首页 | 本学科首页   官方微博 | 高级检索  
     

结合纹理梯度抑制与L0梯度最小化的纹理滤波
引用本文:邵欢,刘春晓.结合纹理梯度抑制与L0梯度最小化的纹理滤波[J].中国图象图形学报,2018,23(11):1666-1675.
作者姓名:邵欢  刘春晓
作者单位:浙江工商大学计算机与信息工程学院, 杭州 310018,浙江工商大学计算机与信息工程学院, 杭州 310018
基金项目:国家自然科学基金项目(61379075,61472363,U1609215);浙江省自然科学基金项目(LY14F020004);国家科技支撑计划项目(2014BAK14B01);浙江省公益性技术应用研究计划项目(2015C33071);浙江工商大学青年人才基金项目(QZ13-9);浙江省智能交通工程技术研究中心开放课题(2015ERCITZJ-KF1)
摘    要:目的 纹理滤波是计算机视觉领域的一个基础应用工具,其目标是抑制图像中不必要的纹理细节和保持图像的主要结构。目前已有的纹理滤波方法多存在强梯度纹理无法被抑制或结构丢失的问题,为此提出一种结合纹理梯度抑制与L0梯度最小化的纹理滤波算法。方法 首先,提出一种能够区分结构/纹理像素的方向性区间梯度算子,其中采取了局部对比度拉伸和尺度自适应策略,提升了弱梯度结构像素的识别能力。随后,利用区间梯度幅值对原始图像梯度进行抑制,并用抑制后的图像梯度进行图像重建,获得纹理像素梯度小于结构像素梯度的纹理抑制图像。最后,考虑到纹理梯度抑制时会对结构像素的梯度产生一定的衰减作用,本文采用具有梯度提升作用的L0梯度最小化方法对纹理抑制图像进行滤波,得到纹理抑制结构保持的纹理滤波图像。结果 通过测试马赛克和自然风景等不同类型的图片,并与L0梯度最小化、滚动引导图像滤波、相对总变分、共现滤波等方法相比较,本文算法能够在抑制强梯度纹理的情况下对图像的主要结构得以保持,并且具有良好的普适性和鲁棒性。同时本文将纹理滤波应用于图像的边缘检测和细节增强,取得了不错的效果提升。结论 本文算法在兼顾强梯度纹理的抑制和结构的保持方面已超越已有的方法,对于图像的目标识别、图像融合、边缘检测等易受强梯度纹理干扰的技术领域,具有较大的应用潜力。

关 键 词:纹理滤波  L0梯度最小化  强梯度纹理  结构保持  纹理抑制
收稿时间:2018/5/7 0:00:00
修稿时间:2018/6/20 0:00:00

Texture filtering by using texture gradient suppression and L0 gradient minimization
Shao Huan and Liu Chunxiao.Texture filtering by using texture gradient suppression and L0 gradient minimization[J].Journal of Image and Graphics,2018,23(11):1666-1675.
Authors:Shao Huan and Liu Chunxiao
Affiliation:School of Computer Science & Information Engineering, Zhejiang Gongshang University, Hangzhou 310018, China and School of Computer Science & Information Engineering, Zhejiang Gongshang University, Hangzhou 310018, China
Abstract:
Keywords:texture filtering  L0 gradient minimization  strong gradient texture  structure preserving  texture suppression
点击此处可从《中国图象图形学报》浏览原始摘要信息
点击此处可从《中国图象图形学报》下载免费的PDF全文
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号