一种非线性逆扩散图像增强算法

针对传统图像增强算法无法同时消除噪声和保持纹理的不足,从线性逆扩散的基本原理出发,提出了非线性逆扩散图像增强算法的原则,给出了适合的扩散系数。试验结果表明本算法有效地增强了图像,消除了图像中的噪声,能够保留图像中的细节纹理。     

基于前向和后向扩散的图像增强算法的改进

图像去噪和增强是图像处理和计算机视觉领域中的基本问题,而偏微分方程已经广泛应用于模糊图像的复原。针对P-M方法和原FAB方法的不足,通过区分图像的平坦区和边界区,综合这两种方法得出了新的扩散系数方程,并通过有限差分法将对应的偏微分方程离散化后得到了它的数值解。这种改进的各向异性的扩散方法,在平滑图像的同时能够保持和增强边界,对实际图像的滤波结果表明了该算法是有效的。     

基于前向和后向扩散的图像增强算法的改进

图像去噪和增强是图像处理和计算机视觉领域中的基本问题,而偏微分方程已经广泛应用于模糊图像的复原.针对P-M方法和原FAB方法的不足,通过区分图像的平坦区和边界区,综合这两种方法得出了新的扩散系数方程,并通过有限差分法将对应的偏微分方程离散化后得到了它的数值解.这种改进的各向异性的扩散方法,在平滑图像的同时能够保持和增强边界,对实际图像的滤波结果表明了该算法是有效的.     

一种非线性扩散线形纹理图像增强的方法

对于运用非线性扩散滤波器对线形纹理图像的增强,提出了一种根据图像纹线方向对传统扩散滤波器的扩散系数的修正,使修正后的“半各向异性”扩散滤波器适合于线形纹理图像的滤波。文中直接给出了滤波器的离散形式,使滤波过程易于实现,并缩短了滤波时间。     

一种新的基于振动滤波和各向异性扩散的图像增强和去噪算法*

结合振动滤波和各向异性扩散,提出了一种新的图像增强和去噪方法。该方法将改进的振动滤波项引入增强和去噪方程,使其根据图像结构信息产生相应变化幅度,使得图像不仅具有很好的平滑效果,而且增强了边缘,保留了尽可能多的细节部分,同时很大程度上缩短了计算时间,并给出了方程的离散形式。通过实验表明,该方法能达到较理想的增强和去噪效果。     

三次样条插值的逆扩散图像增强算法

提出了非线性逆扩散图像增强算法的原则,应用三次样条插值方法构造了该算法的扩散系数,得到了较好的图像增强效果。说明该算法能够对有微弱噪声的图像进行图像增强并保持细节纹理,其扩散系数既满足了逆扩散图像增强的原则,又容易构造。     

一种新的前后向扩散血管图像增强方法

提出一种新的血管图像去噪和锐化方法。在对血管多尺度分析的基础上,利用血管响应函数替代梯度,构建血管的一致性扩散系数。该扩散系数包含前向和后向扩散操作,在去除图像噪声的同时,可以锐化血管。在合成图像、肺小血管图像上进行仿真实验,结果表明,该方法适用于模糊的医学血管噪声图像,不仅能较好地去除噪声,而且能锐化血管边缘。     

结合迭代实边缘特性的图像复扩散增强算法

图像的复扩散是图像增强的一种有效方法.传统的复扩散算法在求解过程中利用迭代产生的虚部,即图像高斯卷积的拉普拉斯算子作为扩散控制因子.然而由于该因子的平滑、时间依赖以及二阶特性.图像在处理后会在边缘处形成带状模糊.为此,本文提出一种改进的结合了图像迭代实边缘特性的复扩散算法.实验结果显示,该算法可以更好的增强模糊图像的边缘和去除噪声.     

