一种自适应各项异性高斯滤波方法

为了提高图像的信噪比且尽可能保留图像边缘信息,论文提出了一种自适应各项异性高斯滤波方法,该方法根据各象素位置的灰度梯度值决定在这一点是采用各项同性还是各项异性高斯滤波,如果采用各项异性滤波,则由该处的灰度梯度方向角自适应决定各项异性滤波器的长轴方向。仿真实验表明,论文提出的自适应各项异性滤波器在边缘保持方面优于各项同性高斯滤波器。     

基于指数变量的复小波域自适应扩散图像滤波算法

为了克服传统各项异性扩散模型在图像滤波时出现的阶梯效应和边缘模糊问题,利用复小波变换较好的完美重构性和方向选择性等特点,结合图像的梯度和复小波变换模特征,设计了一种复小波域自适应图像扩散滤波模型,提出了一种基于指数变量的自适应扩散图像滤波算法。通过计算机仿真验证了所提算法的滤波性能,结果表明该算法在低信噪比条件下可有效地滤除图像噪声,并且能较好地保持图像的边缘、纹理等细节信息。     

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。     

改进扩散式子带自适应滤波算法仿真

扩散式子带自适应滤波(Diffusion Subband Adaptive Filtering,DSAF)算法是针对分布式估计中输入信号存在相关性的一种有效解决方案.但现实世界中广泛存在的具有脉冲特性的非高斯噪声会导致传统的DSAF算法性能下降甚至完全失效.同时,水声通信、电话会议等实际应用场合中待估计系统常呈现出稀疏...     

一种改进亮度平滑滤波调节图像融合算法

针对基于亮度平滑滤波调节(SFIM)遥感图像融合存在的空间细节信息提高不足,光谱存在一定失真的问题,提出了一种改进SFIM算法.该算法在SFIM基础上,结合平滑滤波和加权平均等方法,对SFIM的不足进行了改进;但保持了SFIM算法简单,运算快捷的优点.实验结果表明改进算法在空间细节增加,对比度以及光谱保持方面有了明显改善.     

各向异性扩散平滑滤波的改进算法

图像的噪声过滤和增强是数字图像处理中非常重要的组成部分.在图像处理过程中,为了既有效地去除噪声,又能够较好地保持图像的边缘和重要的细节信息,在Perona-Malik各向异性扩散模型（PM模型）的基础上,通过对变分方法的扩散方程中扩散系数的改进,提出了一个对噪声图像更有效更具有适应性的去噪扩散模型.该模型针对不同的梯度大小采用了不同的扩散系数.在实际处理过程中该模型不仅能够有效地保持图像的边缘,而且还能够克服PM模型对小尺度噪声敏感和部分边缘和细节失真的问题.实验结果表明,改进的扩散模型的性能优于PM模型,是一种较为理想的保边缘平滑模型.     

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。     

一种彩色图象的非线性自适应滤波算法

本文提出了一种应用于彩色图象去噪和平滑的非线性自适应滤波算法,该算法应用微分算子确定被处理象素及其领域内的象素点是否为噪声点,在具有视觉统一性的色度空间中对图象进行高斯加权时,不仅去除噪声点的影响,而且应用分类准则,对象素及其领域内的点进行分类,选取同类点参加滤波,该方法有效抑制了噪声点的影响,提高了滤
滤波的视觉效益,实验证明了该算法的有效性。     

一种基于小波子带各向异性扩散方程的图像平滑方法

根据小波变换对图象的多分辨率表示的同时将不同边缘归结到不同的小波子带,文章提出了将改进的退化扩散方程结合图象的不同小波子带的图象平滑方法。这样,对高频子带,扩散方向由子带方向确定,扩散速度由梯度幅值和二阶导数决定; 而在灰度变化不大的低频子带,采用传导系数为常数的热方程进行平滑。实验证明,该方法在对图象进行平滑的同时,较好地保留了图象的线条边缘特征和角点特征,同时算法复杂性大为降低。     

一种倒数加权的窗口自适应邻域图像滤波算法

对于叠加了白噪声的图像,提出一种倒数加权的窗口自适应邻域图像滤波算法.算法首先利用自适应邻域统计的概念在以每个滤波点为中心的滤波窗口内,为其建立参与滤波的自适应邻域像素集合,随后对纳入自适应邻域的像素进行倒数加权作为滤波结果.仿真和对比实验的结果显示,提出的算法在性能上超过了传统的中值滤波和窗口自适应邻域滤波算法.它能在有效抑制加性白噪声的同时,完好地保持图像的边界和细节信息,并且滤波后的图像获得了良好的视觉效果.     

