结合Lee滤波的NL-Means声呐图像滤波方法

声呐图像中存在的散斑噪声不仅极大地影响了图像质量,还对图像的后续分割、增强、边缘检测等增加了很多负面影响.针对这一问题,提出了结合Lee滤波的NL-Means算法:先用Lee滤波算法对声呐图像进行一次滤波,再用滤波后的图像计算NL-Means算法中的权重部分的权值,最后用NL-Means算法结合该权重进行滤波.改进的滤波方法避免了权重计算过程中由于噪声的影响而使导致权重偏小的问题,精确了NL-Means算法中的权重分配.实验证明,改进方法对声呐图像的散斑噪声不仅有更好的抑制效果,还提升了图像的质量.

DOST在声呐图像滤波中的应用

声呐图像的滤波作为图像预处理的首要环节极其重要。但声呐图像具有存在对比度低、灰度值范围小且有用信息不明显的缺陷,传统滤波方法在声呐图像滤波中不能得到良好的效果。故本文将DOST应用于声呐图像的滤波中。通过小波阈值方法确定阈值,再用硬阈值函数去除高频DOST系数,最后进行逆变换,得到滤波后的图像。文中还用多种评价指标对比了多种滤波方法,并用真实声呐图像进行了分析,证明了其的实用性。

双边加权引导图像滤波

针对经典方法对光晕等伪影抑制能力不足的问题,将双边权重嵌入到引导滤波中,提出一种新型局部方法称之为双边加权引导图像滤波.该方法目标函数为双边加权岭回归模型,此模型可通过双边滤波的迭代执行来求解.为提高计算效率,采用双边滤波的近似加速版本.通过对滤波核进行分析,可知双边加权引导图像滤波提供了比传统方法更灵活的保边及滤波控制.最后将该滤波方法的适用范围拓展到彩色图像上.为评估双边加权引导图像滤波,在保边模糊与人像磨皮这2种图像处理应用上进行试验,并进行了计算效率的对比分析.结果表明:与多数经典保边滤波方法相比,双边加权引导图像滤波产生的结果具有更好的视觉效果,所提出方法的指标BIQI、IL-NIQE、SSEQ分别达到20.082、47.026、53.103.

面向嵌入式机载场景的快速图像滤波方法

在功耗、体积及质量的约束下,针对嵌入式机载计算设备很难满足较大半径实时滤波处理的需求,提出一种面向嵌入式机载应用场景的快速图像滤波方法。首先,以每个待滤波像素为中心,以设定半径作为滤波半径,确定待处理图像中每个待滤波像素的滤波区域;其次,依据每个滤波区域的梯度信息和半径,自适应确定每个滤波区域的抽样步长;然后,采用所提出的抽样步长,对每个滤波区域进行抽样得到多个抽样像素;最后,通过抽样像素,对每个滤波区域进行滤波处理输出。通过基于国产GPU的嵌入式平台验证,证明所提出的方法解决了现有的滤波处理方法随着滤波区域增大而导致计算耗时指数增加的问题,大幅度提高了图像滤波处理效率,同时达到了优秀的滤波性能表现。

基于嵌入式CPU+GPU异构平台的遥感图像滤波加速

针对遥感图像在轨实时处理提出一种基于嵌入式CPU+GPU异构平台的遥感图像滤波加速设计方法.以加速拉普拉斯滤波为例,利用GPU的并行计算特点,通过数据划分及数据映射的方法对算法进行并行设计;利用GPU的向量单元和缓存等硬件资源,通过采取向量化和向量重组以及工作组调优方法进一步提高了算法的运行速度.在嵌入式开发板上验证了加速设计的可行性和高效性.实验结果表明,相比于单CPU的串行实现,在增加GPU并行处理后的拉普拉斯滤波获得了4.08~16.92倍的加速比.进一步利用GPU硬件资源优化性能后,加速比可达15.38~56.41倍.