一种模糊集图像增强的改进算法

图像增强是图像预处理中最重要的内容之一,本文通过对Pal模糊图像增强算法进行改进,提出一种改进的新的模糊图像增强算法。该算法采用简单的隶属函数,并且克服了Pal算法对图像中部分低灰度值边界信息损失的缺点。实验结果表明,该算法不但能够提高图像对比度,突出图像中不同层次的灰度信息和边缘信息,其运算速度也远远快于Pal模糊增强算法。     

一种新的自适应Lee图像增强算法

该文对Lee图像增强算法及其改进型算法进行了较深入的研究,发现了其存在的问题,提出了一种新的图像增强方法。该方法补充了一个有用的非线性变换,增加了原Lee算法的普适性;其次利用灰度值的统计特性达到了图像自适应增强的目的。实验结果表明:新算法不仅具有较大的适用范围,而且能够有效地增强整个图像的对比度,提高图像的视觉效果。     

基于全局信息的图像增强组合方法

从分析图像增强的偏微分方程直方图修正方法的迭代过程出发,改进了偏微分方程的直方图修正模型.在此基础上,通过对图像的梯度信息和直方图信息的合理组合,提出了基于全局信息的图像增强组合方法.并利用图像直方图的根方差和图像噪声的根方差,构造了两种方法组合的权重因子,给出了权重因子的计算方法.同时设计了快速算法,提出了一种评价图像清晰度的指标.实验结果表明：该方法可以有效地实现对比度增强、噪声抑制和边缘保护.     

从多幅参考图像合成目标图像的逆映射算法

提出了一种从多幅参考图像来合成新视点目标图像的逆映射算法.这种方法不但成功地填补了由于投影区域扩张而产生的第1类空洞,而且还成功地填补了由于空间非深度连续物体相互遮挡而产生的第2类空洞,从而方便地实现了虚拟环境中的漫游.基于物体表面深度的连续性,提出了一种位移预测方法.该方法可以从单幅参考图像获得逆映射过程中所需要的目标图像的位移信息,从而大大提高了算法的效率.与通常的正向映射算法相比,该算法克服了多幅参考图像所带来的计算量成倍增长等问题,而且误差较小.     

基于拓扑导数的复扩散在图像去噪及边缘提取中的应用

提出了基于拓扑导数的非线性复扩散用于图像去噪及边缘提取的一种算法.由于线性扩散会使图像边缘模糊,基于拓扑优化思想,对每个像素点的线性复扩散系数扰动,使得拓扑导数最小的扩散系数为最优.文中选取的扩散系数具有各向异性的特性,从而克服了Perona-Malik的各向同性扩散系数不利于去除边缘噪声的缺陷,选择拓扑导数足够小的像素点,对这些像素点用最优扩散系数进行扩散.文中给出了使算法迭代终止的判据.实验证明,与Guy Gilboa的非线性复扩散相比,本文方法对原始加噪图像处理后,实部图像体现出了更好的去噪效果,虚部图像则很好地保留了图像边缘,此外,本文方法还消除了Perona-Malik的方法对图像去噪后产生的阶梯效应.     

改进的各向异性复扩散模型的医学图像去噪方法

对医学图像进行有效的去噪并保持边缘信息,有利于图像的后续处理.本文分析P-M模型和Gilboa的复扩散模型以及它们的不足,提出一种改进的各向异性复扩散模型.该方法先用中值滤波对图像进行预处理,去除梯度值大的噪声点,然后用图像的虚部求扩散系数,以此引导扩散模型中的边缘检测函数,再进行八邻域像素的扩散过程.实验表明,该方法能达到较理想的去噪和保持边缘的效果,而且减少了迭代次数,缩短了计算时间.     

基于复数小波变换增强带噪图像的空间自适应方法

针对目前的多尺度增强方法一般很难实现抑制噪声和凸显细节间有效均衡的问题,提出一种基于复数小波变换增强图像方法,充分利用复数小波兼具平移不变性和方向选择性的优势,首先通过相邻两层小波系数的相关性来有效区分噪声和图像边缘．并根据各层小波系数的分布设置局部阈值抑制噪声;在此基础上,自适应地选取增强函数来增强较弱的细节并保护原图像中的清晰边缘不产生失真．实验结果表明,运用该算法增强带噪图像可以在较好地抑制噪声的同时,显著地放大细节特征．