数字图像的Riemann-Liouville分数阶微分增强方法

针对传统图像增强过程中存在丢失细节且容易出现欠增强或过增强的不足,提出一种基于RiemannLiouville分数阶微分的图像增强方法.该方法利用基本分数阶微积分的形式,根据数字图像的自相关性对RiemannLiouville分数阶微分中常数分数阶微分不为0的情况进行改进;定义了新的微分增强模板系数,构造了8个方向的分数阶微分卷积模板,并将其应用于图像增强.实验结果表明,文中方法在对图像高频信息进行提升的同时能够有效地提升图像的中低频信息,使得图像的纹理细节,特别是边缘信息更加突出,图像的清晰度及信息熵等图像质量指标有明显的提高,增强后图像的视觉效果良好.     

基于四元数分数阶方向微分的图像增强

根据已有的四元数和分数阶微分的知识,以及它们在现代信号处理中的应用,推导出一种新知识:四元数分数阶方向微分,并将其应用于图像增强.该方法首先将一幅彩色图像用一个四元数函数表示,给出四元数函数的分数阶方向微分的定义和计算方法,继而推导出沿八个方向的四元数分数阶方向导数的数值计算模板,并根据八个方向的分数阶导数求出图像平面...     

基于分数阶微分的图像增强

通过理论分析得出分数阶微分可以大幅提升信号高频成分,增强信号的中频成分、非线性保留信号的甚低频,据此得出分数阶微分应用于图像增强将使图像边缘明显突出、纹理更加清晰和图像平滑区域信息得以保留的增强图像;然后由经典的分数阶微分定义出发,推导出了分数阶差分方程,构建了近似的Tiansi微分算子.通过图像增强的实验表明:采用基于分数阶微分算子的图像增强方法,其增强图像的视觉效果明显优于传统的微分锐化(整数微分)方法.文中方法为拓展分数阶微分的应用领域进行了有意义的探索.     

基于侧抑制原理的局部分数阶微分图像增强

针对目前分数阶微分在图像增强应用中没有充分根据图像区域特征体现侧抑制的方向性,提出从图像灰度变化的8个方向出发,即x轴的正负方向,y轴的正负方向,主对角线的正负方向,次对角线的正负方向,检测出灰度变化的主要方向,然后根据检测结果设计不同的非对称的分数阶滤波器对图像进行滤波.这样结合了图像本身的特征信息,能够达到更好的图像增强效果.仿真实验结果表明,改进后的分数阶微分滤波器对增强图像纹理细节具有很好的效果.     

用分数阶微分提取图像边缘

文章是分数阶微分在图像处理中的尝试性应用。首先通过理论上分析得出分数阶微分可以大幅提升信号高频成分,增强信号的中频成分,非线性保留信号的甚低频。据此分析得出分数阶微分应用于图像边缘信息提取将获得高于传统基于一、二阶微分的方法的信噪比。然后由经典的分数阶微分定义出发,推导出了分数阶差分方程,构建了近似的分数阶Tiansi微分模板。最后通过图像边缘提取的实验表明：基于分数阶微分算子不仅可以有效提取图像边缘,而且比整数阶微分算子具有更高的信噪比。为拓展分数阶微分的应用领域,进行了有意义的探索。     

数字图像的分数阶微分自适应增强

为了解决分数阶微分应用于图像处理中难以确定分数阶微分阶次的问题,首先分析了图像的分数阶微分增强效果在一定范围内随着分数阶微分阶次的增大而增大以及图像的平均亮度越大,恰可感知的亮度差异就越大的特点;然后,根据图像的整体灰度分布和局部灰度值构造了自适应分段函数来确定分数阶微分阶次。实验结果表明,该方法能自动寻找最佳微分阶次,增强后的图像视觉效果明显,图像增强视觉效果接近或超过最佳微分阶次下的视觉效果,增强图像的对比度明显高于最佳微分阶次下的对比度。     

基于分数阶微积分的噪声检测和图像去噪

目的 提出一种利用分数阶微分梯度检测图像中的噪声点,并用于改进基于分数阶积分的图像去噪算法性能的算法。方法 该算法首先使用不同方向的分数阶微分梯度模板与含噪声图像进行卷积,计算出图像在不同方向上的分数阶微分梯度,依据预先设定的阈值获得不同方向的分数阶微分梯度检测图,将在所有选定方向上梯度都发生跳变的像素点判定为噪声点;然后只对被检测出的噪声点,在8个方向上进行分数阶积分运算完成去噪处理。结果 通过在人工图像中分别添加高斯噪声和椒盐噪声以及在自然图像中分别添加高斯噪声和椒盐噪声的去噪对比实验得出相同结论,即只对图像中检测出的噪声点使用分数阶积分运算进行去噪有更好的去噪性能,获得了更好的视觉效果和更高的峰值信噪比。结论 实验结果表明,基于分数阶微分梯度的噪声检测算法对解决图像去噪和保留图像纹理细节之间的矛盾有所帮助。随着对基于分数阶微分梯度噪声检测方法研究的深入,对图像中噪声检测的准确度会进一步提高,这将提供一种用于改进目前去噪算法性能的研究方向。     

图像增强中分数阶阶次自适应模型的构造

为了解决分数阶微分算子在图像增强中需要人工寻找最佳阶次,缺乏阶次自适应的问题,构造了分数阶微分阶次自适应数学模型。该模型以反正切函数为原型,以图像的梯度信息、局部信息熵、亮度和对比度为自变量,建立了微分阶次与图像局部信息之间的关系,从而可以根据图像的局部信息特征自动计算图像中各个像素点的最佳阶次,并将该模型应用在分数阶微分Tiansi算子的图像增强中。为了验证该模型的有效性,选用标准图像库中的多幅纹理图像进行实验,对实验结果进行了定性和定量分析,在定量分析中采用图像信息熵、平均梯度、清晰度和对比度四个评价指标衡量图像增强的效果,并与二阶微分Laplacian算子、Tiansi算子进行比较。理论分析和实验结果均表明建立该模型的有效性,对灰度图像可以得到连续变化的增强效果,接近于最佳分数阶微分增强效果,符合人们的视觉感受。     

一种改进的分数阶微分掩模算子

分数阶微分理论用于图像处理是近期一个新的研究课题。文中从分数阶微分对图像细微细节的增强能力出发,对分数阶微分的机理进行分析,且根据分数阶微分Tiansi算子的作用特点,提出一种可大幅增强边缘信息值的改进Tiansi算子方法。具体的做法是将Tiansi模板分解为8个不同方向的小模板,得到像素点周围8个方向的加权求和值。然后将8个值进行不同的分组,得到增强幅度不同的3种改进方法。最后通过增强的实验表明,对于岩石节理裂隙图像而言,改进方法可有效增强边缘并且比传统算子得到更丰富的细节信息。     

基于分数阶微分的图像增强模板构造

为充分利用图像目标像素点周围8个方向及其邻近像素点的信息,构造一种新的分数阶微分图像增强模板,并根据分数阶微分的Riemann-Liouville定义,推导出模板系数。利用该模板及其它分数阶微分图像增强模板,分别对灰度图像和彩色图像进行图像增强处理实验;引入图像熵的概念和计算公式,对图像增强结果进行熵值比较。实验及熵值结果表明,该分数阶微分图像增强模板能有效保留图像的纹理细节和边缘信息,图像增强效果更为明显且熵值最大。