适用于地毯编织图像处理的误差扩散改进算法

常规误差扩散方法会导致图像细节轮廓损失问题,为满足地毯编织图像处理中对图像细节处理的要求,本文提出一种基于HVS模型及边缘检测的像素点误差扩散半色调算法。该算法首先对图像进行边缘检测处理,提取图像的边缘点信息,然后采用基于HVS模型误差扩散系数对图像进行误差扩散处理,处理过程中对于边缘点不进行误差叠加,以保留图像边缘信息。仿真结果表明该算法能够更好地减少图像细节损失,保留图像细节信息,进而满足地毯编织图像处理的需要。     

改进的最小亮度分布标准彩色图像误差扩散算法

针对彩色图像最小亮度分布标准处理方法中的图像细节轮廓损失问题,提出了一种基于边缘检测的最小亮度分布标准误差扩散改进算法．算法首先对彩色图像进行边缘检测处理,提取图像的边缘点信息,然后依次提取彩色图像像素点．若像素点是图像的边缘点,则进行RGB颜色空间的固定阈值比较取值处理．若像素点是非边缘点,则进行最小亮度分布标准处理．最后采用基于HVS模型构造出的误差扩散系数对彩色图像进行误差扩散处理．仿真结果表明该算法能够较好地减少彩色图像的细节损失。     

贝叶斯框架下的模糊图像盲去卷积算法

为了去除图像模糊的同时,保持图像边缘等细节信息,需要对原始图像和点扩散函数进行准确的估计.在贝叶斯框架下,基于总变分模型,建立原始图像和点扩散函数的先验模型,同步估计原始图像和点扩散函数.对于总变分模型不可微分的问题,在不影响速度的前提下,用迭代重加权范数算法处理该问题.基于共轭分布理论,提出以伽马分布作为未知参数的先验模型,准确估计参数.实验表明该算法在对原始图像、点扩散函数和参数准确估计的基础上,成功地解决了模糊图像的盲去卷积问题,算法的速度和效果都得到了改进.与同类算法相比,本文提出的算法具有一定优势.     

等离子体显示中基于边缘检测的动态误差扩散方法

针对交流等离子体显示器中的常规误差扩散方法因误差扩散系数固定导致反映图像细节轮廓损失的问题，提出了一种基于边缘检测的动态误差扩散方法．该方法在对每个像素的误差扩散处理过程中，先沿误差扩散方向进行边缘检测，再根据边缘检测结果动态地选择误差扩散系数组及调整各个方向的误差扩散系数，使得误差扩散系数与轮廓特征相关，减小了误差扩散过程中造成图像细节轮廓损失的累积误差．仿真结果表明，将新方法应用于交流等离子体显示器中，不仅能够减少因较少子场引起的假轮廓，同时还可以避免由于常规误差扩散方法中固定误差扩散系数引起的轮廓细节损失．     

图像修复的方向梯度TV模型研究

基于PDE(Partial Differential Equation)的图像修复因其所具有的局部自适应特性、形式上的规范性和模型建立的灵活性而受到关注,而如何在有效的进行修复受损图像的同时很好的保留图像的细节信息成为图像修复所追求的目标.本文首先对TV(total variation)模型进行了分析和讨论,针对TV模型在图像修复时会对图像过度平滑、容易丢失细节信息等问题提出了一种改进模型,该模型通过对非线性扩散项引入方向梯度和边缘引导函数,自适应的调整了模型在图像边缘和区域信息丰富区域的平滑力度;通过计算每一次迭代时待修复点33邻域内的各向灰度差分,确定最小灰度差分的方向,从而确定了该点邻域内的图像纹理走向.本文模型克服了TV模型的弱点,在有效进行破损图像修复的同时,很好的保持了边缘和纹理细节信息.通过峰值信噪比和归一化均方误差的统计结果验证了所提模型的稳定性和有效性.     

基于Laplacian算子的扩大比对范围的边缘检测算法

针对常规边缘检测算法中存在的图像细节轮廓损失问题,本文提出一种基于Laplacian算子的扩大比对范围的边缘检测算法。该算法在对像素点使用Laplacian算子进行边缘检测处理时,扩大了处理的范围,后由所有像素点的差值和可以组成一个新图像,选定合适的域值对新图像进行二值化处理可以得到二值化的图像边缘信息。实验证明,该算法可有效地解决图像中色调变化较小、边缘变化缓慢区域的边缘轮廓检测丢失问题。     

保留边缘信息和特定目标的高密脉冲噪声滤波算法

针对高密脉冲噪声消噪时边缘信息损失严重和特定目标过处理等问题,提出了保留边缘信息和特定目标的消噪算法.借助脉冲噪声的灰度特点进行噪点检测,获得各像素及其邻域的污染情况;通过细节判定和最佳窗口选择,采用传统滤波降低噪声密度,获得污染像素的真实灰度信息;通过特定目标检测和双窗口边缘判定,获得高密脉冲噪声的最终消噪结果.实验表明,文中方法能获得满意的消噪图像,并具有较小的均方误差根和较大的边缘保留指数;对图像中的特定目标,文中方法在消噪的同时能保留更好的原目标信息.     

基于全变分模型的新型数值实现算法

基于经典全变分(TV)模型的图像恢复框架,从局部扩散的角度,设计了一种新的应用于图像去噪的数值算法.该算法可以根据图像的局部梯度信息自适应地选取扩散系数,使边缘处扩散较弱,在平坦区域扩散较强,实现了对噪声图像的各向异性滤波处理,在去除噪声的同时保护了图像的边缘细节.最后与传统TV模型进行了实验对比,实验表明本算法性能更好,运算效率更高.     

一种遥感影像噪声抑制各向异性扩散算法

噪声抑制是遥感影像处理中一个重要研究课题,但常用的去噪算法会造成细节损失。为有效抑制噪声,同时保护边缘,本研究在Perona-Malik扩散模型基础上,提出了一种新的基于方向信息测度和边缘隶属度的各向异性扩散滤波算法。本算法的核心思想是根据遥感影像在其均匀区域各向同性扩散而在边缘细节区域各向异性扩散的这种局部特征,将影像分为边缘区和非边缘区两个区域,对非边缘区采用常规Perona-Malik扩散方程完成噪声的滤除,而对边缘区采用基于方向信息测度的非线性扩散方法进行处理,在平滑去噪的同时对边缘进行修整,不仅可以很好保持边缘细节信息,而且可以对其进行增强。实验结果表明,该算法的峰值信噪比、均方误差、辐射分辨率等参数均优于常规算法,提高了遥感影像的等效视数,有效消除了影像中的相干噪声。算法具有良好的应用前景和实用价值。     

基于改进型P＆M模型算法的图像去噪

高斯滤波算法在去噪时能平滑图像,但是会破坏图像的边缘细节,而基于PDE的各向异性扩散的P＆M模型算法在去噪时能保留图像的边缘细节,但是会出现零散的斑点。结合两种算法的优点,通过对扩散系数进行改进,提出一种改进型P＆M模型算法。仿真结果表明,该算法能够有效地去除噪声图像中的高斯白噪声和椒盐噪声,能够更好地保留图像的边缘细节,与高斯滤波算法和P＆M模型算法相比,改进型P＆M模型算法具有更好的去噪性能。