基于混合滤波算法的数字图像去噪方法研究

双边滤波已广泛应用于数字图像处理领域,但在图像的高梯度区域,双边滤波会产生阶梯效应。双边滤波是局部模式滤波的一种特殊形式,提出了基于高斯滤波和双边滤波的混合图像去噪方法。利用高斯滤波器对噪声图像进行滤波,得到参考图像,将参考图像和噪声图像作为范围核函数的输入双边滤波器。参考图像提供图像的低频信息,噪声图像提供图像的高频信息。与传统双边滤波法比较,混合去噪方法能够有效地克服阶梯效应,滤波后的图像更平滑,纹理特征更接近原始图像,可获得更高的峰值信噪比。     

基于潜在低秩表示的红外和可见光图像融合

红外和可见光图像融合广泛应用于目标跟踪、检测和识别等领域。为了保留细节的同时增强对比度,本文提出一种基于潜在低秩表示的红外和可见光图像融合方法。潜在低秩分解将源图像分解为基层和显著层,其中基层包含主要内容和结构信息,显著层包含能量相对集中的局部区域。进一步利用比例金字塔分解得到低频和高频的基层子带,并针对不同层的特点设计对应的融合规则。利用稀疏表示表达低频基层较分散的能量,设计L1范数最大和稀疏系数最大规则,加权平均融合策略保留不同的显著特征;绝对值最大增强高频基层的对比度信息;而显著层则利用局部方差度量局部显著性,加权平均方式突出对比度较强的目标区域。在TNO数据集上的定性和定量实验分析表明方法具有良好的融合性能。基于低秩分解的方法能够增强红外和可见光融合图像中目标对比度的同时保留了丰富的细节信息。     

基于低秩分解和卷积稀疏编码的多源图像融合

针对卷积稀疏编码能够较好地保留图像信息特征的这一特点,提出基于低秩分解和卷积稀疏编码的多源图像融合方法.为了避免图像分块处理对图像结构的影响,将每幅待融合图像进行全局处理.首先,通过低秩分解将图像分解成低秩和稀疏两部分;接着,对稀疏部分进行卷积分解,可以训练得到一组稀疏滤波器字典,再将卷积稀疏编码应用到图像的融合中;然后,对低秩和稀疏成分分别设计不同的融合规则,得到融合低秩成分和融合稀疏成分,最终得到融合图像.最后,为了验证所提方法的融合效果,将所提方法与其他方法进行对比实验.实验结果表明,所提方法在视觉效果和客观评价指标方面均取得良好的效果.     

基于显著性检测与MDLatLRR分解的红外与可见光图像融合

针对红外与可见光图像融合过程中细节信息的缺失、融合结果对比度较低等问题,提出一种基于显著性检测与多层潜在低秩表示的红外与可见光图像融合方法。首先,使用基于显著性检测的方法对红外与可见光图像进行预融合;然后,使用多层潜在低秩表示方法依次将红外图像、可见光图像和预融合图像分解为低秩层和细节层;其中细节层采用结构相似性和L2范数相结合的方法进行融合,低秩层使用基于能量属性的方法进行融合;最后,将低秩层和细节层的融合结果重构便得到最终的融合图像。文中将该方法与11种具有代表性的图像融合方法进行了评估比较,通过对比多组融合图像的主客观评价,其结果表明,相较于对比方法,本方法能够保留红外与可见光图像融合过程中源图像的有效细节,且融合结果具有较高的对比度,更符合人们的视觉理解。     

基于卷积神经网络的红外图像融合算法

红外图像与可见光图像融合的目的是为人类观察或其他计算机视觉任务生成信息更加丰富的图像。本文针对深度学习近年来在计算机视觉领域取得的巨大成功,提出一种基于卷积神经网络的红外与可见光图像融合算法。首先,使用引导滤波和高斯滤波器组成的尺度感知边缘保护滤波器对输入的源图像进行多尺度分解,基础层利用像素强度分布的加权平均融合规则进行融合,细节层借助卷积神经网络对空间细节进行提取融合。实验结果表明,本文算法可以较好的将特定尺度信息进行保存,并减小滤波对边缘细节带来的光晕影响,融合后图像噪声较少,细节呈现的更加自然,并且适合人类视觉感知。     

