基于小波双立方配比插值的Bessel拟合图像复原算法

对模糊图像复原的目的在于对图像进行去模糊、去噪及建立在特征值基础上的矢量化处理,最大限度恢复原图像。提出了一种基于小波双立方配比插值(wavelet bi-cubic)的贝塞尔拟合图像边缘特征复原的新算法,在初始图像降质处理基础上通过小波双立方配比插值、双三次插值法得到融合样本图像,并在Canny边缘检测基础上提出对拟合边缘特征点的贝塞尔曲线拟合,最后将图像特征轮廓分别进行Delaunay剖分算法的矢量化处理,保留原始灰度色彩复原图像。实验对这3种方法的轮廓复原图像与原始清晰图像进行对比,由具体参数(PSNR、SSIM、FSIM及运算时间TOC等)说明验证。实验结果表明,经由小波双立方配比插值与贝塞尔拟合得到的轮廓图像复原比双三次插值与贝塞尔拟合得到的轮廓图像复原效果要好,且明显缩短运算时间。     

单画幅欠采样图像复原中的插值作用

采用直接复原方法和插值复原方法对单幅欠采样低分辨率模糊图像进行复原实验,以考察线性插值在图像复原中的作用.直接复原法是对采集到的欠采样低分辨率模糊图像直接用最大似然图像复原算法进行复原,不作任何预处理.插值复原法是先对图像进行插值预处理,增加像素数,提高图像采样分辨率,然后再用最大似然图像复原算法进行图像复原.结果是直接复原方法和插值复原方法对欠采样模糊图像的复原,效果相同,主观视觉和评价数据十分接近.这说明通常用于单画幅欠采样模糊图像复原预处理的线性插值没有起到提高复原效果的作用.     

基于学习和全变分最小化的超分辨图像复原

由于全变分在图像处理中可以保留图像边缘信息,提出了一个基于学习的超分辨率图像复原方法,将全变分最小化(TV)正则项引入到基于稀疏表示的图像复原模型中.通过引入新的变量,将本模型转化为两个易于求解的优化问题,然后采用交替迭代法对模型进行求解.同时考虑了图像的特征信息,利用图像的非局部相似性和迭代反向投影算法对复原图像进行处理.实验结果表明,提出的方法在视觉效果和峰值信噪比上优于传统的插值算法和基于稀疏表示的方法.     

改进的非局部均值Wiener滤波图像复原算法研究

图像复原在数字图像处理中具有十分重要的意义,针对当前流行的图像复原算法存在复原效果不理想的特点,提出了一种基于图像分离的改进的非局部均值滤波图像复原算法。本算法首先采用基于范数L0梯度最小化复原算法完成对图像平滑部分的复原,然后采用波原子变换来实现对图像细节部分的复原,最后采用改进的非局部均值滤波来处理波原子变换产生的振铃效应和虚假边缘。实验结果表明本复原算法与当前流行的图像复原算法相比,在图像复原的主客观效果上都有一定的提高。
     

改进的非局部均值Wiener滤波图像复原算法研究

图像复原在数字图像处理中具有十分重要的意义,针对当前流行的图像复原算法存在复原效果不理想的特点,提出了一种基于图像分离的改进的非局部均值滤波图像复原算法。本算法首先采用基于范数L0梯度最小化复原算法完成对图像平滑部分的复原,然后采用波原子变换来实现对图像细节部分的复原,最后采用改进的非局部均值滤波来处理波原子变换产生的振铃效应和虚假边缘。实验结果表明本复原算法与当前流行的图像复原算法相比,在图像复原的主客观效果上都有一定的提高。     

基于小波变换和残差处理的人脸图像超分辨率技术研究

超分辨率图像复原技术常见的有插值法,POCS等,它们有细节模糊,运算复杂度大的弱点,针对以上问题,在基于学习的超分辨率图像复原中,提出了一种全新的小波系数特征向量匹配方法.算法分为两步：（1）采用基于补偿残差向量和多样本平均的低分辨率人脸图像的小波特征向量匹配及人脸图像复原.（2）用边缘提取和特定区域平滑的方法去除Gibbs效应等噪声.经实验和传统的插值法以及常规匹配方法比较,在细节复原和运算复杂度方面都有一定的提高.     

