General Adaptive Neighborhood Image Processing

The so-called General Adaptive Neighborhood Image Processing (GANIP) approach is presented in a two parts paper dealing respectively with its theoretical and practical aspects. The General Adaptive Neighborhood (GAN) paradigm, theoretically introduced in Part I [20], allows the building of new image processing transformations using context-dependent analysis. With the help of a specified analyzing criterion, such transformations perform a more significant spatial analysis, taking intrinsically into account the local radiometric, morphological or geometrical characteristics of the image. Moreover they are consistent with the physical and/or physiological settings of the image to be processed, using general linear image processing frameworks. In this paper, the GANIP approach is more particularly studied in the context of Mathematical Morphology (MM). The structuring elements, required for MM, are substituted by GAN-based structuring elements, fitting to the local contextual details of the studied image. The resulting morphological operators perform a really spatially-adaptive image processing and notably, in several important and practical cases, are connected, which is a great advantage compared to the usual ones that fail to this property.     

General Adaptive Neighborhood Choquet Image Filtering

A novel framework entitled General Adaptive Neighborhood Image Processing (GANIP) has been recently introduced in order to propose an original image representation and mathematical structure for adaptive image processing and analysis. The central idea is based on the key notion of adaptivity which is simultaneously associated with the analyzing scales, the spatial structures and the intensity values of the image to be addressed. In this paper, the GANIP framework is briefly exposed and particularly studied in the context of Choquet filtering (using fuzzy measures), which generalizes a large class of image filters. The resulting spatially-adaptive operators are studied with respect to the general GANIP framework and illustrated in both the biomedical and materials application areas. In addition, the proposed GAN-based filters are practically applied and compared to several other denoising methods through experiments on image restoration, showing a high performance of the GAN-based Choquet filters.

图像插值的自适应邻域滤波方法

图像待插像素用其邻域内连续方向上像素的Tyler展开可以得到较好的近似,但是沿着灰度连续和不连续方向(跨越图像边缘方向)的Tyler展开近似的线性平均会增加图像边缘宽度,引起图像边缘的视觉模糊以及产生锯齿边缘。为此,通过一个与灰度距离相关的权函数,自适应选择待插像素邻域内的Tyler展开,提出一个邻域滤波图像插值方法。与待插像素位于图像边缘同侧的像素权函数的值较大,像素的Tyler展开被选择为待插像素的近似;反之则权函数的值较小,像素的Tyler展开不用作待插像素的Tyler展开。实验结果表明,该方法避免了跨越图像边缘的Tyler展开的线性平均,可减小插值图像边缘的宽度,增加边缘斜坡坡度,从而获得清晰的插值图像边缘。     

基于像素领域信息的自适应图像增强算法

针对图像增强后视觉效果较差和细节信息不明显的问题,提出一种新的图像增强算法。计算图像中各像素数据模型与均匀分布模型之间的相对熵,设定阈值,基于邻域信息对相对熵大于阈值的像素进行自适应对比度增强,其余像素采用平台限制的双直方图均衡算法进行增强。实验结果表明,与HE算法、BHEPL算法和PLIP_BHE算法相比,经过该算法增强后的图像具有更好的视觉效果和更明显的细节信息。     

General Adaptive Neighborhood-Based Pretopological Image Filtering

This paper introduces pretopological image filtering in the context of the General Adaptive Neighborhood Image Processing (GANIP) approach. Pretopological filters act on gray level image while satisfying some topological properties. The GANIP approach enables to get an image representation and mathematical structure for adaptive image processing and analysis. Then, the combination of pretopology and GANIP leads to efficient image operators. They enable to process images while preserving region structures without damaging image transitions. More precisely, GAN-based pretopological filters and GAN-based viscous pretopological filters are proposed in this paper. The viscous notion enables to adjust the filtering activity to the image gray levels. These adaptive filters are evaluated through several experiments highlighting their efficiency with respect to the classical operators. They are practically applied in both the biomedical and material application areas for image restoration, image background subtraction and image enhancement.     

