一种基于双边滤波的图像边缘检测方法

提出了一种基于双边滤波的图像边缘检测方法。利用图像像素的空间邻近度和灰度相似度的乘积来代替传统的Canny算法中高斯滤波的权系数,用该乘积与原图像进行卷积运算,然后通过非极大值抑制和高低阈值的方法检测出图像的边缘。基于双边滤波的图像边缘检测方法不仅有效地去除了图像中的噪声,而且很好地检测出了图像的真实边缘。     

一种基于双边滤波的图像边缘检测方法

提出了一种基于双边滤波的图像边缘检测方法。利用图像像素的空间邻近度和灰度相似度的乘积来代替传统的Canny算法中高斯滤波的权系数，用该乘积与原图像进行卷积运算，然后通过非极大值抑制和高低阈值的方法检测出图像的边缘。基于双边滤波的图像边缘检测方法不仅有效地去除了图像中的噪声，而且很好地检测出了图像的真实边缘。     

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。     

连续子邻域内的鲁棒双边滤波

提出一种连续子邻域内的鲁棒双边滤波算法(Robust Bilateral Filtering)。首先,利用自适应区域生长方法在图像局部部域中分割出种子像素的连续子部域;然后,在该连续子部域中采用改进的双边滤波算法对种子像素值进行平滑处理。为了提高算法的鲁棒性能,类似非局域均值滤波算法(Non-Local Means Filtering),以像素空间临近度和像素局部窗口相似度定义该滤波器核函数。算法结合了双边滤波和非局域均值滤波的优点,且在连续子部域内进行去噪处理相对可获得更为合理的图像效果。仿真实验表明,该算法具有良好的去噪效果,同时较好地保留了图像的细节特征。     

一种改进的多光谱双边滤波图像融合算法

针对双边滤波图像融合算法核函数复杂、人为设计参数较多、计算时间较长的问题,文章提出一种改进的双边滤波融合算法实现彩色图像和近红外图像的融合。文章简化了双边滤波算法中的核函数,取消了人为设计参数;在对彩色图像进行双边滤波融合时,取彩色图像与近红外图像中相应像素间差异性大的作为相似度项,避免了融合图像的纹理、边缘被平滑掉。通过对实际采集的图像应用几种融合方法进行测试,表明文章提出的改进双边滤波融合方法同Eric.P等人的方法相比速度提高6倍多,且人为设计参数较少,得到的融合图像色彩同源图像色彩接近,图像细节更清晰,具有一定应用价值。     

基于各向异性全变分的迭代滤波算法

空间邻近度和像素值相似度的双边滤波(BF)器在滤波时,由于其值域滤波核系数的计 算易受到噪声的干扰,在噪声水平较大时,直接使用噪声图像来指导核函数权值计算的方案不可行。 为此,提出一种结合各向异性全变分和BF 的图像去噪算法,将各向异性全变分算法与BF 算法相结 合,首先利用各向异性全变分算法对噪声图像进行处理,得到一幅边缘结构信息较为丰富的结果图 像,接着将该结果图像作为BF 算法的引导图像来指导值域滤波核系数的计算,为保证算法的稳定 性,对上述过程进行迭代处理。此外,为提高各向异性全变分算法的计算效率,引入了Split Bregman 迭代算法进行加速处理。实验表明,该算法能在较好去噪的同时,保留较多的边缘结构信息。     

改进的多光谱双边滤波图像融合

针对低照度或夜晚条件下彩色图像信噪比低、图像细节不够清晰;而近红外相机在该条件下能够得到纹理、边缘等细节信息丰富的图像,但缺乏色彩信息的问题,提出一种改进的双边滤波图像融合算法,实现在低照度条件下得到成像清晰的彩色图像。算法对双边滤波的核函数重新设计,用幂函数取代指数函数,取消人为设计参数;在像素相似度项选择上,采用不同源图像中像素间差异大的差值作为相似度项,避免了融合图像的纹理、边缘被平滑掉。应用本文算法及其他几种典型的融合算法对低照度下采集的彩色图像及近红外图像进行测试,实验结果表明,该算法同其他融合算法相比得到的彩色图像清晰度更高,颜色更贴近源图像,且运算速度要比Eric等人提出的双边滤波融合算法快6倍多。     

