方向邻域全变分图像去噪

为了弥补传统全变分（TV）算法忽略了图像边缘方向的不足, 结合梯度幅度和方向提出了基于方向全变分的去噪算法。该算法运用图像梯度幅度将图像像素划分为边缘区域和非边缘区域, 运用梯度方向对不同区域的像素选取不同的四邻域像素, 针对不同邻域对传统TV算法进行离散分析, 完成了图像的保边去噪。实验结果表明, 结合边缘方向信息改进了传统TV算法的邻域选择方式, 不仅更好地保留了图像边缘信息和重要细节, 且提高了图像的PSNR和视觉效果。     

基于概率统计模型与图像主纹理方向分析的非线性滤波算法

图像滤噪是图像预处理的一个重要内容,因为滤噪效果对图像处理的最终结果有很大影响。如何充分利用图像的局部特征以提高滤波器的滤噪效果、细节及边缘信息保持能力,在分析现有图像滤波算法的基础上,提出一种基于概率统计模型与图像主纹理方向分析的非线性滤波算法。算法利用Radon变换对图像进行主纹理方向分析,得到图像的局部纹理方向概率密度分布,然后基于概率统计模型借助中心像素的若干邻近像素对中心像素进行估计得到中心像素点的灰度值。此算法充分利用了图像的局部特征,既具有良好的去噪能力,又兼顾了对图像细节的保持特性。在处理同时感染脉冲噪声和高斯噪声的混合噪声图像时,算法效果明显优于其他滤波算法。     

基于多方向滤波的强边缘深度图像补全方法

传统的深度相机能够获取像素级配准的深度和彩色图像,但所获取的深度图像存在明显的像素缺失。针对这一问题,文章提出了一种快速深度图像补全算法,能够有效地填充像素缺失区域并保持锐利的深度图像边缘特征。首先,设计出一种边缘蒙版,通过边缘蒙版对联合双边滤波器进行改进。其次,与传统滤波器算法不同,由于滤波器本身存在的方向特性,文章采用不同方向模拟了真实场景的遮挡情况。通过设定4个滤波方向,用改进后的联合双边滤波器对孔洞深度图进行修补填充,然后再通过马尔科夫随机场模型,将4个不同方向滤波器获得的深度填充图融合成一幅图像。最后,通过不同场景的深度图像进行实验。结果表明,所提出的深度图像补全算法显著优于传统方法。     

自适应全变分图像去噪模型及其快速求解*

在联合冲击滤波器和非线性各向异性扩散滤波器对含噪图像做预处理的基础上,利用边缘检测算子选取自适应参数,构建能同时兼顾图像平滑去噪与边缘保留的自适应全变分模型,并基于Bregman迭代正则化方法设计了其快速迭代求解算法.实验结果表明,自适应去噪模型及其求解算法在快速去除噪声的同时保留了图像的边缘轮廓和纹理等细节信息,得到的复原图像在客观评价标准和主观视觉效果方面均有所提高.     

基于蚁群优化的图像边缘检测算法

为提高图像边缘检测的精度与抗噪性能,提出一种基于蚁群优化的图像边缘检测算法.将图像像素梯度值和像素圆形邻域统计均值的相对差共同作为蚁群的启发信息,引导蚁群搜索图像边缘.实验结果表明,该算法能最大限度地保留边缘细节,并能抑制噪声和纹理,具有较好的鲁棒性.     

一种基于形态学的小波自适应去噪算法

针对常规的去噪算法会引起图像边缘模糊,而在保留和增强图像边缘时又会影响图像的去噪效果的缺陷,提出了一种基于形态学的小波自适应去噪算法,利用多种结构元复合形态滤波器对噪声图像预处理,然后对处理后的图像采用小波自适应阈值进行二次滤波去噪,最后对图像进行重构得到去噪后的图像.实验表明,该算法能对受不同程度、类型的噪声污染的图像进行有效地的处理,并且在去噪时能保持更多的图像边缘.     

