一种稳健的自适应图像平滑算法

图像平滑作为去除图像中含有噪声的图像增强处理技术，是各种与图像有关软件中必不可少的功能模块。优秀的平滑算法应该在有效处理含有多种噪声的受污图像时，仍具备良好的图像细节保持能力。为了能够在有效地处理含有多种噪声的受污图像的同时保持图像细节，提出了一种结合非线性和线性滤波器的稳健平滑算法，该算法是在分析几种细节保持能力良好的平滑算法(梯度加权平滑、自适应中值滤波、稳健平滑、边缘保持滤波器)的基础上，通过吸收上述几种平滑算法细节保持效果较好的优点，结合它们各自对不同噪声的适应性而得到的。针对含有多种噪声的受污图像，用该算法进行了去噪试验，多次试验结果表明，该算法在稳健地处理这些受污图像的同时，仍可以保持良好的图像细节，同时该算法还可以稳健地处理复杂的含噪图像，且具备良好自适应性，可以为涉及图像处理的软件架构，提供相应的算法支持。     

基于LLE的边缘保持图像平滑算法

现有全局优化算法都使用不同范数约束输出图像梯度来实现图像平滑,但会牺牲图像中的弱结构信息来达到较好的平滑性能,导致输出图像出现颜色失真和细节模糊的情况。针对上述问题,提出一种基于LLE的边缘保持图像平滑算法(edge preserving image smoothing algorithm based on LLE,Ep-LLE),引入局部线性嵌入(LLE)的思想作为优化函数的正则化项并采用L₂范数进行惩罚。该方法利用图像局部区域内像素存在的相互关系,通过约束局部相似以实现图像平滑任务。最后通过各个算法的实验对比验证,基于LLE的边缘保持图像平滑算法能在实现图像边缘保持平滑的同时,保留图像局部结构特征,并有效避免区域内颜色一致导致的边缘阶梯状现象,避免图像颜色失真。     

基于图像分解和相对全变分的图像平滑

图像平滑旨在去除图像中纹理细节信息的同时保留重要的结构边缘,因此如何正确区分二者成了图像平滑的关键。梯度作为计算图像变化速度的重要指标是区分结构边缘和纹理细节的有效度量,但不同图像以及同一图像不同区域中的纹理和边缘的梯度差异并非固定不变的。为了能够有效识别结构边缘和纹理细节,提出了基于图像分解和相对全变分的图像平滑方法。为了扩大结构边缘和纹理细节之间的差异,实现在尽可能不改变结构边缘的前提下降低纹理细节的梯度,以多方向的梯度为约束对图像进行分解,提取图像的平滑成分。在特定尺度下,基于图像的区域结构差异,采用相对全变分方法,在保留结构边缘的同时去除该尺度下的纹理细节。通过迭代优化,不断调整图像区域尺度,实现对不同尺度纹理细节的逐步去除。与现有算法相比,新方法在有效地去除纹理细节和完整地保留结构边缘方面都具有较好的视觉效果。     

基于边缘方向性的小波边缘检测算法

现有的基于小波变换的图像边缘提取方法会导致边缘细节的损失且边缘位置会发生偏移,因此本文给出了一种改进的边缘检测方法。该算法先对图像进行平滑处理,然后用小波变换提取边缘。传统的平滑方法避开了边缘的方向性,且对图像的边缘保持效果不佳。本文提出了基于边缘方向性的平滑算法,该算法在处理边缘像素时可自动搜索边缘方向进行平滑,用该算法和小波方法结合进行边缘检测。仿真实验给出的实验结果有力地证明了该方法的有效性。     

灰度图像加权有向平滑滤波算法

为克服常用平滑滤波算法不能兼顾去噪和保持图像细节的不足,提出了加权有向平滑滤波算法.先根据相似者相容的原理得到待处理像素与各滤波模板的隶属关系,从而判断待处理像素是噪声点,是图像本身像素,还是图像背景像素,然后选用相应加权有向或无向平滑模板对待处理像素进行平滑处理.实验仿真结果表明,加权有向平滑滤波算法既能有效地滤除灰度图像中的噪声,又能很好保护图像的边缘和细节,弥补了常用空域平滑滤波算法不能兼顾去噪和保持图像细节的不足.     

