基于暗通道先验的图像去雾算法改进

暗通道去雾算法存在导向滤波精细化求取透射率后边缘细节不突出和剧烈变化的边缘处有伪影,针对这种问题提出一种基于优化的Sobel算子对导向滤波器进行自适应加权改进;同时通过判断天空区域是否存在并结合约束条件法解算大气参数,实现透射率的补偿,从而解决高亮区域失真的问题。实验结果表明,与采用统一的规整化因子导向滤波器的传统暗通道算法相比,本文算法去雾后结果图像边缘更突出,更清晰,同时消除高亮区域失真。     

结合加权引导滤波和小波变换的低照度图像增强算法

针对低照度图像增强处理后存在图像细节差、色彩失真和“光晕伪影”等问题，在HSV颜色空间中处理图像，将V通道分量进行小波变换分解，对低频系数采用改进加权引导滤波替代高斯滤波作为环绕函数的多尺度Retinex算法处理，对高频系数采用改进的阈值函数降噪处理，小波逆变换重构V通道分量，对重构的V通道分量进行Gamma校正处理并转换回RGB颜色空间。实验结果表明，该算法增强后图像亮度提升明显，同时抑制了“光晕伪影”,颜色失真较少且细节丰富。     

基于各向异性扩散滤波的边缘提取算法

针对Canny边缘检测算法在滤波方面的不足,提出了一种基于各向异性扩散滤波的边缘提取算法,用各向异性扩散的平滑方式代替Canny算法中的高斯滤波,弥补Canny算法中滤波方法的不足.研究了各向异性扩散的P-M方程,得出了其离散化形式,并确定了其中分量的表达式,进而用Matlab编程实现了对图像的各向异性扩散处理.通过误差和结构相似度评定,得出经过各向异性扩散处理的图像滤波效果优于高斯滤波.对经过两种滤波方法处理后的图像用Canny算法提取边缘,通过灰度值比较,验证了各向异性扩散处理在边缘特征保持方面优于高斯滤波.     

基于均值滤波的改进Canny算法在核磁共振图像边缘检测中的应用

以腰椎间盘的核磁共振图像(MR图像)为研究对象,采用Canny算法进行边缘提取,并针对MR图像灰度变化不明显的特点,预先对图像分别进行对比度增强和锐化处理。同时针对Canny算法中由于高斯滤波器导致的噪声敏感性问题,对传统Canny算法进行改进,将高斯滤波器改为均值滤波器。试验结果表明,相比于传统算法,运用基于均值滤波改进的Canny算法对增强对比度后的MR图像进行边缘检测,在真实边缘检出率相同、算法复杂度相同的情况下,噪声检出率降低了90%。     

基于模糊神经网络的彩色图像滤波器研究

为实现彩色图像噪声的滤波，基于模糊神经网络技术构建了一种新型的彩色图像滤波器．该滤波器通过对滤波窗口的彩色图像像素矢量进行模糊加权来判断邻近像素和中心像素的关系，针对不同性质的噪声由神经网络的自学习和自组织功能来自动调节滤波器的权值以实现噪声的滤除．用Flowers图像和Lena图像对经过训练的滤波器和矢量中值滤波器进行了测试对比．结果表明：模糊神经网络彩色滤波器无论对单纯的脉冲噪声及高斯噪声，还是二者的混合噪声，其滤除能力都要优于矢量中值滤波器，并且有较好的边缘和细节保持能力．     

局部平均显著梯度保边滤波算法

针对传统平均保边滤波算法中存在的光晕伪影现象,提出一种显著图局部平均梯度的保边滤波算法.利用显著图像边缘对比度突出的特点,简化边缘区域和非边缘区域间的阈值设定工作,并根据显著图的平均梯度自适应的平滑图像中的细节和噪声部分,同时保持边缘清晰.实验结果表明,显著图局部平均梯度的保边滤波算法利用显著特性有效地避免了传统平均滤波算法中的光晕伪影现象.相对于传统平均滤波算法,在降噪、多尺度增强以及HDR方面都有较好的表现.     

基于阿尔法均值算法和马氏距离的图像自适应滤波

针对数字图像容易感染噪声的问题,提出一种基于阿尔法均值滤波算法和马氏距离的图像自适应滤波算法。该算法充分结合了阿尔法均值滤波器的优点和马氏距离的特性,首先利用阿尔法均值滤波器确定参考序列,然后计算参考序列与滤波窗口内比较序列之间的马氏距离,并根据距离的大小确定滤波窗口内各像素点的权系数,最后将加权结果作为滤波输出。实验结果表明:该算法对受到高斯噪声、椒盐噪声以及混合噪声感染的图像具有较好的滤波效果,同时可以较好地保持原始图像的细节信息。     

自适应反距离加权法滤除椒盐噪声

针对传统降噪算法在去除椒盐噪声的同时,不能很好地保护图像边缘结构信息的问题,改进了自适应的反距离加权插值(IDWI)滤除椒盐噪声.该算法通过自适应选择滤波窗口,通过计算待处理图像椒盐噪声密度,自适应选择反距离加权的权值系数.最后将图像噪声点处的值替换成反距离加权的插值,此插值使用所选自适应窗口内非噪声点像素值的距离加权和.实验结果表明,该算法在滤除椒盐噪声上优于其它算法,滤除噪声的同时能更好地保留图像细节、有更好的峰值信噪比,改善图像视觉效果.     

低剂量CT图像域各向异性加权最小二乘重建算法

针对低剂量CT重建图像由于过度的量子噪声产生退化的问题,基于统计重建算法提出了一种改进的图像域惩罚加权最小二乘重建算法.该算法对传统PWLS算法的代价函数进行了改进,通过引入各向异性扩散算子,使得算法可以根据图像特征自适应地调整图像的平滑程度,然后采用SOR迭代算法对目标函数进行求解.实验结果表明:该算法重建图像的均方根误差为13.907 3,信噪比为11.748 8,算法可以在有效抑制重建图像条形伪影的同时,保护重建图像的细节与边缘.     

自适应-模糊滤波算法

为了克服大部分的自然图像中同时存在脉冲噪声和高斯噪声,在分析了传统滤波算法特点的基础上,提出了一种改进的自适应-模糊图像滤波算法.该算法首先判别并标定图像中的脉冲噪声,以实现两类噪声的分离.采用自适应滤波窗口的中值滤波算法滤除脉冲噪声,有效地克服了传统中值滤波的不足.在有效地滤除脉冲噪声的基础上,引入提出了模糊控制中隶属度函数的概念改进均值滤波算法,结合图像直方图的自适应,提出隶属度函数的阀值,克服了均值滤波造成图像细节模糊的不足.最后提出了一种针对图像滤波算法中求解中值的快速算法,提高算法的实用性.仿真证明,自适应-模糊滤波算法在滤除图像中混合噪声的效果明显优于传统滤波算法,可广泛应用于各种图像处理场合.