霍夫变换耦合蚁群优化图像边缘提取算法

目的为解决图像边缘提取方法中由于噪声浸染导致边缘定位精确度降低、边缘信息丢失和虚假边缘等不足,提出基于霍夫变换(HT)耦合蚁群优化(ACO)图像边缘的提取方法。方法对输入图像进行霍夫变换,消除噪声和线段间隔对图像边缘的影响;计算图像像素梯度和像素圆形邻域统计均值的差值,构建二者之间的权重函数,并作为蚁群的信息素和启发信息;利用蚁群优化算法,引导蚁群搜索图像边缘,完成图像边缘提取。结果实验表明,与当前边缘提取技术相比,文中算法具有更高的提取精度与效率,可获取完整、细节丰富的边缘,有效地降低了噪声影响。结论所提算法具有较强的抗噪性能,能进一步改善边缘提取精度,能够较好地用于包装条码识别与图像处理领域。     

基于引导因子与曲率惩罚模型的图像修复算法

目的 解决当前图像修复方法主要通过待修复像素点的法向量来确定修复过程,无法保证其修复顺序从破损区域的周边至中心进行,导致修复图像中存在块效应和不连续效应等问题。方法 将引导因子与曲率惩罚模型相结合,设计新的图像修复方法。利用破损区域的中心像素点与其他任意待修复像素点之间的距离来构造引导因子,并将其与置信度项以及数据项结合,形成优先权模型,用于选取优先修复块。利用待修复块的梯度特性对其平滑度进行判断,以明确该待修复块对应的最优匹配块的搜索范围,使其通过最小绝对差平方和（SSD）函数来搜索最优匹配块,从而将最优匹配块中像素点扩散填充至待修复块。最后,基于像素点间的等照度线曲率来建立曲率惩罚模型,以更新置信度项,从而实现图像的修复。结果 测试数据表明,与已有修复方案相比,所提算法可以更好地兼顾修复质量与效率。结论 所提方案具有较好的修复质量,可用于损坏面积较大图像的复原。     

基于匹配调节法则和梯度约束模型的图像修复算法

目的针对当前较多图像修复算法难以根据不同纹理结构来自适应调整修复块的尺寸,导致修复结果中存在不连续效应和模糊效应等不足,提出一种结合匹配调节法则和梯度约束模型的图像修复算法。方法首先,利用平滑因子对置信度项进行约束,构造优先级判定模型,对待修复块的优先级进行度量,确定优先修复块。随后,通过SSD模型度量样本块之间的匹配结果,并根据匹配结果制定匹配调节法则,使得样本块能根据匹配度自适应调节其大小,以提高修复质量。最后,将梯度模值块中像素点的均方距离度量结果与样本块中像素点相结合,构造梯度约束模型,用以获取最佳匹配块对待修复块进行填充修复。结果实验结果表明,与当前图像修复算法相比,该算法修复的图像具有更好的修复质量,在像素丢失率较高的情况下,仍然具有较高的相似度值。结论所提算法具备较好的修复视觉质量,可用于被大面积损坏图像的修复。     

基于梯度投影稀疏重建算法的电容层析成像图像重建

为解决两相流中存在中心物体、物体比较小或存在多个物体且相距较近时电容层析成像(ECT)重建图像精度较差的问题,基于稀疏分布的流型其介电常数分布满足稀疏性的先验条件,采用梯度投影稀疏重建(GPSR-BB)算法进行ECT图像重建。仿真及实验测试结果表明:GPSR-BB算法对于流体中小目标以及复杂流型的图像重建质量较好,重建图像的形状保真度高。     

模糊C均值聚类下的医学图像分割探讨

将FCM（模糊c均值聚类算法）应用于医学事业中,能够将图像分割中的模糊现象有效的解决,在将目标函数建立的情况下,将迭代优化方法应用,并将目标函数极小值获得,并在此基础上将最佳聚类确定。目前随着科学技术的发展,大量的改进算法不断出现,文章介绍和对比基于传统、初始值选取、空间邻域信息和核函数的FCM算法,为后期的算法研究明确方向。     