基于小波变换和CSF的图像融合方法

将HVS模型的CSF用于像素层图像融合中是一种新的方法.首先,将源图像进行一层的二维离散小波分解,得到近似系数和细节系数;其次,近似部分采用加权平均方法,细节部分采用CSF滤波方法,来得到融合后的小波系数;最后,将得到的小波系数进行逆小波变换,即得最后的融合图像.此方法计算量小,融合图像符合人类视觉系统,可应用于工程实践中.     

基于多尺度方向局部极值滤波和ASR的图像融合

为了更好地提取源图像的边缘和方向信息,充分利用边缘保持滤波器的保边缘特性和方向滤波器有效提取方向信息的能力,提出一种基于局部极值滤波和非下采样方向滤波器的多尺度方向局部极值滤波图像融合方法。源图像经多尺度方向局部极值滤波,得到低频子带以及一系列的高频方向细节子带,对低频子带系数提出一种基于自适应稀疏表示(ASR)的融合规则,采用空间频率与l1范数相结合的策略得到融合的稀疏表示系数,对高频方向细节子带系数提出一种基于改进拉普拉斯能量和匹配度的选择与加权平均相结合的融合策略。实验结果表明,本方法能够有效提取源图像的边缘等细节信息,融合结果对比度更高,具有更好的主观视觉效果,其客观评价指标也优于传统的图像融合方法。     

改进Retinex与多图像融合算法用于低照度图像增强

为了解决低照度图像在图像增强过程中图像质量不佳、对比度不高等问题,本文提出改进Retinex与多图像融合算法用于低照度图像增强。首先将待处理图像转换到HSV色彩空间,并设定阈值对其V通道分量进行亮度调节,然后转换到RGB色彩空间,将其拷贝3份,对第一份进行直方图均衡化,中值滤波处理;对第2份进行自动亮度调节,双边滤波处理;对第3份进行改进的Retinex算法处理,采用高斯滤波、双边滤波作为其环绕函数,估计图像照明分量,最后输出反射图。将处理后的3份图像转到HSV色彩空间,对其V分量进行多图像融合,H、S分量沿用第2份图像分量值,最后将融合后的图像由HSV转为RGB色彩空间,输出处理后的图像。实验结果表明,本文提出的算法在增强低照度图像的同时,还可抑制图像噪声,同时具有良好的保边性,且细节明显。     

一种改进的增维型双边滤波的快速算法

双边滤波算法是一种在去噪的同时能很好地保留图像边缘等细节信息的非线性滤波技术。针对双边滤波器计算耗时、难于用于实时系统,本文提出一种改进的增维双边滤波的快速算法。该算法通过对双边滤波器的线性化和图像矩阵的映射,由FFT完成线性卷积;然后将计算结果逆映射还原为图像矩阵;最后依据图像的原始坐标和灰度值的差异进行像素补值,达到双边滤波快速实现的目的。五幅测试图像在不同噪声水平下的实验表明:本方法避免了插值过程,提高了计算效率,改进的双边滤波器在滤波精度与传统双边滤波器相仿的同时,运算时间仅为传统双边滤波器的3.6%左右。     

增强融合图像视觉效果的图像融合方法

针对现有图像融合方法得到的融合图像对比度低，图像纹理细节信息保留不充分，图像视觉效果差等问题，论文提出一种新的基于图像对比度增强的红外与可见光图像融合方法，以有效提高融合图像的视觉效果。首先，为提高可见光图像低亮度细节的能见度，在融合之前，提出一种基于引导滤波器的动态范围压缩与线性变换相结合的自适应图像增强方法；其次，采用基于引导滤波器和高斯滤波器相结合的多尺度融合方法，将红外图像信息有效地注入可见光图像中；最后运用非局部均值滤波对融合后的图像进行后处理，以得到效果增强的融合图像。实验结果表明，该方法能够获得较好的图像融合效果，无论从主观视觉还是客观评价指标上，都要优于现有的常用图像融合方法。      