基于改进线段分割检测的电线杆遮挡检测算法

针对监控视频中的电线杆遮挡问题,提出一种改进的线段分割检测(LSD)算法。将RGB图像进行双边滤波,并将滤波后的图像转换到HSV空间,在HSV彩色空间内利用矢量求导方法计算彩色图像的梯度和方向,利用LSD算法实现图像直线的提取。对直线进行合并得到矩形区域,采用矩形区域在H和S分量的标准差之积和结构相似度确定候选区域,通过合并候选区域完成电线杆检测。实验结果证明,提出算法的准确率可达到89.40%,能够有效并且准确地检测出电线杆遮挡。     

受昆虫复眼系统启发的图像重构算法

虽然基于像素重排列的迭代反投影算法已经在TOMBO模型构建时提出,但是该方法需要大量的迭代次数,同时在噪声平滑效果上还有待于改进。因此一种正则化的迭代反投影算法被提出为该系统重构图像。采用自适应的总变差正则化因子和双边总变差正则化因子来正则化迭代反投影算法。自适应总变差正则化因子根据图像的当前信息来选择参数,因此用该因子正则化后的迭代反投影算法可以在平滑噪声的同时保留高频成分。而双边总变差正则化因子是依据像素点的最邻近领域和次邻近领域来判别该点是否为噪声点,考虑了更多的图像信息,从而可以跨过边缘平滑噪声。同时双边总变差正则化因子可以大大地加速重构的过程。实验是建立在仿生复眼图像上,实验结果证明了这两种正则化的迭代算法的有效性。     

梯度双边滤波的图像去噪

为了改善双边滤波的去噪性能,引入图像的局部模式,提出了梯度双边滤波算法。采用相邻像素亮度值的梯度距离来构造梯度相似度核,通过几何邻近度核函数和梯度相似度核函数来对图像邻域像素进行加权平均,从而实现滤波;为了获得最佳的滤波参数,通过经验学习的方法对滤波参数进行选择,最终得到通用的参数配置。实验结果表明,新方法能很好地保持图像的边缘,且与传统去噪模型相比,其去噪性能也是最好的。     

基于相似性判断的双边滤波改进算法

双边滤波的浮点指数运算不利于算法的硬件实现。为此,提出一种基于相似性判断的改进型双边滤波算法。对滤波窗口内的像素进行亮度相似性判断,像素若满足相似条件则参与滤波,并采用倒数函数取代指数函数进行滤波。实验结果表明,改进的双边滤波算法可以均衡细节区域和平坦区域的降噪,且易于硬件实现,峰值信噪比相比双边滤波算法平均提高0．27dB。     

一种新的基于参数估计的自适应双边滤波算法*

传统双边滤波算法需要根据经验预先设置空间标准差和灰度标准差,参数固定且不具有通用性。针对此问题,提出了一种新的基于参数估计的自适应双边滤波算法。通过图像灰度共生矩阵实现空间标准差的自适应,利用统计方法估计光滑区域噪声标准差,根据噪声标准差设置灰度标准差,从而实现自适应双边滤波。仿真结果表明,所提出的算法无论在主观还是客观评价上都取得了较好的效果。     

点云模型的噪声分类去噪算法

针对三维点云模型数据在去噪平滑过程中存在的不同尺度噪声和算法计算耗时问题,提出了点云模型的噪声分类去噪算法。该算法根据噪声点分布特性,将其分为大尺度和小尺度噪声,先利用统计滤波结合半径滤波去除大尺度噪声;然后使用快速双边滤波对小尺度噪声进行平滑,实现点云模型的去噪和平滑。与传统的双边滤波相比,利用快速双边滤波对点云模型数据进行平滑,有效地提高了计算效率。实验结果表明,该算法对点云噪声进行快速平滑去除的同时又能有效地保持被扫描物体的几何特征。     

