基于多方向中值滤波的各向异性扩散滤波算法

提出一种改进各向异性扩散滤波算法。现有研究方法多存在图像边缘不清,误识别多,扩散系数多凭主观选择等问题。该算法利用保留细节和边缘的能力较为突出的多方向中值滤波方法在多个方向上进行扩散,利用局部方差和图像梯度改进了扩散系数,通过多次迭代修正扩散系数,增强了算法的鲁棒性,且在滤除噪声的同时注重对边缘细节的保持。通过具体实验仿真,以峰值信噪比、均方误差、结构相似度以及图像佳数4个参数作为指标,对实验仿真结果进行了量化比较,表明该算法与传统各向异性扩散方法以及Catté_PM模型等改进方法相比,具备更好的滤除图像噪声以及保持图像边缘的能力。     

结合双边滤波和多帧均值滤波的图像降噪

针对单幅图像空间降噪中存在的问题,提出一种利用同一场景的多帧图像进行噪声抑制的自适应空域滤波方法。首先对每一帧用双边滤波器进行滤波,以在平滑噪声的同时,保护图像边缘;然后对每一像素进行帧间平均值滤波,以利用多幅图像的信息进一步滤除噪声,并减轻双边滤波后的卡通效果。提出的算法在两组多帧图像上进行了测试。实验显示,与单帧双边滤波和简单的多图像平均方法相比,该方法的降噪性能有所提高。     

各向异性扩散与高斯差分模型的多聚焦图像融合方法

利用各向异性扩散模型具有良好的边缘保持特性,提出一种基于各向异性扩散滤波与高斯滤波差分规则的图像融合算法。各向异性扩散方程对图像进行滤波操作,在图像的同质区域实施正向扩散以平滑图像,而在图像边缘实行较弱平滑以保护边缘细节信息。将通过各向异性扩散模型处理的图像与经过高斯函数滤波的结果图像进行差分操作,可以得到图像的高频系数信息。为提高健壮性,对高频系数进行小窗口累加,其作为像素选择准则,再分别从原始图像中直接获取对应的像素值组成融合结果图像。实验结果表明,所提出的方法可以有效地融合源图像信息,非常适合多聚焦     

基于快速行进算法的深度图像增强算法

由于Kinect设备采集的深度图像存在空洞,传统的算法无法对空洞进行有效地填充,针对这一问题研究了一种基于快速行进FMM(Fast Marching Method)的深度图像增强算法。该算法首先将彩色图像作为输入,计算各像素与邻域像素的多尺度结构相似性MSSIM(Multiple-Scale Structural Similarity);然后利用MSSIM构造扩散函数,通过改进的FMM算法,估计深度图像空洞区域像素的深度信息;最后为了突出深度图像中物体边缘信息,采用改进的引导滤波算法对修复后的深度图像进行增强,使得修复的深度图像具有保持边缘的特性。实验结果表明,该算法可以准确地填补深度图像的空洞,并且能够有效地保持物体边缘细节,解决了Kinect设备采集中存在深度图像空洞问题,并能促进三维重建技术的研究及应用。     

基于多方向滤波的强边缘深度图像补全方法

传统的深度相机能够获取像素级配准的深度和彩色图像,但所获取的深度图像存在明显的像素缺失。针对这一问题,文章提出了一种快速深度图像补全算法,能够有效地填充像素缺失区域并保持锐利的深度图像边缘特征。首先,设计出一种边缘蒙版,通过边缘蒙版对联合双边滤波器进行改进。其次,与传统滤波器算法不同,由于滤波器本身存在的方向特性,文章采用不同方向模拟了真实场景的遮挡情况。通过设定4个滤波方向,用改进后的联合双边滤波器对孔洞深度图进行修补填充,然后再通过马尔科夫随机场模型,将4个不同方向滤波器获得的深度填充图融合成一幅图像。最后,通过不同场景的深度图像进行实验。结果表明,所提出的深度图像补全算法显著优于传统方法。     

基于改进各向异性的水平集医学图像去噪

针对成像复杂、噪声突出的医学图像在去除噪声的同时模糊边缘特征的现象,提出了基于改进的各向异性的水平集去噪模型。在水平集去噪模型的基础上,加入了改进的各向异性扩散因子,其中改进的各向异性扩散因子采用了中值滤波平滑后的梯度模替换原始图像的梯度模,对于医学图像中大量的斑点噪声更加有效,并保留了图像的边缘信息。基于Matlab平台对改进算法进行了验证,实验表明,基于改进各向异性的水平集算法在有效去除噪声的同时,非但没有模糊边缘特征,相反地起到增强边缘信息的效果。改进算法优于各向异性算法和中值滤波等算法,提高了图像的信噪比,降低了图像的均方误差,保留了更多细节信息,使得医学图像更好地用于诊断,以及后续的分割等处理。     

