利用1~2阶分数阶微分掩模的边缘检测

现有的分数阶微分边缘检测算子大都是基于0~1阶分数阶微分而构造,鲜有文献讨论基于1~2阶分数阶微分的边缘检测算子。为此,分析了1~2阶分数阶微分对信号的作用,基于1~2阶分数阶微分构造了一种新的边缘检测掩模算子。实验结果表明,该算子不仅优于常用整数阶微分算子,而且比现有的一些0~1阶分数阶微分算子具有更好的边缘检测效果。     

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.     

图像边缘检测的分数阶微分算子研究

针对常用整数阶微分边缘检测算子不能较好保持图像纹理细节的不足,在4-方向的Roberts算子、Prewitt算子和Sobel算子的基础上利用0~1阶分数阶微分替换一阶微分,构造了3种用于图像边缘检测的0~1阶分数阶微分新算子。实验结果表明,所构造的3种分数阶微分算子不仅能有效地提取出图像的边缘信息,而且还能较大程度地保留图像的纹理细节。检测效果优于常用整数阶微分算子及现有的一些0~1阶分数阶微分算子。     

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。     

基于自适应Riesz分数阶微分的雾天图像增强

为了提高雾天图像的清晰度,解决分数阶微分阶数取值的单一性问题,提出了一种新的自适应分数阶微分的图像增强方法。基于具有六阶精度的Riesz分数阶微分的近似计算公式,构造了一种新的高精度分数阶微分掩模——RH算子,并对其进行改进,形成了IRH算子。针对图像局部特征建立了分数阶微分函数,提出了一种分数阶微分选取准则,实现了阶数逐点自适应选取的方法。结合IRH算子,形成了自适应IRH图像增强算法。对于彩色图像,由于RGB空间各通道之间独立性低,对各通道增强后再叠加可能会出现颜色失真,因此将图像由RGB空间转化到HSV空间且只对亮度通道进行增强处理。选择一组雾天图像进行了实验,并与Tiansi算子,基于分割的自适应分数阶微分图像增强算法以及自适应分数阶微分的复合双边滤波算法进行了比较,实验结果表明所提算法具有明显的增强效果,并且通过计算信息熵和平均梯度进一步表明了该算法的有效性。     

图像增强中分数阶阶次自适应模型的构造

为了解决分数阶微分算子在图像增强中需要人工寻找最佳阶次,缺乏阶次自适应的问题,构造了分数阶微分阶次自适应数学模型。该模型以反正切函数为原型,以图像的梯度信息、局部信息熵、亮度和对比度为自变量,建立了微分阶次与图像局部信息之间的关系,从而可以根据图像的局部信息特征自动计算图像中各个像素点的最佳阶次,并将该模型应用在分数阶微分Tiansi算子的图像增强中。为了验证该模型的有效性,选用标准图像库中的多幅纹理图像进行实验,对实验结果进行了定性和定量分析,在定量分析中采用图像信息熵、平均梯度、清晰度和对比度四个评价指标衡量图像增强的效果,并与二阶微分Laplacian算子、Tiansi算子进行比较。理论分析和实验结果均表明建立该模型的有效性,对灰度图像可以得到连续变化的增强效果,接近于最佳分数阶微分增强效果,符合人们的视觉感受。     

用分数阶微分提取图像边缘

文章是分数阶微分在图像处理中的尝试性应用。首先通过理论上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。据此分析得出分数阶微分应用于图像边缘信息提取将获得高于传统基于一、二阶微分的方法的信噪比。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,构建了近似的分数阶Tiansi微分模板。最后通过图像边缘提取的实验表明：基于分数阶微分算子不仅可以有效提取图像边缘,而且比整数阶微分算子具有更高的信噪比。为拓展分数阶微分的应用领域,进行了有意义的探索。     

数字图像的Riemann-Liouville分数阶微分增强方法

针对传统图像增强过程中存在丢失细节且容易出现欠增强或过增强的不足,提出一种基于RiemannLiouville分数阶微分的图像增强方法.该方法利用基本分数阶微积分的形式,根据数字图像的自相关性对RiemannLiouville分数阶微分中常数分数阶微分不为0的情况进行改进;定义了新的微分增强模板系数,构造了8个方向的分数阶微分卷积模板,并将其应用于图像增强.实验结果表明,文中方法在对图像高频信息进行提升的同时能够有效地提升图像的中低频信息,使得图像的纹理细节,特别是边缘信息更加突出,图像的清晰度及信息熵等图像质量指标有明显的提高,增强后图像的视觉效果良好.     

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。     

整数阶滤波的分数阶Sobel算子的边缘检测算法

针对传统的整数阶微分图像边缘检测算子存在的边缘模糊不清、受噪声影响大等问题,该算法从改进传统的整数阶微分Sobel算子入手,以分数阶微分理论为基础推导出了分数阶微分Sobel算子,结合Sobel算子边缘检测方法,将整数阶微分Sobel算子作为滤波器与分数阶微分Sobel算子作卷积运算,改进了整数阶微分Sobel算子。整数阶微分滤波后的分数阶微分Sobel算子成功地解决了传统的边缘检测算子存在的准确性低、抗噪性差等问题。理论研究与实验结果表明,该边缘检测算子对图像的边缘细节特征刻画得更精细,抗噪性更强,优于常用的整数阶微分边缘检测算子,边缘检测效果很好。     

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。     

基于分数阶微分的岩石裂隙图像增强

从分数阶微分对图像细微细节的增强能力出发,对分数阶微分的机理进行分析。将算子模板的非零权值平分到与常系数“1”距离相同的像素点中,利用周围像素点的自相关性,得到一种改进的分数阶微分算子模板。实验结果表明：对于纹理细节信息丰富的图像而言,分数阶微分对灰度变化不大的平坦区域中的纹理细节信息的提取效果明显优于整数阶微分运算。     

一种自适应分数阶偏微分图像增强模型

针对传统的自适应分数阶偏微分方程图像增强算法对图像暗区纹理区域的增强不足的缺点,考虑到人眼对光感的敏感程度不同,将亮度对视觉的影响因素考虑进传统的自适应分数阶偏微分方程图像增强算法。以梯度和灰度值为参数,建立了一种新的自适应分数阶偏微分图像增强模型。该模型改善了传统算法对暗区图像增强不足的缺点,图像增强后的平均梯度提升明显,很好地改善了图像的视觉效果。实验结果说明本算法具有一定的有效性。     

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。     

具有纹理保持能力的四阶偏微分方程去噪方法

虽然四阶偏微分方程图像去噪方法能得到较好的分段光滑的结果,但这类方法常破坏图像的纹理信息。提出了一种具有保持图像纹理信息能力的四阶偏微分方程去噪模型。利用垂直于梯度方向的图像二阶导数设计了一种新的代价函数。证明了该函数解的存在性与唯一性并给出了其对应的Euler-Lagrange方程。在实验方面,用大量真实的纹理图像验证了新方法。实验结果表明,新方法在去噪的同时图像的边缘与细节得到了较好的保持。     

结合高阶微分的非局部均值图像去噪算法

非局部均值算法是近年来去噪效果优秀并且引起广泛研究的算法, 但是该算法对于弱纹理, 弱边缘不能很好地保持。在非局部均值算法的基础上, 利用高阶微分可以很好地反映图像的弱边界和振荡等特征的特点, 改进了非局部均值算法。改进的算法能够在去噪的同时保留更多的细节、纹理和弱边缘。