基于协同滤波的多尺度色调映射

高动态范围(HDR)图像是一类包含丰富的图像细节、具有较高明暗对比度、接近真实场景色彩的图像.HDR图像具有广阔的研究前景和实际应用价值.与传统图像相比,这类图像具有很高的动态范围,因而HDR图像在一般显示设备上难以得到比较满意的显示效果.为了克服这一问题,本文提出一个基于协同滤波的多尺度色调映射模型,该模型先利用滤波方法将HDR图像分解为不同细节尺度的图像层,再对各个图像层的动态范围进行不同程度的调整,从而同时达到压缩动态范围和增强细节的效果.实验表明该模型能较好地在一般显示设备重现原场景,具有较好的视觉效果.     

基于双边滤波的HDR图像色调映射算法

高动态范围(HDR)图像是一种表达了超过一般显示器所能表示的真实场景中亮度大范围变化的图像类型,能够很好地区分场景的明暗区域,呈现更多的细节信息.为了能够在低动态范围显示器上显示HDR图像,需要进行动态范围压缩.采用一种基于双边滤波的HDR图像动态范围压缩算法,首先计算每个像素点亮度值,然后对其进行双边滤波处理,最后进行对比度的压缩并生成最终的图像.实验结果表明,该算法合成的HDR图像整体明暗效果较好,细节信息丰富.     

具有细节补偿和色彩恢复的多尺度Retinex色调映射算法

针对带色彩恢复的多尺度Retinex色调映射算法(MSRCR)在分离图像光照信息时未保留部分细节信息,导致结果图像出现细节模糊和颜色失真的问题,提出了一种具有细节补偿和色彩恢复的多尺度Retinex色调映射算法(MSRCD).该算法利用Retinex理论的基本原理将高动态范围图像分为反射层和光照层,先使用双边滤波从图像光照层中提取出细节信息进行补偿,然后从图像的反射层中分离出基本层信息并进行自适应调整,压缩其动态范围,最后通过色彩校正还原图像颜色.实验结果表明,与MSRCR算法及基于双边滤波的算法相比,MSRCD算法的处理结果保留了更丰富的细节信息,色彩逼近于真实场景且避免了光晕的产生.     

自适应分区的色调映射算法

针对HDR图像色调再生提出了一种自适应分区映射算法.首先将HDR图像的色度和亮度信息分离,根据直方图特征对亮度进行自适应分区,并构造分段线性色调调整函数,将显示亮度范围分别分配给不同的亮度分区,以增加再现图像的感知对比度;然后通过双边滤波技术提取图像细节进行补偿,保证了再现图像细节可见;最后将彩色和非彩色信息合成,并对亮度压缩带来的彩度损失进行色彩校正.实验表明:新算法在动态范围压缩、细节保持和颜色表现上均优于传统算法.     

基于Retinex的亮度-梯度协同引导色调映射算法

针对梯度域色调映射方法在图像主观显示性能方面存在的不足,利用人类视觉系统的感知能力和梯度域方法,提出一种基于Retinex理论的亮度-梯度协同引导色调映射算法.首先,提出作用域感知的自适应归一化方法,针对不同作用域算法构造归一化映射;然后,引入Retinex亮度引导项对背景亮度进行估计,并基于梯度引导项对图像进行动态范围压缩;最后,将亮度、梯度引导项联合进行统一建模,用指数平均局部方差权重抑制光晕.实验结果表明,该算法在动态范围压缩的同时抑制了过饱和与伪影现象,具有良好的视觉效果和鲁棒性.     

一种多尺度X射线胸片图像增强算法

针对医学X射线胸片增强的同时会在大尺度边缘产生伪影从而影响医学诊断的问题,提出了一种基于边缘的非线性X射线胸片增强算法(MSCE).该算法先将图像进行多尺度分解,然后结合人眼视觉对对比度敏感的感知特性,计算图像基于边缘的局部对比度,通过结合其局部对比度信息控制各尺度信号增强系数,最后重建得到增强后的图像.MSCE算法能在保证小信号增强能力的同时,较大限度地抑止大尺度信号边缘伪影.实验结果表明,与Vuylsteke以及Stahl的非线性增强算法相比,在保证同样细节增强能力的同时,其大尺度边缘区的平均局部方差分别下降了约36.78%和29.64%,实验验证了MSCE算法具有优越的整体视觉质量.     

双能X射线高动态范围安检图像压缩算法

为使拥有高动态范围的双能X射线安检图像在普通显示器上显示时不丢失细节,提出了一种基于多尺度局部保边(local edge-preserving,LEP)滤波的自适应色调映射算法.该算法对原始图像进行多尺度LEP滤波,得到1个基础层和3个细节层.随后对基础层进行对数自适应色调映射,并对3个细节层进行Sigmoid函数自适...     

