基于分数阶微分的超声斑点去噪

为了保留更多的纹理信息,构建了基于具有阻止扩散的梯度阈值k,和分数阶微分的阶数v平衡关系的分数偏微分方程的图像去噪模型,其有效结合了分数微积分理论和偏微分方程方法,并通过分数微分掩模算子实现了数值.超声体模信验和体内成像表明:基于分数阶微分的各向异性扩散方法可以提高组织的信噪比(SNR)和超声图像的质量.     

基于透射率归一化的单幅图像去雾算法

在有雾天气条件下拍摄的图像,由于光线在传播人过程中受到空气中悬浮颗粒的散射,导致图像内容模糊不清,颜色偏灰白色。为了恢复出清晰的图像,根据大气散射物理模型,提出一种单幅图像去雾算法。首先,该算法从大气散射模型出发,对大气光模型进行变形化简,得到新的去雾模型。然后对大气光值估计,并利用在局部统计上不相关性恢复透射率。最后,对透射率进行归一化处理,带入模型,得到恢复图像。实验结果表明,该算法能够很好地恢复图像的对比度和保持图像的真实颜色。     

一种基于分数阶偏微分方程的图像放大算法

针对传统图像放大算法的不足之处,将物理意义鲜明的分数阶偏微分理论引入到图像放大算法中,提出一种新的基于分数阶偏微分方程的图像放大算法,使得放大图像的轮廓更加清晰,同时能够有效保留放大图像的细节边缘特征。仿真实验结果表明,该方法对比传统图像放大算法在放大图像的同时也增强图像的清晰度和对比度。     

基于高斯模糊的单幅图像去雾算法

雾霾天气导致成像设备获得的图像质量下降,影响了人类视觉感知及计算机视觉特征提取.计算机视觉系统对去雾的速度要求较高,因此,提出一种快速图像去雾算法.首先根据雾天图像退化模型,通过高斯模糊对环境光进行估计,其次根据图像整体亮度对大气光值进行估计,最后根据雾天图像退化模型复原无雾图像.实验结果证明,在主观视觉效果方面,去雾...     

基于边缘扩散的医学图像非线性去噪算法*

在对医学图像去噪的同时保留边缘信息,对于后期的诊断具有重要的意义。分析了ＰＭ和Ｃａｔｔｅ算法 以及它们的不足,提出了一种基于边缘扩散的非线性去噪方法,通过边缘检测把图像分为边缘和非边缘两部分, 非边缘区域通过各向同性算法去噪;边缘区域通过各向异性算法去噪,改进扩散形式,只沿边缘方向扩散去噪。 实验表明方法非常有效,带噪声的医学图像经过改进后的算法去噪处理,图像质量得到明显的改善。     

基于饱和度运算的快速图像去雾算法

在雾、霾等恶劣天气条件下,大气介质中悬浮粒子的散射和吸收作用会严重退化户外拍摄的图像,造成图像识别率降低.从单色大气散射模型出发,提出面向视觉感知的HSV颜色模型定义饱和度的新算法,估计大气光亮度A;利用饱和度运算估计透射率函数进而恢复场景反照率;最后经直方图拉伸得到最终的复原图像.实验结果表明,改进算法能有效地复原场景的对比度和颜色,提高图像的视觉度和计算效率.     

基于改进DehazeNet的图像去雾方法

近年来,计算机视觉领域得到了飞速发展,因此获得高质量的图像信息显得尤为重要.图像去雾是在恶劣天气条件下增强图像视觉质量所广泛使用的一种技术.暗通道先验的方法通过估计大气光以达到图像去雾的目的,虽取得了不错的效果,但仍然存在大气光值估计过高和不适用于大面积白色区域的问题.针对现有的图像处理去雾问题,本文提出了基于改进De...     

图像去雾算法研究综述

图像去雾技术的目的是为了去掉图像中雾的影响,从而获得高质量的图像.本文主要从图像增强、图像复原和深度学习的角度归纳总结了图像去雾方法的研究状况,对暗通道先验等经典算法以及新活跃在去雾领域的几种深度学习去雾算法做了进一步的分析,并对各类算法的性能进行了总结,最后针对各类图像去雾方法指出了存在的问题及未来的展望.     

基于双边滤波的图像去雾

目的在雾、霾等天气下,获取的图像受到大气粒子散射的影响而严重降质。针对这一问题,提出了一种基于双边滤波的单幅图像去雾算法。方法此算法是以大气散射模型为基础。首先利用双边滤波保持边缘的平滑特性得到准确的大气耗散函数。其次,针对明亮区域失真的问题,本文提出了弱化明亮区域去雾的方法。最后,通过变换大气散射模型得到清晰的无雾图像。结果大量实验结果表明,本算法恢复的图像清晰自然,尤其是在远景处和景深突变的边缘处的处理能取到很好的去雾效果。此外,其时间复杂度为图像大小的线性函数。结论针对雾、霾天气下的降质图像,基于大气散射模型与双边滤波特性,本文提出了一种新的单幅图像去雾算法。实验结果表明,本算法能获得很好的去雾效果,尤其在细节处理的表现优于Tarel的去雾算法。同时,与He Kaiming的去雾算法相比,运行时间具有明显优势,有利于实现实时性技术应用。     

一种基于轮廓波变换和各向异性扩散的图像去噪模型

提出一种采用轮廓波变换和各向异性扩散的图像去噪模型。利用轮廓波变换较好的稀疏性、多方向性等特点,通过对噪声图像经轮廓波变换后的不同尺度上的子带图像进行扩散,并采用P范数方法在轮廓波域计算子带图像的梯度阈值,实现建立在图像精细分析基础上的新的各向异性扩散模型。仿真结果表明,提出的扩散模型较好地抑制了传统各向异性扩散模型出现的边缘模糊效应,在对图像去噪的同时保留了更多的边缘、纹理等细节信息。     

