新的保持边缘的图像放大算法

为了适应视频后处理芯片低成本的需求,提出一种仅需用两行缓存的新的保持边缘的图像放大算法。该方法寻找代表点代替插值点来确定相关方向。找到相关方向后,对应方向上寻找四个邻域点及其对应位置,进行插值。实验结果表明该算法能实现图像的放大,并能消除图像边缘模糊和锯齿效应,可应用于低成本的数字视频后处理芯片中。     

基于自适应数学形态学的医学图像边缘连接

在介绍了数学形态学基本原理的基础上，阐述了自适应数学形态学，并将之应用于有中断间隙的医学图像边缘连接。它根据边缘的斜率、曲率等特性适当调节椭圆结构元素的大小和方向，并通过自适应膨胀运算使得中断的边缘沿着它们的斜率方向延伸而最终连接起来。实验结果表明这一方法是有效的。     

基于多尺度形态学的红外图像边缘检测方法

提出了一种基于数学形态学算子的多尺度边缘检测方法。首先选取几个有代表性的结构元素对灰度图像进行边缘检测得到边缘图像。改变结构元素的尺寸大小可得到多尺度下的边缘图像,根据局部边缘生存期的长短将不同尺度下的边缘图像合成。对噪声大、边缘较模糊的红外图像进行了边缘检测与比较,实验表明该算法抗噪能力强,能得到更精细准确的边缘。     

一种基于改进的形态学红外图像边缘检测算法

针对红外图像边缘模糊和非均匀性噪声强的特点,提出了一种阈值分割与形态学相结合来提取红外图像特征的方法,对红外图像进行边缘提取。仿真实验结果表明：该方法能够清晰、有效的提取红外图像的边缘,改善图像质量,是一种有效的边缘检测方法,具有较好的实用性。     

基于边缘基元的图像内插质量评价方法

图像质量评价方法可以分成主观评价方法和客观评价方法两类。主观评价在具体应用时难以使用,常用客观评价方法PSNR是代表图像保真度的统计指标,但有时和主观评价不一致。针对内插重建图像这种特殊的缩减参考图像的质量评价,提出了基于边缘基元的评价方法。实验表明,该方法简便易行,符合人眼的视觉特点,可以和其他评价方法结合在一起作为参考。     

基于形态学的图像二值化方法

提出了一种自适应图像二值化方法，它基于数学形态学理论，求取彩色图像边缘特征，并将它与灰度直方图二值化方法相结合，实验表明，这一算法能较好地保留原图像中的特征，二值化后的图像效果不错。     

自适应多方向模糊形态学边缘检测算法*

提出了一种新的基于模糊增强的自适应多方向模糊形态学边缘检测算法。该算法可以适应多峰直方图分布图像的模糊边缘检测,结合了模糊增强方法和模糊形态学边缘检测方法,先使用隶属函数将图像转换为等效的图像模糊特征平面,在此基础上进行模糊增强,降低边缘模糊度,然后再转换到统一模糊区域中;最后进行多方向模糊形态学边缘提取。仿真实验证明该方法能够较好地去除椒盐噪声,并且能够检测出图像中模糊的边缘。     

红外目标图像尺度自适应检测算法

针对红外目标尺寸不定的实际情况,提出了对基于数学形态学的红外目标检测方法的改进。首先,对数学形态学进行了介绍,然后提出了一种红外目标检测的改进算法,最后给出并分析了该算法的仿真结果。实验结果表明,该算法是一种有效的红外目标检测算法。     

基于扩散率函数的图像放大算法

利用扩散率函数的特性,提出一种实现数字图像放大的新方法.该方法对原图像进行内插,采用距离函数和梯度函数作为权值对插入的像素赋值.算法简单、易于实现,且运算所需时间短.利用Matlab 6.5进行仿真,结果显示无论是整数倍放大还是分数倍放大,该算法均能得到比较理想的效果,放大后的图像清晰,且保留了原图像的边缘信息.     

基于三次拉格朗日插值的自适应图像缩放

传统的插值算法由于低通滤波效应通常会使目标图像边缘模糊,难以得到满意的视觉效果.为了取得较好的图像缩放质量,提出一种基于三次拉格朗日插值的自适应图像缩放算法.该算法首先计算目标像素点周围三组源像素点的方差,选取方差最小的一组源像素点,然后采用三次拉格朗日插值公式求得目标像素点的灰度值.实验结果表明,本文算法所得的目标图像边缘清晰,且算法复杂度较低,便于硬件实现,可以实现实时图像缩放.     

基于误差修正的自适应边缘保持图像插值

传统插值算法容易产生细节模糊和边缘锯齿效应,而边缘是图像的重要信息,直接影响插值图像的视觉效果。为了解决这一问题,提出了一种新的基于误差修正的自适应边缘保持插值算法。首先将原图像向插值图像进行映射,再定义一个3×3的滑动窗口,用水平和垂直两个模板确定边缘类型,根据边缘类型进行插值,最后对仍未定义像素点用插值误差定理进行处理,总体上对所有像素都进行了分情况插值处理。实验结果表明,本算法有效地保持了图像的边缘信息,能够获得视觉质量较好的插值图像,且算法比较简单,容易实现。     

图像双线性插值无级放大及其运算量分析

针对图像的无级放大问题,提出了3种双线性插值放大方案,分析了3种方案各自的运算量,找出最优的图像放大算法.     

