方向滤波抗混叠的低冗余图像多尺度变换

目的 为了兼顾图像变换的低冗余性和方向滤波时抗频谱混叠特性,设计一种新型基于抗混叠方向滤波的低冗余图像多尺度变换。方法 该变换由小波级联频域方向滤波器组组成。由于频域内构造的方向滤波器的频谱支撑满足紧支撑性,因此滤波后形成的图像方向子带之间不会存在频谱混叠现象,并且根据其特点采用一种新颖的降采样方式,使得各个方向子带在降采样操作后仍具有平移不变性。结果 该变换可有效降低冗余,同时能够消除因移变性导致的频谱混叠现象,提高了方向滤波器组的方向选择性。结论 仿真实验结果表明,新型图像多尺度变换在图像稀疏表示、压缩等领域均获得良好效果。     

梯度优化的有理函数图像插值

目的 对图像纹理区域的细节保持一直以来是图像插值技术的一个难题,为此提出了一种梯度优化的有理函数图像插值算法。方法 首先,构造了一种新的含有可调参数的双变量有理插值函数,随着参数的不同取值,该函数具有不同的表达形式,它是多项式模型和有理模型的有机统一体;其次,根据图像的区域特征,利用等值线方法将图像自适应地划分为纹理区域和平滑区域,纹理区域采用有理模型插值,平滑区域采用多项式模型插值;最后,根据各向同性Sobel算子计算插值单元的图像梯度,确定纹理方向,不同纹理方向的插值单元用相应的权重对中心点进行优化。结果 从客观数据、主观效果、时间复杂度3个方面对重建图像进行评价,客观数据包括峰值信噪比（PSNR）和结构相似性（SSIM）,从实验结果可以看出,本文算法的PSNR平均提高了0.14~1.50 dB,SSIM平均提高了0.005~0.097。从主观效果来看,本文算法的重建图像的纹理细节更加丰富,边缘结构更加清晰,从时间复杂度来看,本文算法的平均运行时间是3.77 s,分别比DFDF（directional filtering and data fusion）、NEDI（new edge-directed interpolation）、RSAI（robust soft-decision adaptive interpolation）、Lee''s、NARM（nonlocal autoregressive model）算法快了3.28倍、5.26倍、53.28倍、43.53倍、418.54倍。特别地,对于Baboon、Barbara、Metal这类纹理细节丰富的图像,本文算法在峰值信噪比和结构相似性上较对比算法有突出优势,主观效果有明显提高。结论 基于构造的双变量有理插值模型,本文提出了一个梯度优化的有理函数图像插值算法,实验结果表明,该算法在图像纹理细节和边缘结构保持方面具有良好的视觉效果,有效提高了插值图像质量,且时间复杂度较低。     

细节感知的纹理滤波算法

目的 基于现有的研究提出一种细节感知的纹理去除算法,在去除图像纹理时,能够很好地保持图像的结构信息,尤其是诸如细长结构和边角信息等在其他方法中容易被模糊化的特殊细节。方法 首先,本文提出一种能够识别细长结构的结构检测方法,对细长结构进行检测并增强其结构特征。其次,为了估计每个像素点的最优滤波核尺度,改进原有的相对总变差模型,多方向寻找最小相对总变差,使它能够更好地区分纹理和边界,并且将边角信息从纹理中区分出来。然后,将检测出来的细长结构归一到改进的相对总变差的度量尺度上,估计滤波核尺度,生成引导滤波图像。这样就能够在平坦或有纹理的区域运用大尺度的滤波核,并在结构边缘和边角附近减小滤波核。最后,通过联合双边滤波器得到纹理去除后的图像。结果 实验测试了马赛克图像和艺术画作,对比了相对总变差和尺度敏感的结构保护滤波等方法,本文方法在去除纹理的同时保留了细长结构和边角细节,并且具有良好的普适性和鲁棒性。利用本文算法处理一幅含10万像素的图像,仅通过一次迭代计算就能够去除大量纹理且效果优于已有的方法,本算法的计算时间为3.37 s,其他算法为0.07~3.29 s。结论 本文设计的纹理滤波器不仅在保持诸如细长结构方面的性能更好,而且使纹理去除后的图像在边角细节处更尖锐,为图像的后续处理提供了一种强有力的图像预处理方式。     