基于暗原色先验的图像快速去雾

针对雾天图像饱和度和对比度较低,提出一种基于暗原色先验和透射率权值的改进算法。估计大气光的取值范围,根据该范围确定大气光值,通过判定因子区分出暗原色失效区域;对该区域透射率进行基于透射率权值因子的调整;采用快速引导滤波细化透射率,并结合大气散射模型恢复图像。该算法能在去雾过程中对可调参数进行自适应选取。实验结果表明,该算法效率较高,且复原的图像细节丰富、颜色自然,视觉效果提升的较为明显。     

一种基于深度学习的两阶段图像去雾网络

雾是户外图像降质的主要因素之一,图像去雾旨在恢复有雾图像中的内容。基于图像底层特征和先验知识的传统算法去雾效果不稳定。针对以上问题,受深度学习理论的启发,提出一种端到端的两阶段去雾深度神经网络算法。将图像去雾和图像超分辨率重建相结合,先利用编码器-解码器预测低分辨率雾霾残留图像,再利用亚像素卷积和残差块重建出原始分辨率雾霾残留图像,最后预测出原始分辨率无雾图像。在合成和真实有雾图像上的实验表明,该算法在定量评价和定性评价中均优于对比算法。     

异质扩散的图像边缘特征提取方法研究

图像检测中如何提高成像的质量,抑制图像的噪声,增强图像的对比度是图像检测的主要目标。为了强化边缘特点,方便进行具体的测量,针对偏微分方程PDE(Partial Differential Equations)在图像处理中的运用进行了探讨,并将其与形态学腐蚀算子相结合,提出了基于形态学腐蚀和梯度计算的边缘检测方法,并通过仿真测试进行验证。     

基于异性扩散-中值滤波的超声医学图像去噪方法

针对超声图像存在一种特殊的斑点噪声,使图像边界与细节变得模糊而严重影响图像质量的问题,提出了一种新的去除医学图像斑点噪声的方法,它利用中值滤波和各向异性扩散相结合,不仅可以有效地去除噪声而且很好地保持了边缘、局部细节信息.此外,该方法在扩散过程中,梯度阈值选取的不同对图像结果影响很小,这极大地提高了该算法的健壮性.实验中,通过和各向异性扩散、中值滤波等方法的比较,表明该方法具有良好的去噪效果.     

基于异性扩散方法的数字图像水印研究

基于人类视觉系统的特性,提出一种结合各向异性扩散和小波域的数字水印算法。根据各向异性扩散在图像处理中具有良好的边缘保持与增强的作用,首先对原图像进行各向异性扩散,在其小波分解高频区域求解噪声敏感模型,确定水印嵌入合适位置,最后把水印信息嵌入到原图像的小波域的等同位置。实验证明了算法在保证水印不可见性的同时,具有较好的鲁棒性。运用各向异性扩散方法的结果也提高了水印方法的安全性。     

基于深度卷积神经网络的图像去雾算法

随着人们对图像的质量要求越来越高,相比于传统的去雾算法,人们发现用卷积神经网络(Convolutional Neural Networks,CNN)对图像进行去雾处理可以达到更好的效果,可以更好地还原图像的轮廓和细节。通过研究CNN去雾的原理,提出一种通过深度卷积神经网络对图像进行去雾处理的模型。用该算法得到图像的高频信息与去雾前的低频信息相叠加,以得到清晰的图像。将该算法和基于模型和基于神经网络的去雾最新算法进行对比,实验结果表明,该算法在峰值信噪比(Peak Signal to Noise Ratio,PSNR)和时间上都优于其他几种算法,并且在细节处理和图像纹理恢复上效果也更好。     

基于线性加权的自适应图像去雾算法

在雾霾天气下,大气散射作用导致采集图像信息丢失。针对这一问题,以暗通道先验原理为基础,提出一种基于线性加权的自适应图像去雾算法。首先,在计算暗通道函数时,采用一种改进方法生成精确的暗原色图,并使用图像锐化技术确保场景边界特性;其次,针对复原图像对比度过深,定义一种自适应的线性加权方式计算准确的大气光强值,确保得到代表实际场景的透射率图;最后基于大气散射的物理模型,得到清晰的无雾复原图片。实验结果表明,该方法能有效地实现图像去雾,且具有效果好和速度快的优点。     

基于线性映射的暗原色快速去雾

针对雾天图像对比度、清晰度低等问题,提出一种基于暗原色先验去雾的快速算法。根据给定的判决条件,通过四叉树估计大气光值;利用雾天图像和恢复图像之间的线性关系,使用一种线性映射得到初始透射率,并使用容差对其修正;对修正后透射率进行高斯滤波,根据大气散射模型得到恢复图像。仿真结果表明,该算法在保证去雾效果的同时,拥有较高的算法效率。     

基于形态学和高斯滤波的图像快速去雾算法

针对暗通道先验除雾算法运算效率低以及复原图像中出现Halo效应等问题,提出一种基于形态学和高斯滤波的暗通道先验图像去雾算法。使用暗通道先验方法估计全局大气光值;对最小通道图采用形态学开操作进行滤波;采用高斯滤波进行平滑处理,降低开操作产生的像素间差异;运用膨胀运算消除相邻区域间的梯度,进而精确估计透射率;通过大气散射物理模型快速、准确地获取复原图像。实验结果表明,该算法不仅能够取得良好的除雾效果,得到细节丰富、对比度和亮度适宜的复原图像,而且大大降低了时间的复杂度,提高了运算效率。