基于域变换递归滤波的雾天图像复原

为了提高大雾天气下采集图像的对比度和能见度,提出一种基于域变换递归滤波的图像复原方法。该方法在大气散射模型的基础上,对大气耗散函数的约束条件进行空间域的变换以实现维数降低,然后经过递归滤波之后获取较准确的结果,最后求解雾图成像方程,并对复原结果进行局部的线性映射调整,获得理想的清晰图像。该方法在场景深度跳变的边缘处可以获得更自然的复原效果,而且能很好地突出图像中的细节信息。实验结果表明,通过该方法得到的结果相比于传统的单幅图像去雾方法,视觉效果更佳、执行速度更快,并且该方法可以并行计算,因此采用GPU进一步加速能够满足实时处理视频的需求。

基于SPCA和域变换递归滤波的高光谱图像分类

提出一种基于分割的主成分分析(Segmented Principal Component Analysis,SPCA)和域变换递归滤波(Domain Transform Recursive Filtering,DTRF)的高光谱图像分类算法。利用SPCA方法降低高光谱图像的维数和提取各波段子集的第一主成分。使用不同参数的域变换递归滤波器对各波段子集第一主成分进行滤波,形成堆叠的边缘保持滤波图。采用主成分分析(Principal Component Analysis,PCA)将堆叠的边缘保持滤波图进行特征融合。利用基本阈值分类器(Basic Thresholding Classifier,BTC)对融合后的主成分进行分类。仿真实验表明,所提方法能够提高分类精度,且在总体分类精度、平均分类精度、Kappa系数等方面优于已有方法。

基于带间预测的非负支撑域受限递归逆滤波盲复原算法

针对非负支撑域受限递归逆滤波(NAS-RIF)算法对噪声敏感和耗时长等缺点,提出了一种改进的NASRIF盲复原算法。首先,为了改进原始NAS-RIF算法的抗噪性能和复原效果,引入了一种新的NAS-RIF算法代价函数;其次,为了提高算法的运算效率,结合Haar小波变换,仅对低频子频带的图像进行NAS-RIF算法复原,而高频子频带的信息,则通过带间预测分别从低频子频带的复原图像中预测得到;最后,为了保证高频信息的准确性,提出了一种基于最小均方误差(MMSE)的带间预测。分别对模拟退化图像和真实图像进行了仿真实验,采用该算法得到的信噪比增益分别为5.221 6 d B和8.103 9 d B。实验结果表明:该算法在保持图像边缘细节的前提下,能够较好地抑制噪声;此外,该算法的运算效率也得到了较大的提高。

NSCT域红外图像改进非局部均值滤波算法

结合非下采样轮廓波变换(NSCT),提出了一种红外图像改进非局部均值滤波算法(Improved Non-local Means Filtering,INLMF)。该算法首先对红外噪声图像进行多尺度NSCT变换,其次分别从相似图像块自适应划分方法以及滤波权重计算方法 2个方面对经典非局部均值滤波算法进行适当改进,将改进后的非局部均值滤波算法(INLMF)应用于处理高频分解系数,然后将滤波后的高频分解系数与低频分解系数进行重构,得到去噪后的图像,最后对去噪后图像采用非负支撑域有限递归逆滤波(Non-negativity and Support Constraints Recursive Inverse Filtering,NAS-RIF)算法进行图像复原,以尽可能消除因滤波造成的图像失真。测试结果表明,本文算法滤波效果优于NLMF及其已有的改进算法。

基于小波变换和非负支撑域递归逆滤波算法的盲目图像复原

提出了一种将自适应正则化方法与非负支撑域递归逆滤波(NAS-RIF)算法相结合用于小波域的盲图像复原算法。该算法先对降质图像进行小波分解,得到了图像在不同子频段的信息。在各个子频段采用NAS-RIF算法进行复原。针对各个子频段内图像的频率和方向特性,分别引入了不同的正则化约束项。在各个子频段估计出噪声方差,提出了根据噪声方差和图像局部方差来选取正则化参数。分别对两幅模糊图像进行了仿真实验,复原结果取得的信噪比分别为19.66 dB和23.86 dB。实验结果表明,复原效果相对于空间自适应正则化方法有一定的提高。

提升小波变换在NAS-RIF盲复原算法中的应用

针对采用非负支撑域受限递归逆滤波(NAS-RIF)算法对低信噪比图像进行复原时将导致算法性能恶化的问题,提出一种与提升小波变换相结合的NAS-RIF盲复原算法.首先对退化图像进行整数提升小波分解,得到不同频带子图像的信息;然后对各个频带子图像分别采用基于空间自适应和正则化方法的NAS-RIF算法进行复原,针对不同频带子图像的频率和方向特性,通过自适应地选取对应的正则化算子、正则化参数和空域加权因子,达到对低频子图像去模糊、对高频子图像抑制噪声,并保持边缘细节的目的;最后通过整数提升小波逆变换得到复原后的图像.在不同的信噪比条件下对2种模糊图像进行仿真实验,采用文中算法得到的信噪比增益分别为5.849 1dB和9.713 6dB.实验结果表明,文中算法不仅取得了更优的图像复原效果,而且具有较快的收敛速度.

基于多尺度灰度变换的图像增强研究

为了提高图像增强效果,有效地保持原始图像细节,提出了一种基于多尺度灰度变换的图像增强方法。利用梯度域递归双边滤波对原始图像进行多尺度分解。基于小波变换,将分解层的子带分别作灰度变换。根据变换后的各个子带重构得到分解层的增强结果,并在其基础上实现图像的整体增强.对比直方图均衡化、灰度变换,提出的方法增强效果更好,并且保图像细节。利用客观性能指标对增强结果进行评价。实验结果表明,提出的方法有效,并具有结构简单、计算复杂度低的特点。