基于边缘定向扩散方程的图像复原方法

讨论了光学图像中同时存在噪声与模糊时的复原问题。采用一种能根据边缘方向自适应选取扩散系数的各向异性扩散方程来约束复原后的图像的光滑性质,将其和图像复原模型一起使用,得到了一种图像复原的正则化模型,并利用Eluer方程将该模型转换成一种可以快速求解的各向异性非线性扩散模型。在光滑性约束项的构造上,构造了一种基于边缘定向扩散的各向异性张量型扩散方程,能有效地根据边缘的方向确定是增强边缘还是滤除噪声。相比图像复原的迭代正则化方法,新方法能在复原图像的同时有效地抑制噪声,并有效地减轻边缘处的振铃效应。数值计算结果表明,新方法在整幅图像的复原效果上明显强于迭代正则化方法,尤其在对背景噪声的抑制上效果更明显,峰值信噪比（PSNR）也比迭代正则化方法平均提高了约2dB。     

图像对比度增强研究的进展

图像对比度能增加图像变化的动态范围以利于后续处理。随着原始图像特征和应用需求的变化,图像对比度增强的研究也在继续。文中系统讨论了图像对比度增强研究的目的和现状,分析了图像对比度增强研究中主流算法的特点和局限性,最后指出了图像对比度增强研究的未来发展方向。     

基于各向异性扩散方程的超声图像去噪与边缘增强

超声图像利用不同组织和局部细节的不同回声信号强度和分布来捕捉重要的医学病变信息.然而,超声图像在形成过程中产生的斑点噪声使得超声图像质量较差,给以后的图像特征提取和识别,病情诊断及定量分析造成不利的影响.本文利用局部坐标变换,边缘、局部细节的一、二阶法向导数和双曲正切函数,结合各向异性扩散方程,提出了一种超声图像去噪与边缘增强算法:可以在去除噪声的同时,保持重要的边缘、局部细节和超声回声亮条.理论分析和实验结果表明了本文算法的有效性.     

基于各向异性反应扩散的血管增强方法

文章提出了一种基于各向异性反应扩散的血管增强方法，该方法能够增强图像中血管的一致性取向结构，在去噪的同时增强血管边界，并利用基于AOS策略的快速算法实现数值求解。大大提高了血管图像对比度，为血管的准确提取和理解带来方便。实验结果表明，该方法可以应用于实时临床分析，并可以有效增强多模态的血管图像。     

基于各向异性扩散方程的局部非纹理图像修整与去噪

图像修整(image inpainting)是一种图像插值的方法,它根据丢失信息区域周围的图像信息来猜测和填充这个区域,图像修整属于图像恢复的范畴。利用变分方法导出的各向异性扩散方程对于图像边缘的良好保持特性,而在图像处理中得到了广泛的应用。基于这一思想,本文提出了一种基于各向异性扩散方程的图像修整算法:在填补修整区域的同时,可有效地去除噪声,同时保持边缘信息。理论分析和实验结果表明了这一点。     

低对比度红外热图像对比度增强技术

在对红外热图像对比度进行增强时，常采用基于直方图的图像灰度线性或非线性变换技术，其缺点是易放大噪声。而根据二进小波变换建立红外热图像的梯度矢量图，通过对红外热图像梯度矢量图的变换可以有效地增强图像对比度且能抑制噪声的放大。     

基于多独立通道自适应性图像对比度增强算法

针对彩色图像对比度增强处理中存在的"伪彩色"和灰度趋向性现象,提出了一种基于多独立通道自适应性彩色图像对比度增强算法。该算法将图像由RGB色彩空间转为HSI色彩空间,在色调恒不变的基础上选取饱和度自适应因子对灰度通道进行相关增强,同时选择灰度自适应因子对饱和度进行增强,该增强算法建立起了饱和度和灰度增强的相关性,提升了图像视觉效果,能够很好地应用在彩色图像对比度增强的图像处理中。     

