基于视觉特性的Riemann-Liouville分数阶图像增强

为了解决Grünwald-Letnikov分数阶微分算法对彩色图像增强容易产生色彩失真以及传统方法增强效果不明显的问题,在分数阶微分视觉模型的基础上提出了一种基于Riemann-Liouville(R-L)分数阶微分的数字图像增强算法。首先讨论了数字图像的分数阶微分视觉模型;接着在R-L分数阶微分方程的基础上构造了8个方向上的分数阶微分增强模板;并讨论了这些微分增强模板的数值运算规则;并在HSI色彩空间对I分量进行分数阶微分实现彩色图像的增强处理。实验表明本文方法具有非线性特性,对图像增强效果明显,且增强     

Riemann-Liouville分数阶图像增强算法及其电路实现

为了解决整数阶微分对图像纹理增强效果不明显及Grümwald-Letnikov（G-L）微分后会使RGB彩色图像边缘色彩失真的问题,提出了一种Riemann-Liouville（R-L）分数阶图像增强算法并讨论了该算法的电路实现.从R-L定义出发,推导出分数阶微分方程,构造了数字图像8个方向上的0~1阶分数阶微分模板并讨论了其数值运算规则,在此基础上构造并实现了数字图像的R-L分数阶微分电路,并在HSI空间对I分量进行分数阶微分实现彩色图像增强.实验结果表明,该算法能比较明显地增强图像的纹理和边缘细节,增强后的图像清晰度和对比度提高,图像视觉效果明显,具有非线性增强灰度图像和彩色图像的复杂纹理特征及边缘信息的独特优势和良好效果.     

数字图像的局部分数阶微分增强

为了扩展传统分数阶微分在图像增强处理中微分阶次的范围,改善传统分数阶微分对图像亮度增强不甚理想的问题,提出了一种局部分数阶微分增强图像算法。首先根据局部分数阶微分理论,建立了数字图像的分数阶微分增强分算法。然后构造了新的数字图像分数阶微分增强模板,在该模板中增加亮度控制函数得到边缘、纹理和对比度同时增强的分数阶微分增强算法。实验表明,该方法能扩大分数阶微分在图像增强处理中阶次的范围;不但能很好地增强图像的边缘、纹理和轮廓等信息,又能明显改善图像的对比度和亮度,增强图像的视觉效果优于传统的分数阶微分增强方法的视觉效果。     

Caputo分数阶微分算子性质研究

应用分析的方法,推广了Riemann-Liouville分数阶积分算子和Caputo分数阶微分算子间的合成性质.     

基于分数阶微分的边缘检测

为了提高图像边缘提取的信噪比,更有效和准确检测图像边缘,由信号的微分特性得出分数阶微分算子较传统1阶和2阶微分算子具有更高的信噪比,然后根据经典的G-L分数阶微分定义推导出的分数阶差分方程,构建了近似的分数阶Tiansi模板.实验证明,基于分数阶微分的边缘提取算子,可以有效提取边缘和有比传统的算子更高的信噪比.     

用遗传算法优化设计分数阶微分器

为了进一步提高分数阶微分器的精度,将遗传算法引入到滤波设计中,获得了性能更加优越的分数阶微分器.首先分析了分数阶微分器的特点和设计方法,通过对相应IIR滤波器的系数进行优化,得到了分数阶微分器的全局最优个体,避免了传统方法设计分数阶微分器中高频出现的误差.仿真结果表明,由该算法设计的分数阶微分器明显优于其它方法,能有效的逼近理想分数阶微分器的幅频响应.     

将分数阶微分演算引入数字图像处理

为了系统论述图像分数阶微分对纹理细节的增强能力及其侧抑制原理,提出数字图像分数阶微分掩模及其运算规则。论述了分数阶微分的动力学物理意义并推导了分数阶微积分与经典时-频分析之间的关系,分析了在一定条件下二维分数阶微分的可分离性;其次,从信号处理和生物视觉神经模型两个角度提出图像分数阶微分的高斯差感受野模型,并分析其产生的特殊马赫现象;最后,提出并论述了数字图像分数阶微分掩模及其运算规则。计算机数值实验结果表明,对于纹理细节信息丰富的图像信号而言,分数阶微分对灰度变化不大的平滑区域中的纹理细节信息的增强效果明显优于整数阶微分运算。     

可变阶次分数阶微分实现图像自适应增强

为了改善图像增强的效果,提出了一种可变阶次的分数阶微分图像自适应增强算子.该算子的数学原理是根据图像的局部统计信息和结构特征来动态调整分数阶微分的阶次.在图像增强的过程中,分数阶微分的阶次满足在图像“强边缘”处具有较大的微分阶次,在图像“弱边缘”或纹理处具有较小的微分阶次,在图像平滑处具有微小的微分阶次,在判断为噪声处具有负阶次.建立了图像增强效果和分数阶微分阶次之间的非线性量化关系,构造了相应的自适应函数,实现了图像的自适应增强.实验结果表明,在无噪声的情况下,该方法较传统的分数阶微分算子在图像增强方面效果更好;在有噪声的情况下,该方法具有一定的噪声免疫能力.     

