基于图像边缘检测的变系数误差扩散方法

误差扩散算法是一种重要的图像半色调化技术,被广泛应用于各种二值化的输出设备当中,但传统的误差扩散算法生成的半色调图像易出现"蠕虫"现象和边缘模糊。针对此问题,本文提出一种结合图像边缘检测的变系数误差扩散方法,该方法以Ostromoukhov提出的变系数误差扩散算法为基础,利用其优化后的误差扩散系数,可以较好地克服"蠕虫"现象。在此基础上,采用Sobel算子检测图像的边缘并沿边缘方向修正误差扩散滤波系数,以较好地保持原图像的边缘特性。实验结果表明,利用该方法产生的半色调图像不仅具有蓝噪声特性,而且边缘结构清晰。     

数字半色调技术中的误差扩散算法的研究

误差扩散是一种非常优秀的调频半色调技术,但这种方法在图像高光和暗调以及阶调平滑区域会产生“蠕虫”,同时噪声较多,导致半色调图像的边缘不清晰。在Floyd和Steinberg的误差扩散算法的基础上,设计一种新的基于平均阈值和改变扫描路径的误差扩散算法——阈值采用平均值法,通过优化平均阈值方法中的γ值得到最优的半色调图像,同时扫描路径采用“蛇型”路径。实验结果表明该算法可以减少“蠕虫”,增强图像的边缘,提高半色调图像的主观视觉效果。     

基于点扩散和误差扩散的半色调自隐藏算法

将秘密图像隐藏在一幅基于点扩散或误差扩散的半色调图像中,实现基于点扩散和误差扩散的半色调自隐藏算法;以基于点扩散的双向共轭信息隐藏算法为基础实现基于点扩散的灰度半色调自隐藏算法,将该算法扩展到基于误差扩散的灰度半色调图像,提出基于误差扩散的灰度半色调自隐藏算法;以最新的基于点扩散和误差扩散的新共轭数据隐藏算法为基础,提出基于点扩散和误差扩散的彩色半色调自隐藏算法。将四类自隐藏算法进行实验验证,对不同半色调自隐藏算法的性能进行了比较。结果表明在相同参数下,基于误差扩散的彩色半色调自隐藏算法具有最好的性能。     

基于跳跃扫描误差扩散半色调算法研究

误差扩散算法最早是由Floyd-Steinberg提出,并在当时成为处理效果最好的算法之一。它可以输出视觉效果良好的半色调图像,因而得到了广泛的推广。为改善该传统误差扩散算法均易在中频区域产生结构性纹理现象,提出了一种基于跳跃扫描路径的误差扩散半色调算法。算法在对像素点进行扫描时会根据一定的条件进行跳跃扫描,直接处理若干像素点之后的像素,并将处理后的误差扩散至相邻但还未经处理的像素点上。大量的实验表明,合理的跳跃距离能够帮助有效地抑制半色调图像中的结构性纹理,得到效果更好的半色调图像,具有更深远的意义和实际应用价值。     

一种呈现清晰纹理的快速误差扩散算法

清晰地呈现图像的细节纹理结构是现代数字半色调技术研究的重要方面.提出一种简单有效、且能保持原图像纹理结构的半色调误差扩散算法.该算法以Ostromoukhov算法为基础,根据图像灰度空间的局部分布特征,通过计算误差扩散像素点的局部视觉纹理反馈信息,对原固定阈值进行调节.实验结果表明,改进后的算法生成的半色调图像再现的纹理结构清晰自然,且具有蓝噪声特性,在PSNR、UIQI和SSIM三项指标评测方面均有较好表现.     

基于点扩散函数的多聚焦图像融合方法

提出了一种新的基于点扩散函数的多聚焦图像融合算法，采用高斯函数对多聚焦图像进行多次卷积，通过与原近似误差图像的比较，得到聚焦清晰和模糊区域，采用形态学方法将其分割出来，并根据最大值融合规则对其进行了融合。试验结果表明，该算法可将图像分割成多个聚焦区域，边缘清晰、融合效果良好。     

