基于HSI彩色空间的加权中值滤波算法

提出一种基于HSI彩色空间的加权中值滤波算法,该算法依据人眼对颜色的感知特性,结合颜色的亮度信息和色度信息,并且保持了DDF（The Directional-Distance Filters）滤波器的优点。算法根据彩色图像中颜色的亮度来修改亮度和色度的权值,调整滤波器的输出,在保持图像颜色细节方面比以往的各种矢量中值滤波算法都有一定的提高,更加符合人眼对于颜色的感知特点。     

基于天空识别与加权引导滤波的图像去雾算法

针对图像去雾算法在天空和景深突变区域的失效问题,文章提出一种天空识别与加权引导滤波的图像去雾算法.首先针对透射率与纹理无关的情况,利用改进的4-RT V模型平滑有雾图像,并将其作为引导图像;其次运用自适应加权引导滤波细化透射率,获取更清晰的边缘细节;最后结合天空识别的结果对透射率进行修正.实验结果表明:相比一些经典的去...     

双边加权引导图像滤波

针对经典方法对光晕等伪影抑制能力不足的问题,将双边权重嵌入到引导滤波中,提出一种新型局部方法称之为双边加权引导图像滤波．该方法目标函数为双边加权岭回归模型,此模型可通过双边滤波的迭代执行来求解．为提高计算效率,采用双边滤波的近似加速版本．通过对滤波核进行分析,可知双边加权引导图像滤波提供了比传统方法更灵活的保边及滤波控制．最后将该滤波方法的适用范围拓展到彩色图像上．为评估双边加权引导图像滤波,在保边模糊与人像磨皮这2种图像处理应用上进行试验,并进行了计算效率的对比分析．结果表明:与多数经典保边滤波方法相比,双边加权引导图像滤波产生的结果具有更好的视觉效果,所提出方法的指标BIQI、IL-NIQE、SSEQ分别达到20.082、47.026、53.103.     

相位一致性加权的引导图像滤波去噪算法

针对传统引导图像滤波算法采用固定的正则化参数规整化因子造成光晕伪影现象的问题,提出一种相位一致性加权自适应规整化因子的改进引导图像滤波算法.因图像不同区域的纹理特性不同,利用相位一致性能够获取图像丰富的特征信息和精确的特征定位,对原有的规整化因子在不同区域通过惩罚自适应调整规整化因子,保证了图像降噪效果同时进一步保持边缘清晰.实验采用结构相似性因子(SSIM)与PSNR作为算法的定量评估指标.结果表明,采用相位一致性作为加权值规整化因子,有效地避免了传统引导图像滤波的光晕伪影现象,相对于传统引导图像滤波算法,降噪性能有一定提高,还能够很好地保持边缘细节信息.     

基于峰度系数方差的加权自适应引导滤波

针对传统局部窗口方差提取有噪图像边缘困难的问题,本文介绍了峰度系数方差准确感知有噪图像边缘,并基于此提出一种加权自适应引导滤波器.自适应调节引导滤波中固定正则化系数,解决边缘模糊、边缘光晕的问题;基于像素的多邻域窗口边缘权重,实现聚合加权滤波,进一步抑制边缘模糊.实验结果表明:本文方法在不同噪声级别下,PSNR、SSIM均值提升率分别大于65%、78%;滤波结果图像在噪声平滑和边缘保持两方面均有更好性能.      

基于置信区间的自适应加权均值滤波算法

为了改善图像滤波的效果,提出1种基于置信区间的自适应加权均值滤波算法。根据高斯噪声的特点以及其对原图像的影响,仅对滤波窗口中处于置信区间的像素求加权均值。同时考虑了灰度相关性与距离相关性,将灰度测度因子和距离测度因子进行线性加权求和,得出加权系数。最后对加权均值滤波后的图像进行折中的灰度均衡化。实验结果证明,相对于标准均值滤波(SMF)算法和自适应均值滤波(AMF)算法,该文算法的滤波图像更加清晰,很好地恢复了原图像,同时保留了图像的边缘和细节;该文算法对应的归一化均方误差明显低于SMF算法和AMF算法。     

基于能量差的加权均值递归滤波算法

对基于激光测量的管形零件内轮廓母线采样数据进行滤波.提出了基于能量差的加权均值递归滤波算法.该滤波方法中权值求取方法的思想是尽量给滤波窗口内能量频谱相对集中的采样数据赋予较大的权值,而给由于干扰引起的畸变数据赋予较小的权值.合适的滤波窗口长度通过仿真对比试验获得.这一思想的合理性通过仿真分析和实验测试得到验证,并表现出良好的效果.     

