基于前向和后向扩散的图像增强算法的改进

图像去噪和增强是图像处理和计算机视觉领域中的基本问题,而偏微分方程已经广泛应用于模糊图像的复原。针对P-M方法和原FAB方法的不足,通过区分图像的平坦区和边界区,综合这两种方法得出了新的扩散系数方程,并通过有限差分法将对应的偏微分方程离散化后得到了它的数值解。这种改进的各向异性的扩散方法,在平滑图像的同时能够保持和增强边界,对实际图像的滤波结果表明了该算法是有效的。     

基于前向和后向扩散的图像增强算法的改进

图像去噪和增强是图像处理和计算机视觉领域中的基本问题,而偏微分方程已经广泛应用于模糊图像的复原.针对P-M方法和原FAB方法的不足,通过区分图像的平坦区和边界区,综合这两种方法得出了新的扩散系数方程,并通过有限差分法将对应的偏微分方程离散化后得到了它的数值解.这种改进的各向异性的扩散方法,在平滑图像的同时能够保持和增强边界,对实际图像的滤波结果表明了该算法是有效的.     

基于异性扩散模型的图像边缘增强方法

提出了一个能增强图像边缘的异性扩散模型,结合P-M扩散模型和反热扩散模型各自的优点,能在去除图像噪声的同时增强图像的边缘,一定程度上克服了P-M扩散模型对图像边缘的模糊效应和反热扩散模型容易产生虚假边缘的缺点。实验结果表明：提出的模型有很好的去噪和增强图像边缘的效果,其峰值信噪比（Peak Signal Noise Ratio,PSNR）在强噪声水平下,较P-M扩散模型大约提高1 dB。     

多尺度模型结合改进前向后向扩散的图像放大

为了得到较好视觉质量的放大图像,提出一种图像放大方法.为了保证得到的放大图像完全满足图像退化模型的约束,在图像重建过程建立多尺度空间模型,利用拉普拉斯金字塔变换工具对图像零插值得到低分辨率空间的初始插值图像;对初始插值图像采用改进的前向后向非线性扩散得到图像的高分辨率分量,并把高分辨率分量利用拉普拉斯金字塔变换工具在空域中映射到高分辨率空间中,得到图像的高频细节和初始插值图像合成放大图像.该方法对前向后向非线性扩散进行了改进,在增强边缘的同时使边缘更加光滑.实验结果表明,文中方法能达到较显著的分辨率增强效果,比其他方法得到的图像边缘更加准确,减少了图像的不良人工效果,如边缘振铃、阶梯效应和边缘错位,而且计算复杂度低、运算速度较快.     

基于拓扑导数的复扩散在图像去噪及边缘提取中的应用

提出了基于拓扑导数的非线性复扩散用于图像去噪及边缘提取的一种算法.由于线性扩散会使图像边缘模糊,基于拓扑优化思想,对每个像素点的线性复扩散系数扰动,使得拓扑导数最小的扩散系数为最优.文中选取的扩散系数具有各向异性的特性,从而克服了Perona-Malik的各向同性扩散系数不利于去除边缘噪声的缺陷,选择拓扑导数足够小的像素点,对这些像素点用最优扩散系数进行扩散.文中给出了使算法迭代终止的判据.实验证明,与Guy Gilboa的非线性复扩散相比,本文方法对原始加噪图像处理后,实部图像体现出了更好的去噪效果,虚部图像则很好地保留了图像边缘,此外,本文方法还消除了Perona-Malik的方法对图像去噪后产生的阶梯效应.     

一种前后向复扩散图像增强算法

传统的图像增强算法无法在去除噪声的同时保留图像的纹理.为此,本文从线性前向复扩散的原理出发,研究了线性后向复扩散的图像增强功能,将前向复扩散和后向复扩散相结合,给出了一种前后向复扩散图像增强算法.实验结果表明:该算法抑制了图像中的微弱噪声,有效地增强了图像,保留了图像的细节纹理,没有产生错误的图像增强效果,可以获得很好的图像增强效果.     

基于边缘增强扩散的AFM图像边缘检测

在原子力显微镜（AFM）图像边缘检测中,针对其噪声干扰以及目标与背景之间差异微小等问题,提出了一种新的解决方法。其基本思路是采用基于图像梯度统计知识选取合理的梯度阈值来构造边缘增强扩散算子,利用该算子对AFM图像进行边缘保留去噪处理后,用Canny算子检测并标记其边缘。实验采用固液界面AFM图像来对上述检测方法进行评价,从实验结果来看,这种方法在边缘检测精度上优于传统的Roberts边缘检测等方法。     

基于指数变量的复小波域自适应扩散图像滤波算法

为了克服传统各项异性扩散模型在图像滤波时出现的阶梯效应和边缘模糊问题,利用复小波变换较好的完美重构性和方向选择性等特点,结合图像的梯度和复小波变换模特征,设计了一种复小波域自适应图像扩散滤波模型,提出了一种基于指数变量的自适应扩散图像滤波算法。通过计算机仿真验证了所提算法的滤波性能,结果表明该算法在低信噪比条件下可有效地滤除图像噪声,并且能较好地保持图像的边缘、纹理等细节信息。     

改进的各向异性复扩散模型的医学图像去噪方法

对医学图像进行有效的去噪并保持边缘信息,有利于图像的后续处理.本文分析P-M模型和Gilboa的复扩散模型以及它们的不足,提出一种改进的各向异性复扩散模型.该方法先用中值滤波对图像进行预处理,去除梯度值大的噪声点,然后用图像的虚部求扩散系数,以此引导扩散模型中的边缘检测函数,再进行八邻域像素的扩散过程.实验表明,该方法能达到较理想的去噪和保持边缘的效果,而且减少了迭代次数,缩短了计算时间.     

