自适应尺度的双边纹理滤波方法

目前已有的结构保持的纹理平滑方法主要是利用矩形片内的统计量来区分纹理和结构,但是所用的矩形片边长是单一尺度的,这将导致含有尖锐结构或结构在多个尺度上的图像出现纹理过平滑或未平滑的现象。为此,提出一种自适应尺度的双边纹理滤波方法。首先,通过对局部区域进行统计分析,从给定候选值中自适应地为每个像素选取合适的矩形片边长,对于均匀的纹理区域,选取较大的矩形片边长,对于邻近特征边的区域选取较小边长;其次,利用自适应的矩形片边长计算引导图像;最后,对原始图像进行引导双边滤波。实验结果表明,所提方法能够在保持图像结构的同时更好地平滑纹理。     

基于半高斯梯度算子的尺度自适应纹理滤波

为了解决现有纹理平滑方法不能在抑制纹理的同时保持细窄结构的问题,提出一种基于半高斯梯度算子的尺度自适应纹理滤波算法.首先提出一种具有结构保持和纹理抑制效果的半高斯梯度算子,其幅值能够较好地区分结构和纹理,方向能够较好地反映结构法向;然后基于半高斯梯度的幅值为每个像素估计最优的滤波尺度,并借助高斯滤波得到一幅大部分纹理得到抑制的引导图像;最后在双边滤波的基础上引入基于半高斯梯度方向的滤波方向核,提出一种基于引导图像的三边纹理滤波算法,能够有效地避免图像平滑结果中存在的结构附近毛刺残留现象.大量实验结果证明,该算法可以在抑制纹理的同时保持结构的完整性,尤其是在保持细窄结构以及结构周围的整洁等方面超越了已有的方法.     

结构识别引导下的纹理抑制图像平滑

目的 针对目前已有的纹理平滑方法难以在抑制强梯度和尺度变化纹理的同时保持完整结构的问题,提出一种结构识别引导下的纹理抑制图像平滑算法。方法 首先,结构与纹理的根本区别在于重复模式,结构应该是稀疏的,而纹理应该是一个有重复模式的区域,因此,通过对结构/纹理的多尺度分析,提取了对于结构/纹理具有辨别力的多尺度内变差特征;然后,借助支持向量机,对提取的特征样本点训练出一个结构/纹理分类器;就分类结果中存在的结构较粗、毛刺等问题,进一步对分类结果进行细化和剔除毛刺与孤立点的后处理操作,以获得最终的更为精细的结构识别结果;最后,提出结构引导下的自适应双边图像滤波算法,达到既能抑制强梯度和尺度变化的纹理又能保持结构完整性的图像平滑效果。结果 本文提出的多尺度内变差特征在支持向量机训练中达到了96.12%的正确率,结构引导下的图像滤波能够在保持结构的同时,有效地抑制强梯度和尺度变化的纹理细节。结论 本文算法在兼顾结构的保持和强梯度以及尺度变化纹理的抑制方面超越了已有的方法,对于结构提取、细节增强、图像分割、色调映射、图像融合和目标识别等众多技术领域的发展将具有较强的促进作用,体现了潜在的实际应用价值。     

采用引导滤波的超声纹理补偿图像优化

针对医学超声图像中声衰减补偿引起的组织结构模糊、清晰度降低问题,提出一种基于引导滤波的自适应优化超声图像方法.首先分析声衰减对医学超声成像能量的影响;其次比较超声信号能量补偿常用方法,选用图像纹理信息进行衰减补偿;再结合引导滤波保边平滑特性,根据超声图像组织结构与斑点噪声均值与方差特性自适应优化,得到具有更多临床诊断信息的高品质超声图像.实验结果表明,该方法改善了图像清晰度,在增强图像组织结构的同时弱化斑点噪声,其有效性在仿真体模、正常与病变组织的超声图中得到了验证.     

