一种基于边缘和小波变换的图像插值的实现

针对常规插值方法在图像放大时出现的边缘模糊现象,提出了一种基于边缘和小波变换的图像插值算法,小波变换提高了插值图像的边缘高频细节信息.算法首先使用小波变换提取图像边缘,通过边缘检测将图像分为边缘和非边缘这两个区域;对不同的区域分别进行图像插值.实验结果表明,用该方法对图像放大,能提高插值图像边缘的清晰度.     

小波域内循环平移操作的图像高分辨率重建算法

为解决传统的图像插值算法因具有全局性而不能较好地处理图像边缘细节信息,且易在细节区域产生锯齿线的问题,提出了一种图像分辨率和对比度增强算法。该算法先用小波零填充算法得到高分辨率图像,并通过纠正残差过程来弥补丢失的边缘和纹理特征,然后对其进行定向循环平移操作。考虑到图像小波分解后水平、垂直、对角方向的高频分量能够反映图像这3个方向的边缘变化情况,从而利用图像不同方向的高频分量来刻画图像像素点不同方向的突变程度。根据这个突变程度来实现循环平移操作的自适应融合过程,这样可以避免过度抑制边缘细节信息。最后对重建的高分辨率图像小波分解后的高频分量使用非线性增强函数,提高图像对比度,突出边缘和轮廓信息。实验结果表明,该算法在增强图像空间分辨率和对比度的同时,保留了原图像包含的边缘和轮廓信息,不仅有较好的视觉效果,还有一定的抗噪能力。     

数字图像边缘检测方法的对比分析及优化

由于数字图像本身的复杂特性和各种噪声源的影响,使得图像边缘检测技术成为图像处理的一个难点.通过对几种常用边缘检测算法的介绍、归纳总结及仿真实验,对比分析了各自的优缺点,并在此基础上结合目前先进的小波理论和传统的微分法提出了一种新的图像边缘检测方法.新方法把用不同方法处理得到的边缘图像融合生成一幅新的边缘图像,先取适当阈值,过滤多余的信息.经Matlab仿真验证,在突出图像的边缘和局域细节信息方面具有良好效果,是一种有效的图像边缘检测方法.     

基于引导滤波和NSST的工业CT图像边缘检测

针对传统边缘检测算法不能准确检测有噪工业CT图像边缘的问题,提出一种鲁棒性好、能有效保持细小边缘的边缘检测算法.用引导滤波取代高斯滤波作为边缘检测的预处理,避免Canny算法对边缘的损坏,得到初步检测结果.在此基础上采用非下采样Shearlet变换分解图像,提取包含图像边缘细节信息的各尺度不同方向的高频系数.对每个方向的系数进行模极大值检测,并结合不同分解程度下边缘像素处的系数关系进一步调整模极大值,低频置零并通过反变换得到高频边缘检测结果.将初步检测结果与高频检测结果进行融合,经数学形态学处理得到最终边缘检测图像.实验对比了Canny算子以及近年来提出的同类边缘检测算法的结果,所提算法表现出更好的边缘保持特性,检测的完整性和准确性更高,品质因数比实验中的其他算法平均高出12%,边缘检测效果优越,为工业CT无损检测系统提供了更好的边缘检测方案.     

基于Shearlet域各向异性扩散和稀疏表示的图像去噪

为了更有效地去除图像噪声,同时更好地保留图像边缘细节信息,提出了一种基于shearlet 域各向异性扩散和稀疏表示的图像去噪方法. 首先对含噪图像进行非下采样shearlet 变换(nonsubsampled shearlet transform, NSST),将图像分解为低频分量和多个高频分量. 低频分量中包含图像信号的主要能量以及少量的噪
声,而高频分量中含有大部分噪声和图像边缘信息. 然后,利用K-奇异值分解(K-singular value decomposition,K-SVD) 算法去除低频分量中的噪声,各个方向的高频分量则通过核各向异性扩散(kernel anisotropic diffusion,KAD) 算法进行去噪. 最后,对处理过的低频分量和高频分量进行非下采样shearlet 反变换(inverse nonsubsampled shearlet transform, INSST),得到重构图像,从而有效地去除图像噪声,保留图像边缘细节. 实验结果表明,与小波扩散去噪法、shearlet 硬阈值去噪法、K-SVD 稀疏去噪法、小波域稀疏去噪法相比,该方法的去噪能力更强,并能更好地保留图像纹理细节特征,改善图像视觉效果.     

基于模糊集理论的图像增强算法

红外图像具有整体亮度偏暗、对比度较低、目标与背景区分不明显的特点。因此,在对红外图像进行分析之前,必须先对图像质量进行改善。传统的基于模糊集理论的Pal.King算法,在增强红外图像对比度的同时,丢失部分细节信息。在分析这一问题产生原因的基础上,结合图像反色和多分辨率图像融合等理论,提出了一种新的基于模糊集理论的图像增强算法,新的算法不仅能够提高红外图像的对比度,而且能很好的突出图像中不同层次的灰度信息和边缘信息,最重要是它能保持原始图像的细节信息。     

基于NSCT与压缩感知的红外影像融合

针对红外和可见光图像在融合过程中存在质量低下、信息缺失、边缘细节不突出等问题,提出一种基于非下采样轮廓波变换(non-subsampled contourlet transform,NSCT)与稀疏表示的压缩感知图像融合重构算法.首先利用NSCT进行源图像分解,得到相应的高频子带和低频子带图像;然后针对高频子带部分,利...     