基于RPCA和LatLRR分解的红外与可见光的图像融合

红外光和可见光图像的融合在视频监控、目标跟踪等方面发挥着越来越重要的作用.为了得到融合效果更好的图像,提出了一种新的基于鲁棒性低秩表示的图像分解与深度学习结合的方法.首先,利用鲁棒性主成分分析对训练集图像进行去噪处理,利用快速的潜在低秩表示学习提取突出特征的稀疏矩阵,并对源图像进行分解,重构形成低频图像和高频图像.然后...     

基于LatLRR与NSP分解的红外与可见光图像融合北大核心CSCD

针对现有红外与可见光图像融合过程中存在的图像对比度低、红外特征不明显等问题,提出了一种基于非采样金字塔滤波(Nonsubsampled Pyramid,NSP)与潜在低秩表示(Latent Low Rank Representation,LatLRR)分解的红外与可见光图像融合算法。首先,对红外与可见光图像进行分解,采用NSP分解提取源图像的低频信息,LatLRR分解提取源图像的局部结构信息;其次,根据红外低频信息与可见光低频信息的特征及融合结果图像中低频分量占比,利用红外像素强度权重调控策略完成对低频信息的融合,同时,为使红外与可见光的局部结构信息在融合时保持均衡,使用基于像素灰度值求和的策略进行1∶1融合;最后,图像重构中引入非线性变换思想,使局部结构信息与低频信息有更加完美的契合。实验结果表明,融合结果图像在极大保留红外特征的同时又能兼顾可见光图像中的细节信息,该算法能够对红外与可见光图像进行有效融合。     

结合潜在低秩分解和稀疏表示的脑部图像融合

针对低秩分解和稀疏表示(space representation,SR) 造成融合图像信息缺失的问题,提出一种结合潜在低秩分解和SR的脑部图像融合算法。首先,将源图像分解为低秩、稀疏和噪声3种成分,面对不同分解成分特性间的差异,分别构造低秩字典和稀疏字典进行描述:采用加权灰度值的方法处理低秩成分,以保持其轮廓和亮度特征;对于稀疏成分,设计一种多范数加权度量的方法对SR进行改进,以保持其高维信息,剔除噪声成分。比对当前主流的5种算法,在视觉效果和客观指标上,本文方法效果最优。     

基于多尺度局部极值分解与ResNet152的红外与可见光图像融合

为了进一步提升红外与可见光图像融合方法的性能 ,本文提出了一种基于多尺度局部极值分解与深度学习网络ResNet152的红外与可见光图像融合方法。首先,利用多尺度局部极值分解 (multiscale local extrema decomposition,MLED)方法将源图像分解为近似图像和细节图 像,分离 出源图像中重叠的重要特征信息。然后采用残差网络ResNet152深度提取源图像的多维显著 特征, 以l₁-范数作为活性测度生成显著特征图,对近似图像进行加权平均融合,以保持能量和残 留细节 信息不丢失。在细节图像中,利用“系数绝对值取大”规则获得初始决策图,源图像作为引 导图像, 初始决策图作为输入图像进行引导滤波处理,得到优化决策图,计算加权局部能量得到能量 显著 图,对细节图像进行加权平均融合,使融合图像具有丰富的纹理细节和良好的视觉边缘感知 。最 后,对近似融合图像和细节融合图像进行重构,得到融合图像。实验结果表明,与现有的典 型融 合方法相比,本文所提出的融合方法在客观评价和视觉感受方面都取得了最好的效果。     