基于引导图像的边缘噪声滤波算法

由于通常的邻域运算会改变图像边缘点的灰度值,使图像的边缘变得模糊,为了改善这一现象,提出了一种基于引导图像的边缘噪声滤波算法。该算法由局部线性模型推导而来,将原始图像或其他变换形式定义为引导图像。通过对引导图像进行分析,并调节正则化参数,利用引导图像掩模对图像的边缘进行平滑处理,有效地去除了噪声。通过与其他四种常用的滤波算法进行对比实验,表明该算法的均方误差MSE仅为0.0015,峰值信噪比PSNR为28.26,远远优于其他四种常见滤波算法,不仅对图像进行了平滑去噪,在很大程度上还保护了图像的边缘信息。     

基于引导滤波的红外图像预处理算法

针对红外图像固有噪声和灰度分布非均匀性影响图像质量的问题,提出一种基于引导滤波的红外图像预处理方法。根据引导图的局部信息,在红外图像的不同位置动态生成滤波核函数,从而可以在平滑场景的同时保持甚至增强边缘细节。实验表明,本文方法可以有效滤除噪声,保持场景强边缘,改善灰度分布非均匀性;且由于引导滤波算法复杂度与滤波半径无关,处理速度快。此外,应用实验表明该方法可以提高融合图像视觉效果,增强目标跟踪的定位精度,在图像增强中能够有效避免伪边缘的产生。     

一种利用动态滤波模板进行指纹图像增强的算法

在实时指纹识别系统中 ,指纹图像的增强算法起着至关重要的作用。但通常的增强算法经常要花费较多的时间 ,或者不适用于指纹频率区别较大的数据库。在大量样本分析的基础上 ,根据指纹纹理频率参数的变化动态调整方向滤波模板的大小对指纹图像进行有效的增强处理 ,对不同的纹理方向专门采用了查表的方法 ,减小了时间消耗。实验表明 ,这种算法能够快速有效的增强指纹图像 ,尤其适用于指纹频率区别较大的指纹样本库中 ,并在实时指纹鉴别系统中得到了应用     

基于 UKF滤波算法的语音增强技术

基于卡尔曼滤波算法的语音增强方法在实际应用中得到了比较广泛的应用,但是这种方法要求模型必须是线性的,在实际环境中语音模型一般为非线性,为了解决这一问题,本文提出了基于UKF(Unscented Kalman Filter)滤波的语音增强算法,较好地解决了上述的问题.仿真实验结果表明,该方法在较好地消除背景噪声的同时,能保持较好地语音可懂度.     

基于结构的自适应指纹图像增强算法

指纹图像的周期性和局部方向性是指纹图像的重要结构特征,充分利用这两个结构特征是提高指纹增强算法的重要方法.对一般图像增强算法处理指纹图像分析后,发现了一般图像增强算法无法满足指纹识别系统的要求.为了提高指纹增强算法的综合性能,作者以指纹图像局部方向和周期为参数,并设计了基于梯度得求局部方向的算法,再以Gabor变换为基础,设计了基于结构的自适应滤波算法.试验结果表明,该算法具有很高的实用价值,能够满足一般指纹识别系统性能要求.     

基于灰度修剪和均衡化的加权均值滤波算法

针对现行的均值滤波算法存在的局限性,基于灰度修剪和均衡化的加权均值滤波算法对其进行改进.算法根据高斯噪声的特点及其对原图像的影响,对处于灰度概率峰值附近所对应的灰度进行修剪,再进行加权均值滤波.加权系数同时考虑灰度相关性与距离相关性,是灰度测度因子和距离测度因子的乘积.算法最后对加权均值滤波后图像进行分段的灰度均衡化.滤波实验的结果表明,相对于现行的均值滤波算法,本算法有着更好的滤波性能,在滤除噪声的同时,很好地保持图像的边缘和细节部分.     

