基于高斯-拉普拉斯滤波的增强局部对比度红外小目标检测算法

针对单帧图像红外小目标检测算法在低空复杂背景下虚警率高的问题,提出一种基于高斯-拉普拉斯(LOG)滤波的增强局部对比度算法来检测低空复杂背景下的红外小目标。通过LOG滤波运算快速提取候选目标像素,同时通过像素灰度指数运算增强目标。根据局部区域目标与背景的灰度特征计算目标显著图,通过自适应阈值分割提取目标。针对不同的低空复杂场景,构建了测试数据集,从信噪比增益、背景抑制因子、检测率、虚警率及算法计算效率方面将所提算法与Top-Hat算法、Max-median算法、RLCM算法、IPI算法及MPCM算法进行对比分析。实验结果表明,在不同场景中,所提算法相较于对比算法不仅具有较高的信噪比增益和背景抑制因子,而且具有较高的检测率、较低的虚警率和较高计算效率,验证了该算法的有效性和鲁棒性。

基于一种新分解框架结合局部拉普拉斯滤波的医学图像融合

针对局部拉普拉斯多尺度分解复杂性,提出基于一种新分解框架结合局部拉布拉斯滤波的医学图像融合算法。首先,对待融合的源图像用新的分解框架分解为高频部分和低频部分;然后,高频部分用感兴趣信息进行融合,低频部分再次用局部拉普拉斯滤波进行分解,分解得到的高低频部分分别采用感兴趣信息和局部能量最大值进行融合;其次,用逆局部拉普拉斯得到重构图像;最后,将重构图像和高频融合部分采用一定的加法运算得到最终图像。实验结果表明,与离散余弦谐波小波变换(DCHWT)等算法相比,该算法空间频率提升14. 46%,边缘信息提升12. 93%,对于提高临床诊断的准确率具有一定的价值。

拉普拉斯滤波结合CS-LBP的单样本人脸识别

针对传统的人脸识别算法在单训练样本的情况下识别率不佳的情况,提出一种结合拉普拉斯滤波与中心对称局部二值模式的人脸识别算法(LFCLBP)。对原始人脸图像进行拉普拉斯滤波处理;然后对图像提取梯度幅值和梯度相位信息,对梯度幅值用CS-LBP算子编码,再将梯度相位量化到16个区间进行编码,将二者融合成人脸图像的LFCLBP特征;分块统计直方图特征,将所有分块的直方图串联起来作为人脸图像的特征向量,并用最近邻分类器识别。在YALE人脸库和AR人脸库上进行测试,测试结果表明该算法有效,在光照变化、表情变化和部分遮挡等环境下对单样本人脸图像具有较好的识别效果。

基于局部细节增强的快速多曝光图像融合算法

当前基于细节增强机制的多曝光图像融合方法效率较低,针对此问题,提出一种基于局部细节增强的快速多曝光图像融合算法。首先,改进每幅图像待增强区域的划定方法;然后,采用快速局部拉普拉斯滤波(FLLF)提取待增强区域的细节信息,并根据采样插值原理对增强过程进行优化加速,减少计算局部拉普拉斯金字塔系数时的采样次数,避免细节过度增强的同时,进一步提高融合效率。对40组多曝光序列的融合质量和平均运行时间进行测试,并与5种代表性算法进行对比实验。结果表明,算法不仅保持超亮超暗区域的细节信息,而且视觉效果更加自然。算法的两种客观质量指标MEF-SSIM值和Q CB分别为0.942和0.441,在6种算法中分别排名第2和第1;运行时间比基于原始分辨率空间运算的最快方法Li2020减少了46.2%,具有较高的运行效率。

改进的非局部均值滤波算法

非局部均值滤波算法是一种能够较好保持图像纹理细节的降噪算法,但该算法不能自适应调节滤波参数且滤波结果易产生伪影。针对这些不足,提出一种自适应的且与各向同性算法相结合的非局部均值滤波算法。通过改进的拉普拉斯算子对图像的噪声方差进行估计,并将估计的方差应用于滤波系数的计算中,实现滤波系数的自适应选择。以局部方差作为调整因子,将非局部均值滤波算法与各向同性局部滤波算法相结合,减少滤波图像产生的伪影,提高图像质量。实验结果表明,与非局部均值滤波算法相比,该算法在保留图像纹理细节的同时能够更好地减少伪影,提高图像的峰值信噪比,具有更好的降噪效果。