面向虚拟视点绘制的深度图滤波及上采样方法

针对虚拟视点合成系统中虚拟视点的绘制质量不高,主观效果不理想的问题,同时为了提高自由视点电视系统中的深度图压缩性能,对基于下/上采样的深度图编码方法中的深度图滤波及上采样方法进行了研究.首先,根据深度图的特性使用H.264/MVC对深度图进行下采样压缩.其次,提出使用(A)-Trous小波滤波器对解码后的低分辨率深度图进行滤波,减少由编码器引入的块效应,继而提出多相似度自适应权重上采样方法恢复原始分辨率深度图.最后,使用上采样后的深度图与未压缩的彩色视频序列进行虚拟视点合成,通过虚拟视点的峰值信噪比(PSNR)来衡量客观绘制质量.实验结果显示,使用提出的中值滤波和多相似度上采样方法与(A)-Trous小波滤波和多相似度上采样方法生成的虚拟视点的PSNR分别比自适应权值上采样方法提高至少0.04 dB和0.22 dB,而且后者极大程度上改善了虚拟视点的主观绘制质量.     

多方向模板变分模型的单幅图像超分辨率重建

目的 为了增强图像超分辨率重建的准确性,克服传统插值所产生的边缘模糊与边缘锯齿等负面效果,提出一种基于多方向模板变分模型的单幅图像超分辨率重建方法。方法 首先构建体现28个方向的多方向模板对输入图像的轮廓方向进行计算,同时通过将TV模型引入到图像轮廓的估计中来确定边缘轮廓的最优方向;在此基础上通过进行基于所提出的多方向模板的图像插值来实现图像的超分辨率重建。结果 对比基于活动轮廓的图像边缘插值方法重建的经典高分辨率测试图像,本文方法在平均峰值信噪比和平均结构相似度方面分别提高了1.578 dB和 0.030 02 dB。结论 本文方法可以有效地克服传统插值方法所产生的边缘模糊和边缘锯齿化等负面效果,也避免了较少方向模板所带来的边缘和纹理丰富区域的纹理失真现象,可以取得较好的重建效果。     

面向烟雾识别与纹理分类的Gabor网络

目的 通过烟雾检测能够实现早期火灾预警,但烟雾的形状、色彩等属性对环境的变化敏感,使得烟雾特征容易缺乏辨别力与鲁棒性,最终导致图像烟雾识别、检测的误报率与错误率较高。为解决以上问题,提出一种基于Gabor滤波的层级结构,可视为Gabor网络。方法 首先,构建一个Gabor卷积单元,包括基于Gabor的多尺度、多方向局部响应提取和跨通道响应浓缩;然后,将Gabor卷积单元输出的浓缩响应图进行跨通道编码并统计出直方图特征,以上Gabor卷积单元与编码层构成了一个Gabor基础层,用于提取多尺度、多方向的基础特征,对基础层引入最大响应索引编码和全局优化能生成扩展特征;最后,将基础和扩展特征首尾相连形成完整烟雾特征,通过堆叠上述Gabor基础层能形成一个前馈网络结构,将每一层特征首尾相连即可获得烟雾的多层级特征。结果 实验结果表明,此Gabor网络泛化性能好,所提烟雾特征的辨别力在对比实验中综合排名第一,所提纹理特征的辨别力在两个纹理数据集上分别排名第一与第二。结论 所提Gabor网络能够实现多尺度、多方向的多层级纹理特征表达,既能提高烟雾识别的综合效果,也可提高纹理分类的准确率。未来可进一步研究如何降低特征的冗余度,探索不同层特征之间的关系并加以利用,以期在视频烟雾实时识别中得到实际应用。     