基于Canny算子的边缘切线扩散医学超声图像去噪

医学超声图像的细节特征在临床诊断中具有重要的意义.针对于传统的PM算法以及各种改进型各向异性去噪方法(Catte_PM、SRAD、CENCD等)存在边缘中的噪声点未作处理,多次迭代产生虚假边缘等缺点,通过分析具有代表性的Catte_PM各向异性模型,提出了一种结合自适应Canny算子,沿图像边缘切线方向扩散的去噪方法.该算法首先通过改进的Canny算子将图像范围分为边缘区和非边缘区;其次改进现有的扩散方法,使扩散方向只沿图像边缘切线方向进行;最后对非边缘区域采用有限次(三次)的各向同性滤波.实验结果表明,该方法能够有效地解决滤波和图像细节保护这一矛盾问题,使得图像质量有较明显的改善.     

基于最小描述长度原则的各向异性扩散模型

各向异性扩散的最大特点在于它是有选择性的平滑过程,这种平滑过程在均匀的区域不受限制,而在跨越边界部分被抑制,因此噪声和一些无关的细节被平滑掉了,从而能够有效地实现图像保边缘平滑。在现有各向异性扩散模型中,偏微分扩散方程解的适定性和扩散系数中的梯度阈值的合理估计是尚未很好解决的问题。为此利用最小描述长度(MDL)原则发展了一种各向异性扩散模型,并与Lyapunov函数的p-范数相结合,改善了各向异性扩散模型中梯度阈值的估计方法,形成了一种性能较好的各向异性扩散非线性滤波技术。实验结果表明,该方法不仅能够更有效地识别噪声图像中的细节边缘,而且还保证了各向异性扩散模型的稳定性;改进的扩散模型,滤波效果优于传统的各向异性扩散模型,是一种较为理想的保边缘滤波方法。     

基于边缘信息引导滤波的深度图像增强算法

由于Kinect传感器的有效测距有限,深度图像会出现黑洞、噪声等问题,传统的深度图像增强算法仅利用彩色图像信息填充黑洞,增强后的深度图像物体边缘不清晰。针对这种情况,提出基于边缘信息引导滤波的深度图像增强算法。首先,分别获取彩色图像和深度图像的边缘信息,通过融合得到作为引导的边缘图像信息;然后,将边缘信息和迭代非局部中值滤波算法相结合进行黑洞填充;最后,利用自适应中值滤波对图像进行平滑噪声的处理。实验结果表明,该算法能够很好地修复深度图像,得到较为清晰的物体边缘。     

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.     

双尺度顺序填充的深度图像修复

目的 深度图像作为一种重要的视觉感知数据,其质量对于3维视觉系统至关重要。由于传统方法获取的深度图像大多有使用场景的限制,容易受到噪声和环境影响,导致深度图像缺失部分深度信息,使得修复深度图像仍然是一个值得研究并有待解决的问题。对此,本文提出一种用于深度图像修复的双尺度顺序填充框架。方法 首先,提出基于条件熵快速逼近的填充优先级估计算法。其次,采用最大似然估计实现缺失深度值的最优预测。最后,在像素和超像素两个尺度上对修复结果进行整合,准确实现了深度图像孔洞填充。结果 本文方法在主流数据集MB(Middlebury)上与7种方法进行比较,平均峰值信噪比(peak signal-to-noise ratio, PSNR)和平均结构相似性指数(structural similarity index, SSIM)分别为47.955 dB和0.998 2;在手工填充的数据集MB+中,本文方法的PSNR平均值为34.697 dB,SSIM平均值为0.978 5,对比其他算法,本文深度修复效果有较大优势。在时间效率对比实验中,本文方法也表现优异,具有较高的效率。在消融实验部分,对本文提出的填充优先级...     

模糊C-均值聚类引导的Kinect深度图像修复算法

针对Kinect传感器所采集的深度图像中存在大面积空洞的问题,提出了一种模糊C-均值聚类引导的深度图像修复算法。该算法将同步获取的彩色图像和深度图像作为输入;利用模糊C-均值聚类算法对彩色图像进行聚类,聚类结果作为引导图像;然后对每个深度图像中的大面积空洞区域,利用改进的快速行进算法,从空洞边缘向空洞内部逐层修复空洞区域;最后,利用改进的双边滤波算法去除图像中的散粒噪声。实验表明该算法能有效修复Kinect深度图像中的空洞,修复后的图像在平滑度和边缘强度上优于传统算法。     

改进各向异性扩散模型在图像滤波去噪中的应用

为了增强锅炉水位计图像滤波去噪效果,提高图像清晰度,便于后期液位计图像识别研究,通过分析P-M各向异性扩散模型、选择扩散模型及You Yu-Li和Kaveh M四阶偏微分方程的滤波去噪算法,提出了改进各向异性扩散模型滤波算法.所提算法对Perona和Malik两个扩散函数均值化,并引入标准差作为梯度期望值的偏差裕度,结合了P-M各向异性扩散模型保边缘特性的优点,并消除了由于传统各向异性滤波算法迭代过度所造成的阶梯缺陷问题,确保图像有用信息不缺失和像素点平滑度.实验结果表明:所提算法能够更好地降低噪声对目标信号提取产生的影响,提高了图像识别鲁棒性,增强了图像平滑滤波效果,保证了锅炉水位计图像边缘清晰度和完整性.     

