基于保边滤波器的单幅图像高光去除

研究图像分割优化问题,由于图像中存在高光中,造成干扰,提出一种简单但有效的单幅图片高光去除方法。传统单幅图像高光去除方法,一般需要进行图像分割预处理,或者进行交互输入。提出的新方法无需图像分割预处理,也不要交互输入,而是使用漫反射色度估计值作为引导值,对最大色度图应用边界保留滤波器,并最终得到去高光后的图片。实验结果比较表明,与传统方法比较,该方法不但能够去除单色物体表面高光,对于复杂纹理表面高光非常有效,且输出图像在非高光区更接近输入图像,提高了图像分割效果。

基于保边滤波和肤色模型的人脸美颜技术研究与实现

随着相机和手机的拍照像素不断提高,拍摄的人像均为高清晰度的,但人脸部的瑕疵,如雀斑、痘痘等同时会被清楚地记录下来。针对这一课题,文章提出了基于肤色分割和保边滤波操作的人脸美颜算法。此算法共分成4个步骤,首先对图像进行保边滤波操作,保留面部轮廓和五官,消除瑕疵;再对人脸图像在YCb Cr色彩空间中,根据肤色范围分割皮肤区域与非皮肤区域;然后将滤波处理过的图像和原图根据肤色区域进行alpha通道融合;最后提高皮肤区域的亮度达到美白效果。经实验,此算法可以基本实现面部美化,对头发耳朵等细节保留较高真实性,且无明显修饰痕迹。

使用局部大气光的单幅图像去雾算法

针对传统算法去雾后图像偏暗的问题,根据去雾后图像对比度和亮度均应该增加的标准提出了一种高亮度和对比度的去雾算法。首先依据大气光与复原图像亮度成反比事实,设置像素红绿蓝(RGB)三个颜色分量均值为局部级粗糙大气光,使用具有较好抑制光晕效应的半全局加权最小二乘算法优化获取局部级大气光;然后根据去雾图像方差与大气透射率成反比事实,使用基于像素最小颜色分量的大气散射函数计算粗糙透射率,然后使用局部均值滤波器优化透射率;最后结合雾天成像模型恢复无雾图像。实验结果表明所提算法去雾图像的梯度、亮度和速度等客观指标均优于传统算法,其中亮度最少增强1.5倍。所提算法能提高去雾图像亮度、丰富图像细节和提高去雾速度,具有较好的工程应用价值。

基于背景信息优化的显著性目标检测

自然图像中的背景包含了丰富的信息,在进行显著性目标检测时,如果处理不当,会影响检测结果的准确性。为了减少背景对检测的影响,本文结合背景信息特征提出了一种相邻像素优化的图像显著性目标检测方法。首先提取背景的统计信息和结构信息构建初始的显著性图;然后,利用保边平滑滤波器对初始显著图进行优化,加强目标区域的细节信息,获得轮廓较为清楚的显著图;最后,根据相邻像素之间的影响,建立相邻像素之间的关系对显著图做进一步优化,得到最终显著图。在两种公开的数据集上测试,并与四种经典的显著性检测算法对比,采用精确率–召回率曲线和F-measure图对算法进行评估,结果显示,本文提出的算法生成的显著图效果更好,检测的准确性更高。