双波段红外图像的对比度增强融合

为了抑制在处理双波段红外图像融合时低对比度图像细节信息丢失导致漏警的问题,在基于WLS边缘保持平滑的基础上,提出了一种多尺度对比度增强的融合算法。通过边缘保持平滑,提取不同尺度的细节分量,从而实现对比度在不同空间频率上的增强;为了进一步消除图像光晕现象,采用非下采样方向滤波,使多分辨率变换同时具有方向性。实验结果表明,本算法能够使融合图像包含输入图像更多的互补信息,图像细节更加清晰,较大地提高了红外弱小目标的对比度。Abstract：关键词：Key words：     

基于边缘定向增强的各向异性扩散抑噪方法

本文提出了一个新的边缘定向增强扩散模型.针对现有各向异性扩散方程中,边缘增强扩散模型不能正确地对边缘定向,而相干增强扩散模型易在光滑处产生虚假边缘的缺点,本文的模型采用基于非线性光滑算子的边缘定向算子对边缘定向,并根据边缘的位置和方向设置扩散张量的特征根,使其在光滑区域沿边缘方向和垂直边缘方向均具有较大值,而在边缘区域垂直边缘方向值小,沿边缘方向值大,从而达到既保护边缘又去除噪声的目的,在整幅图像上均具有较好的去噪效果.理论分析和数值计算结果均表明,本文方法具有比现有扩散去噪方法更好的去噪效果,同时在峰值信噪比和边缘保护指数方面具有显著优势.     

基于VB与MatrixVB的各向异性扩散图像滤波方法实现

针对Visual Basic数值计算能力和图像处理能力的不足,不利于系统开发,介绍各向异性扩散方法的原理及其基于VB和MatrixVB的实现,编制了具有Windows界面和图形处理功能的各向异性扩散图像滤波程序.该方法将Matlab的强大计算功能与VB的Windows用户界面开发方面优势结合起来,缩短了软件的开发周期.软件测试结果表明,计算方法正确,方法稳定可靠,算法设计优化,所开发的应用软件具有界面友好,计算速度快,系统资源消耗少,操作简便易行,能满足图像滤波的要求.     

基于NSCT扩散的图像去噪增强方法

本文提出了一种基于非下采样Contourlet变换与非线性各向异性扩散的方法进行含噪图像的去噪和增强。首先对含噪图像进行非下采样Contourlet分解,对每个分解层的各个子带进行非线性收缩和拉伸,以达到抑制噪声和增强图像特征的目的。然后,对去噪增强后图像的Contourlet小系数进行空间域的非线性各向异性扩散,以去除由于进行非下采样Contourlet去噪所造成的为伪Gibbs现象和 side-band效应。实验结果表明,本文方法相比于无扩散的Wavelet和Contourlet方法相比,不仅对图像进行了去噪和增强,而且有效的抑制了伪Gibbs现象和 side-band效应。     

基于多尺度对比度塔的图像增强新算法

传统图像增强算法对灰度级比较分散、细节信号分布在整个灰度级空间的图像难以取得令人满意的效果,而且往往在增强图像的同时也使图像的噪声得到了提升。在此针对传统图像增强技术的缺点,提出了一种新的图像增强算法。该算法采用高斯窗口函数对图像进行变换,并通过构造多尺度对比度塔来对图像进行增强。实验结果表明该算法在灰度分散的情况下同样能有效地对细节信号进行增强,同时对图像中的噪声信号也有较好的抑制作用。     

基于方向性对比度金字塔的图像融合方法

基于对比度塔形分解(CP)的图像融合方法具有良好的物理意义,却没有强调方向性的不足,为此提出了一种具有方向性的对比度金字塔图像融合方法.对多聚焦图像进行对比度塔形分解,利用方向滤波器组对高频加方向,得到不同方向的高频子分量.根据不同频率域特点,采用低频分量系数取加权平均、高频分量系数绝对值取大的融合规则,对分解后的子图像进行融合.结果表明:用提出方法得到的融合图像有较高的清晰度和空间分辨率.与基于CP和基于离散小波变换(DWT)的融合方法相比,提出的方法既能保持对比度的含义,又可提供2n个方向信息.     

