引导滤波和三维块匹配结合的红外图像去噪

针对红外图像存在噪声较大的问题,提出了一种引导滤波和三维块匹配结合的红外图像去噪方法.该方法通过将引导滤波与三维块匹配方法相结合,采用二次联合滤波的策略减轻了三维块匹配去噪方法在平滑区产生明显的“抓痕”现象.通过BM3D (block method of 3-dimension)去噪方法得到初始滤波图像;对噪声图像在低尺度进行BM3D去噪得到比较平滑的引导图像,用引导图像指导初始滤波图像进行二次滤波.仿真结果表明,提出的算法既保持了BM3D去噪算法的优秀性能,且具有更好的视觉效果和更高的峰值信噪比及结构相似度.     

红外图像序列动态帧间滤波技术

该文提出了红外图像序列的动态帧间滤波技术,把图像序列作为二维数据流,采用先进先出的方式在整个积分周期内进行多帧平均,实现了沿着运动轨迹进行帧间滤波。对于活动红外图像序列,该技术能够有效地抑制噪声、提高信噪比,也能够降低运动目标的模糊程度。     

基于改进引导滤波的实时红外图像去噪研究

针对红外图像对比度低、边沿模糊、图像噪声明显以及去噪算法复杂度普遍高的缺点,提出应用于红外图像去噪的改进的引导滤波算法,并与传统的引导滤波去噪算法进行对比,以验证该算法提高图像质量的能力与算法处理的效率.该方法利用Sobel滤波代替传统引导滤波求统计特征的方法来获取图像特征,在保证去噪效果的前提下,极大简化了算法复杂度,并移植该算法至TMS320C6748DSP平台进行测试.实验结果表明,程序经优化后,达到实时处理的要求.     

基于引导滤波的单幅图像去雾算法研究

基于暗原色先验的单幅图像去雾算法较好地解决了估算雾天场景透射率的问题,算法复原的图像清晰颜色自然。但原始算法计算复杂度高、耗时长、无法满足实时性需求。介绍了引导图像滤波的原理,并将其与暗原色先验结合以改进原始算法;同时分析了滤波参数对去雾结果的影响。实验证明改进的算法在保证原算法去雾效果的同时能使算法复杂度大大降低。     

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。     

基于区域分割和引导滤波的多聚焦图像融合

针对多聚焦图像可能出现局部配准不理想的情况,提出了一种基于区域分割和图像引导滤波的失配准鲁棒多聚焦图像融合算法. 首先通过构造基于结构张量的聚焦评价函数,对每幅输入图像进行聚焦度评价;然后建立包含图像聚焦度的全局能量函数,并通过Graph Cut算法分割出每幅图像的聚焦区域;最后利用图像引导滤波对每个聚焦区域进行细化得到每幅图像的融合权重,在梯度域上进行图像复原得到融合图像. 实验结果表明,该方法不仅可以在多聚焦图像失配准的情况下进行图像融合,而且有效地保持了图像的边缘,在主客观评价指标上均有较大的提升.      

图像预处理的滤波算法研究

对于需要持续跟踪目标的成像系统来说,目标会出现由点到面或由面到点的变化.针对这种情况,分析并比较了三种点目标和面目标均适合的图像预处理滤波算法.仿真实验证明,改进的高通滤波算法比高通中值滤波算法和高斯高通滤波算法效果更好,可以在实际工程中得到应用.     

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Matlab的火灾图像预处理

本文研究了在Matlab环境下如何对图像,特别是火灾图像进行预处理。预处理的过程分为两个步骤,包括火灾图像的增强和滤波。用一些Matlab的处理实验来分析说明各种方法对火灾图像预处理后所得到的效果。     

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.     

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,该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。     

引导滤波在雾天图像清晰化中的应用

根据大气散射物理模型,分析并解决单幅图像去雾的关键问题,以消除雾气对室外机器视觉系统的影响.实验结果表明:利用引导滤波器的局部平滑特性估计大气光幕,可有效克服光晕效应和颜色过饱和现象;通过计算雾气最浓区域的平均值获取大气光强度值,可解决部分图像偏色问题;对复原的图像进行自适应增强处理,提高了图像的整体视觉效果.通过与多种典型的图像去雾算法的比较,说明该方法能更有效地消除图像中的雾气、真实复原场景的对比度和颜色,同时具有很快的执行速度,有利于算法的实时实现.     

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Kalman滤波与多特征模糊聚类的图像融合

为了减低图像的噪声，保留有用的信息，获得更为可靠的融合图像，将Kalman滤波引入图像融合中，提出基于Kalman滤波与多特征模糊聚类的图像融合算法．该方法结合滤波和多特征优点，实验结果表明了该方法的有效性．     

基于Kalman滤波与多特征模糊聚类的图像融合

为了减低图像的噪声,保留有用的信息,获得更为可靠的融合图像,将Kalman滤波引入图像融合中,提出基于Kalman滤波与多特征模糊聚类的图像融合算法.该方法结合滤波和多特征优点,实验结果表明了该方法的有效性.     

基于改进的引导图像滤波和深度去噪自编码器的微弱目标跟踪算法

微弱目标易被周围环境中强烈的噪声干扰,为解决现有目标跟踪算法由于低信噪比导致跟踪准确度低的问题,提出一种将引导图像滤波器和深度去噪自编码器集成到粒子滤波器框架中的跟踪算法。通过引导图像滤波(guided image filter, GIF)算法对目标图像进行滤波处理,保留有价值的模板信息并使不准确的背景模板模糊,有效增强目标图像;通过改进的深度学习算法对深度去噪自编码器训练和微调,更好地适应目标外观变化;构造粒子分类器框架根据粒子重要性权重定位目标。实验结果表明,该算法在微弱目标跟踪准确度和抗干扰能力上优于多种现有主流跟踪算法。