一种新的基于振动滤波和各向异性扩散的图像增强和去噪算法*

结合振动滤波和各向异性扩散,提出了一种新的图像增强和去噪方法。该方法将改进的振动滤波项引入增强和去噪方程,使其根据图像结构信息产生相应变化幅度,使得图像不仅具有很好的平滑效果,而且增强了边缘,保留了尽可能多的细节部分,同时很大程度上缩短了计算时间,并给出了方程的离散形式。通过实验表明,该方法能达到较理想的增强和去噪效果。     

基于网状扩散的图像去噪与边缘增强

利用抛物型偏微分方程进行图像去噪与增强是图像处理领域的热门研究课题之一,但既有的扩散方程通常会带来边缘平滑,以致图像变得模糊。在各向异性扩散的基础上,采用均衡化网状扩散模型,外加调整项与控制项,对图像进行降噪处理,且同时增强对象边缘、强化图像结构。利用该模型,设计了显式与隐式的离散计算方案,并利用显式方案进行实验。实验结果表明,与既有方法比较可知,该网状扩散模型的处理效果更好。最后,论述了该模型的不足之处与可改进的方向。     

一种基于边缘检测的医学图像增强方法

现在是用数字图像进行临床诊断的时代。文章提出了一种结合非采样轮廓波变换（NSCT）和脉冲耦合神经网络（PCNN）优点的肿瘤检测方法。该方法首先分别对一组正常人的脑部CT和MRI图像及一位40岁酗酒男性的脑部MRI和PET图像施行三次样条插值配准,并进行非采样轮廓波变换获取其高频和低频信息。将低频子带系数输入PCNN神经元经计算获得融合图像低频系数,对于高频部分对比度被用于激化PCNN网络。最后经逆NSCT变换生成融合图像,并将该图像用Canny算子进行边缘检测。结果显示第一组的融合图像中高密度组织得到了增强并减少了像素扭曲且肿瘤组织能被检测,第二组的融合图像清晰显示了脑部解剖结构同时壳核、尾状核也到得了明确定位。由于非采样轮廓波变换优良的方向性和几何表达能力,该方法能够为外科医生提供精确的肿瘤定位方案。     

基于FPGA的二维FFT图像边缘增强设计

在处理图像类信息时,图像细节往往能传达更多信息,是人们较为关注部分。针 对在光照不理想的条件下,传感器采集到的图像对比度低、细节难以分辨的问题,提出一种基 于现场可编程门阵列(FPGA)的二维快速傅立叶变换的图像边缘提取及增强方法。通过模块化设 计,完成 4 路并行 512×512 点快速傳里叶变换(FFT)运算处理器设计,并通过 FFT 模块复用减 少 FPGA 内资源消耗,同时实现图像频谱的高通滤波算法及傅立叶逆变换算法。经过仿真与实 验,确定该方法有效可靠,实时性强,可以满足工业上图像处理的需求。     

基于目标轮廓增强的GrabCut图像分割方法

针对传统GrabCut算法需要人工初始化而引起图像分割效率低的问题,结合目标轮廓增强技术,提出一种自动GrabCut算法。首先对图像进行谱残差计算,以获取目标轮廓增强的视觉显著图;其次,对显著图进行预分割并通过快速连通区域分析进行前景估计并获取掩膜,将获取的掩膜代替人工交互初始化GrabCut算法,最后实现自动分割。实验结果表明,该方法克服了手动的缺点,并在处理前后景颜色相似的图像时,分割结果要优于传统方法。     

基于迭代多尺度引导滤波Retinex 的低照度图像增强

为提高低照度图像的视觉感知,提出了基于迭代多尺度引导滤波Retinex 的低照度 图像增强算法。首先,将图像转换到YCbCr 空间;然后对Y 分量用迭代多尺度引导滤波算法 估计照度图像,以指数形式迭代增加尺度参数与平滑参数,在保持边缘的同时消除各种对比度 细节;接着用照度图像求得反射图像,并进行对比度校正;最后将图像转换到RGB 空间,得 到最终增强后的图像。实验表明,该方法能更好地估计照度图像,从而使增强后的图像视觉效 果获得明显改善。     

三次样条插值的逆扩散图像增强算法

提出了非线性逆扩散图像增强算法的原则,应用三次样条插值方法构造了该算法的扩散系数,得到了较好的图像增强效果。说明该算法能够对有微弱噪声的图像进行图像增强并保持细节纹理,其扩散系数既满足了逆扩散图像增强的原则,又容易构造。     

基于图像块和边缘增强的运动目标检测

针对复杂背景下的噪声、动态背景和阴影等影响,提出一种基于图像块和边缘增强的运动目标检测算法。用图像块建模,按掩膜结构特点修补断桥使掩膜连续,采用高层图像金字塔建模得到目标质心,用于提取目标,用Sobel平移算子得到细化的边缘,按边缘信息对掩膜进行增强处理从而得到完整的目标。实验结果表明,该算法可有效提取目标,消除单高斯建模法去除不了的复杂背景和阴影,克服传统帧差法常见的边缘不完整的缺点。     

基于迭代分形解码和边缘扩展的图像修复算法

根据分形码的高压缩性,提出一种基于迭代分形解码和边缘扩展的图像修复算法。在信息嵌入阶段,运用1-D变换算法、2次推操作和换操作获取索引表,对照索引表将分形码和奇偶校验码存入图像的最低2位有效位中。在图像修复阶段,对接收到的图像进行3层篡改检测,迭代地采用提取的有效分形码和边缘扩展算法对篡改图像进行修复。实验结果表明,该算法能够获得较好的图像修复效果。