各向异性扩散的彩色图像复合滤波方法

将扩散偏微分方程PDE’s推广到彩色图像滤波。分析了基于散度算子和基于迹算子PDE的优缺点,提出了一个新的扩散PDE方法。该方法在各向异性扩散基础上增加了一个震动滤波算子,并对特征根和扩散张量进行了重构,不仅对图像有很好的滤波效果,而且对边缘有增强保护的作用。实验结果表明,提出的方法达到了既有效去除噪声又保留更多细节的目的。     

一种改进的各向异性扩散图像平滑方法

在人类视觉系统特性基础上提出了一个改进的各向异性平滑方法。加入图像四阶偏微分信息避免“阶梯效应”,扩展演化方向,改进数值模型。实验结果表明,该方法在噪声消除和边缘保留方面能获得较好的效果。     

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.     

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。     

拟正态分布扩散的图像平滑

目的在传统的去噪模型中,若仅考虑去噪与边缘保护这两个方面,会导致纹理等细节信息丢失,为解决传统模型这方面的缺陷,提出了一种基于拟正态分布的图像去噪模型。方法提出的模型是以经典的各向异性扩散模型为基础,首先分析了扩散系数在扩散过程中的作用,引入通量函数,做归一化处理,建立新的扩散系数,构造新的扩散模型;然后考虑新模型在去噪过程中,既要有效去噪,又要保护图像的边缘、纹理等细节信息,将扩散系数构造成拟正态分布函数。结果实验结果表明,在同一实验条件下,新模型的峰值信噪比与经典模型相比提高了28 d B左右,均方差大幅度降低,图像的边缘更加清晰,对比度得到显著增强。结论提出的新模型能够较稳定地控制扩散过程,使图像在去噪和保边缘、纹理等细节信息方面都达到令人满意的效果,峰值信噪比有了大幅提高,其去噪性能较经典模型更具优越性。     

基于各向异性扩散方程的Canny边缘检测算法

Canny边缘检测算法由于使用高斯滤波对图像进行平滑,往往使得算法的信噪比和定位精度下降,从而产生一些虚假边缘,使角点变圆。针对Canny算法所出现的问题提出了一种改进方法,运用各向异性扩散方程代替高斯滤波,并对扩散后的图像做图像增强。实验结果表明,该算法有效地提高了边缘检测的准确性,得到了比较理想的边缘检测效果。     

自适应平滑自商图与多层分块的人眼定位算法

针对光照对眼睛定位产生的影响,提出了一种基于自适应平滑自商图像与多层分块的人眼定位算法。首先进行光照评估,利用自适应平滑自商图像（ASSQI）对光照条件差的进行处理,消除人脸图像的光照影响;然后运用眼睛区域梯度复杂度大的特征并结合积分图分块处理获得眼睛粗定位;最后对粗定位区域继续分块并利用质心得到准确的瞳孔中心。在JAFFE数据库、Yale B数据库和BioID数据库上测试表明该文算法有较高的定位正确率,对光照的鲁棒性较强。     

基于人类视觉模型的各向异性扩散滤波方法

针对各向异性扩散模型中扩散系数的梯度阈值确定问题进行了研究,提出了一种基于人类视觉模型的各向异性扩散滤波器。首先在PM方程的基础上研究了各向异性扩散系数中梯度阈值的取值问题。根据仿生学原理,分析了韦伯比曲线,将图像根据背景亮度划分为不同的区域,分别采用不同的公式计算梯度阈值。然后讨论了改进后算法在8邻域内的离散实现问题。仿真结果表明,与传统的恒常梯度阈值扩散模型相比,改进后的算法在有效保留图像重要信息的同时对噪声的抑制效果更为理想。     

图像降噪的自适应高斯平滑滤波器

作为去除图像中噪声的图像增强技术,常用的图像平滑方法在提高局部信噪比的同时,也使图像产生模糊。为克服上述缺点,引入了自适应高斯滤波器,它结合了高斯滤波器和梯度倒数加权滤波器的特点,同时考虑了图像局部的空间距离和像素距离,以确定参与局部平滑的像素及其权值。该滤波器算法牺牲了简单平滑滤波器的计算性能,但很好地保留了图像的局部特点,特别是边缘和细节。实验比较了该方法与其他常用滤波器的性能,结果证实了该方法的有效性。