一种基于非线性扩散的图像放大算法

针对传统图像放大处理过程中基于线性插值方法通常导致边缘模糊问题,分析了Tikhonov模型、全变差模型和高阶偏微分模型在图像处理中的优缺点,提出了一种全变差和高阶偏微分模型自适应结合的图像放大模型及推导算法。该模型对图像非平滑区域采用全变差模型处理,而平滑区域则采用高阶偏微分模型处理,最终新插入的图像点象素值由该点邻域象素自适应地各向异性加权得到,在保持图像边缘锐度的同时有效克服了平滑区域的阶梯效应。4种模型的实验比较验证了本文算法的有效性。     

小均方自适应滤波器集平均理论及实验仿真简

在自适应滤波器应用中的一个重要问题是确定可调节滤波器参数最优的标准,以及利用这种标准形成实际上可行的算法。最小均方算法是现今应用最为广泛的一种线性自适应滤波算法。在变步长最小均方算法中,变步长算法的选取十分关键,它对自适应滤波器的滤波效果有重大的影响。基于最小步长理论的最小均方自适应滤波器理论,简化均方误差的计算过程,设计合适的参数使实际值与理论性逼近,验证最小步长理论的实用性,仿真结果表明实验值与理论值十分吻合,具有较强的实用性。     

基于扩散小波的社会网络多尺度分析简

针对社会网络中的同质性关系提出一个基于扩散小波的多尺度分析框架,通过局部相似性度量构造扩散算子,在统一的框架下对社会网络中的结构、内容、用户行为等进行多尺度分析。在合成和真实网络数据上进行实验,与典型算法的对比表明,本算法在无参数的条件下快速收敛并得到更好的结果。     

基于群体早熟程度和非线性周期振荡策略的改进粒子群算法简

提出了一种新的粒子群优化算法——基于群体早熟收敛程度和非线性周期振荡策略的自适应混沌粒子群优化算法。利用混沌的遍历特性初始化粒子的速度和位置,根据种群的早熟收敛程度和粒子的适应度值自适应地调整惯性权重;学习因子则采用非线性周期振荡策略,模拟鸟类觅食过程中交替出现的分散和重组现象。基准测试函数的仿真结果表明,所提出的算法不仅收敛速度快、寻优质量高,而且具有良好的稳定性。     

基于特征点的凝胶图像配准方法研究简

本文针对几种凝胶图像配准算法进行了比较研究,在此基础上,对基于SURF（speeded up robust features快速鲁棒特征提取的配准算法）配准算法进行了改进,一方面,在提取特征点时对Hessian矩阵行列式进行加权,从而获得更多特征点;另一方面,在特征点匹配时应用欧式距离加权处理作为相似度量来计算两特征向量的距离,提高了算法的性能和配准速度。     

基于双向耦合扩散的自适应图像插值

提出了一种自适应的双向耦合扩散算法:沿着等照度线(边缘)的梯度方向实施反向扩散以增强边缘,而相反地沿切线方向实施正向扩散以去除人工锯齿。为了消除这2个相反的扩散力彼此之间的冲突,将此算法分裂为一种耦合的格式;同时,为了保持图像特征,利用图像的方向导数局部地调整非线性扩散系数。最后将上述算法应用于图像插值。实验结果显示,相比于传统的图像插值算法和一些相关的偏微分方程模型,此图像插值算法可以显著地提高被插值图像的视觉质量。     

基于各向异性扩散方程的图像对比度增强方法

讨论了光学图像中同时存在噪声与模糊时的对比度增强问题.构造了一种基于边缘定向扩散的各向异性非线性扩散方程来作为图像的光滑约束项,并根据模糊后的图像在边缘处相对清晰图像具有较大误差的事实,构造增强图像与原图像之间的非均匀逼近项,将此两项通过正则化参数联系起来,得到了一种图像对比度增强的正则化模型,并利用Euler方程将该模型转换成一种可以快速求解的各向异性非线性扩散模型.该模型能在抑制噪声的同时增强图像的边缘,在模型的解算上也不存在大型矩阵的存储与运算问题.数值计算结果表明,新方法适合于多种形式的模糊和不同程度的噪声污染,相对现有方法具有更好的边缘锐化能力和更高的清晰度,峰值信噪比比现有方法提高了1～2 dB,边缘保护指数也比现有方法有较大提高.     

一种改进的各向异性扩散超声图像去噪算法

针对传统的各向异性扩散算法中扩散系数函数的平滑效果不好,扩散过程中扩散门限K的选取依靠经验确定,扩散过程对图像细节保护不足的问题,提出了一种改进的各向异性扩散算法。介绍了几种当前比较典型的各向异性扩散去噪算法;在典型算法分析的基础上提出了一种基于自适应中值滤波的改进扩散模型;根据扩散系数应满足的3个条件及经典的扩散系数函数,提出了改进的扩散模型中的改进扩散系数函数;提出了一种扩散门限K的自适应选取的方法。通过在改进的扩散模型中使用改进的扩散系数函数并结合扩散门限K的自适应选取,对超声图像进行去噪。实验结果表明,所提算法优于PM模型、Catte模型、王常虹算法等,去噪后图像的FOM值比PM模型高出3.34%,PSNR值比PM模型高出0.250 6。该算法在去除散斑噪声的同时有效保护了图像的细节及边缘,有助于医务人员对患病区域的准确诊断。     

邻域扩散选择平滑图像放大算法

提出了一种新型的各向异性扩散图像放大的邻域扩散选择平滑法(ADASS),将邻域扩散法与选择平滑滤波器相结合,降低了算法的复杂度,并提高了图像的放大质量.该算法在平滑噪声的同时可以有效地增强边缘,使得放大后的图像无论在边缘处还是平滑区域均能达到理想的效果.实验结果的主观质量及峰值信噪比(PSNR)值表明了算法的有效性.     

