基于导向滤波和聚焦区域局部标准差的多聚焦图像融合

针对目前多聚焦图像融合存在着在融合图像边缘处容易出现伪影和光环等问题,提出了一种新的基于导向滤波和聚焦区域局部标准差的多聚焦图像融合方法。首先,设计了一种新的聚焦区域检测策略,它将导向滤波后的源图像与均值滤波后的源图像相减得到绝对差值图像,并以此作为高频信息而生成粗略聚焦图;粗略聚焦图进一步经过导向滤波增强其高频细节信息,从而得到对应源图像的聚焦区域。然后,根据聚焦区域的局部标准差,利用像素级最大化规则得到初始决策图。最后,通过小区域去除策略和导向滤波优化生成最终决策图,并据此利用像素加权平均规则得到融合后的图像。实验结果表明,论文提出的多聚焦图像融合方法在主观视觉效果和客观评价指标方面的综合性能都优于现有的典型融合方法,且其计算效率也较高。

基于局部标准差与显著图的模糊图像质量评价方法

为了有效地对模糊图像的质量进行评价,提出了基于局部标准差和显著图的无参考模糊图像质量评价方法。首先,针对待评价图像,利用高斯低通滤波器对其进行模糊化来构造参考图像。然后,利用图像的局部标准差和显著图两个特征在模糊化前后的变化情况,对原模糊图像的质量进行评价。最后分别在LIVE图像库和CSIQ图像库上对本文方法进行了验证,其中Pearson线性相关系数(PLCC)值分别达到了0.9315和0.9254,Spearman秩相关系数(SROCC)值分别达到了0.9258和0.8962。实验结果表明本文方法与当前公认性能优越的算法LPC-SI表现接近,且计算复杂度较低,耗时仅为其4.7%。

对一种新的基于局部标准差的自适应对比度增强算法的评价(英文)

介绍一种基于图像局部标准差变换的自适应增强算法 通过将图像的局部标准差映射为高斯函数得到一个非线性对比度增益函数 ,使图像的细节区域得到较大幅度的增强 ,同时抑制平滑区域的噪声以及发生于陡峭边缘的“振铃伪迹”(RingingArtifact) 通过不同类型的图像以及对比度 -噪声比 (Contrast-to -NoiseRatio)演示了算法的性能 ,并与几种常用的图像增强方法进行了比较 结果表明该算法对于低对比度的图像细节具有较好的增强效果 ,同时能够避免平滑区域噪声的过度增强及陡峭边缘的振铃伪迹 .

基于局部标准差和方向微分的模糊方向识别

针对最小方向微分算法在运动模糊方向识别中误差大和实时性差的缺点,提出利用局部标准差和方向微分相结合的方法鉴定模糊方向。该方法首先对模糊图像进行局部标准差滤波以增强模糊方向上的纹理细节,然后利用双线性插值求最小方向微分和,其对应的方向即为模糊方向;在对方向微分和曲线归纳分析后找到了其内在规律,基于此规律提出范围对半递减搜索最小值的方法,减少了搜索次数。实验结果表明该算法识别精度高,抗干扰性强,实时性好。

一种卫星云图局部标准差图像的快速算法

局部标准差图像(Local Standard Deviation image,LSD)在卫星图像的空间一致性检测中有着重要的作用,然而利用传统的滑动窗技术计算局部标准差图像时,由于大量的循环过程使运算速度较慢,特别是当卫星图像较大而滑动窗较小时,这种运算更为耗时。采用了矩阵运算的思路,提出了根据滑动窗大小将卫星图像数组按一定方向和偏移量进行整体平移,然后对经过平移后的图像数组进行数学运算来获取标准差图像的快速算法。通过计算2005年1月1日的NOAA-16/AVHRR通道4亮温局部标准差图像实例表明,采用快速算法的计算效率相对于传统滑动窗算法计算效率提高明显。

局部标准差算子在红外图像去噪及边缘检测中的应用

本文描述了局部标准差算子并将其分别用于红外图像噪声滤除及边缘检测上。首先,将模板算子划分为包含中心像素点的大小不同的多个小区域,并分别计算各区域的标准差;然后根据其用途做不同处理:当用于图像去噪时,取最小标准差对应区域的所有像素点的灰度平均值作为模板输出;当边缘检测时,用最大标准差值作为中心像素点的新的输出。仿真实验结果表明,该算子无论在红外图像去噪还是边缘提取方面均获得了较好的处理效果。