面向纹理平滑的方向性滤波尺度预测模型

目的 传统图像处理的纹理滤波方法难以区分梯度较强的纹理与物体的结构,而深度学习方法使用的训练集生成方式不够合理,且模型表示方式比较粗糙,为此本文设计了一种面向纹理平滑的方向性滤波尺度预测模型,并生成了含有标签的新的纹理滤波数据集。方法 在现有结构图像中逐连通区域填充多种纹理图,生成有利于模型训练的纹理滤波数据集。设计了方向性滤波尺度预测模型,该模型包含尺度感知子网络和图像平滑子网络。前者预测得到的滤波尺度图不但体现了该像素与周围像素是否为同一纹理,而且还隐含了该像素是否为结构像素的信息。后者以滤波尺度图和原图的堆叠作为输入,凭借少量的卷积层快速得出纹理滤波的结果。结果 在本文的纹理滤波数据集上与7个算法进行比较,峰值信噪比(peak signal to noise ratio,PSNR)与结构相似度(structural similarity,SSIM)分别高于第2名2.79 dB、0.0133,均方误差(mean squared error,MSE)低于第2名6.863 8,运算速度快于第2名0.002 s。在其他数据集上的实验对比也显示出本文算法更好地保持结构与平滑纹理。通过比较不同数据集上训练的同一网络模型,证实了本文的纹理滤波数据集有助于增强模型对于强梯度纹理与物体结构的区分能力。结论 本文制作的纹理滤波数据集使模型更好地区分强梯度纹理与物体结构并增强模型的泛化能力。本文设计的方向性滤波尺度预测模型在性能上超越了已有的大多数纹理平滑方法,尤其在强梯度纹理的抑制和弱梯度结构的保持两个方面表现优异。     

基于小数目标尺度的图像混合滤波算法

为了在有效去除可见光图像噪声的同时最大限度地保持图像的边缘、纹理等细节,将已有的目标尺度改进为小数目标尺度以便更精确地反映局部目标结构的大小,提出了基于小数目标尺度的自适应高斯滤波和基于小数目标尺度的自适应中值滤波的混合滤波算法。前者通过小数目标尺度来自适应地控制高斯核的尺度和滤波的模板大小,后者利用小数目标尺度自适应地筛选出脉冲噪声点并进行中值滤波,并弥补前者在抑制脉冲噪声方面的不足。理论分析和仿真实验结果均表明,所提出的算法不仅可以去除各种类型的点状噪声,而且在图像细节的保护和信噪比方面优于其他几类传统算法。     

基于正交准则的小波滤波和各向异性耗散的天文纹理提取

天文图像具有复杂的形态学层级结构和不规则的纹理形态,可在不同尺度和方向上表示。该文针对天文纹理表示,从正交性对其机理进行假设,从而提取纹理信息。基于正交优化准则( OOC)、小波以及各向异性耗散( AD),提出一种天文图像的纹理特征提取方法。该方法的理论假设为图像纹理和分段平滑分量互相正交,核心技术是正交性参数估计。首先采用基于正交测度的小波阈值方案,使用多尺度框架在不同尺度和方向对纹理进行提取和分析,然后用滤波后分段平滑分量作为下一步耗散的初始值。参数估计用于小波阈值估计和AD迭代步数估计。数据实验采用星系和引力透镜数据,并与国际流行的6种图像分解算法比较。结果证明该方法在天文纹理特征提取上达到令人满意的效果,具有一定优势和先进性。     

细节感知的纹理滤波算法

目的 基于现有的研究提出一种细节感知的纹理去除算法,在去除图像纹理时,能够很好地保持图像的结构信息,尤其是诸如细长结构和边角信息等在其他方法中容易被模糊化的特殊细节。方法 首先,本文提出一种能够识别细长结构的结构检测方法,对细长结构进行检测并增强其结构特征。其次,为了估计每个像素点的最优滤波核尺度,改进原有的相对总变差模型,多方向寻找最小相对总变差,使它能够更好地区分纹理和边界,并且将边角信息从纹理中区分出来。然后,将检测出来的细长结构归一到改进的相对总变差的度量尺度上,估计滤波核尺度,生成引导滤波图像。这样就能够在平坦或有纹理的区域运用大尺度的滤波核,并在结构边缘和边角附近减小滤波核。最后,通过联合双边滤波器得到纹理去除后的图像。结果 实验测试了马赛克图像和艺术画作,对比了相对总变差和尺度敏感的结构保护滤波等方法,本文方法在去除纹理的同时保留了细长结构和边角细节,并且具有良好的普适性和鲁棒性。利用本文算法处理一幅含10万像素的图像,仅通过一次迭代计算就能够去除大量纹理且效果优于已有的方法,本算法的计算时间为3.37 s,其他算法为0.07~3.29 s。结论 本文设计的纹理滤波器不仅在保持诸如细长结构方面的性能更好,而且使纹理去除后的图像在边角细节处更尖锐,为图像的后续处理提供了一种强有力的图像预处理方式。     

