图像梯度引导的窗口形状自适应双边滤波

传统的滤波算法在重噪声区域易出现噪声抑制能力下降和边缘光晕效应,且在滤波过程中矩形滤波模板的两边总是分别平行于离散图像的坐标轴,必然导致模板跨边缘平滑滤波。为解决这些问题,提出一种窗口形状自适应的双边滤波算法。采用边缘梯度图作为引导图像,通过每个像素的梯度方向确定该像素处的边缘方向。然后使模板窗口的两边分别平行或垂直于当前像素处的局部边缘方向,实现模板"沿边缘"平滑滤波,在去除噪声的同时更好地保持边缘。实验结果证明,该改进算法滤波性能和保边能力较好,PSNR平均值提升13%左右,SSIM平均值提升4.6%左右,且对受到高强度的噪声污染的图像具有较好的噪声抑制和边缘保持能力。     

去除红外图像中脉冲噪声的双边加权中值滤波

针对现有方法在去除红外图像的脉冲噪声时,未能有效保持图像的边缘细节和纹理结构,提出了基于统计检测的双边加权中值滤波算法。算法根据脉冲噪声的取值和分布特征,用最小和最大像素值以及统计规律进行噪声检测;对检测出来的噪声像素,以多尺度的方式、自适应地用双边加权系数对邻域中的无噪像素和已经去噪处理的像素进行频次加权,然后取它们的中值作为当前噪声像素的估计值。其中双边加权系数自适应于距离邻近度与灰度相似度。实验结果表明,相对于部分现有方法,所提方法去噪所得的EPI和SSIM值更高,去噪图像的视觉效果更佳。     

一种基于双边滤波和图像融合的增强方法

在系统研究可见光和红外图像融合技术的基础上,提出一种图像融合算法用以检测可见光图像中的隐含目标。为了在检测隐含目标的同时平滑图像中目标的边缘信息,采用双边滤波来去除噪声并在此基础上进行图像融合以获取图像完整信息。首先通过对图像添加噪声得到降质退化图像,然后采取双边滤波算法对降质图像进行平滑去噪,此后,再对滤波去噪后图像进行融合。结合双边滤波和图像融合方法,设计四种算法来验证双边滤波和图像融合在多源图像应用中的强大功能。研究测试了算法对可见光图像中因光线原因隐藏的人体目标检测性能。实验结果表明,该方法可以有效提高在背景图像中进行目标检测或识别的概率。     

结合修剪均值与高斯加权中值滤波的图像去噪算法

为快速准确地滤除图像中的脉冲噪声并较好地保持图像的纹理细节和边缘结构,提出一种基于修剪均值与高斯加权中值滤波的图像去噪算法。根据脉冲噪声的灰度特征与统计特征,以局部统计方式进行噪声检测,将灰度取最小值或最大值且与邻域像素相关性较小的像素识别为噪声像素。对于图像平滑区域和细节区域中的噪声像素,使用自适应修剪均值和高斯加权中值滤波算法进行去噪处理。实验结果表明,该算法在视觉效果、峰值信噪比、结构相似性及计算速度上均优于对比算法,并且能够在彻底滤除噪声的同时,较好地保持图像的纹理细节和边缘结构。     

基于局部结构张量的图像三边滤波器

针对双边滤波器灰度相似权函数易受噪声影响且在图像细节区域滤波存在盲目性的问题,提出一种新的图像三边滤波器用以过滤高斯噪声。通过局部结构张量奇异值分解估计图像的几何结构信息,获得能够刻画图像内容差异的特征信息。在此基础上,设计基于图像特征分类的灰度相似权函数,同时通过引入结构相似权的方式将鲁棒的特征信息耦合到双边滤波器框架下,以保持更多的图像细节。利用三边加权提供更可靠的像素相似性度量方式,并采用局部自适应滤波参数选取方法进一步提高算法的滤波性能。实验结果表明,该滤波器在去除噪声的同时能够较好地保持图像的边缘、纹理等结构信息。     

灰度图像加权有向平滑滤波算法

为克服常用平滑滤波算法不能兼顾去噪和保持图像细节的不足,提出了加权有向平滑滤波算法.先根据相似者相容的原理得到待处理像素与各滤波模板的隶属关系,从而判断待处理像素是噪声点,是图像本身像素,还是图像背景像素,然后选用相应加权有向或无向平滑模板对待处理像素进行平滑处理.实验仿真结果表明,加权有向平滑滤波算法既能有效地滤除灰度图像中的噪声,又能很好保护图像的边缘和细节,弥补了常用空域平滑滤波算法不能兼顾去噪和保持图像细节的不足.     