一种新型图像噪声抑制各向异性扩散算法

噪声抑制是红外图像处理中一个重要的研究课题,但常用的去噪算法会造成细节的损失。为有效地抑制噪声,同时保护边缘,在P-M扩散模型的基础上,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。该算法的核心内容是将图像分为边缘区和非边缘区两个区域,对非边缘区采用常规P-M扩散方程完成噪声的滤除,对边缘区采用基于方向信息测度的非线性扩散方法,在平滑去噪的同时对边缘进行修整、增强。最终的仿真结果表明,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,该算法具有良好的前景和实用价值。     

基于K-means聚类的数字半色调算法

数字半色调是在二值设备或多色二值设备上实现图像再现的一门技术,提出将K-means聚类法应用在数字半色调技术中。算法中应用人类视觉系统模型(HVS)和印刷模型最大限度减少原始灰度连续调图像和半色调图像之间的视觉误差;利用K-means聚类法将灰度图像划分成聚类分区,在每个聚类分区应用最小平方法(least-squares)最小化二值半色调图像和原始灰度级图像之间的平方误差,所构造的半色调算法与基于模型的最小平方法(LSMB)算法相比,随着聚类分区的增加,图像平滑且边缘清晰度增加,尤其是在图像细节部位。与LSMB算法比较,该算法的均方误差值有所降低,而权重信噪比和峰值信噪比提高了0.2～2 dB,模拟实验结果验证了算法的有效性。     

一种图像放大的偏微分方程综合模型

针对传统图像放大处理过程中基于线性插值方法通常导致边缘模糊问题,分析了各向同性扩散模型和各向异性扩散模型在图像处理中的优缺点,提出了一种线性扩散和P-M方程自适应结合的图像放大综合模型。该模型对图像非平滑区域采用各向异性扩散模型处理,而平滑区域则采用各向同性扩散模型处理。实验结果表明,该综合模型在保持图像边缘锐度的同时提高了图像的清晰度,能够有效提高放大图像的主观视觉质量和客观SNR及PSNR。     

基于误差修正的自适应边缘保持图像插值

传统插值算法容易产生细节模糊和边缘锯齿效应,而边缘是图像的重要信息,直接影响插值图像的视觉效果。为了解决这一问题,提出了一种新的基于误差修正的自适应边缘保持插值算法。首先将原图像向插值图像进行映射,再定义一个3×3的滑动窗口,用水平和垂直两个模板确定边缘类型,根据边缘类型进行插值,最后对仍未定义像素点用插值误差定理进行处理,总体上对所有像素都进行了分情况插值处理。实验结果表明,本算法有效地保持了图像的边缘信息,能够获得视觉质量较好的插值图像,且算法比较简单,容易实现。     

基于误差修正的自适应边缘保持图像插值

传统插值算法容易产生细节模糊和边缘锯齿效应,而边缘是图像的重要信息,直接影响插值图像的视觉效果.为了解决这一问题,提出了一种新的基于误差修正的自适应边缘保持插值算法.首先将原图像向插值图像进行映射,再定义一个3×3的滑动窗口,用水平和垂直两个模板确定边缘类型,根据边缘类型进行插值,最后对仍未定义像素点用插值误差定理进行处理,总体上对所有像素都进行了分情况插值处理.实验结果表明,本算法有效地保持了图像的边缘信息,能够获得视觉质量较好的插值图像,且算法比较简单,容易实现.     

结合分水岭与自动种子区域生长的彩色图像分割算法

为了对彩色图像进行有效分割,提出了一种将分水岭算法与自动种子区域生长相结合的分割算法。该算法首先利用基于边缘信赖度的各向异性扩散方程对图像进行平滑预处理,以便在去除图像噪声的同时,保持图像的边缘信息,从而有效解决了分水岭算法的过分割现象;然后在此基础上,设计了一种基于色调均值差的自动种子区域选取算法,即根据色调均值和饱和度均值的相似性来对分水岭算法分割形成的区域进行种子区域生长,并利用小图像区域消解算法对区域生长所遗留的小区域进行消解,减少了图像中小区域的数目,从而实现了对彩色图像的有效分割。实验结果表明,该算法简单、快速,且能得到较其他算法更好的分割效果。     

结合核方法的选择性各向异性扩散去噪算法

在低信噪比图像噪声抑制处理中,为了有效地保持图像边缘,在基于多相位分层分割算法的各向异性扩散模型的基础上,提出一个基于核方法的选择性各向异性扩散去噪算法。该算法根据图像数据的线性不可分特点,首先利用核方法把多相位分层分割算法中的数据项从线性不可分的低维空间推广到可实现线性可分的高维特征空间,在特征空间中实现图像分割;然后根据分割得到的同质区域的梯度信息改进了P-M模型中的扩散系数;最后,在同质区域中采用改进的P-M模型平滑噪声。实验结果表明,该算法无论在噪声去除还是边缘保持上都具较好的效果。     