基于自适应分数阶微分的引导滤波及其应用

引导滤波算法具有保边平滑的功能,但传统引导滤波方法容易导致图像平滑区域过度模糊、细节丢失的问题。为了使引导滤波在保持高频信息的同时结构化输出低频灰度,本文提出了一种基于自适应分数阶微分的引导滤波算法。以分数阶微分理论为基础定义了分数阶微分掩膜,并结合图像梯度、二维信息熵和局部方差权值构造了自适应分数阶微分阶数函数来有效检测图像纹理和梯度变化,从而将图像局部特性转移到引导图像中,确保在平滑去噪的同时保持图像纹理细节。实验结果表明,本文算法具有良好的边缘和纹理保持特性。另外,将本文算法运用到基于PCA和SVM的人脸识别图像预处理中,能一定程度提升人脸识别率。     

多尺度双边滤波及其在图像分割中的应用

噪声图像分割前需要先进行平滑预处理,双边滤波用于图像平滑的滤波效果取决于参数的选取．为降低参数选取的难度,本文提出一种多尺度双边滤波算法来综合不同尺度下双边滤波的平滑效果．先将多尺度双边滤波算法用于噪声图像的平滑预处理,能够在去除噪声的同时较好地保留边缘;再用间断自适应高斯马尔可夫随机场模型进行图像分割．对多个图像进行图像分割的实验结果证明了所提算法的有效性．     

基于图像分解和相对全变分的图像平滑

图像平滑旨在去除图像中纹理细节信息的同时保留重要的结构边缘,因此如何正确区分二者成了 图像平滑的关键。梯度作为计算图像变化速度的重要指标是区分结构边缘和纹理细节的有效度量,但不同图像 以及同一图像不同区域中的纹理和边缘的梯度差异并非固定不变的。为了能够有效识别结构边缘和纹理细节, 提出了基于图像分解和相对全变分的图像平滑方法。为了扩大结构边缘和纹理细节之间的差异,实现在尽可能 不改变结构边缘的前提下降低纹理细节的梯度,以多方向的梯度为约束对图像进行分解,提取图像的平滑成分。 在特定尺度下,基于图像的区域结构差异,采用相对全变分方法,在保留结构边缘的同时去除该尺度下的纹理 细节。通过迭代优化,不断调整图像区域尺度,实现对不同尺度纹理细节的逐步去除。与现有算法相比,新方 法在有效地去除纹理细节和完整地保留结构边缘方面都具有较好的视觉效果。     

基于多尺度结构张量的多类无监督彩色纹理图像分割方法

由于自然图像中包含丰富的颜色信息与多尺度的纹理信息,伴随多个同质目标区域的出现,依靠半监督手动交互标记的图像分割方法难以实现自动分割,因此提出一种多类无监督彩色纹理图像分割方法.首先,提取了颜色特征(向量结构)与多尺度纹理特征(矩阵集合),并对两者分别进行能量描述;对于2种具有不同特征结构的能量函数,通过多类融合策略计算两者的融合因子,并自适应地融合;再将融合后能量函数的全局最优化问题转化为其对应的多层Graph Cut图割模型,利用最大流?最小割理论计算得到全局近似最优解.为了自适应地控制分割过程,提出了自适应迭代分割收敛准则,并最终在自然图像及合成的彩色纹理图像上进行了质量评估与量化分析.实验结果表明,该方法具有较好的目标区域完整性与一致性,并具有较高的准确率.     

显微图像Gabor滤波增强

提出一种基于自适应融合的多尺度多方向Gabor滤波图像增强方法.使用特定不同方向不同尺度Gabor滤波器与图像卷积,卷积图像进行规格化,通过取极小值和平均值对多通道图像Gabor滤波结果进行自适应融合,得到增强图像.并将其用于AFM显微图像增强,能有效消除阴影和噪声,获得良好效果.     

基于双边核回归的相对约减纹理分解方法

图像中结构被纹理覆盖的现象无处不在,将结构从复杂的纹理中提取出来是一件非常有挑战但又极其重要的事情.为此,提出基于双边核回归的纹理分解方法,通过局部全变分的核描述子能将结构和纹理很好地区分开来,并将结果与双边核回归框架相结合:采用相对约减纹理分解来构造结构核描述子;再将该描述子与双边核回归融合来获得期望的结构感知滤波输出;最后采用一个稳定近似迭代的流程来实现所提算法.实验证明,与其他边缘感知滤波方法相比,文中方法能获得更佳的结构保持效果,并能被推广到多个视觉相关的应用上,如高动态范围色调映射、超像素分割等.     

