基于自适应分数阶微分的引导滤波及其应用

引导滤波算法具有保边平滑的功能,但传统引导滤波方法容易导致图像平滑区域过度模糊、细节丢失的问题。为了使引导滤波在保持高频信息的同时结构化输出低频灰度,本文提出了一种基于自适应分数阶微分的引导滤波算法。以分数阶微分理论为基础定义了分数阶微分掩膜,并结合图像梯度、二维信息熵和局部方差权值构造了自适应分数阶微分阶数函数来有效检测图像纹理和梯度变化,从而将图像局部特性转移到引导图像中,确保在平滑去噪的同时保持图像纹理细节。实验结果表明,本文算法具有良好的边缘和纹理保持特性。另外,将本文算法运用到基于PCA和SVM的人脸识别图像预处理中,能一定程度提升人脸识别率。     

基于自适应分数阶微分的医学图像增强算法

针对图像增强过程中,分数阶微分的阶数往往由经验或大量的实验来选择较优的值,不能实现自适应性,没有充分发挥分数阶微分的优良特性的问题,提出了一种基于图像局部梯度、信息熵和方差等3个与图像纹理相关的参数的自适应分数阶微分图像增强算法,并应用于一些相关的医疗图像中。依据信息熵和平均梯度等纹理分析的定量评定标准,对增强后的图像做了实验比较分析。实验结果表明,相对于所比较的算法,自适应分数阶微分算法能够在增强图像的边界和纹理部分的同时,能保留平滑区域的信息细节,同时获得较好的视觉效果。     

一种改进的双边滤波图像去噪算法

双边滤波亮度相似度因子仅受[σr]一个参数的约束,很难准确辨析图像平滑区域及细节丰富区域的纹理信息,不能较好地保留纹理细节信息。基于此,提出一种自适应分数阶微分与双边滤波相结合的图像去噪方法。在双边滤波算法的基础上,通过分析局部纹理特征,计算频率变化梯度和幅值变化特征,建立幅值频率非线性指数模型,自适应地选择每个像素点对应的分数阶阶次[v,]构建分数阶微分掩模算子。实验结果表明,改进的双边滤波算法能够在图像滤波的同时实现纹理细节地保留/增强,获得较好的滤波结果。     

分数阶微分和小波分解最优用于图像增强

从分数阶微分和小波分解的特点出发,提出一种用于图像增强的FWE(Fractional Differential and Optimal Wavelet De-composition Used in Image Enhancement)方法,即通过在一定分解层数范围内分别计算图像经小波分解所得各分量信息熵最大值所对应的分解层来确定一个最优分解层N,使用新提出的分数阶微分掩模对原始图像以及图像经小波分解与重构的第N层各分量信号有针对性地进行处理.对处理结果进行叠加,可深度地保留图像原有特征,同时对灰度变化不明显区域图像纹理细节也得到增强.从实验对比结果来看,这种方法和一定范围内最优小波分解层的确定是可行的.     

基于分数阶微分的图像增强

通过理论分析得出分数阶微分可以大幅提升信号高频成分,增强信号的中频成分、非线性保留信号的甚低频,据此得出分数阶微分应用于图像增强将使图像边缘明显突出、纹理更加清晰和图像平滑区域信息得以保留的增强图像;然后由经典的分数阶微分定义出发,推导出了分数阶差分方程,构建了近似的Tiansi微分算子.通过图像增强的实验表明:采用基于分数阶微分算子的图像增强方法,其增强图像的视觉效果明显优于传统的微分锐化(整数微分)方法.文中方法为拓展分数阶微分的应用领域进行了有意义的探索.     

分数阶微分的婴幼儿脑MR图像增强算法

目的 由于传统的分数阶微分算法本质是提高相邻像素点的灰度差,达到增强对比度的作用,但是同时会放大和产生噪声,这容易使婴幼儿脑MR图像的增强效果有限或过增强。为了解决上述问题,提出一种融合非局部均值信息的自适应分数阶微分的婴幼儿脑MR图像增强算法。方法 用平均梯度和大津算法自适应确定分数阶阶数,融合纹理粗糙度确定初始的分数阶阶数。为了进一步抵制噪声等干扰,利用更大邻域的纹理信息,融入非局部思想确定分数阶微分的阶数。最后用最终的分数阶阶数对图像进行滤波,得到最终的增强图像。结果 实验通过信息熵、平均梯度和空间频率指标统计结果证明本文算法具有优越的图像增强性能。信息熵指标能够高出对比算法0.2%~12%,平均梯度指标能够高出对比算法5%~59%,空间频率指标能够高出对比算法6%~59%。结论 本文算法可以在增强纹理细节及抑制分数阶微分引入噪声方面都取得较好的效果。本文算法也适用于普通的模糊图像,具有良好的应用背景。     