基于各向异性全变分的迭代滤波算法

空间邻近度和像素值相似度的双边滤波(BF)器在滤波时,由于其值域滤波核系数的计 算易受到噪声的干扰,在噪声水平较大时,直接使用噪声图像来指导核函数权值计算的方案不可行。 为此,提出一种结合各向异性全变分和BF 的图像去噪算法,将各向异性全变分算法与BF 算法相结 合,首先利用各向异性全变分算法对噪声图像进行处理,得到一幅边缘结构信息较为丰富的结果图 像,接着将该结果图像作为BF 算法的引导图像来指导值域滤波核系数的计算,为保证算法的稳定 性,对上述过程进行迭代处理。此外,为提高各向异性全变分算法的计算效率,引入了Split Bregman 迭代算法进行加速处理。实验表明,该算法能在较好去噪的同时,保留较多的边缘结构信息。     

结合双边滤波和多帧均值滤波的图像降噪

针对单幅图像空间降噪中存在的问题,提出一种利用同一场景的多帧图像进行噪声抑制的自适应空域滤波方法。首先对每一帧用双边滤波器进行滤波,以在平滑噪声的同时,保护图像边缘;然后对每一像素进行帧间平均值滤波,以利用多幅图像的信息进一步滤除噪声,并减轻双边滤波后的卡通效果。提出的算法在两组多帧图像上进行了测试。实验显示,与单帧双边滤波和简单的多图像平均方法相比,该方法的降噪性能有所提高。     

NLTV:非局部数字全变差滤波算法

在图像平滑处理过程中,如何设计保持图像边缘和纹理细节的数字图像去噪滤波器一直是人们关注的热点问题。本文在统一描述数字全变差滤波算法（DTV）和数字双边全变差算法（DBTV）的滤波机制的基础上,利用图像像素间的近-远程相关性,分别定义近程相关性和远程相关性两个度量,建立了一种非局部图像滤波自适应双边加权机制,提出一种同时适合高斯噪声和脉冲噪声的非局部数字全变差滤波算法（NLTV）。实验验证了新算法在抑制噪声的同时具有较好的边缘细节和纹理保持性能。     

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．     

基于边缘检测的SAR图像自适应区域分割

受相干斑噪声影响,合成孔径雷达（Synthetic Aperture Radar,SAR）图像成像质量低,目标判读困难。针对传统方法对SAR图像分割存在噪声敏感、细节缺失、过度分割等问题,提出一种基于边缘检测的SAR图像自适应区域分割方法。首先引入双边滤波构建级联滤波器,对SAR图像进行保边抑噪;然后建立基于纹理复杂度的阈值估算模型,实现阈值自适应目标SAR图像边缘检测;最后提出基于边缘特征的自适应区域生长分割方法,较好解决了传统区域生长算法对SAR图像分割时出现的过度生长和过度分割之间的矛盾问题。该方法综合利用了SAR图像二维熵、边缘灰度信息、区域灰度信息,实现了对单极化目标SAR图像的自动分割。实验表明,相较于其他传统分割方法,该方法保边抑噪能力更强,目标细节检测更准确,较好解决了SAR图像过分割问题。     

一种改进的自适应中值滤波算法

在图像的平滑处理过程中,如何在噪声滤除的同时保护图像的细节一直是人们研究的热点问题。针对这一问题,在Hwang和Haddad提出的一种自适应中值滤波算法(ranked-order based adaptive median filter,RAMF)的基础上,提出了一种改进的自适应中值滤波算法。该算法在以下3方面做了改进:①对可疑噪声点实行噪声二次检测;②对高密度噪声区的噪声点利用滤窗内的信号点进行滤波;③对低密度噪声区的噪声点根据滤窗内图像的纹理走向进行滤波。仿真实验结果表明,该算法的滤波效果理想。     

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。     

一种有效的自适应加权中值滤波算法

针对传统中值滤波算法的优缺点,提出了一种基于相似度函数的自适应加权中值滤波算法。该算法首先通过噪声检测确定图像中的噪声点,然后根据窗口内噪声点的个数自适应地调整滤波窗口的尺寸,再根据相似度大小,巧妙地将滤波窗口内各个像素点按一定的规律自适应地分组并赋予每组像素点相应的权重,最后采用加权中值滤波算法对检测出的噪声点进行滤波处理。计算机模拟实验结果表明：该算法既能有效地滤除噪声,又能较好地保护图像细节,滤波性能比传统中值滤波算法更理想。     

A scalable region-based level set method using adaptive bilateral filter for noisy image segmentation

Image segmentation plays an important role in the computer vision . However, it is extremely challenging due to low resolution, high noise and blurry boundaries. Recently, region-based models have been widely used to segment such images. The existing models often utilized Gaussian filtering to filter images, which caused the loss of edge gradient information. Accordingly, in this paper, a novel local region model based on adaptive bilateral filter is presented for segmenting noisy images. Specifically, we firstly construct a range-based adaptive bilateral filter, in which an image can well be preserved edge structures as well as resisted noise. Secondly, we present a data-driven energy model, which utilizes local information of regions centered at each pixel of image to approximate intensities inside and outside of the circular contour. The estimation approach has improved the accuracy of noisy image segmentation. Thirdly, under the premise of keeping the image original shape, a regularization function is used to accelerate the convergence speed and smoothen the segmentation contour. Experimental results of both synthetic and real images demonstrate that the proposed model is more efficient and robust to noise than the state-of-art region-based models.