一种基于互补滤波的动态指纹图像增强方法

本文使用了一种基于双滤波器的动态指纹图像增强算法。利用动态2维Gabor滤波器分离粘连脊线的能力很强,方向滤波器具有较强连接断裂脊线的能力,而且输出结构为二位图像的特点,使用Gabor滤波器与方向滤波器互补滤波。通过对图像进行第二次增强,从而达到较为理想的增强效果。大量实验结果显示,此算法对指纹图像的平移与旋转变化反应不明星．有利于细节点提取而且易于实现。     

基于边缘约束的自适应引导滤波立体匹配算法

为解决局部立体匹配算法存在深度图边界区域不连续问题,本文提出了一种基于边缘约束的自适应引导滤波立体匹配算法。将梯度值和颜色信息结合进行匹配代价计算;然后,基于图像边缘局部特征,对图像的像素点基于颜色阈值和边界条件构建自适应十字交叉区域,并对自适应窗口进行引导滤波代价聚合;最后,采用胜者为王策略(winner takes all,WTA)进行视差计算,对视差图进行视差精细化处理。实验结果表明:本文算法生成的深度图能够更好地保留细节特征,边界纹理区域的误匹配现象明显改善,可有效降低误匹配率,本文算法在Middlebury数据集误匹配率仅为5.22%。     

基于自适应引导滤波的全景图像增强算法研究

虚拟实景漫游系统中的全景图像细节比较多,因天气、拍摄技术等原因导致图像场景不清晰而需要增强,增强的目的是为了突出全景图像的美景细节信息,提高场景视觉效果。为了增强全景图像的场景细节,本文提出了自适应引导滤波算法AGIF（Adaptive Guided Image Filter）。该算法利用具有较强细节提取能力的加权最小二乘滤波器WLS （the Weighted Least Squares）构建引导图像,对已有的引导滤波GIF（Guided Image Filter）进行改进,通过引入梯度值偏移量进行像素值自适应,突出全景图的图像边缘,使得全景图像的细节进一步增强。实践表明,增强后的全景图用于虚拟漫游系统,提高了旅游场景的用户体验。     

基于亮区域暗通道矫正和加权聚合引导滤波

针对暗通道先验在天空等亮区域失效和引导滤波容易导致边缘模糊的不足,提出了一种高效的去雾算法.该算法提出一种新颖的亮区域自适应分割与校正方法,基于自适应的相对景深阈值分割亮区域,采用饱和度和灰度值校正亮区域的暗通道.然后利用加权聚合引导滤波代替引导滤波细化初始透射率,解决引导滤波引起的边缘模糊问题.最后,提出一种有效的亮度校正方法,将复原图像转化到HSV色彩空间,对亮度进行均衡化处理,使用相对雾浓度均值作为权值,对均衡化前后的结果进行线性加权得到最终的复原结果.实验结果表明,与经典算法对比,所提算法亮区域分割准确,复原图像纹理清晰,去雾彻底,复原结果的峰值信噪比、平均梯度与信息熵的最大提升分别为34.46%、99.49%和21.18%.     

基于引导滤波的指节纹图像增强算法研究

在利用指节纹进行身份识别时,为提高图像的质量,避免光照不均匀和环境噪声对特征提取带来的影响,需要在图像预处理阶段进行增强处理。针对指节纹图像的特点,设计了基于梯度图像引导滤波的图像增强算法,并在指背关节纹数据库中进行了验证。结果表明,该图像增强算法可避免光照不均带来的影响,同时突出细节特征,适用于指节纹图像的预处理。最后进行的定量分析证明,经过本算法的增强处理后,图像将保留更多的细节信息特征,有利于后续特征提取和提高图像识别的准确性。     

基于中值滤波和分数阶滤波的图像去噪与增强算法

为了避免经典中值滤波器对图像的模糊化,设计了一个噪声检测模型.通过对噪声的检测,设计了一种开关滤波器.当检测点为噪声时,使用中值滤波器进行去噪;当检测点为非噪声点时,利用分数阶微分滤波器对图像进行增强.所提算法不仅能有效地去除图像中的椒盐噪声,还能对图像进行增强,使图像在边缘突出的情况下完好地保留细节.选择“Lena”等经典图像进行多次实验与分析,结果表明了所提算法在图像去噪和增强方面的有效性.