稳定场图像重建中的传递函数研究

目的 针对2维图像重建（或修复）的准确性和效率问题,以传递函数为核心并提出相关重建算法。方法 在图像局部纹理稳定场模型的基础上,针对每一个缺损像素点,考虑其周围已知区域的像素点都对它进行能量传递,且在重建过程中首先将能量传递到最近邻域内,由此构造传递函数并引入标量场的二阶泰勒展开来完成,最终依据最近邻域内的能量值,以插值完成重建。结果 采用重新构造的传递函数并结合不同的插值方法分别对缺损的几何图形、灰度图像及彩色图像进行重建,结果与图像场方向导数的局部区域重建算法、典型的CDD（curvature driven diffusion）、BSCB（Bertalmio Sapiro Caselles Ballester）、TV（total variation）重建算法相比,重建准确率分别提高了6%、10%、15%、13%,峰值信噪比（PSNR）分别提高了2 dB、1 dB、3 dB、2.5 dB,并且图像缺损边缘及纹理细节的重建更加清晰。结论 对2维图像重建的传递函数的研究及所提出的相关重建算法,对于不同类型图像不同程度的缺损,以保持较好的整体视觉效果和重建效率为前提,较大地提高了重建准确性和PSNR,尤其在图像缺损区域边缘及纹理细节的重建上表现出色。     

基于联合双边滤波的纹理合成上采样算法

提出了一个新的纹理合成的上行采样算法,即利用现有的高分辨率的样本纹理作为先验引导条件,对合成的低分辨率的纹理进行插值,获取更好的高分辨率纹理合成结果.该算法的主要思想是基于联合双边滤波器进行纹理合成上采样,对低分辨率合成纹理应用空间滤波,而将一相似的边界滤波联合地应用在高分辨率的样本纹理上.该算法克服了传统的以光滑性为先验引导条件的上采样方法会导致图像特征模糊的缺点,使获得的上采样纹理图像保持纹理特征,同时视觉上光滑.文中给出了图像和视频纹理合成结果的上行采样算法.实验结果表明,文中的方法减小了优化纹理合成过程所需的时间和空间,获取了更好的图像和视频合成纹理上采样效果.     

自适应残差图像的分数阶全变分去噪算法

目的 全变分（TV）去噪模型具有较好的去噪效果,但对于图像的弱边缘和纹理细节的保持不够理想。自适应分数阶全变分（AFTV）模型根据图像局部信息,区分图像的纹理区域和非纹理区域,自适应计算投影算法中的软阈值,可较好地保持图像的弱边缘和纹理细节,但该方法当噪声增大时“阶梯”效应比较明显,弱边缘和纹理细节保持效果不够理想。针对该问题,提出一种改进的分数阶全变分去噪算法。方法 该算法在计算残差图像时,用分数阶全变分模型替代整数一阶全变分模型,并根据较精确的残差图像的局部方差区分图像纹理区域和平坦区域,使保真项参数的自适应选取更加合理,提高了算法的去噪性能。结果 针对3种不同类型的噪声图像,将本文模型与TV模型和AFTV模型进行对比实验,并采用峰值信噪比（PSNR）和结构相似性（SSIM）评定去噪效果和纹理保持能力。对于高斯噪声图像,本文算法在PSNR方面比TV模型和AFTV模型分别可平均提高2.72 dB和1.38 dB,SSIM分别可平均提高0.047和0.020。对于椒盐噪声图像,本文算法结合中值滤波算法在PSNR和SSIM方面比传统中值滤波算法分别可平均提高1.308 dB和0.011。对于泊松噪声图像,本文算法在PSNR、SSIM方面与AFTV较接近,比TV分别可提高1.59 dB和0.005。结论 通过对添加不同类型的噪声图像进行实验,结果表明提出的算法在去噪性能上与TV和AFTV相比均有较大提高,尤其对于噪声较大的图像效果更为显著,在去噪效率上与AFTV的时间复杂度相当,时耗接近略有降低。且本文算法普适性较好,能有效去除多种典型类型的噪声。     