结合小波滤波和形态学的图像边缘检测方法

针对传统的边缘检测方法对含噪图像检测效果不理想,提出了一种小波滤波和多结构元素的数学形态学相结合的图像边缘检测方法。用广义交叉验证准则进行小波阈值的自适应选取,用此阈值的广义阈值函数的小波滤波方法对含噪图像去噪;构造4种具有代表性的结构元素,根据边缘方向自动选择相应方向的结构元素,用改进的形态学边缘检测算子对图像进行边缘检测,得到在噪声存在条件下较为理想的图像边缘。实验结果表明,该算法能够有效地抑制噪声,检测的边缘较清晰、连续,其检测效果优于传统边缘检测算法。     

应用Otsu改进Canny算子的图像边缘检测方法

针对传统Canny算子进行边缘检测时易丢失边缘细节的缺陷,提出了一种改进的Canny边缘检测算法.首先从数学形态学角度分析传统Canny思想和缺陷;接着提出应用尺度自适应调整的高斯滤波器改进传统高斯平滑滤波;然后使用最大类间分差法（Otsu）替代传统双阈值检测算法求出最佳阈值,有效平衡去噪能力和保留边缘细节信息二者之间的矛盾;为解决Otsu遍历时间长,实时性差的缺点,提出应用Kalman滤波器最小误差估计算法预先估计后续图像序列的阈值范围,以加快遍历过程;最后进行实验分析比较,证明该算法可以更快速有效地检测出图像的边缘.     

基于超像素分割的非局部均值去噪方法

针对非局部均值(NLM)去噪算法在变化丰富的纹理区域采用平移窗口的方法选择相似块的不足进行了研究,提出一种基于超像素分割的非局部均值去噪算法。该方法充分考虑非局部均值去噪算法中相似性对噪声去除的影响,利用经过超像素分割处理得到的图像块内部相邻像素间以及纹理边缘都具有一定相似性的特点,在超像素分割块基础上优化纹理区域相似窗口的选择策略,提高图像块与中心像素块之间的相似性,从而达到提升非局部均值算法的去噪水平、边缘纹理不被模糊的目的。在多幅经典自然图像上的实验结果表明,该方法能够有效的去除图像中包含的噪声信息,相比于传统的非局部均值方法,保留了更多的纹理信息。     

基于全局图像结构信息的Seam Carving算法*

本文提出了一种基于全局图像结构信息的Seam Carving算法,它根据像素的重要性修改图像尺寸和比例。通过从图像提取特定方向的边缘结构信息,再利用每个像素的梯度信息,从全局和局部两方面定义新的像素能量计算函数,以此来阻止Seam通路与特定方向图像边缘的交叉,避免边缘像素的不一致位移,以此保持图像的边缘结构。实验结果证明,本文算法减少了处理后图像的结构形变,有效改进了Seam Carving算法的处理效果。     

一种新的图像椒盐噪声的非线性滤波算法

为了在滤除椒盐噪声的同时能很好地保持图像的边缘细节,提出了一种新颖的图像椒盐噪声非线性滤波算法。利用局部统计信息,先将图像像素点分为信号点和可能的噪声点两类。然后将可能的噪声点进一步细分为边缘点、噪声点和信号点：利用方向信息、均方差来判断是否为边缘点,利用自适应阈值的方法来判断是否为噪声点,并且对边缘点和噪声点采取不同的方法进行滤波。经过仿真实验并与其它滤波算法进行比较表明,文中的算法具有更好的效果。     

A noise peak elimination filter

This paper describes a new approach to eliminating noise pixels within an image. This approach is compared with five other well known filter algorithms taken from the literature; it is shown that the new method, on the one hand, is simple and fast and, on the other hand, smoothes the objects within an image without losing edge information and without creating undesired structures. The central idea of the algorithm is to replace a pixel with its next neighbor in value within a 3 × 3 window, if this pixel has been found to be a noise pixel.     

基于自适应滤波的噪声图像边缘检测方法

研究图像边缘优化检测问题,针对传统边缘检测算法对噪声处理能力欠佳的缺陷,提出一种自适应中值滤波与形态学处理相结合的噪声图像边缘检测AMM算法。首先根据噪声像素点与相邻像素点的关联程度采用自适应中值滤波算法对图像进行去噪处理,保护图像的细节信息;然后运用改进的Canny算子对图像进行边缘检测,提取图像的边缘信息;最后对提取的边缘进行形态学处理,得到清晰的图像边缘。仿真结果对比表明,与目前常用的方法相比,AMM算法具有较强的抗噪鲁棒性,能较清晰地提取出图像的边缘,降低噪声对图像边缘的影响。     

基于路径形态学的图像边缘连接方法

经过边缘检测得到的边缘图,通常会出现不同程度的边缘断裂现象,对后续目标识别、目标提取等带来了极大的困难。路径开（或闭）算子的特点是可定义一簇由单像素宽且方向、长度灵活的链式结构元素进行相关形态学运算,对于处理图像中线性结构具有极大的优势。提出了一种基于路径形态学的断裂边缘修复技术;实验表明,该算法能有效修复断裂边缘并控制其错误连接,为后续的图像处理提供了准确的信息。     