非局部平均滤波噪声压制方法及其在VSP资料逆时偏移中的应用

基于双程波的逆时偏移会产生低频成像噪声,在成像后运用拉普拉斯滤波法可以取得较好的压噪效果,但是,该方法严重依赖于角度参数,使得滤波后的成像剖面上常常存在同相轴不光滑和噪声压制不完全的情况。基于叠后地震资料同相轴结构的特点,为进一步提高逆时偏移叠加数据的信噪比,引入了非局部平均滤波法,针对拉普拉斯滤波后的成像数据进行进一步的压噪处理。非局部平均滤波法将输入的地震数据分解为不含噪声的地震数据和噪声数据两部分,利用不同成像点与其它成像点间的相似系数,实现滤波处理。二维复杂模型VSP正演模拟数据逆时偏移结果的试算表明,应用非局部平均滤波后的剖面信噪比得到进一步提高,同相轴的连续性明显增强。实际VSP资料逆时偏移低频噪声压制试处理也表明非局部平均滤波方法具有计算精度高、算法稳定性好和易于实现的特点。

基于PDTDFB变换域各向异性双变量模型和非局部均值滤波的图像去噪方法

为了有效去除图像噪声并保留更多图像细节信息,提出一种结合PDTDFB变换域各项异性双变量拉普拉斯模型和非局部均值滤波的自适应图像去噪算法。首先分析了PDTDFB变换系数的分布特点,使用各项异性双变量拉普拉斯模型作为其父子系数相关性的先验分布,在贝叶斯去噪框架下推导出闭式形式的各项异性双变量阈值函数,然后对估计的变换系数进行逆PDTDFB变换得到初步去噪图像,最后使用非局部均值滤波对其进行平滑处理。实验结果显示:本文所提算法去噪效果明显,与一些经典算法相比,本文方法在主客观上皆取得了有竞争力的结果。

基于多尺度方向局部极值滤波和ASR的图像融合

为了更好地提取源图像的边缘和方向信息,充分利用边缘保持滤波器的保边缘特性和方向滤波器有效提取方向信息的能力,提出一种基于局部极值滤波和非下采样方向滤波器的多尺度方向局部极值滤波图像融合方法。源图像经多尺度方向局部极值滤波,得到低频子带以及一系列的高频方向细节子带,对低频子带系数提出一种基于自适应稀疏表示(ASR)的融合规则,采用空间频率与l1范数相结合的策略得到融合的稀疏表示系数,对高频方向细节子带系数提出一种基于改进拉普拉斯能量和匹配度的选择与加权平均相结合的融合策略。实验结果表明,本方法能够有效提取源图像的边缘等细节信息,融合结果对比度更高,具有更好的主观视觉效果,其客观评价指标也优于传统的图像融合方法。

基于LLF和RBD检测的红外和可见光图像融合

提出一种基于LLF和RBD检测的红外和可见光图像融合方法。运用局部拉普拉斯滤波对红外图像平滑处理和对可见光增强处理,以充分利用红外图像的目标信息和可见光图像的细节信息。在此基础上,采用增强背景检测的RBD显著性检测算法处理红外图像,以很好地检测出目标。此外,为了增强目标信息,减弱背景干扰,对RBD检测的结果进行S曲线变换。然后,对红外和可见光图像应用NSST分解得到高频分量与低频分量。最后,使用S曲线变换后获得的显著图对低频分量进行加权融合,采用绝对值取大的规则对高频分量进行融合。实验结果表明,该方法能够得到红外目标突出,细节增强的融合图像。

基于图结构滤波的图像去噪

在图像处理领域,图像去噪是一项极具挑战性的任务.图信号理论的发展为我们解决这一问题提供了新的视角.本文研究了基于图信号方法的权重矩阵与拉普拉斯矩阵,将它们用于图像去噪的目标函数,这两个矩阵可以很好地定义观测图像与期望图像之间的内在联系.在提出去噪目标函数的基础上,我们给出了最优解和一种迭代的快速求解算法.实验表明,该方法优于BM3D和WNNM等前沿的去噪方法.

基于边缘增强的正则化超分辨率图像重建

针对双边全变差正则化算法边缘区域重建图像效果不理想问题,提出一种基于边缘增强的正则化超分辨率图像重建算法。该算法在构造初始图像时,对样条插值后的图像先进行非局部均值滤波预处理,然后进行拉普拉斯锐化处理;采用L1范数度量数据保真项和正则项,并从自适应的角度确定正则化参数,从而增强算法的稳健性。实验结果表明,与样条插值算法、双边全变差算法相比,该算法能更好地增强重建图像的边缘信息。