常用周期信号的分数阶微分运算

分数计算——分数阶微分与分数阶积分受到众多领域的广泛关注。从信号处理的观点来考察分数阶微分问题。首先，在频域中将微分算子分解为幅度算子和相位算子，导出正弦、余弦和复指数信号的分数阶微分表达式；然后考察矩形、三角形、梯形等常用周期信号的分数阶微分。给出了一些常用周期信号分数阶微分的解析形式，同时也研究了周期序列的分数阶微分运算的数字实现。结果表明分数微分运算确实存在，它同时改变了信号的幅度和相位，可以对之进行非线性分析。     

分数阶q-对称非自治系统的稳定性

考虑一类分数阶q-对称非自治系统的稳定性.利用Lyapunov直接法,研究了q-对称Caputo分数阶非自治系统的稳定性,建立了该系统一致稳定性及渐近稳定性条件并给出了证明.进一步,利用q-对称Riemann-Liouville分数阶导算子与q-对称Caputo分数阶导算子的关系,给出了q-对称Riemann-Liouville分数阶非自治系统的稳定性、一致稳定性及渐近稳定性结果.     

一种基于分数阶积分的数字图像去噪算法

针对现有图像去噪算法丢失图像纹理信息的问题,将基于Riemann-Liouville定义的分数阶积分应用于数字图像的噪声去除,提出8个方向上的图像任意阶积分掩模,给出运用该掩模进行图像去噪的数值运算方法及相应的算法实现电路模型.仿真实验结果在定性和定量的方面表明本文的算法对灰度图像和彩色图像同样适用,具有能够一次性完成积分,去噪精度高,同时能最大限度保持图像的纹理细节信息的特点.该算法特别适用于高精度的图像实时去噪.     

分数阶积分的图像去噪算法

为了在去噪的同时更好地保留图像的细节纹理信息,提出一种分数阶积分的图像去噪算法FIDA。论述了FIDA在135°、90°、45°、0°、180°、315°、270°、225°这8个方向上的分数阶积分掩模的构造,及FIDA的数值运算规则。实验以视觉感知和PSNR值两个主、客观标准对FIDA的去噪性能进行度量,表明FIDA去噪算法的有效性:在去噪的同时对图像的边缘纹理细节信息保留较好,尤其是对灰度变化不大的弱边缘和弱纹理细节信息的有效保留。     

分数阶微分方程的初值问题解的存在性

利用Schauder不动点定理,探讨了非线性分数阶微分方程D0^alx（t）=f（t,x（t））的初值问题,其中微分方程的阶数d为区间（2,3]的任意实数,导数形式为Riemann-Liouville型导数。给出了该方程的右端函数f（t,x（t）满足Perron条件,证明了其解的存在性。     

基于分数阶微分、水平集及分水岭的铅锌浮选图像分割

针对铅锌浮选气泡暗颜色、细节弱、分割难的特征,提出了一种新的图像分割算法。该算法分成三个部分： 气泡边界增强： 基于分形学改进分数阶微分算法,主要是根据图像的纹理特性自动确定分数阶微分的非整数阶数,以自适应分数阶微分算法增强气泡边缘; 气泡亮点区域提取： 在改进传统的水平集算法基础上,进行精确的气泡亮点区域的提取,克服了全局自动阈值算法在提取气泡亮点时存在的缺陷; 图像分割： 利用内外标记修正梯度图像, 最后运用分水岭算法对浮选图像进行分割。对于不同铅锌矿大小气泡图像的实验,并通过与多种传统的图像分割算法分析比较,实验结果表明新算法不仅提高了浮选气泡图像的分割精度,并且有效地减少了传统图像分割算法的过分割问题,本文算法对于浮选气泡具有良好的分割效果。     

基于空间分数阶偏微分方程的图像去噪模型研究

为了在获取更高信噪比的同时更多地保留图像边缘和纹理等细节信息,将分数阶微积分理论和偏微分方程方法有效结合,构建了基于空间分数阶偏微分方程的图像去噪模型,并利用分数阶微分掩模算子来实现去噪模型的数值计算。该去噪模型通过引入以分数阶梯度模值为参数的边缘停止函数并选择合适的分数阶微分阶次,由此能够在一定程度上解决传统去噪模型存在的不足之处。实验结果表明,基于空间分数阶偏微分方程的图像去噪模型较传统的去噪模型不仅可以提高图像的信噪比,而且可以更好地保留图像边缘和纹理等细节信息。     

基于分数阶全变差和自适应正则化参数的图像去模糊

为更好地复原图像的纹理细节,避免求解图像去模糊模型时面临正则化参数难以选择的问题,提出了一种基于分数阶全变差（FOTV）模型和自适应更新正则化参数的非盲去模糊图像重建方法。首先,在分析不同分数阶下FOTV的幅频响应特性的基础上,采用不同分数阶次的FOTV模型约束图像的平滑（低频）部分和纹理细节（高频）部分,从而建立图像非盲去模糊重建模型。其次,为了有效地求解重建模型和实现两个正则化参数的自适应更新,采用交替方向乘子法(ADMM)将原本含有两个正则化参数的复杂问题分解成两个相对容易的子问题进行求解,每个子问题只含一个正则化参数。最后,根据偏差准则,在迭代求解过程中实现了两个正则化参数的自适应更新。将所提算法应用于包含平滑、边缘和纹理细节的多幅图像中,测试4种不同模糊核下的去模糊效果;与传统的4种去模糊算法相比,实验结果表明所提算法能自适应地更新两个正则化参数,对于纹理细节适中的图像具有较好的去模糊效果。