基于边缘自适应小波变换的图像修复算法

本文提出一种基于边缘自适应小波变换的多尺度图像修复算法,对非纹理图像有比较好的修复效果。边缘自适应小波变换的基本思想是,先检测出图像的主要边缘,这些边缘把图像分割成几个平滑区,然后对图像进行不跨越边缘的小波分解,即在各平滑区内部进行小波变换,得到图像的多尺度表示,并且同时计算边缘的多尺度表示。这样的小波分解使高频信息基本都集中在边缘上,而高频系数则非常稀疏,而且都接近于零。在此基础上进行图像修复,就只需要对低频部分与边缘图像进行修复,然后重构得到修复图像即可。经过小波分解,低频部分破损区域大大缩小,用比较简单的插值方法就可进行修复,大大降低了计算量。对边缘图则可用曲线拟合的方法进行修复。     

一种改进的彩色图像区域分割和边缘提取算法

针对彩色图像,利用其彩色信息,在ＨＬＳ颜色模型的基础上,对颜色模型的分析方法加以改进,提出了一种针对图像的具体情况进行了自适应分割和边缘提取的算法。     

基于边缘检测和最大互信息的医学图像配准算法

在临床上,使用多种成像技术并适当地将其加以融合,可为临床诊断和手术治疗提供更加全面准确的信息。而图像配准是融合技术中需要先期解决的问题,也是融合的关键部分。本文提出了一种基于DSP的医学图像配准问题的研究与实现的方案。该方案首先采用TI公司的高性能多媒体数字信号处理器DM642获取实时医学图像,再用配准算法验证其获取的实时医学图像配准的可行性。并采取了基于轮廓提取和最大互信息的方法进行图像配准,克服了互信息单一的利用图像灰度信息的局限性,将边缘检测与互信息相结合,较准确地完成图像配准任务。     

一种医学图像的边缘检测算法

针对医学CT图像特点,提出了一种医学图像边缘检测算法,该算法利用SUSAN边缘检测算法,对整幅图像中的所有象素,用圆形模板进行扫描.通过比较模板内每一象素与中心象素的灰度值,并与给定的阀值比较,判别该象素是否属于USAN区域,确定边缘点.实验结果表明:对于相同的一幅图像,该算法直接利用图像灰度相似性的比较,是使用3×3模板的Sobel算子的运缘检测算法的50%.对于相同的配置,运算速度可提高一倍以上.与其他算子相比,该算法运算量更小,运算速度更快,并具有较强的抗噪声能力,适于医学CT图像这种含噪低对比度灰度图像的边缘检测.     

基于边缘检测和自动种子区域生长的图像分割算法

针对传统区域生长算法对噪声敏感和初始种子过度依赖的问题,提出一种基于边缘提取和自动区域生长相结合的分割算法,即先利用Canny算子对图像进行边缘提取,得到边缘像素点集,再利用灰度直方图从点集中选取自动种子点,结合平均相似度,采用区域生长法进行图像分割。该算法能够实现阈值和种子的自动选取,在传统算法中很难实现。实验结果表明该算法有效。     

基于生成对抗网络的遮挡图像修复算法

提出一种基于生成对抗网络的遮挡图像修复算法,能够在大量像素缺失的场景下复原出图像的本来面目.该算法不同于其他的样本块搜索复原算法,可直接生成并且填充可能的缺失元素,改进了生成对抗网络生成模型的结构和生成损失的计算方法,具有半监督学习的特点.实验结果表明,在满足图像整体轮廓的前提下,新算法优于其他算法.     

一种基于模糊梯度算法的图像边缘检测方法

图像的边缘是图像最基本的特征.进行了图像分割、模板匹配和图像识别等方面的研究,无不例外都会使用到图像的边缘.对图像边缘检测方法中的模糊梯度算法进行了探讨,并提出了一种改进方法,得到了较好的检测效果.     

基于Canny算法的图像边缘提取研究

针对传统的边缘提出算法中存在去噪声能力不足以及图像边缘连续性较差的问题,笔者提出一种基于canny算法的改进算法,通过在canny算法中加入高斯滤波,使得图像的信噪比与图像的边缘连续性进一步得到加强,最终通过实验仿真,该算法对图像边缘提取具有更好的优越性。     

结合边缘检测和区域方法的医学图像分割算法

由于医学图像的复杂性,一般图像分割方法对于医学图像的分割效果并不理想.针对医学CT图像特点,提出了一种把边缘检测和基于区域方法相结合的图像分割算法,首先使用Sobel算子进行边缘检测,检测出目标可能的边缘像素集,并计算该点的平均灰度,然后利用该灰度及目标区域的连通性作为生长判别条件,利用区域生长法实现图像的准确分割.实验结果表明,该方法避免了单独使用边缘检测或基于区域法进行图像分割时的典型错误,结合了两者的优点,取得了感兴趣目标的良好分割效果.     