双树复小波域的MRI图像去噪

目的 噪声会降低磁共振图像(MRI)的质量,影响视觉效果和计算机辅助诊断,针对MRI噪声的莱斯(Rician)分布特性,设计一种有效的MRI去噪算法. 方法 在双树复小波(DT-CWT)域结合双边滤波器(BF)和基于Stein无偏误差估计的邻域收缩法(NeighShrinkSURE)、二变量收缩法(BivariateShrink)设计一种有效的磁共振图像MRI去噪算法.所设计的算法充分考虑了MRI的噪声分布特性以及小波系数的层间和层内相关性,其性能优劣主要取决于平方MRI的双树复小波系数的噪声标准差估计的准确程度,其次和双边滤波器的参数以及两种收缩方法的占比有关.为了使各算法的协同发挥最好的性能,以均方误差(MSE)、峰值信噪比(PSNR)和结构相似度(SSIM)作为图像质量评价指标,修正DT-CWT系数的噪声标准差,确定最佳双边滤波参数以及两种收缩方法的占比.在双树复小波域结合3种方法设计了一种有效的MRI去噪算法.结果 与现有几种算法进行图像去噪比较实验.在视觉效果、去噪指标PSNR和SSIM以及耗时方面,本文算法综合性能优于现有的几种MRI去噪算法,PSNR提高了约0.51~1dB,SSIM提高了约5%~10%.结论 双树复小波域的去噪优于基本小波去噪,利用层内和层间相关性的去噪算法很好去除了噪声,双边滤波器的使用增强了低频部分的图像,使得本文算法在MRI莱斯噪声的去除上获得了较好的表现,在去噪的同时能够保留边缘和细节信息.     

改进的曲率滤波强噪声图像去噪方法

目的 医学影像获取和视频监控过程中会出现一些恶劣环境,导致图像有许多强噪声斑点,质量较差。在处理强噪声图像时,传统的基于变分模型的算法,因需要计算高阶偏微分方程,计算复杂且收敛较慢;而隐式使用图像曲率信息的曲率滤波模型,在处理强噪声图像时,又存在去噪不完全的缺陷。为了克服这些缺陷,在保持图像边缘和细节特征的同时去除图像的强噪声,实现快速去噪,提出了一种改进的曲率滤波算法。方法 本文算法在隐式计算曲率时,通过半窗三角切平面和最小三角切平面的组合,用投影算子代替传统曲率滤波的最小三角切平面投影算子,并根据强噪声图像存在强噪声斑点的特征,修正正则能量函数,增添局部方差的正则能量,使得正则项的约束更加合理,提高了算法的去噪性能,从而达到增强去噪能力和保护图像边缘与细节的目的。结果 针对多种不同强度的混合噪声图像对本文算法性能进行测试,并与传统的基于变分法的去噪算法（ROF）和曲率滤波去噪等算法进行去噪效果对比,同时使用峰值信噪比（PSNR）和结构相似性（SSIM）作为滤波算法性能的客观评价指标。本文算法在对强噪声图像去噪处理时,能够有效地保持图像的边缘和细节特征,具备较好的PSNR和SSIM,在PSNR上比ROF模型和曲率滤波算法分别平均提高1.67 dB和2.93 dB,SSIM分别平均提高0.29和0.26。由于采用了隐式计算图像曲率,算法的处理速度与曲率滤波算法相近。结论 根据强噪声图像噪声特征对曲率滤波算法进行优化,改进投影算子和能量函数正则项,使得曲率滤波算法能够更好地适用于强噪声图像,实验结果表明,该方法与传统的变分法相比,对强噪声图像去噪效果显著。     