一种基于动态图像处理的邮件检测方法

利用动态图像处理技术,设计了一种实时处理的邮件检测算法。采用了一种快速的中值滤波算法进行降噪处理,提出了一种简洁的边界提取算法,可以快速地提取出单像素边界。然后以自适应多直线匹配的方法实现两帧图像的配准,并利用差分图像信息实现邮件图像的提取,最后计算出邮件的相关参数。仿真实验表明,该算法能有效检测出运动状态下邮件的相关参数,实时性良好。     

一种基于局部多结构元素形态学的边缘检测的修正算法

在前期工作的基础上 ,提出了一种基于局部多结构元素形态学的边缘检测的修正算法 .该算法根据图像中噪声和边缘形态的不同 ,建立了多个结构元素 .利用基于视觉模型的边缘阈值选择策略确定图像中梯度变化的像素点 ,并对其采用二值形态学的腐蚀操作 ,在进行腐蚀操作时 ,放宽了结构元素中相同灰度像素点的判别条件 ,从而更好的选择出图像边缘 ,滤除噪声 .实验表明 ,本文算法不仅具有很好的边缘提取能力 ,而且具有很强的抗噪能力     

多重光照色差下图像平滑美化处理算法

夜间多重光照下采集的图像存在色差,采用白平衡偏差补偿方法实现夜间多重光照下图像的平滑美化处理,以提高图像的成像质量。传统的图像平滑算法采用循环跟踪像素点特征提取算法,出现白平衡偏差时图像的色差补偿效果不好。提出一种基于白平衡偏差补偿的夜间多重光照下的色差图像平滑算法。首先进行图像特征采集和自适应均衡预处理,对夜间多重光照下的色差图像进行白平衡偏差补偿,然后采用图像盲去卷积算法进行图像平滑,通过目标特征模型在空间上的相似度函数来确定图像光照色差的特征权值,沿梯度方向求得图像边缘信息,再通过特征聚类对夜间多重光照色差图像自动划分目标空间,最大程度地对夜间多重光照下的色差图像的细节特征进行平滑美化。仿真结果表明,采用该算法进行白平衡偏差补偿的夜间多重光照色差下的图像平滑美化处理方法具有较好的图像平滑性能,计算开销较小,图像的细节特征平滑效果最佳,其优于传统算法。     

基于预测梯度的图像插值算法

提出一种新的非线性图像插值算法,称为基于预测梯度的图像插值（Image interpolation with predicted gradients,PGI）.首先沿用现有的边缘对比度引导的图像插值（Contrast-guided image interpolation,CGI）算法思想对低分辨率图像中的边缘进行扩散处理,然后预测高分辨率图像中未知像素的性质,最后对边缘像素采用一维有方向的插值,对非边缘像素采用二维无方向的插值.与通常的非线性图像插值算法相比,新算法对图像边缘信息的理解更为完善.与CGI算法相比,由于梯度预测策略的使用,PGI算法能够更有效地确定未知像素的相关性质（是否为边缘像素,以及是边缘像素时其边缘方向）.实验结果表明,PGI算法无论在视觉效果还是客观性测评指标方面均优于现有的图像插值算法.此外,在对彩色图像进行插值时,本文将通常的RGB颜色空间转化为Lab颜色空间,不仅减少了伪彩色的生成,而且降低了算法的时间复杂度.     

一种离焦模糊图像边缘检测新方法

根据离焦模糊图像的特性,提出一种新的离焦模糊图像边缘检测算法,该算法通过定义一个新的边缘检测算子,利用新算子对图像各像素进行卷积,求得各像素的梯度和方向信息,根据梯度和方向信息进行阈值化处理,得到离焦模糊图像的边缘检测图像。实验结果表明,对于离焦模糊图像,利用新的边缘检测算子进行边缘检测,能够较好地检测被模糊而弱化的边缘,检测效果符合人眼视觉感受。     

一种快速的模糊局部C-均值聚类分割算法

针对模糊局部C-均值聚类算法计算复杂度高且对大数据样本集进行聚类时极为耗时的特点,提出了快速的模糊局部C-均值聚类分割算法。该算法将目标像素点与其邻域像素点构成的共生矩阵引入模糊局部C-均值算法,得到新的聚类隶属度和聚类中心表达式。对像素分类时,利用邻域像素隶属度进行滤波处理,进一步改善了算法的抗噪性。实验结果表明,该算法满足了图像分割有效性的需求,相较于模糊局部C-均值聚类算法,该算法具有更好的分割性能和实时性,能更好地满足实际场合图像分割的需要。