Robust window operators

It is a common practice in computer vision and image processing to convolve rectangular constant coefficient windows with digital images to perform local smoothing and derivative estimation for edge detection and other purposes. If all data points in each image window belong to the same statistical population, this practice is reasonable and fast. But, as is well known, constant coefficient window operators produce incorrect results if more than one statistical population is present within a window, for example, if a gray-level or gradient discontinuity is present. This paper shows one way to apply the theory of robust statistics to the data smoothing and derivative estimation problem. A robust window operator is demonstrated that preserves gray-level and gradient discontinuities in digital images as it smooths and estimates derivatives.     

A class of adaptive directional image smoothing filters

The gray level distribution around a pixel of an image usually tends to be more coherent in some directions compared to other directions. The idea of adaptive directional filtering is to estimate the direction of higher coherence around each pixel location and then to employ a window which approximates a line segment in that direction. Hence, the details of the image may be preserved while maintaining a satisfactory level of noise suppression performance. In this paper we describe a class of adaptive directional image smoothing filters based on generalized Gaussian distributions. We propose a measure of spread for the pixel values based on the maximum likelihood estimate of a scale parameter involved in the generalized Gaussian distribution. Several experimental results indicate a significant improvement compared to some standard filters.     

标准正则化理论的一些推广和应用

在标准正则化理论中建议一类局部相互作用场和自适应正则项。局部相互作用场包括通常的误差项和一窗口函数。窗口的大小，取向和形状可以视具体的应用加以调整。自适应正则项用来处理不连续变化。这两项导致一对称的能量泛函。最简单的梯度下降算法通常在参数变化和有噪声时也很稳定，有效。     

基于纹理分析的保细节平滑滤波器

平滑去噪是图象处理中一个重要课题,但是以往在处理平滑去噪问题上一直存在平滑和保细节的矛盾。为解决此问题,提出了一种基于纹理分析和保细节平滑滤波器,该滤波器采用了多尺度多方向的模板,并利用纹理分析等手段,同时根据图象各部分特性,通过自适应地选择模板来进行平滑滤波,该算法兼顾了降噪和保细节两方面要求。实验结果证明,该算法实现简单,计算速度快,且效果优于其他几种常用的保边界平滑算法。     

基于递归滤波的边缘检测算法

针对包含不同程度噪声数字图像的边缘检测问题,提出了两种建立在房顶型模糊边缘模型基础上的平滑和边缘检测滤波器。首先用这些滤波算子以三阶递归的形式实现图像的平滑及梯度计算,再进行非极大值抑制及双阈值的边缘检测连接。实验结果表明,该方法得到的梯度图像均比Canny和Deriche滤波算子清晰,所得边缘图像也更加完整,检测时间也少于其他方法。     

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。     

一种基于自适应阈值的保细节平滑滤波器

基于多尺度多方向的模板,提出一种自适应地的细节平滑算法.该算法一方面保持了模板在保留图像细节特征方面的优势,另一方面利用图像灰度梯度直方图的统计特征,将整幅图像分割成若干子图像,再根据各个子图像的特性,并结合全局梯度特征信息自适应地生成动态阈值,有效地解决了以往阈值选取的困难,提高了图像平滑的自动化程度.与现有的其他算法相比,该算法实现简单,计算速度快,在实际应用中取得了很好的效果.     

一种改进的自适应保细节中值滤波算法

中值滤波是常用的降噪算法,它可以保留比较尖锐的边界,但是却容易模糊图象的细节。尽管已经有一些改进算法,但效果并不十分理想。文章介绍了一种保细节中值滤波算法,采用了多尺度多方向的窗口,根据图象各部分特性自适应地选择窗口进行中值滤波。实验结果证明,文章的算法优于其他几种常用的中值滤波算法。     

自适应偏心窗口平滑滤波图像修复

提出一种自适应平滑滤波数字图像修复新算法,采用变动中心的非线性平滑滤波算子,克服了固定中心点算子产生的边缘模糊问题。为了兼顾处理效果和计算效率,根据待修复的像素是位于图像平滑区还是边缘突变区,自适应地切换处理方法。实验表明,该算法对2种类型的像素均能取得较好的修复效果。提出用“分块校验和”方法在需要保护的图像中嵌入脆弱数字水印,一旦图像受损,即可精确得到损坏像素的定位模板,在修复中不再需要人工干预。     

Edge-preserving smoothing using a similarity measure in adaptive geodesic neighbourhoods

This paper introduces a novel image-dependent filtering approach derived from concepts known in mathematical morphology and aiming at edge-preserving smoothing of natural images. Like other adaptive methods, it assumes that the neighbourhood of a pixel contains the essential information required for the estimation of local features in the image. The proposed strategy essentially consists in a weighted averaging combining both spatial and tonal information. For that purpose, a twofold similarity measure is calculated from local geodesic time functions. This way, no prior operator definition is required since a weighting neighbourhood and a weighting kernel are determined automatically from the unfiltered input data for each pixel location. By designing relevant geodesic masks, two adaptive filtering algorithms are derived that are particularly efficient at smoothing heterogeneous areas while preserving relevant structures in greyscale and multichannel images.     