基于傅里叶变换的干涉条纹对比度增强算法

论述了一种干涉条纹对比度增强的算法.将二维离散傅里叶变换后得到的干涉条纹图像频谱分布,应用带通滤波器滤波.滤波过程中,在保持通带内相位谱不变的条件下,增大了通带内幅频谱的值.然后对滤波后的频谱分布进行逆二维离散傅里叶变换,可得到对比度增强后的干涉条纹图像.实验表明,该方法在保持干涉条纹中心线空间位置不变的情况下,可以有效地增强干涉条纹的对比度.     

基于超像素和各向异性扩散的车道线识别算法

为了获得更加理想的车道线识别效果,以保证车辆的行驶安全,提出一种基于超像素和各向异性扩散相融合的车道线识别算法.首先从车道线图像中提取车道线识别的感兴趣区域,然后采用分水岭超分割算法提取感兴趣区域内的超像素,并通过各向异性扩散模型进一步实现车道线准确分割,最后采用仿真实验测试其性能.实验结果证明,本文算法提高了车道线识别的准确性,加快了车道线识别的速度,可以满足车道线识别的实时性,具有很好的鲁棒性.     

一种新的血管造影图像增强方法

本文提出了一种新的血管造影图像增强算法.血管造影图像的质量由于种种原因而比较差,因而有必要对其进行增强以便于后续的分割或者中轴提取.为了解决这一问题,本文先对各向异性增强进行了深入分析,然后结合血管造影图像的特点,建立了一种新的对比度模型.并利用此模型,对原始的各向异性扩散方法中的传导参数加以自适应选择,最后利用改进的算法对血管造影图像进行增强.实验结果表明改进的各向异性扩散算法能很好地增强血管造影图像.     

基于小波变换的低对比度图像增强

针对传统算法存在噪声过增强的问题,提出了基于小波分析的图像增强算法。在小波变换多尺度分析的基础上,算法对图像多尺度分解得到的小波系数进行缩减去噪,然后在不同尺度上对各分解系数进行不同程度的增强;对同一尺度的系数进行非线性处理以增加对比度;增强低频子带图像的对比度以保证整体的增强效果。实验表明,该算法能有效地增强低对比度图像,减小了噪声的增强幅度,使结果图像具有很好的视觉效果。     

基于自适应平滑滤波的图像增强

为了有效增强含有噪声点的图像,采用基于自适应平滑的图像增强方法。首先根据当前像素点与周围相邻像素点灰度之差决定是将此点进行均值滤波还是沿着某方向进行加权滤波,即利用多个平滑模板对图像进行自适应平滑滤波得到平滑后的图像;然后将原图像减去平滑后的图像得到细节图像;最后将细节图像乘以系数后加在平滑后的图像上得到增强的图像。与单纯的平滑、单纯的锐化相比,此方法不仅有效去除了噪声,又增强了图像的细节,增强效果明显。     

基于无抽样Contourlet变换的图像增强方法

为了有效增强图像的细节信息,研究了基于无抽样Contourlet变换的图象增强方法。首先将待增强图像进行无抽样Contourlet变换,然后使用映射函数对无抽样Contourlet系数进行增强处理,最后进行无抽样Contourlet反变换得到增强后的图像。实验结果表明,该方法可以有效增强图像的微弱边缘信息。     

基于Guide滤波和NSCT-PCNN的图像增强

针对图像不均匀的特点,提出了基于Guide滤波和非下采样Contourlet变换（ NSCT）和脉冲耦合神经网络（ PNCC）的图像增强方法。首先,采用直方图均衡化和中值滤波分别对图像进行了预处理;其次,采用NSCT?PCNN对预处理后的图像分别进行分解,提取出高频子带系数和低频子带系数;然后,Guide滤波对高频子带系数和低频子带系数进行处理;最后通过对所有子带系数进行NSCT逆变换,得到增强后的图像。实验结果表明该算法优于其他方法,有更好的图像增强效果和视觉效果。