基于DCT零系数和局部标准差的自动聚焦算法

聚焦评价函数的设计与选取是显微镜自动聚焦的核心问题之一,光照变化引起函数曲线失去理想特性,传统的聚焦评价函数无法克服这一问题。为了解决此问题,提出一种结合频域离散余弦变换(DCT)零系数和空域局部标准差的自动聚焦算法。通过计算图像子块的DCT高频零系数个数和局部标准差,利用两者相反的作用效果进行除法运算,并采用平方运算加大该算法的清晰度比率,在不同光照条件下,与几种传统的聚焦评价函数进行聚焦对比实验,验证了该算法的适用性,并对聚焦评价函数使用定量指标进行性能评估。结果表明,该算法在低照度的条件下还能保持良好的曲线特性,并且具有较强的抗噪性、灵敏度和稳定性。

基于局部均值和标准差的Curvelet变换遥感图像融合算法

为充分利用各种遥感图像的有用信息,在Curvelet变换的基础上,提出一种基于局部均值和标准差限定的遥感图像融合算法.通过Curvelet变换将同一场景下的高空间分辨率全色图像和低分辨率多光谱图像分解到不同尺度、不同方向的频带范围内,然后对低、高频系数分别采用最大值法和局部均值及标准差限定法的融合规则进行融合,最后进行Curvelet反变换得到融合图像.实验表明,基于该融合规则的Curvelet算法优于传统的遥感图像融合算法.

基于局部特征的无参考模糊图像质量评价算法研究

图像拍摄过程中,相机晃动和快速运动状态下拍摄的图像因失焦而导致模糊,使图像结构发生衰变。通过提取模糊图像的局部标准差和梯度测度图,利用显著性加权策略,得到反映图像微小细节变化的模糊感知测度图,利用图中的像素值特征评价图像质量,在LIVE、CSIQ数据库取得较好性能,且时间复杂度低。

一种基于局部特征的拓片图像边缘检测算法

针对传统边缘检测算法在处理拓片图像时,容易将模糊的细节部分丢失或者误检的问题,提出了一种基于局部特征的拓片图像边缘检测算法.该算法预处理部分采用了unsharp算子对细节部分进行保护和增强,利用局部标准差均值比(Local Standard Deviation Mean Ratio,LSDMR)对图像进行边缘描述,对LMSDR进行处理以得到图像边缘,实验结果表明,该算法对拓片图像模糊细节的边缘检测明显优于传统算法.

基于核密度估计的红外目标提取方法

提出了有效集成灰度、空间关系和局部标准差信息的新的核密度估计方案,据此设计了一种基于核密度估计的红外目标提取方法,即首先将图像分块,根据块的统计特征获得包含整个目标的约束区域;然后对目标约束区域和相应的背景采样区域进行核密度估计,这里背景采样区域指的是围绕着目标但又不包含目标的图像区域,由目标约束区域向外扩展而形成;最终通过对两种核密度估计对比的阈值判断即能获得所提取的目标.实验验证了所提出的算法简单有效.

一种抗噪分形维计算方法及其在声纳图像识别中的应用

用于计算图像分形维的差分盒计数法(DBC)和鲁棒差分盒计数法(RDBC)都对脉冲噪声和斑点噪声较敏感,为此本文提出一种抗噪差分盒计数法(NRDBC),利用剪切局部标准差(TLSD)来计算图像分形维,由于TLSD可有效滤除脉冲噪声和斑点噪声、且对高斯噪声敏感性小,因此NRDBC能对有噪图像进行可靠的分形维估计。利用多分辨率的DBC、RDBC和NRDBC对混有高斯噪声、脉冲噪声和斑点噪声的7种Brodatz纹理以及3种海底的侧扫声纳图像进行了分类实验,结果表明,本文提出的NRDBC可获得更高的识别率和更好的抗噪性。

基于统计学的老电影斑点自适应检测方法

传统基于ROD的斑点检测算法在对不同帧或当前帧的不同区域进行检测时,所采取的阈值是固定不变的,缺乏自适应性,同时也在很大程度上影响了检测效果.为了解决上述问题,提出了一种基于统计学的自适应阈值检测方法.传统检测方法仅计算各孤立点之间的灰度级差异,而该算法则是计算各点邻域块内的灰度级差异,同时利用阈值迭代及帧间的统计特性的方法来确定每一帧图像的最优阈值,提高了算法的自适应性.仿真实验结果表明,该算法的斑点检测效果比传统方法更加准确,自适应性也更高.