基于可学习图像滤波器的雾天驾驶场景图像语义分割

尽管基于深度学习的图像语义分割方法在传统的驾驶数据集上取得了很好的效果,但针对雾天条件下的低质量图像的语义分割仍然具有挑战性。针对此问题,提出了可学习图像滤波器LIF模块,旨在利用不同雾浓度下驾驶场景图像的内在特征,改进雾天驾驶条件下的图像语义分割。LIF模块由超参数预测模块HPM和图像滤波模块IFM组成,IFM中滤波器的超参数由HPM预测得到。以端到端的方式联合学习HPM和语义分割网络,确保了HPM可以学习适当的IFM参数,以弱监督的方式增强图像以进行分割。分别以DeepLabV3+、PSPNet和RefineNet作为基线模型,并在Cityscapes和Foggy Cityscapes的混合数据集上进行实验,基线模型加可学习的图像滤波器模块的MIoU分别为63.14%,60.45%和61.41%,相比基线模型的MIoU分别提升了3.03%,1.52%和1.69%,实验结果表明了该模型的有效性与通用性。

多尺度动静态联合彩色图像滤波处理

为在彩色图像降噪时有效保留图像边缘信息,给出一种动态和静态相结合的引导滤波算法。由静态引导滤波得到权重函数,利用动态引导滤波从正则化输入图像中得到邻域像素加权函数,将两者相乘,生成邻接矩阵;将邻接矩阵每列元素相加,置于对角线位置,构成度矩阵;用度矩阵与邻接矩阵做差,构造动态拉普拉斯特征矩阵,以此作为正则项,在平滑图像的同时保持边缘,实现图像多尺度动静态滤波。针对6幅彩色图像的测试结果表明,所给算法可有效获取不同尺度结构图像,且滤波后图像边缘较为光滑。

基于各向异性扩散的超声医学图像滤波方法

目的将各向异性扩散方法应用于超声医学图像的去噪处理。方法采用基于各向异性扩散的偏微分方程,其初始值为输入图像,转化为差分格式迭代求解滤波结果,并通过修改方程中的噪声比例函数使方程更加适用于超声医学图像的滤波。结果通过与其他3种传统滤波方法比较,修正系数后的各向异性扩散滤波方法能够较好地平滑图像的噪声,并且图像的边缘和细节部分依然清晰可见。结论各向异性扩散方法是一种去除超声图像Speckle噪声的有效方法,为超声医学图像的滤波开辟了一条新途径。

一种基于自适应神经模糊推理系统的图像滤波方法

提出了一个包含4个自适应神经模糊推理系统和一个后处理块的网络,该网络可用于灰度图像滤波。网络中每个自适应神经模糊推理系统都是一个四输入单输出一阶Sugeno模糊推理系统。所提出的滤波方法分两步进行,首先对该网络进行优化训练,确定其参数,然后用优化后的网络对被椒盐脉冲噪声污染的图像进行噪声滤波。实验结果表明,所提出的方法在有效去除图像中椒盐脉冲噪声的同时,能够较好地保留原有图像中的边缘和细节,其滤波性能优于传统的滤波方法。

基于多尺度形态学大豆图像滤波方法

提出了一种基于多尺度形态学滤波算法,用于减少噪声影响从而提高大豆图像质量。首先用多尺度结构元素分别对原图像进行开闭重建运算,构造形态学开闭塔;然后计算相邻尺度形态学开闭重建图像间的差,构造亮特征和暗特征的差异塔;最后根据不同尺度的亮特征和暗特征重建图像。通过一组被不同噪声污染的大豆图像验证该文提出的滤波算法,并采用一些标准的评估方法将该文方法与文中提到的其它滤波方法在不同噪声污染情况下进行比较,试验结果表明本文方法的滤波效果优于其它方法。

超声医学图像滤波算法研究进展

主要讨论超声医学图像滤波算法的研究现状 ,几种主要的滤波方法 (多方位滤波方法、自适应权值调节滤波方法、自适应窗口选取滤波方法、两步法等 ) ,面临的问题及发展的方向。作者通过实践 ,将有关算法应用于超声医学图像的处理 ,给出了处理结果 。

改进的各向异性扩散方程的超声图像滤波方法

针对传统各项异性扩散模型容易产生板块分区,模糊图像细节等问题,提出一种改进的各项异性滤波算法。该方法引用双曲正切函数构造扩散模型的扩散系数,避免了传统各项异性扩散模型在均匀区域产生的板块分区问题;并通过使用衰减因子提高在非均匀区域的扩散敏感性,能够更好地保留图像的边缘细节信息;同时引入相对平滑增量,自适应监控图像的滤波程度,并自动终止迭代过程。仿真实验表明,提出的滤波方法能够有效滤除超声图像斑点噪声,并消除传统各项异性扩散模型产生的板块分区问题,提高了对图像细节信息的保留能力,并增强了与原图像的结构相似度,是一种有效的斑点噪声降噪方法。