表面波和Retinex结合的水声图像增强方法

水下复杂信道环境以及各种干扰的存在使得声呐图像分辨率偏低,边缘细节不便于识别处理,传统增强算法大多直接进行增强处理而较少考虑去噪过程. 针对这一问题,该文分析了表面波分解和视网膜皮层图像增强原理,阐述了两者结合的可能性,并在此基础上提出了一种先采用表面波结合自适应阈值去噪处理,再进行多尺度Retinex增强的图像处理方法. 在仿真实验中将该方法与其他图像去噪增强算法分别进行比较,结果表明该方法在边缘细节保持及颜色保真方面具有优势,能够在获得更好的视觉结果的同时控制算法复杂度,有利于后续图像处理.     

SAR图像的自适应边缘保持去噪滤波

针对目前SAR图像斑点噪声滤波算法在噪声去除和边缘保持方面同时性上的不足,该文基于SAR图像噪声识别和边缘检测,提出适用于同质区域和边缘区域的自适应SAR图像去噪滤波方法. 该方法根据SAR图像斑点噪声、边缘位置、边缘方向信息,动态改变滤波器模板的尺寸和形状,实现SAR图像斑点噪声去除,同时保持图像边缘和纹理信息与细微结构. 以2010年8月15日北极地区RADARSAT-2 SAR HH图像为例,将本文的方法与典型空域滤波法进行对比分析,定量分析结果表明所提方法的可行有效.     

基于FitzHugh-Nagumo反应扩散方程组的木材纹理图像处理

木材纹理具有树木生长的信息,是人类了解树木的直接途径.针对这种自然现象,提出了利用一类反应扩散方程组的数值解法实现对木材纹理灰度图像进行处理的算法,并分别给出了对木材缺陷图像进行算法处理后的图像实例.实验表明:Fitz Hugh-Nagumo离散模型算法在一定程度上了拉伸了图像对比度,使图像在视觉上得到增强;改进的附带扩散项的离散模型算法对图像的边缘检测结果在一定程度上要比先前的边缘检测算法更完整和清晰,并提高了木材缺陷检测的可靠性.     

基于信息熵和细节方差均值与背景方差均值比的无参考图像锐化结果评价

提出细节方差均值与背景方差均值比的无参考图像锐化结果评价方法,结合图像信息熵,通过MATLAB软件对常用的8种空间域锐化算法和2种频率域锐算法进行锐化效果评价.结果表明:空域锐化算子中,梯度锐化、二值化、Canny锐化和Roberts锐化结果的信息熵较低,马尔锐化、Sobel锐化、Prewitt锐化和拉普拉斯锐化结果的信息熵较高.频域的高通滤波处理时,截止频率与频域中心的距离D_0值的变换对会有较大的影响.canny锐化算法和Roberts锐化算法的细节方差均值与背景方差均值比相对较小,在参数绝对值取大于50、大于100时分别为205.1000、122.6250和25.7388和18.6903,其余空域内的算法的细节方差均值与背景方差均值比较大,数值由几千到几万不等.在频率域下细节方差均值与背景方差均值比所得的值都为个位数,空域和频域由于锐化的方向不同,使其处理图像后的数据有明显的差别.     

一种基于InSAR技术的火山地形测量方法

由于断层、断裂等地貌特征,使利用InSAR技术获得的火山地形包裹相位图中易出现条纹密集、混叠等现象,为图像处理带来很大困难,很难准确恢复出火山真实地形的相位信息.为此,采用基于四向梯度自适应结合均值滤波的横向剪切四向加权最小二乘相位解缠图像处理方法,提出基于四向梯度的自适应滤波,利用一阶差分法判断图像边缘位置信息,有效去除噪声的同时提高边缘保持能力,解决边界模糊问题,结合均值滤波,更好地保留细节信息,提高图像清晰度.再采用横向剪切四向加权最小二乘算法进行相位解包裹,基于干涉图计算相位梯度值,利用离散余弦变换求解泊松方程获取真实相位.经仿真模拟实验验证,该算法运行时间短,解缠精度高,可准确地获取火山真实地形的相位信息.     

基于OSPA距离和特征点采样的路标识别算法

提出了一种基于最优次模式(OSPA)距离的路标识别算法.算法引入Markov随机场建立噪声的待检图像,然后采用条件迭代算法(ICM)恢复图像,进一步提取路标边缘点.这些边缘点作为特征点;该特征点看作为待检特征点集,计算其和标准路标库图像之间的OSPA的距离,以此来识别待检路标.分析表明,该算法对于路标的形态识别具有明显的优势,最后分析了图像尺寸大小、特征点数量对OSPA距离的影响.     