多重光照色差下图像平滑美化处理算法

夜间多重光照下采集的图像存在色差,采用白平衡偏差补偿方法实现夜间多重光照下图像的平滑美化处理,以提高图像的成像质量。传统的图像平滑算法采用循环跟踪像素点特征提取算法,出现白平衡偏差时图像的色差补偿效果不好。提出一种基于白平衡偏差补偿的夜间多重光照下的色差图像平滑算法。首先进行图像特征采集和自适应均衡预处理,对夜间多重光照下的色差图像进行白平衡偏差补偿,然后采用图像盲去卷积算法进行图像平滑,通过目标特征模型在空间上的相似度函数来确定图像光照色差的特征权值,沿梯度方向求得图像边缘信息,再通过特征聚类对夜间多重光照色差图像自动划分目标空间,最大程度地对夜间多重光照下的色差图像的细节特征进行平滑美化。仿真结果表明,采用该算法进行白平衡偏差补偿的夜间多重光照色差下的图像平滑美化处理方法具有较好的图像平滑性能,计算开销较小,图像的细节特征平滑效果最佳,其优于传统算法。     

基于多目标检测与跟踪的密集客流检测

针对密集交通场景中的客流检测问题,提出了基于支持向量机(SVM)多目标检测与Mean Shift跟踪相结合的方法.首先采用自适应检测窗口提取梯度方向直方图,经过SVM分类和聚类算法,得到头部图像初始假设.然后采用Mean Shift算法,对头部假设进行跟踪,得到连续的头部图像序列.通过SVM分类器对序列图像进行整体判断,得到客流信息.实验结果表明,自适应滑动窗口的方法减少了特征提取阶段的处理时间,提高了检测速度;同时,通过对得到的跟踪序列进行整体判别,客流量的检测精度得到了提高.     

Smoothing of Partition of Unity Implicit Surfaces for Noise Robust Surface Reconstruction

We propose a novel method for smoothing partition of unity (PU) implicit surfaces consisting of sets of non-conforming linear functions with spherical supports. We derive new discrete differential operators and Laplacian smoothing using a spherical covering of PU as a grid-like data structure. These new differential operators are applied to the smoothing of PU implicit surfaces. First, Laplacian smoothing is performed for the vector field defined by the gradient of the PU implicit surface, which is then updated to reflect the smoothing of the gradient field. This process achieves a method for noise robust surface reconstruction from scattered points.     

图像平滑的自适应保真全变分模型

提出一种自适应保真的全变分平滑模型,证明其解的稳定性。结合各向同性和全变分的优点,利用扩散系数构造保真项,从而增强图像边缘,该模型根据图像的梯度信息确定门限值进而选择合适的图像平滑方法。在去除噪声和保持边缘的同时避免了“阶梯”效应,实验结果表明,该模型能有效地去除噪声,提高图像的峰值信噪比。     

Context-aware mesh smoothing for biomedical applications

Smoothing algorithms allow to reduce artifacts from mesh generation, but often degrade accuracy. Thus, we present a method that identifies staircase artifacts which result from image inhomogeneities and binary segmentation in medical image data for subsequent removal by adaptive mesh smoothing. This paper makes the following specific contributions: caps, which are flat regions, resulting from segmentation or clipping at the endings of anatomical structures are detected and modified by smoothing; the effects of the adaptive smoothing method involving context information are quantitatively analyzed with respect to accuracy and their influence on blood flow simulations; the image stack orientation, which is relevant for this context-aware smoothing approach, is estimated automatically from the surface models. Thus, context-aware smoothing enables to adaptively smooth artifact areas, while non-artifact features can be preserved. The approach has been applied to CT neck datasets, as well as phantom data and the results are evaluated regarding smoothness and model accuracy. The accuracy of model orientation estimation and cap detection has been evaluated for clinical and phantom data. Finally, context-aware smoothing has been applied to CT angiography data for the simulation of blood flow. The simulation results are presented and prove the general suitability of context-aware smoothing.     