基于数学形态学的图像滤波方法

针对图像滤波消噪的同时把图像中一些重要的细节特征消去这个问题,阐述了数学形态学的基本运算及其在图像滤波中的应用,提出了基于数学形态学的图像滤波方法。该方法在指纹图像处理的应用中表明了它的有效性。

利用基于偏微分方程的图像滤波技术研究土壤孔隙结构

利用自主研发的土壤切片数字图像处理分析系统软件，采用3种滤波方式，即BMO滤波（boundarymeanoscillation有界平均振荡模型）、PM滤波（Perona-Malik偏微分方程模型）和中值滤波，对免耕、翻耕和旋耕3种耕作方式下不同深度土壤切片的数字图像进行去噪增强，并对处理后的图像进行了孔隙特征参数提取与统计。在此基础上，探讨了几种图像滤波技术的效果以及耕作方式对不同土层土壤孔隙形态结构的影响，以期找到适用于土壤切片数字图像的滤波技术，为后期土壤孔隙信息的提取与统计提供工具。结果表明，采用BMO滤波后，从土壤切片数字图像得到的土壤孔隙度与试验结果最为接近；其中，孔径〈5μm的孔隙度显著大于其他图像滤波技术的结果，而5～50μm与〉50μm孔径的孔隙度与其他图像滤波技术的结果没有显著差异：与免耕相比，翻耕与旋耕提高了表层土壤的孔隙度，增加了传导孔隙的比例。

基于模糊理论的红外图像滤波

利用图像的空间相关性 ,提出了一种基于模糊理论的图像智能滤波方法。此方法具有运算量小和便于图像实时处理等特点 ,同时避免了常用滤波方法的缺陷。实验表明 :基于模糊理论的图像智能滤波方法比常规图像滤波方法运算量小 ,它既能去除奇异点 ,又能保持图像中目标的边缘不变性 。

视频车辆监控系统图像滤波算法的研究

视频车辆监控系统中图像噪声对背景学习、车辆识别等具有很大影响,已有滤波算法又难以满足系统对滤波效果和速度的综合要求。通过对比不滤波、采用中值滤波或均值滤波时的车辆识别效果和速度,选用均值滤波作为进一步的研究对象。在适当减少计算量的基础上,通过改进数据访问方法和计算方法进一步提高了算法速度,并用Visual C++6.0实现了该算法。实验表明,新算法的速度比盒滤波提高了55%。

一种改进的数学形态学图像滤波算法

设计了一种多结构元素复合滤波结构,采用两级级联结构,每级运用两种结构元素分别对图像作开闭和闭开运算,运算中间结果以图像熵比值为融合准则进行合并。该算法在抑制图像噪声污染的同时,保留图像的边缘,不损伤图像的细节质量。仿真证明,采用该算法滤波后,反映了图像细节质量的统计参数图像标准差和绝对平均梯度比传统的均值和维纳滤波均高。

基于模糊神经网络的彩色图像滤波方法

提出一种基于模糊神经网络的彩色图像滤波方法.该方法将滤波窗口内的像素矢量作为模糊神经网络的输入,根据像素间的矢量距离进行模糊化,通过模糊推理实现对各个像素加权求均值,得到中心像素的输出.输入的模糊化和模糊推理参数由神经网络的自学习功能自动调整,实现最优的滤波效果.对样本图像的处理结果表明,该滤波方法对不同类型的噪声均有较好的滤波效果.

加权型曲率保持PDE图像滤波方法

提出了一种加权型曲率保持偏微分方程(Partial differential equation,PDE)滤波方法.传统曲率保持PDE滤波方法未考虑各积分曲线可能经历不同的图像结构,如此影响了其对图像边缘的保持能力.在此基础上,利用局部图像方向信息为不同积分曲线设计了相应的权重,得到了一种张量驱动的加权型曲率保持PDE滤波方法.实验结果表明该方法在滤波的同时能较好地保持图像中边缘与曲率结构,且对图像具有一定增强能力.

基于FPGA图像滤波算法硬件化设计

本文分析图像滤波处理特点及其基本方法,初步研究基于SOPC的图像低层次处理的硬件化方法设计。对数字图像滤波方法进行对比分析和优化,用FPGA实现快速中值滤波算法;分析利用Sobel算子和系统级并行流水线进行图像边缘检测硬件电路设计的优点及可行性;采用基于系统级流水线的滤波器设计方法,用以优化平衡性能要求和设计大小的实际限制。由于采用的都是基本算术逻辑运算,完全能够保证处理的实时性。