基于边缘保持滤波和改进核模糊聚类的脑肿瘤图像分割方法

脑核磁共振图像常常受到噪声的影响,且有灰度不均、边界模糊的特点,使得传统聚类算法无法获得理想的脑部肿瘤分割结果,为此提出一种基于边缘保持滤波和改进核模糊聚类的脑肿瘤图像分割方法.该方法首先采用改进的引导滤波算法对图像进行预处理,解决平滑图像时不能保留图像边缘的问题;然后将传统核模糊C-均值聚类算法(Kernel fuzzy C-means clustering)中的单一高斯核函数替换为混合高斯核函数,将数据由低维空间映射到高维特征空间;最后将马尔科夫随机场的先验概率引入,对算法的目标函数进行修正,进一步增强算法的抗噪性.实验结果表明,所提方法在去除噪声的同时,能够有效保留图像的边缘信息,PSNR值相比传统算法提升0.804 1～2.096 2 dB,SSIM值相比传统算法提升0.031 2～0.065 4,且算法分割精度更高,Dice指标和Jaccard指标的平均值分别达到0.955 1和0.914 1.     

一种基于属性加权朴素贝叶斯算法的OTSU图像分割方法

为了增强图像分割技术的准确性并优化图像分割技术的细节分割效果,提出了一种基于属性加权朴素贝叶斯算法的OTSU图像分割方法.将OTSU算法中依据图像灰度特征选取的图像中的前景和背景通过属性加权朴素贝叶斯算法进行分类处理,计算图像中前景和背景的概率,训练该模型以获得最佳阈值进行图像分割处理,优化图像分割的效果.利用无人机航...     

一种基于共性特征的SAR图像与卫星光学图像匹配方法

提出了一种新的基于边缘的合成孔径雷达(SAR)图像与卫星光学图像匹配算法.在这种算法中,针对SAR图像固有特性提出了一种边缘特征的提取方法,并提出了一种新的基于边缘连续性密度加权的子模板Hausdorff距离矩阵度量方式,采用子模板Hausdorff距离矩阵的Frobenius范数来描述整个矩阵的"大小"的尺度,从而建立图像相似性测度.这种测度具有可靠,鲁棒,易于并行实现的优点.试验结果表明,这种算法鲁棒性好,匹配精度高,计算速度快.     

基于递归滤波和自适应亮度响应的图像局部细节增强

为了改善低光照图像增强处理的质量和自然度,提出了一种基于递归滤波和自适应亮度响应的Retinex彩色图像增强算法.试验结果显示,相比其他增强算法,提出的算法能够有效增强低照度图像的局部细节,产生无伪影增强图像,并保持较好的自然度.     

采用双树复小波和混合概率模型的光学相干层析图像去噪

为了去除光学相干层析图像中的斑点噪声,提出了基于双树复小波变换的混合概率模型ProbShrink算法. 针对原始光学相干层析图像中信号和噪声的分布特点,在微观层面引入了混合概率模型：将OCT图像取对数后进行双树复小波变换,对于层状边缘中与边缘点“方向一致”的小波系数,采用广义高斯模型描述;对于其他小波系数,则采用高斯模型进行描述. 而后采用改进的ProbShrink算法进行去噪. 实验结果表明,该算法在大幅提升信噪比的情况下保持边缘锐度的相对稳定,优于传统的基于小波变换的去噪方法.     

眼前节光学相干层析图像中央角膜厚度自动测量

为了自动获取所需医学参数,辅助医生诊断,提出了一种基于边缘检测和随机抽样一致性的中央角膜厚度自动测量方法. 采用边缘检测算子获得眼前节组织光学相干层析图像中的初始边缘,然后利用随机抽样一致性算法对初始中央角膜上边缘进行圆弧拟合,进一步提取中央角膜下边缘并采用相同方法进行圆弧拟合,根据得到的中央角膜上下边缘计算中央角膜厚度. 实验结果表明,该算法能排除图像中时常出现的中央亮线干扰,实时而准确地提取中央角膜上下边缘,得到的中央角膜厚度计算结果与人工分析基本一致,具有良好的应用价值和商业前景.     

基于改进流域算法的粘连细胞图像分割技术研究

在细胞显微图像处理过程中,经常会发生目标粘连的现象,如何将这些粘连的目标正确分割是后续分析成功与否的关键.流域算法(Watershed Algorithm)是最近兴起的一种基于区域和数学形态学的图像分割方法.它对灰度变化十分敏感,能够克服传统分割方法中易丢失微弱边缘的缺点,可以有效地检测出边缘.但由于普通的流域算法存在过分割问题,因此,本文针对这一问题,对距离变换后的图像进行了距离重构(Distance-Reeonstruetion),并将其作为流域算法的输入图像.实验证明,该方法能够较好地分离粘连细胞图像.