基于G—L分数阶微分的图像边缘检测

传统的基于整数阶微分的图像边缘检测算子,存在对噪声敏感、抗干扰能力差,提取图像边缘信息简单等缺点。分数阶微分能加强信号的高频成分,同时对信号的中低频成分进行非线性保留。本文根据分数阶微分的G L定义,推导出分数阶微分的差分表达式,构造5×5大小的分数阶微分算子模板,并采用Sobel算子、Prewitt算子和Laplacian算子进行图像边缘检测的仿真实验。仿真实验结果表明,相比整数阶微分算子,分数阶微分算子抗噪声性能强,能有效保留图像平滑区域中的纹理细节信息,图像边缘检测结果的信息也更为丰富。     

基于二维Otsu准则的自适应分数阶微分的图像增强算法

针对传统的分数阶微分应用于图像增强中会在强化图像边缘的时候忽视了图像的纹理,或者在保留更多图像纹理的同时弱化了图像边缘等不足,本文提出一种可以根据像素点的动态梯度来自适应调整分数阶微分阶次的图像增强新方法.该方法引入改进的二维Otsu准则,并结合图像的区域特征构造出自适应分数阶微分函数,进而求出与每一个像素点相对应的分数阶微分阶次.最后,实验结果表明该方法比较现有的方法可以更好的提取和增强图像边缘的同时,保留图像弱纹理和平滑区域,从而达到更佳的图像增强效果.     

基于非分离小波的多模态医学图像融合算法*

针对传统可分离小波医学图像融合过程中存在部分边缘丢失和纹理信息模糊的问题,根据CT/MRI图像内容的互补性,提出整合及突出图像细节的医学图像融合算法。该算法在非分离小波分解框架下,对反映图像近似内容的低频分量采用区域信息熵加权融合规则,对反映图像细节特征的高频分量提出了区域亮度细节占优加权的融合规则;最后通过非分离小波逆变换重构融合图像。实验结果表明,该算法能在保留源图像信息的情况下增强融合图像的细节及亮度信息。     

基于图像特征分块的分数阶微分图像增强算法

为了改善图像增强效果,突出图像主体,研究了一种基于图像特征分块的分数阶微分图像增强新算法。该算法通过构造分数阶微分掩模算子,根据图像特征分块的结果设定分数阶阶数,形成分数阶阶数矩阵,然后将其代入掩模算子,并与原图像进行运算。实验中分别对原图像和加入了高斯噪声的图像进行处理,并比较了不同参数时图像增强效果。实验结果表明,该算法能较大地增强图像主体部分的纹理,同时一定程度上抑制了背景及平滑区域图像噪声的增加。在图像平均梯度略低于传统分数阶微分增强算法的程度上,该算法对图像纹理的增强幅度更大。     

图像增强算法综述

图像增强算法主要是对成像设备采集的图像进行一系列的加工处理, 增强图像的整体效果或是局部细节,从而提高整体与部分的对比度, 抑制不必要的细节信息, 改善图像的质量, 使其符合人眼的视觉特性. 首先, 本文从图像增强算法的基本原理出发, 归纳了直方图均衡图像增强、小波变换图像增强、偏微分方程图像增强、分数阶微分的图像增强、基于Retinex理论的图像增强和基于深度学习的图像增强算法, 并讨论了它们的改进算法. 然后,从视觉效果、对比度、信息熵等方面对几种算法进行了定性和定量的对比, 分析了它们的优势和劣势. 最后, 对图像增强算法的未来发展趋势作了简单的展望.     