椒盐图像的方向加权均值滤波算法

椒盐噪声是造成图像污染的主要因素之一,椒盐去噪是图像去噪领域的研究热点。方向加权中值滤波算法计算噪声点滤波输出时存在一定的问题,比如,未排除近邻噪声点的干扰,对方向的估计不准确,对局部灰度特性刻画不完整等。为此,提出一种方向加权均值滤波算法。此算法先根据方向灰度差异和灰度极值判断检测噪声点,然后根据对局部窗口噪声强度的估计自适应地选择递归或非递归滤波窗口的加权灰度均值作为滤波输出。仿真实验结果表明,提出的算法与现有的两种方向加权中值滤波算法相比,PSNR普遍提高了2~3dB和5~6dB,噪声密度高时提高的幅度更加明显;速度提高了接近10倍和30倍。     

A prototype filter design approach to pyramid generation

This paper presents a technique for image pyramid generation, in which the reduction (expansion) factor between layers is any rational number M/L. The image pyramid generation is modeled as an interpolation and filtering followed by a decimation. The model enables frequency domain analysis of the image pyramid, as well as convenient design of the generating kernels. L(M) generating kernels are necessary to produce an image pyramid with reduction (expansion) factor M/L(L/M). A polyphase filter network scheme is used where the L(M) generating kernels can be produced by sampling one prototype low-pass filter with cutoff frequency at ω=π/max[M,L]. Using these polyphase filters, the frequency content of pyramid image decompositions can be adjusted with great flexibility. A systematic procedure is presented here for specifying the relative positions of spatial samples in successive pyramid levels-a complication that arises when generalizing from integer reduction factors to rational factors. Two types of low-pass filters are employed in this work for the prototype filter design: a binomial filter and an FIR linear phase filter. Illustrative examples are presented     

Efficient noise reduction in images using directional modified sigma filter

A noise reduction of images using a directional modified sigma filter is proposed. It is important that an image should include accurate values without noise for large-scale data processing of a cloud computing environment. A conventional sigma filter has been shown to be a good solution both in terms of filtering accuracy and computational complexity. However, the sigma filter does not preserve small edges well especially for the high level of additive noise. In this paper, we propose a new method using a modified sigma filter. In our proposed method, an input image is first decomposed into two components that have features of horizontal, vertical, and diagonal direction. Then two components are applied: high-pass filtering (HPF) and low-pass filtering (LPF). By applying the conventional sigma filter separately on each of them, an output image is reconstructed from the filtered components. Added noise is removed and our proposed method preserves the edges in the image. Comparative results from experiments show that the proposed algorithm achieves higher gains than the sigma filter and modified sigma filter, which are 2.6 dB PSNR on average and 0.5 dB PSNR, respectively. When relatively high levels of noise are added, the proposed algorithm shows better performance than the two conventional filters. The proposed method can be efficiently applied in digital cameras, digital TV, and smart phones.     

基于高斯金字塔的多级滤波

设计了一种用于检测红外图像小目标检测的多级滤波器。采用级联不同级数的滤波器可以将不同大小的候选目标从复杂背景中分离出来。通过图像高斯金字塔的多分辨率处理,能够改善多级滤波器的滤波效果。     

融合梯度信息的改进引导滤波

目的 为了有效消除引导滤波平滑图像后产生的光晕现象,提出一种新型的融合梯度信息的改进引导滤波算法。方法 该算法借助引导图像的梯度信息来判断图像边缘位置,并结合指数函数框架设计权值来控制不同图像区域内的平滑倍数,使改进后的引导滤波能够自适应地区分和强调边缘,从而避免边缘附近由于过度模糊所引入的光晕现象。结果 与引导滤波算法相比,本文算法能在保边平滑的同时较好地抑制光晕,并在结构相似性（SSIM）评价和峰值信噪比（PSNR）评价中分别取得最高约30%和15%左右的质量提升。结论 本文算法具有较好的鲁棒性,在图像平滑、图像细节增强、多曝光图像融合等多种图像处理相关应用中均有着良好的表现。     

