基于各向异性双边滤波红外背景抑制方法研究

红外复杂背景抑制作为红外弱小目标检测的重要环节,直接影响着后续算法的目标检测概率和虚警率.针对各向同性双边滤波背景抑制方法因无法改变背景预测方向,在方向性的结构化云边缘存在较大预测残差的问题,本文设计了一种利用原始图像邻域统计信息自适应更新滤波尺度、掩模尺寸和滤波方向的各向异性双边滤波背景预测器,以最大限度地分离目标和背景.仿真实验表明该方法对输入信杂比为4的目标的信杂比增益大于4和对原始图像邻域杂波的背景抑制算子大于4.     

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。     

基于幂次变换和高频加强滤波的乳腺图像增强算法

针对乳腺图像特殊的结构特性和组织特性以及图像要增强的重点不同,提出了一种乳腺图像增强方法.该方法先对乳腺图像进行幂次变换增强,然后接着对增强的图像进行高频加强滤波处理.幂次变换增强能提高图像的整体对比度,高频加强滤波增强能够使图像的边缘和精细结构得到很好的增强,此方法综合两种增强方法的优点,实验结果表明此方法具有一定的应用价值.     

基于奇异值分解和引导滤波的低照度图像增强算法

针对现有低照度图像增强算法在处理图像后容易出现色彩失真、细节丢失、过度增强等问题,提出一种基于奇异值分解和引导滤波的低照度图像增强算法.首先通过Max-RGB模型获得初始光照分量,使用奇异值分解和引导滤波对初始光照分量进行优化,得到最终光照分量.利用Retinex模型,将原低照度图与光照分量图逐点相除,得到增强图像,并使用原始图像的绿色分量图作为引导图像,使用引导滤波对增强图像进行去噪处理.实验结果表明,提出的算法能够得到色彩更加真实、视觉效果更好的图像,同时能够避免过度增强、出现光晕等问题.     

一种基于改进GFF和联合双边滤波的红外与可见光图像融合算法

针对传统红外与可见光融合图像伪影较多、边缘信息不够丰富等问题,提出一种基于改进GFF和联合双边滤波的图像融合算法.首先,使用高斯拉普拉斯算子、二维高斯算子分别对源图像进行高低通滤波.然后,对两幅图的低通滤波结果归一化,得到的显著图,再对显著图进行导向滤波并计算近似值,获得基础层和细节层的决策图,使用联合双边滤波器优化基础层决策图.其次,使用圆形均值滤波器对源图像进行多尺度分解,分解结果与决策图加权相加获得基础层和细节层的融合图像.最后,将两层融合图像进行线性叠加,得到最终的融合图像.实验结果表明,所提出的算法在客观评价指标上优于经典的融合算法,在视觉感知上边缘信息更加突出、细节轮廓更加明显.     

基于高斯金字塔与双边滤波的隐藏目标检测

隐藏目标通常处于视觉静止状态,其存在的微小运动不易被发现.当视频中存在隐藏目标时,其微小运动很难被检测到.针对该问题,提出一种将高斯金字塔算法和快速双边滤波相结合的隐藏目标微小运动检测方法,首先对视频图像的序列做多尺度的空间分解,然后对采样数据图进行滤波去噪,再经过视频重建后利用帧差法获取差分图像.实验结果表明,该方法与帧差法等相比,检测速度达到56.76帧/s,检测速度平均提高了4.14倍.帧差结果图的相似度最低,对隐藏目标的检测效果最显著,能在保证检测性能的同时提高检测速度.     

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。     

一种改进的图像自适应非线性滤波方法

针对图像的保边光滑问题，分析了Perona-Malik(PM)方程的非线性滤波扩散行为，利用保边正则化思想给出了由一种新的各向异性扩散方程所决定的图像自适应光滑算法。这种新的各向异性扩散滤波方法与PM方程的不同之处在于：扩散系数不是直接来源于图像的梯度幅值，而是在图像梯度模基础上恢复出图像的边缘信息。实验结果表明，所提方法对图像边缘的恢复结果要比PM的方法具有更高的可靠性和准确性。     

基于人眼视觉和高频提升滤波的乳腺图像增强方法

针对医学图像特殊的结构特性和组织特性以及图像要增强的重点不同，在考虑人眼视觉特性的基础上，提出了一种乳腺图像增强方法．本方法利用高频提升滤波增强了乳腺图像的边缘和精细结构，实验结果表明此方法具有一定的应用价值．     

一种改进的各向异性高斯滤波算法

为了抑制更好的抑制噪声保留边缘信息,提出了一种各向异性高斯滤波的改进方法,该方法先用中值滤波去除椒盐噪声,再利用灰度共生矩阵的惯性矩特征值调整滤波器的长轴尺度,实现各向异性高斯滤波.实验证明,本文所提出的改进方法,在噪声抑制和边缘保持方面优于各向异性高斯滤波器.     

基于拉普拉斯金字塔的图像内容认证方法

为了验证图像内容的真实性,提出了一种基于拉普拉斯金字塔的图像内容认证方法.在发送端首先对图像进行拉普拉斯金字塔分解,然后根据拉普拉斯金字塔分析原图像的光滑特性和细节特性,并对其特性进行编码得到特征值,最后将特征值加密后生成签名以水印方式嵌入原图像.在接收端将待测图像的特征值与从中抽取出的水印进行比较,对二者的差异图像以形态滤波的方法自动判断是否有图像内容被篡改,同时给出篡改的位置信息.实验结果表明,文中提出的图像内容验证算法可有效地检测出恶意篡改及其发生的位置,并可容忍由压缩、滤波、噪声污染等造成的失真.     