结合L0优化与拉普拉斯算子的图像平滑方法

针对平滑过度使图像的细节特征损失导致失真的现象,提出了一种L0测度优化与二阶拉普拉斯算子结合的图像平滑方法,采用拉普拉斯算子约束图像颜色变化,通过对L0模型的优化减缓颜色梯度的变化,达到图像颜色平滑过渡的目的.为了在平滑过程中更好地保持图像边缘特征,引入Sobel算子作为能量函数正则项,并采用交替求解策略求解能量函数....     

梯度倒数加权平滑算法的改进与实现

根据图像的相关性和连通性原理, 利用图像各部分的梯度信息, 基于原梯度倒数加权平滑算法, 提出了一种改进的梯度倒数加权平滑算法。处理结果表明, 改进算法较原算法能够更好地去除椒盐和随机噪声, 同时较好地保持了图像的边缘和细节信息, 处理过程的运算复杂度与原算法相当。改进的梯度倒数加权平滑算法为目标识别、图像分割等后继处理与分析提供了有力的支持。     

基于PDE''''s的图像平滑方法

传统的图像平滑方法在去除噪声的同时往往会破坏边缘、线务、纹理等图像特征，而基于偏微分方程(PDE’s)的各向异性扩散算法则在抑制噪声的同时能够保持这些特征。本文在Perona ＆ Malik模型基础上引入梯度阈值和高斯平滑核，实验结果表明改进后的平滑方法既能更有效消除孤立噪声点，又可以更好地保持边缘。     

强度和梯度稀疏约束下的图像平滑

目的 为了在图像平滑过程中达到更好地保留边缘去除细节效果,提出一种以像素强度和梯度的稀疏特性为双重约束的图像平滑算法。方法 该算法首先构造一个像素强度和梯度的0-范数函数,作为平滑模型的约束项;然后采用半二次变量分裂法引入辅助变量,构造最终的较易求解的平滑模型;最后利用交替最小化算法求解该模型,并在傅里叶频域内求解平滑图像的解析解,以加快算法的运行速度。结果 在自然图像上进行的平滑实验并与其他算法对比表明,本文的算法时间仅需3.42 s,比双边滤波算法快7.85 s,能够较好地满足图像平滑保留边缘去除细节的要求以及计算效率的要求。结论 本文以强度和梯度的稀疏特性为约束的图像平滑算法能够较好地去除图像中不重要的细节,保留图像的边缘特征,较好地实现了图像的平滑效果,适用于含有复杂背景噪声的图像平滑去噪及边界增强。     

基于P&M模型的图像去噪平滑处理算法

研究图像平滑处理去噪问题.针对传统图像平滑算法在去除噪声的同时会破坏边缘、纹理等不能保持原图图像特征.为解决此问题,提出了一种基于PDE's各项异性的扩散Perona&Malik算法.通过引入高斯平滑算子,利用P&M模型的可调扩散系数来改善图像平滑效果,在抑制噪声的同时能够保持这些特征的特点.通过仿真分析表明,所提出的算法对孤立的噪声点平滑效果明显,同时也不会过多地影响原来图像的特征.     

一种基于自适应阈值的保细节平滑滤波器

基于多尺度多方向的模板,提出一种自适应地的细节平滑算法.该算法一方面保持了模板在保留图像细节特征方面的优势,另一方面利用图像灰度梯度直方图的统计特征,将整幅图像分割成若干子图像,再根据各个子图像的特性,并结合全局梯度特征信息自适应地生成动态阈值,有效地解决了以往阈值选取的困难,提高了图像平滑的自动化程度.与现有的其他算法相比,该算法实现简单,计算速度快,在实际应用中取得了很好的效果.     

基于纹理分析的保细节平滑滤波器

平滑去噪是图象处理中一个重要课题,但是以往在处理平滑去噪问题上一直存在平滑和保细节的矛盾。为解决此问题,提出了一种基于纹理分析和保细节平滑滤波器,该滤波器采用了多尺度多方向的模板,并利用纹理分析等手段,同时根据图象各部分特性,通过自适应地选择模板来进行平滑滤波,该算法兼顾了降噪和保细节两方面要求。实验结果证明,该算法实现简单,计算速度快,且效果优于其他几种常用的保边界平滑算法。     

一种新的基于区域和边界的图象分割方法

用分水岭方法进行图象分割时,容易造成图象的过度分割,从而使得物体的轮廓线掩埋在杂乱的分水岭线中,为了克服这种过度分割问题,提出了一种保持边界的非线性扩散方法,该方法就是先对图象进行平滑,在去噪声的同时,即减少了梯度图象中区域最小值的数目,而分水岭分割后的图象区域数目与它相同;然后,根据初始分水岭分割的结果,使用区域灰度相似性和边界强度相结合的准则,进行由底向上的层次融合,从而较好地解决了过度分割的问题。实验结果表明,该方法可提供精确且封闭的区域轮廓线。     