     

Generating High-quality Superpixels in Textured Images

Superpixel segmentation is important for promoting various image processing tasks. However, existing methods still have difficulties in generating high-quality superpixels in textured images, because they cannot separate textures from structures well. Though texture filtering can be adopted for smoothing textures before superpixel segmentation, the filtering would also smooth the object boundaries, and thus weaken the quality of generated superpixels. In this paper, we propose to use the adaptive scale box smoothing instead of the texture filtering to obtain more high-quality texture and boundary information. Based on this, we design a novel distance metric to measure the distance between different pixels, which considers boundary, color and Euclidean distance simultaneously. As a result, our method can achieve high-quality superpixel segmentation in textured images without texture filtering. The experimental results demonstrate the superiority of our method over existing methods, even the learning-based methods. Benefited from using boundaries to guide superpixel segmentation, our method can also suppress noise to generate high-quality superpixels in non-textured images.     

Smoothing of ultrasound images using a new selective average filter

Ultrasound images are strongly affected by speckle noise making visual and computational analysis of the structures more difficult. Usually, the interference caused by this kind of noise reduces the efficiency of extraction and interpretation of the structural features of interest. In order to overcome this problem, a new method of selective smoothing based on average filtering and the radiation intensity of the image pixels is proposed. The main idea of this new method is to identify the pixels belonging to the borders of the structures of interest in the image, and then apply a reduced smoothing to these pixels, whilst applying more intense smoothing to the remaining pixels. Experimental tests were conducted using synthetic ultrasound images with speckle noisy added and real ultrasound images from the female pelvic cavity. The new smoothing method is able to perform selective smoothing in the input images, enhancing the transitions between the different structures presented. The results achieved are promising, as the evaluation analysis performed shows that the developed method is more efficient in removing speckle noise from the ultrasound images compared to other current methods. This improvement is because it is able to adapt the filtering process according to the image contents, thus avoiding the loss of any relevant structural features in the input images.     

基于图像片马尔科夫随机场的脑MR图像分割算法

传统的高斯混合模型（Gaussian mixture model,GMM）算法在图像分割中未考虑像素的空间信息,导致其对于噪声十分敏感.马尔科 夫随机场（Markov random field,MRF）模型通过像素类别标记的Gibbs分布先验概率引入了图像的空间信息,能较好地分割含有噪声的图 像,然而MRF模型的分割结果容易出现过平滑现象.为了解决上述缺陷,提出了一种新的基于图像片权重方法的马 尔科夫随机场图像分割模型,对邻域内的不同图像片根据相似度赋予不同的权重,使其在克服噪声影响的同时能 保持图像细节信息.同时,采用KL距离引入先验概率与后验概率关于熵的惩罚项,并对该惩罚项进行平滑,得到 最终的分割结果.实验结果表明,算法具有较强的自适应性,能够有效克服噪声对于分割结果的影响,并获得较高的分割精度.     

一种基于不规则区域的高斯滤波去噪算法

针对传统高斯滤波算法在滤除噪声的同时会丢失图像部分细节信息的弊端,提出了一种基于不规则区域的高斯滤波算法。在高斯滤波的基础上,通过分析纹理自相关特性,自适应构造局部不规则的高斯掩模窗口,突破以往采用固定大小窗口的思想,提高高斯系数权值分配的合理性,剔除相关性较低的像素,实现在滤波的同时有效保留图像纹理细节。实验结果表明,提出的算法优于传统高斯滤波及其他滤波算法,在图像细节保留和抗噪方面实现了较好的平衡。     

The wedge filter technique for convex boundary estimation

This paper describes a method for segmentation of convex shaped image regions. The wedge filter technique first employs the converging squares algorithm [1] to locate a region of interest. Then a region oriented boundary estimation technique, called the wedge filter, is applied. This wedge filter entails angular filtering and subsampling, and boundary interpolation. The technique is more capable of segmenting noncircular shapes than some earlier methods based on the Hough transform. In addition, unlike many edge-based segmentation schemes, this method is relatively tolerant to edge gaps and to blurred or thick edges. This technique is tested on a number of synthesized images over a range of convex shapes, for different algorithm parameters, and under various conditions of region size and image noise. In addition, the technique has been applied to segmentation of liver cell nuclei in light microscope images of human liver tissue.