用于图像处理的自适应中值滤波

针对标准中值滤波方法存在的不足,提出自适应中值滤波方法．该方法通过噪声检测确定子图像中的脉冲噪声点及噪声干扰大小,根据噪声干扰程度选择滤波窗口的尺寸,并采用改进的中值滤波方法对检测出的噪声点进行滤波．计算机模拟实验结果表明：自适应中值滤波能在有效地去除噪声的同时,较好地保护图像细节,较标准中值滤波具有更优良的滤波性能,其滤波速度也较中值滤波具有明显优势．     

基于自适应空间邻域信息高斯混合模型的图像分割

针对高斯混合模型用于图像分割时仅利用了像素的灰度信息,而忽视空间位置信息,导致在噪声区域和边界处有误分割现象,提出一种自适应空间邻域信息高斯混合模型的图像分割法.该方法定义了一个能够有力抑制噪声点、很好保留边界特性的自适应空间邻域信息函数.在此基础上,设计了每个像素由某个类生成的邻域信息加权概率,并证明了该加权概率满足归一性和空间连续性2个准则;最后,利用EM优化算法给出模型参数E步和M步迭代求解公式.通过人工合成图像与真实图像的实验表明,该方法具有满意的分割效果.     

荧光图像增强去噪的自适应顶帽变换算法

在用荧光显微镜观察细胞时,由于观测细胞的清洗不彻底、光照不均匀等原因,荧光图像往往会出现一些极小的颗粒,导致一些雾状的噪声出现,并且图像对比度不高,从而影响观测效果。针对这些问题,首先,利用数学形态学中的顶帽变换,增加图像的对比度;其次,改进和优化变换中的结构元素,通过对结构元素大小的选择,提出了一种自适应的荧光图像去噪算法。实验结果说明提出的算法是有效的。     

用于图像处理的自适应均值滤波算法

针对标准均值滤波存在的问题,提出自适应均值滤波算法。算法首先计算窗口的四阶累积量和二阶中心矩并确定噪声点阈值;然后根据窗口内噪声点个数自适应调整滤波窗口,自适应计算权值;最后对噪声点逐点滤波。该方法既能有效去除图像噪声点,又能较好保持图像细节。论文最后给出实验和分析,结果表明该方法是有效的。     

基于内存描述结构的通用图像处理算法

本文给出了基于内存描述结构和在Ｗｉｎｄｏｗｓ环境下进行图像处理的通用算法,完成诸如图像透明处理、增减亮度、增减对比度和重新着色等。     

双通道局部处理的自适应图像增强方法

为了在无需人工干预的情况下自适应地处理多种不同特征的降质图像,有效恢复图中的细节信息,提出一种双通道局部处理的图像增强方法.首先在HSV色彩空间内分别在亮、暗双通道对亮度分量进行局部分析,计算出与之相适应的增强函数,对图像进行增强;然后对双通道的增强结果进行混合高斯加权合并,得到增强后的亮度分量;最后分析增强前后亮度分布的差异,计算色彩补偿函数,矫正增强过程中引入的色彩失真.此外,还提出一种快速滑窗技术,以有效地降低运算的时间复杂度.实验结果表明,该方法能够灵活地处理如曝光不足、曝光过度、逆光以及雾霾影响等不同种类的图像,甚至是综合了以上多种特性的复杂图像,在处理效果和自适应能力上优势明显.     

