基于块特性的去块滤波后处理算法

在基于块的离散余弦变换编码的图像压缩技术中,低比特率时其重构图像的块边界上会产生严重的方块效应,降低了图像主观质量。提出了一种基于块特性的自适应去块效应算法。该算法以8×8块为单位对图像划分为平坦区域、边缘区域、纹理区域,并针对不同区域选用相应的滤波算法。仿真结果表明,该算法能够有效地去除图像中的块效应,并保留了大量的图像细节。     

基于局部自适应约束的图像恢复模型

针对基于自适应Lp范数的图像恢复(adaptiveLpnorm based image restoration,ALPIR)模型在恢复图像时引入"阶梯"效应的问题,提出了一个基于局部自适应约束的图像恢复模型."阶梯"效应的产生与ALPIR模型的Lp范数自适应方案性能密切相关;在新模型中,依据人类视觉感知特性,采用图像方向信息测度和局部方差表征图像的边缘特征,利用可见度函数构建了一个新的自适应方案确定Lp范数.实验结果表明,新模型在恢复图像的同时很好地保持了图像的边缘细节,有效地抑制了"阶梯"效应,综合性能优于ALPIR模型.     

基于POCS算法的块效应消除方法研究

基于分块的离散余弦变换(BDCT)在众多的国际图像、视频压缩标准中是一种主要的压缩算法,它的一个主要不足就是在低比特率下会出现明显的块效应.而凸集投影法(POCS)作为一种经典的图像恢复算法,在去除块效应的效果上并不是很理想.本文针对一点,对其进行了改进,设计了基于图像边缘的点扩散函数(PSF),提出了基于像素的方向性和边缘灰度级相结合的选择过程.实验结果表明,该算法能够有效地消除低码率图像中的块效应,同对图像中的边缘细节有一定的恢复作用.     

基于SURE无偏估计自适应字典学习图像去噪算法

要针对以往图像去噪算法存在阈值选取仍是经验值,而非函数最优解,缺乏系统化的理论方法等问题,因此提出基于SURE无偏估计的自适应字典学习图像去噪算法.首先通过第二代Bandelet变换获得最优的几何方向,运用四叉树计算最佳几何流,从而得到Bandelet图像块,然后运用SURE无偏估计自动获得全局最优解,最后运用KSVD来训练字典,获得图像块相对应的字典.实验结果表明运用SURE无偏估计进行阈值选取,使目标函数连续可微易求导,针对平滑图像很好的去除了大量伪边缘和"块效应",使图像的连通性更加明显.     

基于梯度二阶导数的Canny阈值自适应选取算法

图像边缘含有丰富的图像信息,对于很多视觉系统至关重要,比如目标检测与图像分割等。传统的Canny算子仅能用于灰度图像,无法有效利用彩色图像中的颜色信息;此外,该方法需要人为设定高低阈值,不能自适应提取图像边缘,进而造成背景边缘放大等问题。提出了一种基于Canny的自适应彩色图像边缘检测算法;该算法首先通过图像一阶直方图的统计特性,自适应地选取高斯滤波器的参数σ,有效去除了噪声;同时改善了σ参数设置不合理对边缘检测的影响。其次采用了基于图像梯度二阶导数的阈值选取的方法,即根据图像特性自适应选取合适的阈值。实验结果表明:算法能很好地改善传统Canny算子的缺陷,对于彩色图像的边缘信息提取能达到很好的效果。     

基于自适应高维度非局部总变分的压缩图像去块效应算法

经JPEG压缩后的图像存在着块效应,尤其在低码率段块效应更加明显,严重影响了图像质量和视觉效果。通过引入压缩噪声的概念,利用压缩图像及压缩比特流中获得的信息,对压缩过程进行建模。然后在最大后验框架下,联合自适应高维度非局部总变分先验及窄量化约束先验构建代价函数,提出了一种能有效去除压缩图像块效应的后处理算法。实验结果表明,相比于一些主流的去压缩效应的算法,本文算法的处理结果有更高的客观参数及更好的主观视觉效果。     

基于边缘检测的自适应非局部均值去噪算法

针对图像去噪处理中非局部均值(NLM)算法造成的平滑图像细节丢失问题,提出基于边缘检测的自适应非局部均值去噪(ANLM)算法。利用canny算子提取图像边缘结构图,比较待处理像素所在图像块和邻域图像块边缘结构的相似度,判断当前图像块所处图像区域的结构特征,设定相关阈值,自适应选取滤波参数,调整像素在平均过程中的权值。实验结果表明,ANLM算法相比NLM算法,能更有效去噪,可保留更多的边缘结构特征,细节信息更为丰富。     