对鳞翅目昆虫触角和腹部边缘检测算法的比较研究

通过查找灰度图像感兴趣区域的灰度级,进而对其灰度切割并用5种边缘检测算子进行边缘检测以作比较,从中找出检测鳞翅目昆虫触角和腹部边缘的最佳边缘检测算子.实验结果得出Laplace算子的边缘检测效果要比其它几个算子好得多.     

基于双网络及多尺度判决器的图像修复算法

为了有效解决修复复杂背景及高分辨率图像时产生的边界扭曲、伪影及训练不稳定的缺陷,提出了一种基于双生成对抗网络及多尺度判决器的图像修复算法。首先,将待修复图像输入基于空洞卷积(Dilated Convolution)层的内容预测网络,以重构损失和基于生成对抗损失的全局判决器为标准,进行粗修复.然后将粗修复结果输入细节修复网络,经空洞卷积路径和感知(Contextual Attention)卷积路径解码和反卷积后,送入三个不同尺度的判决器进行优化。在公认的图像数据集上对本文算法进行训练和测试,实验结果显示：提出方法在修复背景复杂及高分辨率图像时,能生成合理的结构和清晰的纹理细节,其主客观指标均优于对比算法。     

基于曲率驱动的图像修补方法

利用Euler’s Elastica Inpainting Model建立曲率驱动图像修补模型,基于该模型建立了一个新的曲率驱动图像修补方程,并实现了此图像修补算法.从修补效果可以看到,不仅待修补区域在图像内部时修补后的图像具有良好的光滑性,而且当待修补区域在边缘处时仍具有光滑的水平线和陡峭的边缘.     

基于图像边缘检测的图像识别算法

在图像识别问题中,基于Haar特征的图像识别算法已经十分普遍,并且得到了广泛的应用。但是,目前此类算法还存在有时间复杂度高、对图像亮度、尺寸变化敏感、图像识别精度差等缺点。为了提高图像识别的精度,提出了一种新的边缘检测图像识别算法。这种算法首先使用Canny算子将图像的边缘像素识别出来,然后计算每一个有效像素的梯度。通过得到的像素梯度序列建立归一化直方图,对归一化直方图分析后得到最优识别。基于边缘检测的图像识别算法使匹配图像效率得到了提高,图像识别流程得到优化。     

一种基于区域搜索的快速图像修复算法

基于纹理合成的图像修复技术在修复大面积破损区域时,普遍存在时间复杂度高的问题.针对Criminisi等提出的基于样本图像修复算法中的匹配技术存在的问题.该文提出了一种根据图像破损区域尺寸进行快速匹配的算法.同时,为了强调前次修复对以后修复产生误差累积的影响,提出了新的置信度更新方法.实验结果表明,改进算法对图像结构边缘...     

基于动态边缘检测的图像锐化算法

在数码相机中,经插值运算后的数码图像,常伴有噪声和伪色的影响,使图像变得模湖,边缘部分不够清晰.因此,需要通过锐化处理,增强图像边缘轮廓,增加清晰度,减少伪色.该文提出了一种基于动态边缘检测的图像锐化算法,恢复的图像在细节纹理、边缘、色彩方面的效果都较理想,对边缘的噪声抑制较明显,与常用锐化算法比较,在同等仿真环境下,所提出的方法有运算复杂度较低的优点.     

基于偏微分方程的图像修补方法

根据最小能量化泛函所建立的图像修补模型可以得到其欧拉方程,把该欧拉方程所对应的梯度下降流作用于需要修补的图像,当偏微分方程的解稳定时,此时的解就是修补后的图像．基于该原理建立了一个图像修补方程,并实现了此图像修补算法．从这个修补方法的修补效果可以看到,修补后的图像具有良好的光滑性．     

基于边缘扩展相位相关的图像拼接算法

针对图像拼接算法中计算量大的问题,提出了一种基于边缘扩展相位相关的图像拼接算法。该算法采用迭代阈值分割法对图像进行边缘检测,并对检测出的边缘进行扩展相位相关计算,得出图像间的平移、旋转和尺度变化。利用这些参数拼接图像,用渐进渐出的方法实现拼接图像的融合。实验证明,该算法能够简化计算,并有效地实现图像的拼接。     

基于矢量运算的彩色图像边缘检测算法

在矢量运算基础上提出一种加权的矢量相似度彩色图像边缘检测法,给出了算法思想和计算步骤,并进行了验证。该算法首先将彩色图像转换到YCbCr颜色模型并构造像素的矢量表达,然后利用矢量欧氏距离计算像素间的相似度分布,相似度具有局域最小特征的点即为边缘。该算法通过颜色模型转换实现亮度和颜色分离,从而可以引入权值控制亮度和颜色对边缘的贡献。实验结果表明,矢量空间相似度可以很好地表达图像边缘,亮度和颜色分离的方式也有利于彩色图像的边缘检测。