基于两种不同高频融合规则的医学图像融合

针对多尺度分解医学图像融合时信息损失、分解复杂的问题,提出一种医学图像融合方法。源图像经过图像分解框架分解为高频部分和用于局部拉普拉斯滤波分解的低频部分:第一次高频部分采用感兴趣信息,第二次高频部分采用最大值融合规则,低频部分采用局部能量融合规则,逆局部拉普拉斯滤波重构得到的重构图像和高频融合部分采用加法运算融合得到最终融合结果。实验结果表明,对比几种经典算法,所提方法在客观和主观评价方面显示出其优越性。

利用图像结构成分的优先块匹配图像修复方法

针对基于样本块图像修复方法中样本块优先级计算易受纹理信息影响,引起修复顺序偏差,进而造成最终修复结果中结构特征不连续的问题,将图像结构成分引入修复过程,提出一种基于图像结构成分计算样本块优先级的图像修复方法.首先通过自适应局部拉普拉斯滤波器对待修复图像进行保边细节平滑处理,得到图像结构成分;然后利用结构成分和原图像共同计算样本块数据项,并以此确定样本块修复优先级,实现图像修复.通过增加结构成分引导方法,在基于等照度线和基于结构张量的图像修复算法上对常用修复测试图像进行实验,结果表明,增加结构成分引导的方法相对于原方法可改进修复效果.

基于非线性局部滤波的红外小目标检测方法

为提高复杂环境下红外小目标的检测效率,将图像分为平坦区域、边缘区域和小目标区域三种区域,并针对三种成分的特点,提出基于拉普拉斯金字塔的非线性局部滤波检测方法.首先将图像进行高斯金字塔分解,将高斯低通金字塔与原图像尺寸匹配后,相减并进行阈值操作,抑制平坦区域;其次将标记像素灰度值与其周围环域均值的最小差作为指标,滤除边界区域;最后将非线性局部滤波结果生成相应的拉普拉斯金字塔各层系数,重构得到高对比度的检测图像,利用邻域特点剔除孤立噪声点并通过简单阈值标记红外小目标.实验结果表明:与现有其他算法相比,该检测算法能够对复杂背景有效抑制,检测速度快.

混合噪声的图像复原算法

提出了一种基于中值滤波和局部线性核平滑的图像去噪算法.该算法采用在空间域中的自适应滤波思想,运用改进的混合滤波器去除图像中的混合噪声.该算法的特点是复原后的图像能较好地保留边缘,同时对图像退化的先验知识要求不严格,并且有明确的数学公式,更适合实际运用.实验表明,作者提出的方法对含有混合噪声的图像复原具有较好的效果.

基于光学相干层析离体牙图像的去噪算法研究

目的光学相干层析成像因其高分辨率、无损等优点，适于早期龋检测；但由于系统中存在的噪声，影响其成像质量。为了重建牙齿的原貌信息，需寻找一种适于早期龋检测的光学相干层析成像实时图像去噪算法。方法比较平均曲率流滤波、非线性扩散拉普拉斯金字塔算法、非局部均值滤波3种滤波方法对光学相干层析人离体牙图像的去噪效果，从噪声抑制、边界保持、运算时间3方面分析上述3种算法的实时去噪性能及其优缺点。结果非局部均值滤波在噪声抑制和边界保持2个方面能达到很好的平衡，但实时性差；而非线性扩散拉普拉斯金字塔算法则能在滤波效果和运算效率达到较好的平衡；平均曲率流滤波次之。结论非线性扩散拉普拉斯金字塔算法较适于早期龋检测的光学相干层析成像实时图像去噪。

基于细节增强和平行特征刺激脉冲耦合神经网络的医学图像融合算法

医学图像融合的目的是将多幅多模态医学图像的信息整合到一幅图像上,此图像有助于临床诊断,帮助医生精确观察细微病变,缩短病人的治疗周期.本文提出了一种新的解剖图像和功能图像的融合算法,选取了局部拉普拉斯滤波(local Laplacianfiltering, LLF)作为融合过程的分解工具,该工具在增强细节的同时保护边缘,保证解剖图像的细节信息不被功能图像的颜色信息遮盖.首先,利用LLF将原图像分解为近似图和一系列细节图.其次,对于近似图,结合区域能量和边缘能量提出一个改进的局部能量取大的融合规则;对于细节图,采用参数自适应的简化脉冲耦合神经网络(parameteradaptive simplified pulse coupled-neural network, PA-SPCNN)模型进行细节图融合,选取改进的拉普拉斯和(novel sum-modified-Laplacian, NSML)与彩色显著特征信息(color saliency feature, CSF)分别作为解剖图像和功能图像所对应的PA-SPCNN模型的外部刺激输入.最后,使用逆LLF变换获得融合图像.仿真实验表明本文所提算法在主观评价和客观评估方面与已有算法相比具有一定优势.