自适应方法在遥感图像处理中的应用研究

自适应方法为解决遥感图像处理发展中产生的新问题提供了有力的工具。自适应方法的算法、理论已经在遥感图像处理的降噪、分类、目标识别与跟踪、信息融合等诸多领域开始应用。经过试验与仿真分析,证明这些方法都取得了良好的效果。本文探讨了自适应方法在遥感图像处理中应用研究的新进展,对发展趋势作了展望。     

一个基于扫描转换的图像格网处理通用算法

利用多边形格网上的拓扑关系,可以将对单个多边形的扫描转换扩展到多边形格网上,使扫描过程同时对格网中的多个多边形进行,减少了转换过程中的求交和扫描线转换次数。基于上述思想,文中对多边形格网上的图像分块处理提出了一种通用的快速算法,分析了该算法与逐多边形扫描转换在效率上的差异。最后,介绍了该算法在高精度图像纠正中的一个应用实例。     

一个通用的图像处理与识别系统框架

根据图像处理与识别软件系统的实际开发经验,按照面向对象的软件工程方法,给出了一个通用的图像处理与识别软件系统框架。该系统框架合理地定义各种处理对象,并采用动态连接库实现技术,使其具有灵活的扩展性和组合性。     

动态自适应幂变换处理大型集装箱扫描图像

动态自适应幂变换是一种根据像素邻域灰度值动态调整图像灰度值对比度增强函数的方法,并且其对比度增强系数也可以根据像素邻域的灰度值进行动态地调整。使用这种变换可以应用不同的对比度系数函数以适应不同的图像增强需要。动态自适应幂变换可以对整个灰度值域值范围内的图像进行增强,改进了传统幂变换中只能增强高端或低端的不足。     

基于Lp范数的局部自适应偏微分方程图像恢复

提出了一种新的基于L_p范数的自适应偏微分方程图像处理模型,改进了Tony Chan的TV变分模型和张红英的p-Laplace模型.TV模型对图像采用全局约束,而新的扩散方程在图像不同的位置上采用不同的约束,具有局部自适应的特性,在扩散的同时更好地保持了图像的边缘信息,进而将其应用到图像恢复(去噪,去除模糊)中去.实验结果表明新模型的综合性能优于Tony Chan和张等现有的模型.     

基于图像处理的航空发动机自适应频谱报警技术研究

在飞行试验中,作为飞行器直接的动力来源,航空发动机的状态监测和故障报警技术是保障飞行试验安全的重要手段,而传统的报警技术存在误报警,准确率不高等问题。本文针对传统频域报警方法不能包容工况变化,局部特征与全局特征无法兼顾的问题,研究了基于图像处理的航空发动机自适应频谱报警方法,包括包络生成方法和频段自动划分方法,并将两者应用于均化频谱的报警中。利用某型航空发动机故障数据对方法的有效性进行了验证,结果表明,该方法能够在发动机不同工况下有效划分频谱高能量和低能量区,兼顾了对振动信号局部特征与全局特征,提高了故障报警的自动化水平和准确率。     

自适应传输下视觉图像清晰化处理系统仿真

目前研究的视觉传达图像清晰化处理系统存在清晰化处理效果较差,耗时较长的问题.提出自适应传输下视觉图像清晰化处理系统仿真,系统硬件选用RT处理器为核心设备,通过RT处理器提高系统的闪退功能,设定自适应传输的信源与信道联合模块增强信息的传输能力,引入数据帧和同步帧信号实现信息采集.以非常清晰、清晰、较清晰、稍模糊、模糊、非...     

基于邻域滤波的图像修复

图像修复是图像恢复研究中的一个重要内容，它的目的是根据图像现有的售息来自动恢复丢失的信息，可以用于对旧图片的修复。大多数现有图像修复算法都非常复杂，而且难于实现。由于图像的边缘代表了图像的重要信息，所以在设计修复算法时，必须着重考虑边缘的恢复。提出了一种基于图像邻域滤波算法、应用图像的空间连续性，及图像的边缘信息的图像修复算法。该算法实现简单，修复速度快，对小区域的修复效果较好。     

一种自适应邻域选择算法

提出一种自适应邻域选择算法,适用于所有基于局部的流形学习算法.该算法能够根据数据集分布的不同密度和曲率选择合适的邻域大小,同时结合局部多维尺度变换(LMDS),在合适的邻域下直接降维并通过全局整合得到数据集的低维坐标.实验表明该算法可较好恢复较复杂数据集的低维几何结构.