一种基于视觉阈值特性的图像融合方法

在分析和比较拉普拉斯金字塔与低通比率金字塔图像融合方法的基础上,结合对于人类视觉特性的了解,提出一种基于视觉阈值特性的金字塔图像融合方法. 该方法要求当目标亮度位于其阈值之上并且不同源图像目标对比度极性相同时,采用对比度指标确定融合要素;否则,采用绝对值指标确定融合要素. 实验结果表明,该方法既可以增强融合图像的对比度信息,又能有效避免低通比率金字塔方法中有时出现的斑点噪声,所需的额外计算量小,因此适用于要求实时性的融合领域.     

基于自适应感知金字塔网络的图像去雨

基于深度学习的单幅图像去雨已经取得了较大进展,但现有方法去雨后的图像仍然存在细节丢失、密集雨纹去除不彻底等问题.为此,本文提出一种基于自适应感知金字塔网络的单幅图像去雨方法,能够在有效去除密集雨纹的同时对细节进行修正,显著改善去雨图像的视觉质量.首先,基于小波变换构建多尺度金字塔网络,在各尺度子网络之间进行递进式连接,实现雨纹迭代提取和去除;各尺度子网络内部以自适应雨纹感知模块为核心,设计对称跳跃连接将提取到的浅层特征反馈至深层,实现浅层特征的有效复用.其中,所设计的自适应雨纹感知模块通过非局部感知运算和共享扩张卷积扩大感受野,可有效感知雨纹特征,并融入注意力机制实现雨纹的自适应去除.为了更好地约束网络训练和去除不同尺度的雨纹,设计了一种多尺度损失函数,由粗及细逐步完成雨纹去除,可有效防止伪影现象.在合成和真实数据集上的大量实验表明,本文方法优于现有的主流方法,能够在去雨的同时较好地保持图像细节,视觉效果理想.     

基于Gabor滤波器和广义对称变换的指纹增强算法

在传统Gabor滤波器的基础上,引入广义对称度,综合考虑指纹图像中脊线的对称性、方向选择性与频率选择性,提出了一种结合对称性和Gabor滤波器的指纹图像增强新算法.实验表明,该算法能够准确地定位指纹图像的细节点.     

基于Spline金字塔的图像融合方法

图像融合作为信息融合的一个重要领域已广泛应用于遥感、医学、计算机视觉、军事目标探测和识别等多方面。文章在传统的多分辨金字塔结构—Laplace金字塔的基础上提出Spline金字塔融合算法,有一定的探索性和创新性。在融合过程中着重讨论了塔形结构的分解和重构及融合规则。由实验结果可以判断Spline金字塔算法是一种有效的图像融合算法。     

一种自适应双边滤波的超声图像去噪

超声图像利用不同组织和局部细节的不同回声信号强度和分布来捕捉重要的医学病变信息,但超声图像在形成过程中产生的斑点噪声使得超声图像质量较差,给以后的图像特征提取和识别、病情诊断及定量分析造成不利影响。文中在传统双边滤波既能去噪又能保持图像边缘信息性质的基础上,对传统双边滤波的灰度权系数部分进行了改进,使其局部自适应。实验结果表明了该算法的有效性。     

Retinex理论下基于融合思想的低照度彩色图像增强算法

针对Retinex算法处理后的图像边缘保持性差,易产生光晕和过增强的缺点,以及双边滤波易造成图像细节丢失的现象,提出了一种Retinex理论下基于融合思想的图像增强算法。该算法首先在YCb Cr颜色空间提取亮度Y分量,对亮度分量进行大、中、小不同尺度的MSR增强,获得细节信息保留较好的亮度图像,同时在RGB颜色空间对图像进行基于双边滤波的单尺度Retinex增强,获得边缘信息较好的增强图像;然后对增强后的两幅图像加权融合;最后对融合的图像进行颜色恢复处理得到最终的增强图像。通过本文算法与经典SSR、MSR和MSRCR算法处理后的图像进行比较,实验结果表明,本文算法处理后的图像在细节、颜色和边缘保持方面都优于其他算法,并且避免了光晕和过增强现象的发生。     

基于局部信息的图像增强方法研究

在图像处理过程中,使用直方图均衡化、全局对比度拉伸等基于图像全局信息的图像增强算法,难以实现图像局部细节对比度的增强,即不能实现物体轮廓的增强。为此,本文主要对基于局部直方图均衡化、Lee算法的图像局部增强算法和MSR算法进行研究,通过算法的改进来实现图像局部增强的效果。     

一种基于曲波变换与引导滤波增强的图像融合方法

针对可见光图像受光线、 天气等影响而成像不清导致图像融合效果差的问题, 提出一种基于曲波变换的红外与可见光图像增强融合方法. 首先, 利用引导滤波对可见光图像细节进行增强； 然后, 利用曲波变换将增强后的可见光图像和红外线图像分别进行分解, 对低频部分取系数最大值, 高频部分采用正方形邻域窗口中绝对值和所对应的像素最大值为融合图像的值； 最后, 利用曲波变换的逆变换得到融合后的结果. 实验结果表明, 该方法在细节处理、 保护边缘及源图像信息的保留上都有良好的效果.     

基于差分进化的图像自适应增强方法

图像增强是图像处理中重要的步骤之一,基于非完全Beta函数变换的图像增强办法能够获得较为理想的增强效果.然而合理的Beta函数参数选取一直没有得到很好的解决,常需要人工干预或者计算非常耗时.差分进化算法是一种新型的进化计算方法,具有自适应、自组织等智能特性和强大的寻找优化解的能力.这里将差分进化算法用于Beta函数参数的自适应选取,实现了基于差分进化算法的非完全Beta函数图像增强方法,实际图像增强实验结果表明了该方法的有效性和可行性.