2D非调和分析耦合扩散张量的图像修复算法

目的针对当前图像修复算法在面对复杂纹理的高频成分时,修复区域残留一定的块效应与纹理不连续性,产生较大失真等难题,提出了2D非调和分析机制耦合扩散张量的图像修复算法。方法引入傅里叶变换机制,联合最速下降法与牛顿法,设计2D非调和分析机制;提取损坏区域初始轮廓,嵌入扩散张量,增强了损坏区域周围的像素信息表达能力,构建新的优先级计算模型,确定出优先级最大的先验块及其填充顺序;基于2D非调和分析,嵌入权重因子,定义成本函数,提取该先验块的精确频谱,通过重构2D波形,合成新纹理,并将该纹理传播至损坏区域,完成修复。结果该算法与当前性能较好的图像修复技术相比,在大面积高频分量损坏图像复原中,具有更高的修复质量与结构相似度,很好地避免了目标区域的不连续纹理与块效应。结论该算法能够较好地修复大面积高频损坏区域的图像。     

惩罚KL散度耦合迭代分布加权的图像重构算法

目的利用MAP(Maximizing A Posteriori)估算技术能够较好地重构退化图像,有效降低复原图像的伪影,但MAP估算是惩罚图像的非零梯度,且其图像先验估算忽略了退化图像自身纹理,易导致重构图像过渡平滑,产生突变阶跃边缘和丢失图像中频纹理信息。设计了惩罚KL散度耦合迭代分布重新加权的图像重构算法。方法基于退化图像像素,构建图像参考梯度分布计算模型,以估算图像先验;引入KL(Kullback-Leibler)散度,联合MAP估算技术,惩罚经验分布与参考分布之间的梯度;设计迭代分布重新加权算法,最小化成本函数,优化经验梯度分布,使其更接近参考分布;基于HVS(Human Visual System),构造了转导对比度失真率模型。最后,利用Amazon Mechanical Turk数据集,对提出的算法进行用户响应研究。结果仿真实验结果表明,与当前基于MAP估算技术的图像重构机制相比,在图像退化程度严重时,提出的算法具有更好的用户响应,且具有更高的重构精度,复原图像的纹理细节清晰可见。结论提出的算法具有更高的重构质量,用户响应良好。     

基于空间邻域信息的二维模糊聚类图像分割

传统模糊C均值聚类(FCM)算法进行图像分割时仅利用了像素的灰度信息,并且使用对噪声较敏感的欧氏距离作为像素与聚类中心距离度量的标准,因此抗噪性能较差.为了克服传统FCM算法的局限性,本文提出了一种基于空间邻域信息的二维模糊聚类图像分割方法(2DFCM).该方法利用二维直方图描述的像素邻域关系属性,一方面为聚类提供较准确的初始聚类中心,从而避免聚类中的死点问题;另一方面通过提出聚类中心同时在像素值、像素邻域值二维方向上进行更新的思想,建立了包含邻域信息的新的聚类目标函数,实现了图像的分割.实验结果表明,这种方法抗噪能力强、收敛速度快,是一种有效的模糊聚类图像分割方法.     

模糊C均值聚类与多相水平集图割优化相结合的图像分割

针对在分割多个目标时多相水平集模型对初始轮廓曲线敏感且计算量大的问题,提出采用模糊C均值聚类算法将图像进行粗分割,初始化多相水平集函数,使用图割算法分割出多相结果的方法.该方法能有效减小多相水平集算法对初始轮廓曲线的敏感性,使图割算法在分割图像时更容易分割出理想的目标轮廓;同时,采用图割算法可使水平集函数很快收敛到能量最小值,有效减少计算量,提高计算效率.实验表明该方法具有较好地分割效果和较高地分割效率.     

基于纹理特征与最优稀疏表示的图像修复算法

目的解决当前图像修复算法忽略了对修复块后续的优化处理,导致修复图像易出现不连贯效应以及块效应等的不足。方法提出基于纹理特征与稀疏表示的图像修复算法,首先利用像素点对应的数据项,构造了优先权模型。然后,利用像素点在R,G,B分量上对应的像素值来构造纹理特征度量模型,对待修复块中像素点对应的纹理特征进行度量,并根据度量结果,选择其对应样本集的大小。引入SSD型,从样本集中搜索与待修复块最相似的最优样本块,对待修复块进行填充。最后,利用最优样本块函数,构造最优稀疏表示模型,从而实现图像修复。结果仿真结果显示,与当前图像修复算法相比,所提图像修复算法具备更高的复原质量,能有效克服修复图像中出现的不连贯效应以及块效应。结论所提算法具有较高的修复视觉质量,在数字图像处理领域具有较好的应用价值。     