基于联合规整化约束的图像盲复原

在图像复原研究中加入合适的规整化约束能够有效地提高复原效果。目前普遍将空域上的梯度稀疏性或小波域上的系数稀疏性作为规整化项,但二者并未同时使用。本文提出了对图像采用一种新的空域局部阈值处理和小波域处理的联合规整化复原算法。本算法结合了二者的优点,能够更加充分地利用图像特征信息。实验结果表明,本方法得到的结果有较好的图像质量和较高的算法鲁棒性,能更有效地抑制噪声和伪迹。     

一种边缘保护的灰度图像插值算法

提出一种边缘保护的灰度图像插值算法，目的在于从低分辨率图像中复原出高分辨率的图像。首先对低分辨率图像做双线性插值放大，然后用一个二维非线性滤波器做迭代滤波处理，从而得到高质量的插值放大图像。实验仿真结果表明，该算法在插值放大图像的边缘保护方面取得了良好的效果。     

基于自适应正则化的序列图像超分辨率复原

基于序列图像的超分辨率复原算法能够利用更多的先验信息,复原效果明显优于基于单帧图像的复原算法,目前已经成为图像复原领域的主流研究方向.本文提出了一种基于自适应正则化的序列图像超分辨复原方法,能够充分利用序列图像的先验信息,有效抑制了复原图像中存在的振铃效应.同时,本文算法可以更好地恢复图像边缘信息,较好地平滑噪声,得到的复原图像与Hardie等提出的非均匀插值算法的复原效果相比,在峰值信噪比以及主观视觉效果方面均有所提高.实验结果表明,本文所采用的方法能够达到较好的复原效果,是可行和有效的.     

一种改进的中文字符矢量化算法

针对人工进行字体的矢量化耗时费力的问题,提出一种改进的Potrace字体图像矢量化方法.基于Potrace位图矢量化算法,首先得到位图路径的初始点集,然后通过夹角判别法和计算删除代价(DC)值来删除冗余点得到最终关键点集,再根据弧弦距判别法判断矢量段的拟合类型,最后使用Bezier曲线插值拟合关键点并优化轮廓路径.为了衡量矢量化后的曲线轮廓的质量,建立了字体曲线轮廓的度量指标体系,其中包括轮廓尖锐度、关键点冗余率、锚点准确度和形状吻合度等指标.实验表明:Potrace算法的冗余率大约在56％左右,而改进后的Potrace算法则将冗余率降到10％左右,并且本方法在锚点选择的准确度方面较Potrace算法有提高,形状吻合度与Potrace算法持平,可以提升字体图像矢量化的效率和质量,同时也能尽可能减小曲线字库的空间存储量.     

基于双三次插值算法的集成电路在线检测快速模板匹配

为了解决目前电路板缺陷检测视觉识别系统对多目标识别检测过程实时性差、识别效率低,甚至出现无法识别等问题,首先对集成电路板图像按一定比例进行双三次插值算法处理,并在该基础上创建模板图像,然后进行归一化积相关匹配快速地识别检测出目标的大概位置,最后以双三次插值算法缩放比例值还原目标在原图像中的位置,从而精确识别检测出的目标。实验结果表明:该算法能达到100%识别,运算时间比传统算法快2～11倍,可见该技术提高了检测效率,具有很好的实用性。     

一种改进K-SVD稀疏表示图像去噪算法

为解决传统K-奇异值分解(K-SVD)算法字典训练耗时过长以及低信噪比情形下去噪效果不佳的问题,提出了一种改进算法。首先将原始含噪图像进行高低频分离,然后对图像的高频部分使用基于残差比阈值的批量正交匹配追踪算法(Batch-OMP)实现稀疏重构,最后将图像的高低频部分叠加完成最终的去噪。实验结果表明,相较于小波变换去噪、DCT稀疏表示去噪以及传统K-SVD稀疏表示去噪,改进的算法能够更好地保留图像的边缘轮廓信息,并且去噪时间明显缩短。     

双相机系统的高分辨率重建

为获取高分辨大视场的目标图像,提出了双相机系统的高分辨重建算法. 根据小视场高/低分辨图像对,学习图像的高频特征,利用线性回归函数表征图像高分辨与低分辨的高频特征映射关系;在小波域实现低分辨、大视场目标图像的超分辨重建,使其达到高分辨、小视场目标图像的分辨率水平;设计了10组双相机系统的仿真实验,并与双三次插值、小波域插值和学习自身的重建等3种流行算法进行对比. 实验结果表明,本文算法取得了最好的重建效果,时间代价也相对较小,并且重建评价指标PSNR比传统双三次插值高约0.26.      