Image smoothing with generalized random walks: Algorithm and applications

A novel generalized random walks model based algorithm for image smoothing is presented. Unlike previous image smoothing methods, the proposed method performs image smoothing in a global weighted way based on graph notation, which can preserve important features and edges as much as possible. Based on the new random walks model, input image information and user defined smoothing scale information are projected to a graph, our method calculates the probability that a random walker starting at each pixel node position will first reach one of the pre-defined terminal node to achieve image smoothing, which goes to solving a system of linear equations, the system can be solved efficiently by lots of methods. Theoretical analysis and experimental results are reported to illustrate the usefulness and potential applicability of our algorithm on various computer vision fields, including image enhancement, edge detection, image decomposition, high dynamic range (HDR) image tone mapping and other applications.     

一种改进的各向异性扩散去噪模型

为了既能有效地去除噪声,又能够较好地保持图像的边缘以及重要的细节信息,在Perona和Malik提出的各向异性扩散模型(P-M模型)的基础上,通过对扩散方程中扩散函数的改进,提出了一种具备自适应性的去噪扩散模型,该模型对图像去噪处理更加高效。改进的扩散函数在梯度较小时为一个常数,大于某个阈值后变为单调递减函数,直至某个梯度时递减为零。以上扩散函数特性使各向异性扩散模型能够达到在同质区加速平滑、在边缘区停止平滑的目的。实验结果表明,改进的扩散模型是一种更为理想的保边缘平滑模型。     

基于Mean Shift聚类的最大熵图像分割方法

为了有效的分割图像,在考虑了图像的噪声消除和边缘保持等因素的基础上,为解决上述问题,提出一种Mean Shift的图像平滑方法和最大熵的图像分割方法相结合的图像分割方法,Mean Shift对图像进行平滑能有效去除图像中的噪声,同时能很好的保持图像的边缘,克服了以往平滑方法的弱点,再通过基于最大熵阈值对平滑后图像进行图像分割,经过实验证明,与小波平滑等目前其他的平滑方法和最大熵分割结合相比,方法有效的改善了分割效果。     

一种基于高阶统计量的图象平滑去噪法

为了消除或衰减存在于图象上的噪声，同时尽可能地保留图象细节，提出了一种基于高阶统计量的图象平滑去噪法，该方法是根据高阶统计量对高斯噪声不敏感的特性，对一个像素点采用其周围梯度和最小的几个点的灰度平均值来代替其灰度值，以便可以在对噪声进行平滑滤波的同时，最大限度地保留图象的细节信息，仿真结果表明，该方法较好地实现了这一要求，与常用的中值滤波法相比，该方法处理后的图象，其PSNR可提高约1dB以上。     

保持边缘的高斯平滑滤波算法研究

提出了一种新的彩色图像高斯滤波算法EPGF,该方法从人眼视觉感知中的彩色细节失明及同时对比特性出发,根据像素间的色差和位置关系共同确定高斯权值,使算法对区域内部进行平滑的同时,保持区域间的边缘不变。给出了各种滤波结果的主观和客观的对比,实验结果表明了算法的有效性。     

Fast mean filtering technique (FMFT)

This article presents a novel method for mean filtering that reduces the required number of additions and eliminates the need for division altogether. The time reduction is achieved using basic store-and-fetch operations and is irrespective of the image or neighbourhood size. This method has been tested on a variety of greyscale images and neighbourhood sizes with promising results. These results indicate that the relative time requirement reduces with increase in image size. The method's efficiency also improves significantly with increase in neighbourhood size thereby making it increasingly useful when dealing with large images.     

An adaptive window mechanism for image smoothing

Image smoothing using adaptive windows whose shapes, sizes, and orientations vary with image structure is described. Window size is increased with decreasing gradient magnitude, and window shape and orientation are adjusted in such a way as to smooth most in the direction of least gradient. Rather than performing smoothing isotropically, smoothing is performed in preferred orientations to preserve region boundaries while reducing random noise within regions. Also, instead of performing smoothing uniformly, smoothing is performed more in homogeneous areas than in detailed areas. The proposed adaptive window mechanism is tested in the context of median, mean, and Gaussian filtering, and experimental results are presented using synthetic and real images and compared with a state-of-the-art method.