医学图像的自适应非局部均值去噪算法

为改善医学图像的质量以利于临床诊断,提出一种基于梯度信息的自适应非局部均值去噪算法。利用梯度方向信息实现对局部相似窗的自适应旋转,从而搜寻到更多的匹配像素点。基于最小二乘思想建立最佳阈值与噪声标准差的关系模型,实现滤波参数的自适应选择。实验结果表明,该算法的去噪效果较好,可用于医学图像的后处理阶段。     

强度和梯度稀疏约束下的图像平滑

目的 为了在图像平滑过程中达到更好地保留边缘去除细节效果,提出一种以像素强度和梯度的稀疏特性为双重约束的图像平滑算法。方法 该算法首先构造一个像素强度和梯度的0-范数函数,作为平滑模型的约束项;然后采用半二次变量分裂法引入辅助变量,构造最终的较易求解的平滑模型;最后利用交替最小化算法求解该模型,并在傅里叶频域内求解平滑图像的解析解,以加快算法的运行速度。结果 在自然图像上进行的平滑实验并与其他算法对比表明,本文的算法时间仅需3.42 s,比双边滤波算法快7.85 s,能够较好地满足图像平滑保留边缘去除细节的要求以及计算效率的要求。结论 本文以强度和梯度的稀疏特性为约束的图像平滑算法能够较好地去除图像中不重要的细节,保留图像的边缘特征,较好地实现了图像的平滑效果,适用于含有复杂背景噪声的图像平滑去噪及边界增强。     

基于梯度曲面面积与稀疏约束的图像平滑方法

针对纹理图像在平滑过程中低对比度边缘易丢失和纹理细节抑制不彻底等问题,提出基于梯度曲面面积与稀疏约束的图像平滑方法。首先,将图像视作三维空间中的二维嵌入曲面,再在此基础上分析图像的几何特征并提出梯度曲面面积约束正则化项,以提高纹理抑制性能;其次,根据图像的统计特性,建立L₀梯度稀疏与自适应梯度曲面面积约束的混合正则化约束图像平滑模型;最后,采用交替方向乘子法对非凸非光滑的优化模型进行高效求解。通过纹理抑制、边缘检测、纹理增强和图像融合等方面的实验结果可知,所提出的图像平滑算法克服了L₀梯度最小化平滑方法易造成的阶梯效应和欠滤波等缺陷,能够在去除大量纹理信息的同时保持并锐化图像显著的边缘轮廓。     

改进的跨尺度引导滤波立体匹配算法

作为双目三维重建中的关键步骤,双目立体匹配算法完成了从平面视觉到立体视觉的转化.但如何平衡双目立体匹配算法的运行速度和精度仍然是一个棘手的问题.本文针对现有的局部立体匹配算法在弱纹理、深度不连续等特定区域匹配精度低的问题,并同时考虑到算法实时性,提出了一种改进的跨多尺度引导滤波的立体匹配算法.首先融合AD和Census变换两种代价计算方法,然后采用基于跨尺度的引导滤波进行代价聚合,在进行视差计算时通过制定一个判断准则判断图像中每一个像素点的最小聚合代价对应的视差值是否可靠,当判断对应的视差值不可靠时,对像素点构建基于梯度相似性的自适应窗口,并基于自适应窗口修正该像素点对应的视差值.最后通过视差精化得到最终的视差图.在Middlebury测试平台上对标准立体图像对的实验结果表明,与传统基于引导滤波器的立体匹配算法相比具有更高的精度.     

基于多尺度梯度域引导滤波的低照度图像增强算法

针对低照度彩色图像整体亮度较低，增强图像中颜色易失真，部分图像细节淹没在较低灰度值像素中等问题，提出一种改进的低照度图像增强算法。首先，把待处理图像转换到色调、饱和度、亮度（HSI）颜色空间，对亮度分量进行非线性全局亮度校正；然后，提出多尺度梯度域引导滤波的亮度增强模型，利用该模型对校正后的亮度分量进行增强，接着对增强后的亮度分量进一步实施避免颜色失真的亮度校正；最后，将图像再转换回红绿蓝（RGB）颜色空间。实验结果表明，增强后的图像亮度平均提高90.0%以上，清晰度平均提高123.8%以上，这主要得益于多尺度梯度域引导滤波具有更好的亮度平滑和增强能力；同时由于减小了颜色失真，使增强图像的细节表现能力平均提高18.2%以上；由于采用了多尺度梯度域引导滤波的亮度增强模型与直方图自适应的亮度校正算法，使提出的低照度图像增强算法适宜应用于夜间等弱光源条件下的彩色图像增强。