有效用于人脸识别的光照不变特征表示算法

在光照变化环境下,人脸识别的鲁棒性是人脸识别系统中一大挑战。针对光照变化对人脸识别的影响,对经典光照不变特征表示算法进行了研究,提出一种基于局部标准差光照不变的人脸特征表示算法及其加权形式。结合完备线性鉴别分析(Complete-Linear Discriminant Analysis,C-LDA)算法提取特征,在Extended Yale-B与YALE人脸库中,与其他处理光照变化的经典方法相比,如多尺度Retinex(Multi Scale Retinex,MSR)、韦伯脸(Weber-Face,WF)和局部归一化(Local Normalization,LN),提出的算法能获得更高识别率。

基于DCT变换的多曝光图像融合方法

针对普通相机拍摄图像中存在区域曝光问题,提出一种改进的基于离散余弦变换的多曝光图像融合算法。分别对同一场景的多幅不同曝光图像分块,并对每个小块进行离散余弦变换。对提取相应位置的低频系数平均加权,获取图像近似部分的融合分量;对高频系数基于区域标准差确定权重系数,根据权重系数的大小获取细节部分的融合分量。最后,通过反离散余弦变换获得较好质量的多曝光融合图像。仿真实验表明,该算法在提取低频系数为25%,高频系数为75%时,展现的图像细节信息更加丰富。

运动模糊图像的多目标参数估计

针对现有算法只能进行单一目标模糊参数的鉴别的缺点,提出利用局部标准差和现有算法相结合的方法同时鉴定多目标的模糊参数。通过对现有算法的分析,对模糊图像进行局部标准差滤波,提取标准差较大的模糊边缘图像块,对各图像块进行筛选、归类,然后应用Radon变换及改进倒谱法分别对每个图像块进行运动模糊参数的鉴别,再通过加权平均处理,进一步精确参数结果。算法对鉴别多目标模糊参数有良好的精度,而且提高了运动模糊参数鉴别的稳定性和准确性。

基于双树复小波变换的图像融合

为弥补小波变换的不足,采用基于双树复小波变换的方法进行图像融合。在对源图像进行双树复小波分解后,综合考虑了图像的高低频成分,对低频成分采用区域平均能量择大的融合规则,高频成分采用局部标准差结合选择及加权平均的策略,最后采用双树复小波逆变换重构图像。经多聚焦及多光谱图像的融合实验及主客观考核,结果表明:融合后的图像更清晰地反映了源图像的细节信息,融合质量相对较高。

纹理滤波器在分割肛管外病症图像中的应用

采用均值滤波和中值滤波的方法对含有高斯噪声和椒盐噪声的肛管外外痔中的血栓性外痔图像进行滤波预处理,同时利用纹理滤波器分割图像将纹理图像、形态学操作、局部标准差滤波和Rangefilt滤波相结合,在保证分割图像整体性的同时,提高了分割图像的有效性,保留了图像的细节。通过血栓性外痔、息肉、混合痔、息肉血栓混合痔四种肛管外病症的分割图像结果的比较,表明纹理滤波器分割图像是一种性能良好的纹理图像分割方法,同时将其应用在肛管外病症图像的分割中,获得了很好的效果。

合成孔径雷达图像统计滤波降噪方法

基于统计滤波方法需要在尽可能大的同质区域内进行滤波处理的要求 ,根据 MHR和 EPOS算法采用的可变窗口思想 ,提出了从八个不同方向上逐步扩大窗口 ,直到出现边界的搜索算法 ,在保持图像边界信息的同时滤除了斑点噪声的影响 .对于噪声统计量 ,提出了利用了比例图来估计其大小的方法 ,并由此求出搜索的域值 .实验结果表明 ,该方法处理的

一种高精度的光伏阵列红外图像分割算法

随着化石能源短缺,且其燃烧带来的环境污染问题,清洁的太阳能发电得到更广泛的使用。然而光伏阵列长期处于恶劣环境中,导致光伏组件容易出现损坏。传统光伏故障检测方法效率较低、准确率不高,难以满足实际需求。因此在分析光伏阵列图像特征的基础上,提出基于光伏阵列区域局部灰度特征的高精度分割算法。通过使用5×5的滑动窗口计算Gaussian处理后的灰度图像的局部标准差,以此衡量局部灰度一致性,提取出灰度一致性高的区域。应用形态学膨胀处理所得区域,并使用基于尺寸的筛选方法去除孤立小区域,得到最终分割结果。实验结果表明,该算法对于光伏阵列的识别准确率达到了96%以上,同时降低了背景区域的误检率。算法可精确、有效地分割出光伏阵列区域,分割效果优于边缘检测和Otsu算法。