各向异性高通滤波中一种改进型边缘方向估计算法

由于采用梯度估计法得到的边缘方向往往与实际边缘方向有较大的差距,从而导致高通滤波的效果降低,为了提高高通滤波效果,在研究了滤波器长轴和边缘方向的夹角对滤波效果的影响曲线的基础上,结合坐标变换,提出了一种改进型的边缘方向角估计算法。由于该算法尽可能多地利用了区域中像素点的灰度值参与估计,并选择了1个最优化的方向角估计值,因此估计的边缘方向更贴近实际边缘。实验中,以严格遵循"滤波器长轴与实际边缘方向重合"时得到的滤波效果和实验数据作为理想高通滤波的基准,实验结果表明,采用这种改进型边缘估计算法所得到的滤波效果和实验数据更趋近于理想高通滤波的基准。

一种新的基于区域角度搜索的各向异性高通滤波算法

采用梯度方向法估计的边缘方向往往与实际边缘方向存在的较大差距,导致高通滤波的效果降低。在研究了滤波器长轴和边缘方向的夹角对滤波效果影响曲线的基础上,提出了一种新的基于区域角度搜索的各向异性高通滤波算法,以采用梯度方向法估计的边缘方向角为初始值,利用区域搜索寻找实际的边缘方向角,同时获得该搜索步长下最佳的滤波效果。如果严格遵循"滤波器长轴与实际边缘方向重合"时,将得到理想高通滤波效果,实验结果表明,采用本文滤波方案所得到的滤波效果更趋近于理想。

基于各向异性高通滤波的图像边缘检测算法

图像在处理的过程中,总会受到噪声的污染。由于噪声和边缘都是图像的高频分量,在滤除噪声的同时,也破坏了图像的边缘。为了使所提取的图像边缘更加逼近被噪声污染的图像真实边缘且定位精确,提出结合各向异性高通滤波和多尺度积对图像进行边缘检测。首先采用具有各向异性的非下采样Contourlet变换(NSCT)对原始图像进行多尺度、多方向分解,并用多尺度积对变换结果的高频分量去噪,最后利用各向异性高通滤波器长轴与边缘方向之间的夹角确定图像边缘。实验结果表明,所提出的方法抗噪声能力强,计算复杂度低,所提取边缘清晰、光滑且定位精确。

生物视觉同时对比机制在高通滤波中的应用

本文首先比较了生物视觉同时对比现象与各向异性高通滤波之间的相似性,再对各向异性高通滤波器方向与边缘方向之间的夹角和滤波效果之间关系进行了研究,从而提出了一种基于角度搜索的各向异性高通滤波方案,并从实现方式和滤波效果实验等两个方面将该方案与采用灰度梯度方向估计的滤波方案进行了比较。实验表明,采用灰度梯度方向估计的边缘方向与实际边缘方向尚存在较大的差距,这将直接导致高通滤波效果的下降;而新的滤波方案却能大大地改善高通滤波效果。根据角度搜索时所设定的搜索精度大小,该滤波方案将具有不同的工程应用价值。