基于分块颜色直方图和GWLBP的图像检索算法

为了提高多特征融合图像检索的效果,本文提出了一种基于分块颜色直方图和GWLBP的图像检索算法。算法采用K-means均值聚类对RGB颜色空间进行颜色聚类,再将4×4均匀分块图像分成9个子块,提取每个子块的颜色体积直方图,并赋予不同权值计算颜色特征;利用Gabor滤波器组对输入图像进行不同分辨率和方向滤波,然后将不同方向上局部滤波器输出结果与全局滤波器输出结果的平均值进行比较,并进行二值化,据此提出3种不同的GWLBP算子来提取纹理特征。最后对图像的颜色和纹理特征高斯归一化,采用加权平均来融合颜色和纹理的特征距离。通过实验仿真可知,与其他3种算法相比,本算法对正常和有旋转倾向的图像都有较高的查全率和查准率。     

基于三边滤波的Retinex图像去雾算法

针对传统Retinex算法采用高斯滤波估计图像的照射分量易产生边缘模糊,不能有效去除脉冲噪声且处理后的图像颜色易失真等问题,提出一种基于三边滤波的Retinex图像去雾算法。该算法利用三边滤波器估计图像的照射分量,三边滤波器继承了双边滤波器既可以有效降低图像加性高斯噪声又可以保持图像边缘细节的特性,同时又解决了双边滤波器与高斯滤波器不能有效滤除脉冲噪声,易产生伪边缘等问题。为验证该算法的有效性,采用5种不同的客观评价参数对处理后的图像进行评价。实验证明,该算法能有效地改善雾天图像的退化现象,提高图像的清晰度。     

边缘检测和小波变换在多聚焦图像中的应用

根据多聚焦图像的特点,把边缘检测方法和小波变换融合算法结合起来,可以获得同一场景内所有物体都清晰的图像。首先利用高斯—拉普拉斯算子对源图像进行融合,得到边缘清晰的融合图像;接着对源图像进行小波变换,变换后的小波系数融合规则采用选择融合和加权平均融合相结合,经反变换后得到整体清晰的图像;最后将边缘清晰融合图像与小波变换融合图像再一次融合,得到了清晰度增强的融合图像。仿真试验表明,边缘检测和小波变换相结合的融合方法可有效综合多聚焦图像。     

应用残差总变分和低秩表示的视频去噪算法

为了有效地去除视频当中的高斯噪声和脉冲噪声,提出了一种新的视频去噪算法。该算法通过相似图像块组内的残差值总变分及低秩表示来同时探索图像块内的局部相似性以及图像块之间的相似性。首先,采用块匹配的方式在含噪视频中寻找最相似图像块并组合成图像块组;其次将每个相似图像组表达为一个低秩矩阵及一个稀疏矩阵之和,并同时强调低秩矩阵内的残差总变分范数最小化;最后,通过求解最优化问题获得最终的低秩矩阵,即恢复出的图像块组数据。实验结果表明,本文的算法能够有效去除视频当中含有的高斯噪声和脉冲噪声。与同类算法相比,能够获得显著的峰值信噪比提升。      

NSST域红外和可见光图像感知融合

为了提高融合图像的视觉感知效果,提出一种非下采样剪切波变换(Non-Subsampled Shear Transform,NSST)域红外和可见光图像感知融合方法.首先采用NSST将源图像分解为高频和低频分量;接着采用参数自适应脉冲耦合神经网络(Parameter Adaptive Pulse Coupled Neural Network,PA-PCNN)融合高频分量图像,提高成像细节;然后联合使用高斯滤波器和双边滤波器进行多尺度变换以融合低频分量图像,将低频分量分解为多尺度纹理细节和边缘特征以捕获更多的多尺度红外光谱特征;最后利用NSST逆变换获取融合图像.实验结果表明,该方法不仅可以有效提高融合图像的细节信息,而且还能增强红外特征的提取能力以契合人体的视觉感知.     

一种新的红外与可见光图像像素级融合方法

提出了一种使用指导性滤波进行像素级图像融合的方法。首先对红外图像进行最大值滤波处理以获取其中的高亮信息;然后使用原始红外图像作为指导图像对高亮部分做滤波,处理结果直接叠加在可见光图像上;最后将叠加图像进行伽玛校正以调整对比度,得到最终融合输出。实验结果表明:该算法能够充分利用红外与可见光图像各自的优势,融合效果较好,且计算复杂度低,易于实时处理。