基于Sigmoid函数拟合的亚像素边缘检测方法

亚像素边缘检测技术是采用图像处理软件算法来提高检测精度的有效途径,因而在基于计算机视觉的检测中具有重要地位。本文对矩法、拟合法和插值法等常用的亚像素边缘检测算法的原理、优点和不足进行了分析。提出了Sigmoid函数拟合的亚像素边缘定位算法,该算法采用Sigmoid函数拟合边缘模型,然后利用图像边缘灰度信息,对该模型进行非线性最小二乘拟合,求得边缘的亚像素位置。实验中测得本文提出的基于Sigmoid函数拟合的亚像素边缘定位算法定位精度为0.045像素,但检测的速度比灰度矩提高了一个数量级,比空间矩、Zernike矩和插值法提高了两个数量级。理论分析和实验结果表明：本文提出的亚像素定位算法能较好的满足影像测量中的稳定可靠、精度高及实时性的要求。     

一种基于小波变换的医学断层图像插值方法

图像插值技术是图像三维重建的关键技术。为了满足灰度和形状同时插值的要求,提出了一种断层图像插值方法,其技术特点是通过小波变换得到图像边缘小波系数强度插值,然后采用一种寻找匹配点的方法对由小波变换得到的低频子图进行灰度插值,最后将所得到的新的高频小波子图和低频子图形成新的插值序列,并利用小波逆变换得到新的插值图像。实验结果表明,所得到的插值图像不仅在形状上更接近于自然状态,在灰度也满足了医学图像插值的要求。     

基于改进活动轮廓模型的超声图像分割

活动轮廓模型被广泛应用于医学图像分割之中，文中提出了一种改进的快速活动轮廓分割法。原算法在优化过程中容易缩成一点，其初始轮廓必须给定在图像边缘附近，改进的快速活动轮廓算法给出了不同于原算法的内部能量函数，并增加一自适应的约束力，扩大了算法捕捉图像特征的范围。实验结果表明：该算法快，能在更大的范围内捕捉图像特征，是一种有效的分割超声图像的算法。     

改进ROEWA与小波变换结合的遥感图像海陆分离

海陆分离一直是光学遥感图像舰船检测中最重要的一部分,目前大多数的海陆分离算法都是依靠先验信息或是利用灰度特征对图像进行处理,造成分割效果不明显,大量的孤立区域无法处理,而且会造成误分割,不利于后续处理。针对上述问题,本文提出一种基于改进ROEWA算子与小波变换结合的海陆分离方法。首先利用ROEWA(指数加权平均比率)算子对原始图像进行边缘检测得到边缘的强度,再利用非极值抑制和双阈值算法定位边缘,然后采用小波变换对叠加后的图像进行二次边缘提取,提取边缘的方向,最后对边缘检测后的图像进行区域生长,进而得到最终的海陆分离图像。实验结果表明,本文的算法与常用的的海陆分离算法相比,检测效率和精度都比较高,且鲁棒性好,有利于后续舰船检测的处理。     

基于深度残差网络的医学超声图像多尺度边缘检测算法

为提高医学超声图像在临床诊断的效果, 需先对图像进行优化检测和识别, 提出一种基于深度残差网络的医学超声图像多尺度边缘检测算法. 首先, 通过对原始医学超声图像进行自动标注, 构建医学超声图像灰度分布矩阵, 利用分布矩阵完成医学超声图像的多尺度分割; 其次, 构建医学超声图像多尺度边缘的轮廓模型, 提取多尺度图像边缘特征; 再次, 构建深度残差网络结构, 采用深度残差学习算法进行超声图像的底层图像信息融合; 最后, 对融合后的边缘图像数据进行多尺度边缘检测. 实验结果表明, 该算法的图像分割精度高, 特征提取准确率达80%以上, 图像边界中间断区检测效果较好, 边缘点查全性较高, 算法检测耗时短、收敛性强.     

基于蚁群算法的方向特征分割方法

针对翅脉特征的有效提取问题,根据蝶翅图像具有方向性的特点,提出了方向小波变换与蚁群算法相结合的分割方法.该方法首先采用Morlet方向小波变换对不同方向的翅脉边缘进行检测、提取.通过分析这些边缘点的特征参数,确定初始聚类中心.基于所设置的初始聚类中心,再利用蚁群算法对蝶类翅脉图像进行分割.仿真实验表明,该方法可以将各方向翅脉特征检测出来,是一种有效的方向特征分割方法.     

基于小波变换的图像增强算法

根据小波的时频特性及多分辨率特点,提出了一种基于小波变换的图像增强算法,对图像小波变换得到不同分辨率下表征图像低频及高频信息的小波系数,对小波系数单支重构,对各分辨率下低频单支重构信息分段线性增强并线性叠加,增强图像低频轮廓;对各分辨率下高频单支重构信息分段线性增强并线性叠加,增强图像边缘。实验结果表明:算法具有很高的灵活度,既可以实现对图像轮廓的增强,也可以实现对图像边缘的增强。