基于引导滤波和多尺度局部自相似单幅红外图像超分辨率方法

本文针对红外图像存在分辨率不高、对比度低的特点,提出了基于引导滤波和多尺度局部自相似性红外单幅图像超分辨率算法。首先,该方法引进了类高斯分布的“类高斯核”,在此基础上构建均值引导滤波器,该滤波器是一种线性边缘保持滤波器,可以得到图像的高频细节。其次,根据图像的自相似性,对初始高分辨率图像和原始低分辨率图像进行分块,得到待匹配窗和搜索窗,根据非局部均值（NLM）,待匹配窗图像块的值利用搜索窗中相似块的加权平均计算得到。再次,利用图像自相似性,待匹配窗在搜索窗的邻域内进行匹配搜索,找到与待匹配窗最相似的匹配块,计算出最佳匹配块的高频细节图像块,与相似块的加权平均值相加,重构出高分辨率待匹配窗。最后,合并所有的超分辨率重构的待匹配窗,相邻图像块重叠区域的像素值使用平均融合得到,得到最终的超分辨率图像。实验结果表明,本文算法不仅能很好重构图像的高频细节,还能很好的恢复图像的纹理特征,得到的结果不仅边缘更清晰更真实,而且纹理更加丰富。     

保持边缘特征和增强对比度的图像缩放算法

图像的边缘信息和对比度是影响人体视觉的最主要因素。提出一种能够同时保持边缘特征和增强对比度的图像缩放新方法。通过边缘检测算法、边缘梯度增强以及梯度图的低通滤波算法,得到新的梯度图,再通过求解泊松方程得到重建的图像。由于对图像边缘作了特殊处理,从而避免在图像缩放过程中丢失边缘信息。该方法可以同时保持特征以及增加图像的对比度,从而更好地展现图像的细节。实验结果表明,本文方法能应用于一般图像和医学图像的缩放和增强等应用中。     

量子衍生PDE医学超声图像去斑

目的 医学超声图像常常受到斑点噪声的污染而导致质量降低,影响后续诊疗.为了解决医学超声图像在滤波去斑的同时保持图像边缘细节和结构特征的问题,借鉴量子力学的基础理论,提出一种量子衍生偏微分方程(PDE)医学超声图像去斑方法.方法 针对传统P-M方程各向异性扩散的自适应去斑能力有限的问题,引入量子理论改进扩散系数增强去斑算法的自适应能力.同时构造出各向异性扩散模型,提出一种量子衍生的偏微分方程医学超声图像去斑方法.结果 通过对模拟斑点噪声污染的图像和真实医学超声图像实验,比较信噪比(SNR)、边缘保持度、结构相似度(SSIM)等客观评价指标,本文方法较其他图像去斑方法更能有效去除斑点噪声,同时又能较好地保持图像边缘细节与结构特征.结论 本文方法能够有效地解决医学超声图像去斑中保持图像细节特征的问题,同时,量子理论的引入也为后续医学超声图像的研究提供了新思路.     

图像的中介边缘检测方法

以中介真值程度的数值化度量为基础,通过引入距离比率函数度量像素点的灰度以及像素点间灰度的相似程度,并采用双域值和非局部极大值抑制方法,设计了新的图像边缘检测算法。通过仿真实例,与已有的典型算法处理结果比较表明,基于中介真值程度度量的图像边缘检测算法能有效去除噪声,并较好地保持图像边缘细节,因而更具有实用性和有效性。     

一种层级模糊隶属度的X射线医学图像增强算法

X射线医学图像存在不同程度的边缘模糊以及对比度低等缺点,严重影响了医学图像细节质量,亦常导致医生对病灶的误判与漏判。传统的医学图像增强算法主要针对单一尺度下的边缘消噪增强以及对比度增强而展开,在抑制噪声的同时也削弱了图像的细节部分。针对这一问题,提出一种层级模糊隶属度的X射线医学图像增强算法。所提算法首先采用拉普拉斯金字塔方法将图像分解为多尺度下的子图像,然后对其分层计算模糊隶属度并实现多尺度下的图像加权增强与重构,最后利用双边滤波器对图像实施保边去噪,实现对X射线医学图像的有效增强。与传统方法的实验对比结果表明,所提算法对X射线医学图像具有较强的增强效果,具有一定的理论和实际应用价值。     