用噪声检测算法改进理想低通滤波器

针对图像去噪算法存在滤除噪声与保留图像边缘细节之间的矛盾,提出了一种使用基于分数阶微分梯度的随机噪声检测算法来提高理想低通滤波器的去噪性能的方法。首先,使用不同方向的分数阶微分梯度模板与含噪声图像进行卷积,计算出图像在不同方向上的分数阶微分梯度;然后,依据预先设定的阈值获得不同方向的分数阶微分梯度检测图,将在所有选定方向上梯度都发生跳变的像素点判定为噪声点;最后,只对图像中被检测出的噪声点用理想低通滤波器进行滤波,可使图像在去除噪声和保留图像细节两方面同时获得较优的效果。实验结果表明,所提算法不仅可以获得更好的视觉效果,而且去噪后图像的峰值性噪比(PSNR)表明去噪后的图像更接近原始图像,使用理想低通滤波器获得的最大PSNR为29.0893dB,所提算法获得的最PSNR为34.7027dB。将分数阶微积分用于图像去噪,为提高图像去噪性能提供了一个新的研究方向。     

基于楔形滤波器的纹理图像方向信息提取

提出了一种基于楔形滤波器的图像方向信息提取方法。通过设计一个原型楔形滤波器,对该滤波器的系数矩阵进行插值后得到一组方向滤波器。之后,对图像进行滤波,并对各方向滤波器的输出进行判断以提取图像中的方向信息。实验结果表明,该方法简单有效,可用于纹理图像的方向检测。     

结合深度学习的单幅遥感图像超分辨率重建

目的 克服传统遥感图像超分辨率重建方法依赖同一场景多时相图像序列且需预先配准等缺点,解决学习法中训练效率低和过拟合问题,同时削弱插值操作后的块效应,增强单幅遥感图像超分辨率重建效果。方法 首先构造基于四层卷积的深度神经网络结构,并在结构中前三层卷积后添加参数修正线性单元层和局部响应归一化层进行优化,经过训练得到遥感图像超分辨率重建模型,其次,对多波段遥感图像的亮度空间进行双三次插值,然后使用该模型对插值结果进行重建,并在亮度空间重建结果指导下,使用联合双边滤波来提升其色度空间边缘细节。结果 应用该方法对实验遥感图像进行2倍、3倍、4倍重建时在无参考指标上均优于对比方法,平均清晰度提升约2.5个单位,同时取得了较好的全参考评价结果,在2倍重建时峰值信噪比较传统插值法提升了约2 dB,且平均训练效率较其他学习法提升3倍以上,所得遥感图像重建结果在目视效果上更加细致、自然。结论 实验结果表明,本文设计的网络抗过拟合能力强、训练效率高,重建时针对单幅遥感图像,无需依赖图像序列且不受波段影响,重建结果细节表现较好,具有较强的普适性。     

划痕图像的连分式插值修补算法

目的 图像修复在图像处理中起着举足轻重的地位,针对目前大部分图像修补算法在修复划痕时存在纹理修复不够突出的缺陷,提出了两种基于连分式插值的修补算法,可以较好保持图像纹理的特性。方法 该算法基于连分式插值理论,采用图像破损点周围像素信息来插值出破损点的像素值。根据插值函数和插值窗口的不同,提出了两种插值方法,即Thiele型修补算法与Newton-Thiele型修补算法,解决不同纹理类型图像的划痕修补问题,并对插值过程中出现的奇异点问题和平移问题提出了行之有效的解决办法。结果 对大量的划痕图像进行实验测试,并通过主观评价和客观评价进行评估。客观评价包括峰值信噪比（PSNR）和运行时间的比较。相对于目前流行的一些修补方法来说,本文算法有更好的视觉效果,更高的峰值信噪比和更短的运行时间,峰值信噪比为44.79 dB,运行时间为0.53 s。结论 Thiele型修补算法更加擅长处理纹理垂直于划痕的图像,而Newton-Thiele型修补算法适用于复杂纹理的图像。