基于冗余提升不可分离小波的LSCN红外图像增强方法

针对红外图像信噪比低, 易受背景环境影响的问题, 提出一种基于不可分离小波的多尺度方向分析(NSWMDA)和连接突触计算网络(LSCN)的图像增强算法. 该算法首先将原始图像进行冗余提升的不可分离小波变换(NSWT), 得到高频细节子带和低频近似子带, 然后对高频细节子带进行多方向滤波后LSCN算法进行增强, 对低频近似子带直接采用LSCN算法增强, 最后对处理后的子图进行融合重构得到增强后的红外图像. 在电力变压器红外图像中, 该算法相比其他算法在边缘强度、信息熵、峰值信噪比、结构相似度、平局梯度5种指标中分别至少提升了10.86%、14.39%、19.95%、7.06%、6.70%. 实验结果表明, 该算法不仅提升了红外图像整体清晰度, 同时也使得图像的细节纹理和对比度得到加强, 具有很好的红外图像增强效果.     

基于分数阶微分的图像增强模板

根据二维数字图像具有自相关性,为了充分利用邻近像素点的信息,推导出基于分数阶Riemann-Liouville定义的模板系数,构造了八个方向的分数阶图像增强模板;同时引进信息论中熵的概念对图像增强后的纹理保留效果进行定量分析。实验表明,提出的分数阶微分图像增强模板与传统方法相比具有更好的增强效果,并有效保留了图像的纹理细节信息,对纹理具有特殊需求的应用具有一定意义。     

基于模糊熵和非分离小波变换的图像融合算法

针对传统可分离小波图像融合过程中存在部分边缘丢失和纹理信息模糊的问题,提出了突出图像细节和消减图像模糊性的融合算法.该算法在非分离小波分解框架下,对反映图像近似内容的低频分量采用局部模糊熵极大值融合规则.对反映图像细节特征的高频分量提出了区域亮度细节占优加权的融合规则.最后通过非分离小波逆变换重构融合图像.实验结果表明,该算法能在保留源图像信息的情况下,提高融合图像的清晰度,增强细节信息及亮度对比度.     

基于贝叶斯估计的改进Contourlet变换的SAR图像滤波

针对小波变换和轮廓波变换在合成孔径雷达(Synthetic aperture radar, SAR)图像中去噪应用的不足,结合小波变换和轮廓波变换的优点,将小波变换与轮廓波变换相结合,提出一种改进轮廓波变换方法。首先将待处理图像进行小波变换,然后对低频子带图像进行重建,得到一个细节子带图像,然后使用方向滤波器组对其进行多方向划分。再采用贝叶斯最大后验概率估计对划分后的方向子带信号进行估计。实验结果表明此方法在抑制图像斑点噪声的同时,很好的保持了均匀区域的辐射特性,保持了图像中的边缘以及细小纹理,且没有人为畸变。此外算法的高频子带图像含有更为丰富的纹理,对于边缘特征的提取非常有益。     

基于Riemann-Liouville改进的1~2阶分数阶边缘提取新模型

针对数字图像的处理中采用整数步长与0~1阶分数阶微分的掩模算子未能精确定位边缘信息、缺少图像的纹理细节的问题,在Laplacian算子的基础上提出了一种新的边缘检测掩模算子。该算法从Riemann-Liouville(R-L)定义出发,推出1~2阶分数阶微分在中频信号的增强效果优于0~1阶分数阶微分并显著提升了高频信号,最终得到精确的检测效果。仿真结果表明:提出的算子能更好地提取边缘信息,尤其对灰度变化不大的平滑区域中纹理细节丰富的图像,该算子检测到的信息优于现有0~1阶微分算子,针对主观识别有更高的准确率;客观上采用扫描法的定位误差统计,该算子的综合定位误差率为7.41%,低于整数阶微分算子(最低为10.36%)与0~1阶微分算子(最低为9.97%),有效提高了边缘定位精度。该算子尤其适用于具有较高频信息的图像边缘检测中。     

基于局部特征的分数阶微分图像增强方法

一般情况下分数阶微分模板一经确定,再用其进行滤波时并不随图像的局部信息而变化,它不具有灵活性。针对分数阶微分模板滤波的这种局限性,提出了一种基于局部特征的分数阶微分图像增强的方法。在3×3对称分数阶微分模板的基础上找出与拉普拉斯模板的关系,从而得到加权的拉普拉斯模板表示的分数阶微分模板;根据图像的局部均值与标准差的关系对加权的拉普拉斯模板进一步改进,得到基于局部特征的分数阶微分图像增强的方法,它使分数阶图像增强模板能够根据局部特征灵活地进行滤波。将其与其他的图像增强算法比较,实验证明基于局部特征的分数阶微分图像增强算法能获得更好效果。