基于优先权和匹配度量的图像修复算法

目的 针对当前图像修复算法主要通过固定单一模板大小实现修复块与匹配块之间的匹配度量来完成图像复原,导致其存在一定的模糊效应以及振铃效应等不足,这里提出基于改进优先权和匹配优化度量的图像修复算法。方法 首先,利用数据项构造平滑因子,建立优先权模型,度量待修复像素点的优先权,选定优先修复块。然后,制定四级模板大小,利用误差平方和函数,结合模板大小特性,构造匹配度量模型,用于实现修复块和匹配块之间的动态匹配,选取最优匹配模板,对待修复块进行填充修复。最后,利用待修复像素点及其邻域像素点的灰度值构造邻域灰度差分模型,用于对修复区域的边缘进行缝合,优化修复效果。利用最优匹配度量结果,构造置信度更新模型,对置信度项进行更新,实现图像修复。结果 仿真实验结果显示,与当前图像修复算法相比,所提算法具有更高的修复质量,其输出图像无模糊效应与振铃效应。结论 所提算法能够较好地对损坏图像进行复原,在图像信息处理领域具有一定的参考价值。     

基于均方差快速增强的图像修复算法

在分析几种关键图像修复算法的实现原理、适用性及其优劣的基础上,针对目前图像修复算法可能存在适用性有限、优化修复算法中存在的算法复杂度较高或者未考虑破损图像的结构信息的情况,提出了一种基于数据融合的加权均方差快速增强图像修复算法,并将其应用于壁画和自然图像的修复实验中。通过系统仿真实验证明,在修复强结构纹理自然图像和壁画时该方法能紧密结合图像结构信息进行有效地修复,同时,其适用性在原有的基础上有所提高。     

基于平滑度测量与互相关制约的图像修复算法

目的为了解决当前较多图像修复算法在对损坏区域实施填充修复时没有考虑图像块之间的相关性,导致修复图像中存在振铃以及连接间断等不足,拟设计平滑度测量因子耦合互相关制约的图像修复算法。方法将图像的Laplace算子引入到优先权的计算过程中,以增加图像的边缘信息,优化数据项的成分,并利用置信度、图像的Laplace算子和数据项构造优先权计算模型,以获取优先修复块。利用等照度线的二阶导数,构造平滑度测量因子获取图像的平滑度,并以图像的平滑度为导向,对最优匹配块的搜索区域进行定位。通过误差平方和函数(SumofSquaredDifferences,SSD)在定位的搜索区域中搜寻最优匹配块,并采用互相关系数函数对最优匹配块的唯一性进行制约,以提高所获最优匹配块的准确性。结果实验结果显示,与当前修复技术相比,所提方法具有更高的连接完整性和清晰度。结论所提方案可对损坏图像完成较好的视觉复原,在图像信息处理领域具有一定的参考价值。     

基于相似稀疏度与局部差异特征的图像修复算法

目的为了解决当前图像修复算法在破损面积较大时,其复原图像易丢失局部细节信息而导致修复图像存在振铃效应以及不连贯效应的不足,提出一种基于相似稀疏度耦合局部差异特征的图像修复算法。方法首先,利用待修复块及其相邻块内像素的均方距离来构造相似稀疏度模型,以形成优先权度量函数,根据其计算的优先级来确定优先修复块。然后,通过样本块对应的梯度向量模值来构造局部差异因子,计算样本块的局部差异,并以计算结果为依据对样本块的尺寸进行调整。最后,以像素点的颜色差值信息为依据,构造近似函数,选取最优匹配块对待修复块进行复原。结果仿真实验结果显示,与当前图像修复算法相比,该算法具有更高的修复质量和效率,其复原图像不存在振铃效应和不连续效应等。结论所提算法具有较高的修复视觉质量,能用于大面积损坏图像的复原。     

一种基于数据融合的图像插值算法

针对传统的线性插值算法存在的边缘模糊问题,本文提出一种新算法.首先采用距离平方反比的插值方法在插值点邻域内计算水平、垂直和对角三个方向共6个插值,然后以插值距离和方向梯度构造权重,进行数据融合获得最终插值.该算法既考虑了插值距离因素,又考虑了插值方向梯度信息,有效地保护插值图像的边缘和纹理信息.实验结果表明,该算法的插值图像比传统的双线性插值法均方误差降低而平均梯度增加,是一种提高插值图像分辨率的有效方法.