贺兰山岩画的多尺度非局部滤波算法

针对贺兰山岩画提出了一种新的滤波算法,该方法基于混合多尺度和非局部平均滤波的思想处理噪声图像.首先,将RGB彩色空间转换到L*a*b*颜色空间;其次,对L*a*b*颜色空间的每个分量进行多层小波变换;然后通过2种不同的策略处理粗尺度的小波系数,即对低频系数进行非局部平均滤波,对高频系数进行阈值处理,并对处理后的粗尺度小波系数进行重构得到上一层的低频图像;之后,对每一个尺度继续上面的操作直到得到最细尺度的系数,并对完全重构的图像进行非局部平均滤波;最后,将处理结果转换到通常的RGB彩色空间.大量的实验用于讨论参数的选取和算法的有效性.结果表明,该方法在计算效率、鲁棒性和视觉效果方面均优于已有的混合高斯尺度方法、多尺度双边滤波方法、非局部平均滤波方法.     

基于多尺度分析的足迹图像滤波方法

根据足迹图像的特点,给出一种基于多尺度形态学足迹图像滤波算法。首先将噪声图像中不同尺度的亮特征和暗特征提取出来并分别保存在形态学开闭塔中,然后根据不同尺度噪声的多少给予不同的权重进行噪声平滑处理,最后通过对形态学开闭塔进行重构得到滤波图像。实验数据表明:在足迹图像滤波中本文给出的方法要优于文中提到的其他方法。     

一种用于多尺度边缘检测的小波变换滤波器系数计算方法

提出了一种用于多尺度边缘检测的小波变换滤波器系数的计算方法,并且以具体例子进行了检验,表明了该方法的有效性。     

基于小波变换的多尺度图象边缘检测

提出了一种新的图象边缘检测方法,这种方法解决了第一代多尺度边缘检测方法中存在的两个问题,即边缘仅定义为信号的奇异性表现和滤波尺度参数难以选择。实验结果表明,本方法和传统的边缘检测算法相比具有定位精度高,去噪效果好等明显的优点。     

小波变换模极大值多尺度边缘检测算法分析

文章利用小波变换和多分辨率分析的性质,从多尺度角度对图像边缘检测算法进行分析,总结出小波变换模极大值多尺度边缘检测算法。通过对标准图像Lena进行小波变换模极大值多尺度边缘检测结果发现,其比小波变换模极大值边缘检测算法和Canny算法在部分边缘检测中得到了更多的细节信息,使图像变得更真实。     

基于中值与均值滤波的边缘检测优化算法

图像在采集过程中容易受到视角、尺度、亮度、污渍、模糊等不确定因素的影响,造成较大失真.为减少失真,提高边缘提取的精度,在多噪声环境下,提出了中值与均值滤波相结合的边缘检测优化算法,实验仿真结果表明,该算法能有效抑制噪声,能提高图像边缘提取的精度.     

多尺度小波变换在自适应滤波中的应用

分析了小波变换的基本理论和小波变换的多尺度分析，并根据多尺度小波变换的多分辨率特性，提出基于多尺度小波变换的自适应滤波，构造了其仿真模拟图，并对其进行了仿真，通过LMS自适应滤波和多尺度小波变换自适应滤波的信真图对比，表明该方法可行的。     

自适应形态学滤波器研究

形态学滤波器是从数学形态学发展起来的一种新型非线性滤波器,由于其具有并行性与可快速实现的特点,在信号处理和图像分析领域中得到一定的应用,但形态学操作在抑制图像噪声的同时会模糊图像导致较多的细节损失,本文在现有的形态学滤波器基础上提出一种自适应的形态学滤波算法,此算法可以根据被处理图像局部特征的变化自适应选择最佳结构元进行形态学运算,通过实验和测试结果比较,其在噪声去除能力特别是局部细节保持方面都优于现有的形态学滤波器。     

基于非参数聚类和多尺度图像的目标跟踪

提出了一种基于非参数聚类和多尺度图像的目标跟踪算法.在利用改进的非参数颜色聚类进行自适应划分目标颜色空间的基础上,定义了目标模型和候选目标模型,该模型利用高斯函数建模颜色直方图中的每一个颜色特征位的空域分布; 根据Bhattacharyya系数的定义得到了目标模型和候选目标模型之间的相似性函数.跟踪算法利用高斯金字塔得到的多尺度图像进行从粗到细的目标空间定位;同时通过利用推导的核函数自动带宽选择公式,实现了目标尺度定位.实验结果表明该方法优于典型的均值漂移跟踪方法,从而验证了该方法的有效性.     

一种基于小波多尺度分析的水下图像增强方法

本文主要介绍了一种利用小波多尺度分析进行水下图象增强的方法。为降低对水下图像噪声增强程度,方法对不同尺度上的系数进行不同尺度的对比度增强。通过真实水下图像实验证明了该方法的有效性。