PSLIP新模型及在边缘检测和图像增强中的应用

对数图像处理模型已形成并应用于图像处理的各个方面.本文提出一种参数对称的对数图像处理(PSLIP)新模型.该模型建立了一种可以处理图像负值部分带参数的对称结构.同时该模型不仅能够对图像中感兴趣的部分进行自适应调整,而且能够处理反射光图像和透射光图像.为了验证PSLIP模型的有效性,将其应用于边缘检测和图像增强中,形成PSLIP边缘检测和PSLIP图像增强算法.实验结果表明,其效果均优于现有对数图像处理模型.

COPLIP新模型及其图像增强新算法

针对现有对数模型在彩色图像领域的瓶颈问题,把带参数的对数模型扩展到彩色图像,提出一种带参数的彩色对数图像处理新模型,定义了新模型的彩色色调函数,加、数乘、取反运算和基本同态函数.为了验证其有效性,设计了基于新模型的图像增强新算法,色调函数的评价结果表明,新模型在图像增强上具有更好的效果,与人类的视觉模型更加匹配,能选取更多的参数来调整图像中感兴趣的部分.

一种改进的参数化对数图像处理方法

针对现有胸片中根据肺结节对病情诊断不精确的问题。采用一个基于拉普拉斯高斯滤波的参数化对数图像处理方法对CXR中的肺结点进行增强。该方法采用具有相应参数的Lo G来增强原始胸片中的结节状结构和边缘。然后再利用参数变化的PLIP方法提高图像对比度。文中选择熵值对此方法进行评估。熵值越小,表明图像增强的性能越好。从结果来看,采用不同参数的改进PLIP方法处理后图像的熵值平均为原始图像熵值的1/12。

基于RPCA和PLIP的红外与可见光图像融合方法

针对现有的红外与可见光图像融合方法存在源图像细节纹理丢失、对比度和清晰度不高等问题,提出一种基于鲁棒主成分分析(Robust Principal Component Analysis,RPCA)和参数化对数图像处理(Parameterized Logarithmic Image Processing,PLIP)的红外与可见光图像融合方法。利用RPCA将待融合图像分解为稀疏矩阵和低秩矩阵。对稀疏矩阵结合局部二值模式(Local Binary Pattern,LBP)和直觉模糊集(Intuitionistic Fuzzy Set,IFS)进行融合,以减少噪声干扰,获取丰富的细节。对低秩图像基于主成分分析(Principal Component Analysis,PCA)和PLIP融合,以增强融合图像背景的纹理信息。实验结果表明,所提方法在保留待融合图像的边缘和细节、融合图像的对比度和清晰度等方面均有所提高,并且主观感受更自然。

基于参数化对数图像处理模型的光照不均匀图像的边缘检测算法

由于低照度以及场景光不均匀的环境下图像的成像特点,普通的边缘检测方法无法有效检测出完整清晰的边缘图像。本文结合参数化对数图像处理(PLIP)模型对低亮度图像敏感、处理效果接近人眼视觉观察的结果等优点提出一种新的边缘检测算法。首先,利用PLIP模型理论推导出新的梯度算子,然后分析传统Canny算法检测边缘过程的不足并加以改进,并将推导出的新梯度代替了传统Canny算法中的梯度,运用Canny算子的三个最佳边缘检测标准提取图像的边缘。最后,通过对微光实验平台获取的低照度和场景光不均匀环境下的图像进行边缘检测对比验证。实验结果表明,新算法边缘检测的线型连接程度相较于传统Canny算法、Sobel算法和原对数图像处理模型(LIP)算法分别提升了约10%、30%和4%,其检测效果更佳。