一种流体艺术风格的自适应LIC绘制方法

把LIC算法应用到非真实感绘制中,提出一种自适应流体艺术图的LIC绘制方法.对源图像亮度分量计算切矢量场,然后对其进行增强、平滑处理获得结构矢量场;通过随机扰动源图像获得纹理参考图像;根据结构矢量场和纹理参考图像的局部特征产生可变的LIC积分步长和步数,自适应地处理纹理参考图像;最后对绘制效果进行颜色渲染,生成具有丰富颜色特征的流体艺术图.实验表明,该方法能够较好地模拟诸如梵高画的流体艺术风格,呈现生动、灵活的波动感.     

基于矢量尺度的图像滤波

对于医学图像滤波来说,很重要的一点就是滤波后的图像应该尽可能地保留图像中的边缘和细节特征.但通常在滤波过程中,在消除噪声的同时会模糊图像中一些重要的结构信息.在最近几年中,基于尺度的滤波方法已经有效地应用在灰度图像的滤波中.现把基于尺度的方法推广到矢量(彩色)图像的滤波中.在传统滤波方法(矢量中值滤波、基本矢量方向滤波和方向距离滤波)基础上,相应地提出了3种基于球尺度的矢量滤波器.新的滤波方法能根据图像中像素的尺度信息,在图像边缘和细节附近,即区域边界执行较小的平滑,而在区域内部进行较大的平滑,从而能够自适应地控制滤波过程.实验结果表明,所提出的滤波方法与传统滤波方法相比,在消除噪声的同时更能够保留图像中的边缘和细节特征.     

自适应多尺度边缘检测

提出了自适应多尺度边缘检测算法及其快速实现办法.算法通过自适应确定边缘像元的最佳滤波尺度来检测边缘,计算量较小.同时提出了一种自适应确定一幅图像边缘的尺度范围的方法,并为描述边缘特性增加了一个边缘尺度参数.用于检测实际图像边缘的实验结果是令人满意的.     

基于混合梯度最小化Mumford-Shah模型的高维滤波算法

为解决高维滤波中存在的边缘特征模糊和细节保持问题, 创新性提出了一种基于混合梯度最小化Mumford-Shah模型的平滑算法. 通过最小化包含梯度的L0、L1范数的正则化函数, 实现边缘保持和局部光滑的滤波分解效果. 从二维图像来看, 梯度的L0范数刻画了图像中非光滑像素的个数, 最小化梯度的L0范数可以实现图像分片同质的效果, 即可对应Mumford-Shah模型中要求的边缘内部尽量均匀; 梯度的L1范数, 即全变差项, 刻画了图像中所有水平集的长度, 最小化梯度的L1范数可以实现控制图像边缘锐利度的目的, 即Mumford-Shah模型中关于图像边缘保持的约束. 由于Mumford-Shah模型具有鲁棒的信号平滑和边缘特征描述能力, 因此在进行高维信号分解等处理时,可以取得良好分离效果. 实验结果表明, 混合梯度Mumford-Shah模型在滤波过程中可以实现边缘保持和纹理平滑相统一的特性, 获得优异的图像结构纹理分解效果, 对多个图像应用的处理效果有显著的提升, 在三维网格数据上也获得良好的去噪性能.     

基于目标尺度的自适应高斯滤波

将具有形态学意义的目标尺度与传统的线性高斯滤波相结合提出了一种自适应高斯滤波,它的主要思想是：利用求出的目标尺度来控制各像素点高斯滤波的方差和模板大小。针对原有的目标尺度求解算法不能适应可见光图像去噪的问题,一方面,引入中值滤波以去除对目标尺度求解影响较大的强噪声点,另一方面,又调整了求解目标尺度算法中的参数。仿真实验证明,该算法可以在去除噪声的同时保护图像的细节,而且不论从主观上还是客观上都优于传统的几类图像平滑算法,且不需要迭代求解,计算简单。     

基于自适应阻尼因子渗透滤波器的匹配代价聚合算法

针对局部立体匹配算法中局部平滑性假设导致的倾斜平面内连续视差的误估计问题,提出基于自适应阻尼因子的渗透滤波器权重匹配算法.首先构造适用于复杂多样图像结构特征的"蝶形"支持窗口;随后通过计算像素点间距离度量、灰度相似性度量及梯度信息度量,自适应地选择水平和垂直阻尼因子,并放宽局部平滑性约束条件,允许倾斜平面上灰度相似的像点存在视差变化;最后根据窗口特征计算带有阻尼因子的渗透滤波代价聚合函数.实验结果表明,该算法在保持局部匹配算法高效性的同时,明显地改善了倾斜平面的误匹配问题,且对低纹理区域同样有效.