基于模糊数模型的医学超声图像分割方法

针对基于模糊推理的医学超声图像分割方法存在算法复杂度高及灵活性较差等问题,提出了一种基于模糊数模型的医学超声图像分割方法。用局部直方图间相似性匹配和自适应平滑方法对输入图像进行预处理得到相似图像和平滑图像,通过一种基于模糊数模型的模糊控制方法处理生成的相似图像和平滑图像,实现医学超声图像的分割。实验结果表明,该方法简化了处理过程,降低了算法复杂度,对医学超声图像能够进行有效分割。     

数字CR医学图像自适应增强算法研究

数字CR(Computed Radiography)医学放射图像以其高灰阶分辨率、强大的计算机图像后处理功能、小辐射剂量、无胶片诊断、异地会诊等优势,已成为医学成像技术新的热点。然而在成像过程中,由于人体结构和组织的复杂性以及成像系统中的X线散射、电器噪声等各种不利因素的影响导致图像质量的下降,主要表现为细节模糊、对比度差,要对其进行增强处理以改善其视觉质量,便于医生更准确地诊断。而目前通用的CR图像增强方法对比度和噪声增强过度,丢失细节,为此提出一种基于邻域标准差与均值之比自适应增强算法。算法能根据CR图像的邻域标准差与均值之比来调节增强程度的加权因数k,从而自适应的增强CR图像的边缘细节。实验证明,该算法处理后的CR图像细节丰富,信噪比高,具有良好的视觉效果,是一种有效的适合CR医学放射图像的自适应增强算法。     

基于小波变换的混合作用域医学图像增强算法

医学图像对比度低,细节不清晰,要对其进行增强处理才能满足临床诊断的需要,而目前常用的小波增强算法自适应性差,丢失细节,为此提出了一种基于dbN小波变换的混合作用域医学图像增强算法,该算法结合Sobel算子提取的边缘,经过滤波变换,得到原图像的锐化图像,再采用能够扩展其灰度范围的幂次变换,实现图像增强。该算法通过实例验证,与常用的分段小波增强算法比较,自适应性强,增强后的图像细节丰富,具有良好的视觉效果。     

基于链接突触计算网络的遥感图像对比度增强算法

针对卫星遥感图像在增强对比度和去除噪声过程中出现纹理细节丢失和图像自然性降低的问题,提出一种基于链接突触计算网络的卫星遥感图像对比度增强算法。在彩色图像转变至HSV颜色空间的前提下,通过引导滤波器去除噪声和边缘增强技术突出细节;将边缘增强的图像输入链接突触计算网络,采取与显著特征图相结合的方式增强图像亮度和对比度;在RGB空间上,利用改进的自然色彩还原技术对增强图像进行还原。实验结果表明,相对于其他对比度增强算法,该方法在多个评价指标上都有很好的性能体现,在增强图像对比度和亮度的同时,保留了丰富的纹理细节和自然色彩度。     

基于梯度特征的双核非局部均值去噪算法

针对传统非局部均值（NLM）滤波算法中邻域间相似性计算易受噪声干扰的问题，提出了一种基于梯度特征的双核非局部均值滤波算法。通过图像块之间的欧氏距离及梯度特征度量邻域间相似性，采用双核函数代替传统指数核函数计算相似性权值，并通过衡量搜索区域中的邻域块与当前像素邻域的相似程度，对像素点的权值进行重分配，在此基础上，重估像素点去噪值并得到滤波图像。实验结果表明，提出的滤波算法与传统的NLM滤波算法及分别含有高斯核和正弦核的改进NLM滤波算法相比，可以更准确地反映邻域间的相似度，保存图像的细节及边缘信息，从而有效提升图像的去噪效果。