基于异性扩散方法的数字图像水印研究

基于人类视觉系统的特性,提出一种结合各向异性扩散和小波域的数字水印算法。根据各向异性扩散在图像处理中具有良好的边缘保持与增强的作用,首先对原图像进行各向异性扩散,在其小波分解高频区域求解噪声敏感模型,确定水印嵌入合适位置,最后把水印信息嵌入到原图像的小波域的等同位置。实验证明了算法在保证水印不可见性的同时,具有较好的鲁棒性。运用各向异性扩散方法的结果也提高了水印方法的安全性。     

基于边缘和模型的半色调图像水印算法*

考虑人眼视觉掩蔽特性,提出了一种基于图像边缘和模型的数字半色调图像水印算法。通过分析半色调图像边缘特性,将二值水印嵌入到半色调图像边缘区域,再结合视觉和打印模型对半色调图像进行优化,得到含水印半色调图像。仿真实验表明,该方法不会在含水印半色调图中产生明显椒盐状噪声,可取得较好的水印不可感知性。当此半色调图像打印输出,再遭受裁剪、随机涂改、JPEG压缩攻击后,仍能提取出有效的水印信息。     

基于边缘检测的动态误差分散半色调算法

针对数字半色调技术中的传统误差分散方法因误差分散系数固定而导致图像真实细节损失的问题,提出了一种基于边缘检测的动态误差分散算法。该方法沿着每个像素的误差分散方向进行边缘检测,再根据边缘检测结果动态地选择该像素各个方向的误差分散系数,减小了误差分散过程中的误差积累。实验表明,此方法可以明显改善由于误差分散系数固定而引起的图像轮廓细节损失。     

基于中值滤波和梯度锐化的边缘检测

实现一种基于中值滤波和梯度锐化的边缘检测方法。首先采用既能过滤噪声又能保护边缘信息的中值滤波对图像进行平滑处理。然后采用梯度锐化加强边缘像素强度,通过简单的二值化获得图像的初始边缘,系统采用连通区域标记的方法去除位于图像封闭边界内的残留黑块。最后通过实验结果与人工提取的结果比较,进行误差分析,找出本文算法的不足之处,以便对该算法进行改进。实践证明,本文的边缘检测方法对含有噪声点且灰度分布比较均匀的图像有很好的效果。     

基于UGM灰预测模型的图像边缘提取算法

由于传统的边缘检测算法会产生信息漏检等问题,为了更有效检测出图像的边缘信息,提出了基于UGM灰预测模型边缘检测算法。该算法分别在垂直和水平方向上选取与考察点相邻的4个灰度值作为建模数据,通过UGM模型对建模数据进行处理,得到2幅预测图像,用原始图像分别减去2幅预测图像,根据正负得到4幅误差子图像,将4幅误差子图像相加,检测图像边缘。在此基础上,通过对误差子图像加入调节因子[q],提高边缘的清晰度。该算法与传统算法的结果比较表明该方法能清晰地检测出图像边缘点,图像的细节信息很好地保留下来,且对噪声图像具有一定的抗噪性,说明该算法是一种非常有效的图像边缘检测算法。     

一种改进的整体变分图像修复方法

提出了一种基于整体变分模型的图像修复方法,该方法通过计算像素点的梯度信息来构造一个扩散函数,再进行加权处理,达到了对原模型的改进。实验表明,该方法修复有较大破损区域的图像效果比较好,边缘过渡更自然。     

一种改进的基于蓝噪声的误差分散算法

传统的误差分散算法大大促进了数字半调技术的发展。但由于该算法采用类似扫描仪的处理路线,简单的误差分散核,固定的阈值,并且忽略了关键灰度、点增益、图像色调,很容易出现比较明显的人工纹理。论文提出了一种改进的基于蓝噪声的误差分散算法。该算法采用可变的处理路线,多灰度误差分散核,并且根据图像色调、点增益自动调整量化阈值和关键灰度的误差分散系数,达到了较好的视觉效果。