基于Sugeno模糊积分的形态学彩色图像处理

在Sugeno模糊积分和柔性多结构基础上,提出新的彩色图像形态学滤波器和边缘检测方法。基于Sugeno模糊积分的评价值进行彩色图像点的矢量排序,通过结构元素的比较分析,得出柔性多结构元素抗噪声能力更强。与基于HSV矢量排序的方法比较,基于Sugeno模糊积分矢量排序的形态学变换效果更好。实验表明,新的形态学算法比经典形态学算法能更有效地去除图像的噪声和获取彩色图像边缘,保留图像细节。     

基于局部梯度特征的自适应多结点样条图像插值

为了获得质量更好的插值图像,提出了一种新的C\\+2连续的支撑区间为(-2,2)的三次多结点样条插值核函数.通过增加结点带来的自由度构造了多结点样条插值公式;分析了在适当的边界条件和约束下三次多结点样条插值的逼近阶;将一维多结点样条插值算法推广到二维,建立了用于图像数据的插值公式;如果忽视图像的局部特征,通常双三次多结点样条插值图像的边缘会有模糊的现象,为此,对多结点样条插值应用逆梯度,得到了自适应多结点样条插值算法;实验所得误差图像和实验所得图像的峰值信噪比也证实了用自适应多结点样条插值算法重建的图像具有更高的质量.     

基于NSCT的区域自适应图像插值算法

提出一种基于非下采样轮廓波变换(nonsubsampled contourlet transform, NSCT)的分区域自适应插值算法,将图像划分为不同区域,相应地采用不同的方法实现图像插值.首先,构造了一类有理函数插值模型,分析了其C\\+2连续性条件,给出了误差估计.其次,通过NSCT捕获到图像的边缘轮廓信息,利用其高频信息的统计特性设定阈值,根据阈值将图像自适应地划分为边缘区域和非边缘区域.最后,边缘区域采用新的基于边缘指导的插值(new edge-directed interpolation, NEDI)模型,非边缘区域采用C\\+2连续有理函数模型插值,进而得到目标图像.实验结果证明:提出的基于NSCT的区域自适应插值算法与当前经典插值算法相比,在处理图像纹理细节和边缘方面具有明显优势,同时获得了较好的客观评价数据,且时间复杂度较低.     

基于形态学梯度的图像边缘检测算法

边缘检测是数字图像处理的一个重要内容，讨论了经典的边缘检测算子算法，该算法更多地采用Prewitt算子、LOG算子、Canny算子等在空域中进行。数学形态学在图像处理中有广泛的应用，其基本原理是基于利用结构元素去探测图像；在讨论常见数学形态学梯度的基础上，提出了一种基于形态学梯度的图像边缘检测算法，应用定义的形态学梯度结构检测出较理想的图像边缘信息。仿真结果表明，该算法在含噪图像中能得到较为理想的图像边缘信息，其抗噪声性能明显地优于经典的算子检测算法，在检测精度方面较经典的单一算子检测方法亦有一定的改善。     

基于形态学梯度的图像边缘检测算法

边缘检测是数字图像处理的一个重要内容,讨论了经典的边缘检测算子算法,该算法更多地采用Prewitt算子、LOG算子、Canny算子等在空域中进行。数学形态学在图像处理中有广泛的应用,其基本原理是基于利用结构元素去探测图像;在讨论常见数学形态学梯度的基础上,提出了一种基于形态学梯度的图像边缘检测算法,应用定义的形态学梯度结构检测出较理想的图像边缘信息。仿真结果表明,该算法在含噪图像中能得到较为理想的图像边缘信息,其抗噪声性能明显地优于经典的算子检测算法,在检测精度方面较经典的单一算子检测方法亦有一定的改善。     

基于边缘保持的CT图像插值放大算法

由于医学硬件设备和辐射剂量的限制,为了获得高分辨力、高质量的CT图像以协助医生进行诊断和治疗,通常需要从软件方面将CT图像放大或局部CT图像放大,考虑到CT图像边缘在CT图像处理中的重要性,提出一种基于边缘保持的CT图像插值算法,该算法包括两个步骤,第一步对原图像进行边缘提取以及沿边缘方向进行边缘插值放大;第二步进行图像平滑区域的双线性插值放大。该算法能很好地保护图像的边缘细节,文中给出了放大实例,实验结果证明了算法的有效性。     

基于斜坡边缘模型的图像插值新方法

基于斜坡边缘模型的经典插值方法把所有边缘归为强边缘,导致弱边缘过分增强而失真。针对该问题提出基于斜坡边缘模型的图像插值新方法（NIIBRED）,对强弱边缘采用不同方法,考虑边缘宽度随图像放大而增大的情况,对放大图像进行修复。实验结果证明,NIIBRED使放大图像的边缘更自然且清晰,取得了更好的纹理效果。