from structure edges and smoothly varying shadings. We also propose an effective gradient‐guided algorithm to produce high‐quality image filtering results from filtered gradients. Our method avoids gradient reversal in the filtering results and preserves sharp features better than existing filtering approaches, while retaining simplicity and highly parallel implementation. The proposed method can be utilized for various applications that require accurate structure‐texture decomposition of images.     

基于非线性滤波和纹理传输的图像风格化

纹理传输通过将样本图像纹理信息传递给源图像实现风格化.但在处理纹理细节丰富的源图像和复杂样本图像时,现有技术的处理效果差,且不便于用户进行直观的交互操作.为此,提出一种基于非线性滤波的显式纹理传输方法.首先通过相对总变差和L0梯度最小化滤波器对源图像进行去纹理操作,然后通过相对总变差滤波器对样本图像进行纹理提取,最后通过亮度重映射和线性叠加实现纹理传输.实验结果表明,该方法能够在保持源图像结构和色调信息的同时进行纹理替换;与已有方法相比,交互过程更加直观且风格化效果更好.