小波域中基于模糊的图像去噪方法

在图像去噪方法中,信号局部方差估计的准确性对去噪效果起至关重要的作用．根据图像小波系数与邻近点的相关性,把模糊（Fuzzy-based）函数用于估计信号的局部方差,根据局部噪声变化自适应地去除噪声．仿真表明,提出的局部方差估计算法FLAWML的去噪效果相对其他算法有较好的改善,保存了图像的边缘细节,增强了图像视觉效果．     

基于NSCT的含噪图像边缘检测算法

为提高含噪图像的边缘提取性能,本文提出基于NSCT的含噪图像边缘检测算法。该算法先利用硬阈值方法去除各子带中的噪声信息,然后对得到的高频图像进行自适应阈值法处理得到高频边缘信息,利用对低频图像提取的低频边缘图像对高频边缘图像进行补偿,得到最终的边缘图像。实验结果表明提出算法在不同噪声密度下均能获得良好的边缘检测效果,验证了提出方法的有效性和优越性。     

一种引导滤波自适应双阈值优化边缘检测算法

边缘检测是图像处理的重要环节之一,传统的边缘检测主要包含基于模板匹配和基于图像梯度两类方法。为了克服模板匹配方法边缘信息丢失较多和图像梯度方法易受图像噪声影响的缺点,该文给出了一种引导滤波自适应双阈值并改进Kirsch算子的优化边缘检测算法。针对图像局部信息特征,在图像的不同边缘位置动态生成引导滤波函数,从而保持和增强边缘的效果;同时对Kirsch算子复杂的运算量进行简化,根据图像边缘区域自适应地选择两个阈值,二者有效结合可大幅提高边缘检测算法的准确度和运算效率。实验结果表明,与传统边缘检测Kirsch算法和Sobel算法相比,该文算法的边缘定位和运算速度较优,能检测出精细的真实边缘,对图像的处理速度是传统算法的4倍以上。     

基于块分割的新型压缩感知算法

针对现有块分割压缩感知(block compressive sensing,BCS)算法的块效应问题,提出一种低复杂度、可消除块效应的新型块分割重构算法.在稀疏表达时,采用小波变换(DWT)代替离散余弦变换(DCT),改善图像细节分量;在测量时,依据分块图像频率特征对测量矩阵加权,提高图像质量;在重构时,采用正交匹配追踪(orthogonal matching pursuit,OMP)算法代替匹配追踪(matching pursuit,MP)算法,提高重构速度.仿真结果表明,所提出的算法可在保证重构速度的情况下,有效消除块效应,且不增加内存占用.     

基于ICA和DWT的自适应盲水印算法

为了使数字水印具有较强的鲁棒性和不可见性,提出一种基于独立分量分析（ICA）和离散小波变换（DWT）的自适应鲁棒性盲水印算法.该算法先将载体图像进行小波变换,然后将原始水印进行平铺和置乱,再根据噪声可见函数（NVF）的视觉掩蔽作用,将其自适应地嵌入到载体图像小波变换域的低频系数上,最后利用ICA技术实现了水印盲提取.实验结果表明,该算法的水印不可见性较好,且可抵抗多种常见水印攻击,其中对JPEG压缩、尺度缩放等攻击的鲁棒性较突出,可应用于图像的版权保护.     

基于修正加速度的对数归一化变步长自适应滤波的心率估计算法

针对运动过程的光电容积脉搏波(photoplethysmography,PPG)信号易受到运动伪影的干扰,使得心率测量困难的问题,提出了一种基于修正加速度的对数归一化变步长自适应滤波(log-normalized least mean square,Log-NLMS)算法.该算法利用角速度对加速度进行卡尔曼滤波修正,去除重力分量.然后将修正后的加速度作为对数归一变步长自适应滤波的参考信号,滤除PPG信号中的运动伪影,最后利用谱峰追踪估计心率.结果表明:该算法估计心率的平均绝对误差较传统算法平均降低了1.4次/min,平均相对误差降低了1.55％,可见本文算法能够有效地去除运动伪影的干扰,获得更为准确的心率.     