一种快速单幅图像去雾新方法

为了再现雾霾天气下可见光图像的清晰场景,有效抑制雾霾退化造成的图像对比度、清晰度下降,本文提出了一种基于改进的双边滤波器的快速有效的去雾新方法.该方法引进了本文首次发现的简洁高效的“类高斯核”,代替传统双边滤波器的高斯核.改进的双边滤波器具有很好边缘保持特性,用该滤波器来准确优化雾天大气传输率的估计,大大提高了计算效率;在大气光值估计中,对暗通道和原图两个区间亮度最大值,进行加权平均,精确的估计出雾天大气光值.本文算法具有很快的处理速度,能有效提高复原图像的清晰度和对比度,获得较好的图像颜色.     

基于噪声分类的双边滤波点云去噪算法

针对三维点云数据模型在去噪光顺中存在不同尺度噪声的问题,提出一种基于噪声分类的双边滤波点云去噪算法。该算法首先将噪声细分为大尺度和小尺度噪声,并使用统计滤波结合半径滤波对大尺度噪声进行去除;然后对三维点云数据进行曲率估计,并对现有点云双边滤波进行改进,增强其鲁棒性和保特征性;最后使用改进的双边滤波对小尺度噪声进行光顺,实现三维点云数据模型的去噪、光顺。与单独使用双边滤波、Fleishman双边滤波相比,改进算法在三维点云数据模型光顺平均误差指标上分别降低了50.53%和21.67%。实验结果表明,该改进算法对噪声进行尺度的细分既提高了计算效率,又避免了过光顺和细节失真,较好地保持模型中的几何特征。     

A novel extended phase correlation algorithm based on Log-Gabor filtering for multimodal remote sensing image registration

Automatic registration of multimodal remote sensing images, which is a critical prerequisite in a range of applications (e.g. image fusion, image mosaic, and image analysis), continues to be a fundamental and challenging problem. In this paper, we propose a novel extended phase correlation algorithm based on Log-Gabor filtering (LGEPC) for the registration of images with nonlinear radiometric differences and geometric differences (e.g. rotation, scale, and translation). Our algorithm focuses on two problems that the traditional extended phase correlation algorithms cannot well handle: 1) significant nonlinear radiometric differences and 2) large-scale differences between image pairs. After an over-complete multi-scale atlas space of the original image is built based on the filtered magnitudes obtained by using Log-Gabor filters with different central frequencies, the phase correlation of the single scale images is extended by LGEPC to atlases phase correlation, which is conducive to solving the problem of large scale and rotation differences between the image pairs. Subsequently, LGEPC eliminates the interface of the significant nonlinear radiometric differences by superimposing multi-scale geometric structural spectra and carrying out the phase correlation module, so that the translation can be well determined. Our experiments on synthetic images demonstrated the rationality and effectiveness of LGEPC, and the experiments on a variety of multimodal images confirmed that LGEPC can ideally achieve pixel-wise registration accuracy for multimodal image pairs that conform to the similarity transformation model.     

GPU-based anisotropic diffusion algorithm for video image denoising

Image filtering is the process of removing noise which perturbs image analysis methods. In some applications like segmentation, denoising is intended to smooth homogeneous areas while preserving the contours. Real-time denoising is required in a lot of applications like image-guided surgical interventions, video analysis and visual serving. This paper presents an anisotropic diffusion method named the Oriented Speckle Reducing Anisotropic Diffusion (OSRAD) filter. The OSRAD works very well for denoising images with speckle noise. However, this filter has a powerful computational complexity and is not suitable for real time implementation. The purpose of this study is to decrease the processing time implementation of the OSRAD filter using a parallel processor through the optimization of the graphics processor unit. The results show that the suggested method is very effective for real-time video processing. This implementation yields a denoising video rate of 25 frames per second for 128 × 128 pixels. The proposed model magnifies the acceleration of the image filtering to 30 × compared to the standard implementation of central processing units (CPU). A quantitative comparison measure is given by parameters like the mean structural similarity index, the peak signal-to-noise ratio and the figure of merit. The modified filter is faster than the conventional OSRAD and keeps a high image quality compared to the bilateral filter and the wavelet transformation.