基于排序差值脉冲噪声检测的彩色图像滤波方法

提出一种针对彩色图像脉冲噪声进行检测,并根据检测结果利用改进的自适应矢量中值滤波法滤除彩色图像脉冲噪声的方法。试验结果表明,该方法能够明显地减少脉冲噪声检测过程中的噪声漏判数量,有效地去除彩色图像中的脉冲噪声,滤波后不会产生新的颜色,并能较好地保持图像的边缘与细节信息。     

基于联合双边滤波的深度图像增强算法

主动光设备是目前获取深度图的主要方法,被广泛应用于导航、人机交互、增强现实等领域。但主动光设备存在分辨率低、空洞、边缘不匹配等问题。为此,提出一种基于联合双边滤波的深度图像增强算法。采用基于深度的前景分割方法,找出深度图与彩色图边缘不匹配像素集合,利用基于联合双边滤波的插值算法对空洞进行填充。为更好保持边缘细节,增加引导深度相似项与梯度域项的方法进行插值。实验结果表明,该算法比已有方法的最小均方误差平均减少约13%,具有更好的保持边缘效果。     

自适应投票快速中值滤波算法研究

中值滤波是图像处理中常用的滤波方法,其优点是能有效滤除图像中的噪声像素,同时还有一定的保持图像边缘的效果;其缺点是滤波速度慢、图像边缘细节保持效果不理想。在分析中值滤波及其改进算法的基础上,提出了自适应投票快速中值滤波算法（AVMF）。该算法一方面利用图像噪声的特征自适应筛选出需要滤除的噪声像素,另一方面利用滤波窗口的中值元素的特点以及滤波窗口移动的特性,采用完全不排序的投票法快速计算中值。使用Lena图像对AVMF算法进行测试实验,实验结果表明：AVMF同多种中值滤波改进算法比较,不仅能有效滤除噪声和较好地保留图像边缘细节,而且极大地提高了滤波处理速度。     

基于目标特征的植株深度图像修复

针对植株深度图像的像素错误和缺失、常见的滤波方法无法准确修复植株深度图 像的问题,提出一种基于目标特征的植株深度图像修复方法。首先基于颜色和空间信息的图像 分割算法对植株彩色图像进行目标分割,再检索每个目标的外轮廓,并对外轮廓进行多边形拟 合;其次,基于目标区域搜索深度图像中具有正确深度值的像素作为目标区域采样点,并对叶 片区域的图像进行归一化;最后,利用空间拟合法计算各目标区域的方程,修复区域内小面积 错误和缺失的深度值,同时采用支持向量机和空间变换运算对大面积错误和缺失深度值的叶片 区域进行修复。实验结果表明,该方法能够准确地修复植株深度图像中错误、缺失的深度数据, 且能够有效地保护目标区域的边缘信息。     

一种异性扩散的自适应平滑滤波算法

固定尺度的高斯滤波器对图像中的所有像素使用相同的加权系数,在平滑噪声的同时也模糊了边缘信息,影响了后期的边缘定位和提取,为此提出了一种异性扩散的自适应仿高斯滤波器,通过计算当前像素与周围像素的灰度梯度,预判该像素类型（噪声点或是边缘点）,并根据像素点类型和梯度生成自适应的、各向异性的加权系数,通过多次平滑迭代实现权重的异性扩散。实验结果表明,该滤波算法具有平滑噪声的同时保留并锐化边缘效果。     

基于改进伪中值滤波和非局部均值滤波的红外图像滤波方法

首先对伪中值滤波算法进行了改进:噪声检测过程融入像素点灰度值、几何距离等因素,实现噪声点从图像像素点中的逐步分离;采用加权滤波的方法滤除噪声。其次对改进非局部均值滤波算法的先验信息获取方法进行了改进:对噪声图像进行提升小波变换,采用一种新型阈值函数选择低频分解系数,对高于阈值的系数进行重构得到参考图像,计算参考图像的相似度权值并将其作为改进非局部均值滤波算法的先验信息。最后基于2种改进算法提出了一种红外图像滤波方法,即依次采用改进伪中值滤波算法和基于先验信息的改进非局部均值滤波算法对红外图像进行滤波处理,然后将其与参考图像进行融合,以修正被过度滤波的图像。实验结果表明,该方法针对高密度噪声的红外图像有较好的滤波效果。