一种改进的小波域自适应图像水印算法

分析传统小波域自适应水印算法鲁棒性不够理想的原因,提出改进的小波域自适应图像水印算法.利用噪声可见性函数局部分析能力强的特点,在小波分解后的子带中查找容噪能力强的位置嵌入水印,并结合小波域视觉可见误差门限JND值实现水印强度的自适应嵌入.实验结果表明,改进后的算法不但保留了视觉效果好的特点,而且在水印的鲁棒性上得到大幅度的提高.     

异步2D-Torus片上网络自适应路由算法

采用异步电路设计方法学,针对确定性路由算法在异步片上网络实现中遇到的容易阻塞和路由资源浪费等问题,提出了一种适用于2D-Torus拓扑结构的异步片上网络自适应路由算法,并搭建测试平台,对基于该算法的异步片上网络的功能和性能进行分析、验证与测试.结果表明,该算法可以满足路由自适应的要求,有效减小片上网络的路由延迟.基于该算法的异步片上网络可以满足多方向数据通信、多路数据并行通信和数据请求平等仲裁等性能要求,并且可以实现对从节点IP核的访问调用.     

抑制震荡的自适应小波阈值去噪方法

分析了小波阈值去噪方法在信号的间断附近产生震荡的原因,根据产生机理的不同将它们分为属于伪Gibbs现象的震荡和由于小波阈值去噪在信号的间断部分因为去噪能力下降而属于噪声残留的震荡.为了消除这些震荡, 结合软、硬阈值方法的特点提出了一种新的阈值函数自适应地处理小波系数.试验表明,该方法有效地抑制了信号间断点处的震荡,获得了优于传统阈值方法的去噪效果.     

异构无线网络自适应接入算法研究

在异构无线网络中,针对现存接入算法对网络高动态性考虑不足,提出了一种自适应的接入算法.算法能够根据网络环境中用户数量及带宽使用情况,估计接入阻塞率、最大化网络吞吐量,从而自适应地选择用户接入网络的行为.根据接收信号强度和可用带宽,计算出用户的最大传输速率;根据网络中已分配带宽、用户所需带宽,推导出网络剩余容纳用户数;根据新到达用户数、剩余容纳用户数估计用户接入阻塞率;结合最大传输速率和接入阻塞率,提出一种以最大化网络吞吐量为目标的自适应接入算法.仿真结果表明,算法能有效降低用户接入阻塞率,增加接入用户数,提高网络吞吐量,均衡网络负载,并且能够适应未来高动态性网络.     

基于数学形态学的去方块效应法

为了减少多分辨奇异值分解(MSVD)图像融合后的图像出现明显可见的方块效应,提出一种基于数学形态学的边缘检测去方块效应的方法.首先通过形态学梯度算子求出两幅原图像的边缘,将边缘融合后的图像作为有方块效应图像的边缘,然后根据形态学梯度逆变换得到结果图像.最后,采用客观性能指标对结果图像进行评价.实验结果表明本文中的方法不仅简单易行,而且图像可以达到较均匀的成像效果;方块效应去除后,图像表现出良好的视觉效果,清晰度和空间频率都有很大提高,且具有较好的保持边缘的性能.     

多通道脑电信号眼电伪迹自适应去除方法

针对现有方法在眼电伪迹自动去除中存在有用信息丢失，伪迹分量识别困难的问题，提出了一种结合粒子群优化算法、独立成分分析和小波变换的伪迹自适应去除算法。首先，采用均方根误差和Pearson相关系数设计了粒子群优化算法的适应度函数，利用优化算法实现了两个样本熵阈值的自适应设置；然后利用快速独立成分分析算法将脑电信号分解为统计独立分量，根据第一个样本熵阈值自动识别含伪迹分量，含伪迹分量经过四层小波分解得到五个小波分量，根据第二个样本熵阈值自动识别伪迹分量，将识别的伪迹分量置零；最后经过小波重构和逆变换，获得去除眼电伪迹的脑电信号。采用Graz data set A数据集进行实验验证，结果表明提出的方法能够实现多通道脑电信号伪迹的自动去除；采用Klados数据集进行实验验证，结果表明，与SE-CEEMDAN方法相比，采用提出方法实验获得的均方根误差降低了4.816，约38.2%，Pearson相关系数提高了0.025，约2.97%。