结合Contourlet变换的各向异性扩散图像去噪

提出了一种结合Contourlet变换的各向异性扩散图像去噪算法.结合Contourlet变换和各向异性扩散的优点,通过Contourlet变换得到图像不同尺度的Contourlet系数矩阵,实现了建立在对图像多尺度分析基础上新的各向异性扩散算法.实验表明,新算法能够获得良好的视觉效果并且有效地提高了去噪图像的PSNR值,同时避免了传统的各向异性扩散出现的阶梯效应,更好地保留了图像的纹理和细节.     

Edge preserving adaptive anisotropic diffusion filter approach for the suppression of impulse noise in images

This paper proposes a new anisotropic diffusion approach to remove the impulse noise and retain the fine details. The proposed approach contains two stages, the first stage detects the impulse noise, and the second stage removes the noisy pixel and retains the fine details of the original image. The Laplacian operator is used to fine-tune the image quality of the restored image in the anisotropic diffusion filter. The proposed approach is tested with PSNR, IEF, correlation factor, and NSER for different test images and the results are compared against existing algorithms. The simulation results show that the proposed approach gives better results than the existing denoising algorithms.     

一种非线性复扩散与冲击滤波的图像消噪方法

由于图像复扩散的虚数部分等价于图像高斯卷积后二阶梯度算子,因此利用复扩散的虚部去控制扩散系数可得到前后向复扩散,然而这种选择性的前后向复扩散不能有效消除图像细节区域的噪声。针对前后向复扩散的缺点,提出一种复扩散与冲击滤波相结合的前后向复扩散,利用复扩散去消噪,虚部控制冲击滤波器实现图像边界的锐化。通过实验证明了这种扩散消噪的同时更好的保留图像的细节,且具有更高的峰值信噪比。     

基于多尺度方向局部极值滤波和ASR的图像融合

为了更好地提取源图像的边缘和方向信息,充分利用边缘保持滤波器的保边缘特性和方向滤波器有效提取方向信息的能力,提出一种基于局部极值滤波和非下采样方向滤波器的多尺度方向局部极值滤波图像融合方法。源图像经多尺度方向局部极值滤波,得到低频子带以及一系列的高频方向细节子带,对低频子带系数提出一种基于自适应稀疏表示(ASR)的融合规则,采用空间频率与l1范数相结合的策略得到融合的稀疏表示系数,对高频方向细节子带系数提出一种基于改进拉普拉斯能量和匹配度的选择与加权平均相结合的融合策略。实验结果表明,本方法能够有效提取源图像的边缘等细节信息,融合结果对比度更高,具有更好的主观视觉效果,其客观评价指标也优于传统的图像融合方法。     

基于图像结构信息复数表示与奇异值分解的灰度图像质量评价方法

为了进一步突出图像结构中人眼敏感的重要特征,采用复数矩阵表示图像结构,将图像的局部方差和像素灰度值分别作为复数的实部和虚部。进而对复数矩阵进行分块奇异值分解,分析了传统奇异值分解图像质量评价方法的特点,将复数矩阵每一分块奇异值分布的标准差作为分块图像结构的表征,分别计算参考图像与待测图像对应图像分块奇异值标准差,从而得到了图像结构失真映射图谱,通过计算图谱中的数据分布特征得到最终的量化评价结果。采用LIVE数据库中包含5种失真类型的779幅测试图像验证所提的算法。试验结果表明,本文方法采用复数矩阵描述图像结构信息,平衡了对各种失真类型的敏感程度,与人眼视觉感知(HVS)的一致性优于传统方法。     

带有局部耦合项的冲击扩散方程与图像锐化

提出了带有局部耦合项的冲击扩散方程,其沿着等照度线(边缘)的梯度方向实施反向扩散(冲击)以锐化边缘;相反地沿切线方向实施正向扩散以去除噪声和锯齿伪像.为了克服二值的零交叉决策过程导致的虚假的分片常数图像,利用双曲正切函数代替符号函数,柔和地控制边缘的零交叉点两侧像素的灰度值变化.同时为了进一步控制扩散行为,使其逼近于稳定的过程,并消除数值"爆炸"和过冲,在冲击扩散方程中增加局部耦合项.实际结果显示,本文算法可以显著地提高图像的视觉质量.     

基于NSCT域各向异性双变量萎缩图像去噪

提出了一种用各向异性双变量拉普拉斯函数模型去模拟NSCT域的系数的图像去噪算法,这种各向异性双边拉普拉斯模型不仅考虑了NSCT系数相邻尺度间的父子关系,同时满足自然图像不同尺度间NSCT系数方差具有各向异性的特征,基于这种统计模型,文中先推导出了一种各向异性双变量收缩函数的近似形式,然后基于贝叶斯去噪法和局部方差估计将这种新的阈值收缩函数应用于NSCT域,实验结果表明文中提出的方法同小波域BiShrink算法、小波域ProbShrink算法、小波域NeighShrink算法相比,能够有效地去除图像的高斯噪声,提高了图像的峰值信噪比;并较完整地保持了图像的纹理和边缘等细节信息,从而明显改善了图像的视觉效果。