基于改进机器学习的超分辨率图像细节复原

相对于低分辨率图像,高分辨率图像需要增加的像素数目更多,且需要增加高频信息以提升图像的清晰度,当图像目标与背景之间对比度较大时,图像高频细节信息复原难度较高。为此,提出基于改进机器学习的超分辨率图像细节复原方法。对图像去噪,并结合采用双边滤波方法实现图像的对比度增强;利用改进字典的机器学习算法建立双层字典,结合稀疏表示算法获取一层的粗略复原图像;通过二层字典计算一层复原图像与原始图像之间的差值,建立高分辨率样本,并对其开展二层字典训练,通过训练结构实现超分辨率图像的细节复原。实验结果表明,研究方法应用下峰值信噪比可保持在20dB以上,细节复原均方差低于4×10-3,结构相似性指标更高,高分辨率图像的训练效果更好,特征对比明显,细节信息突出。

基于时空域滤波的二维动画图像细节增强方法

应用常规二维动画图像增强方法,容易产生图像边缘模糊和清晰度较差等问题。基于此,引入时空域滤波算法,提出了一种全新的二维动画图像细节增强方法。首先,多尺度分解二维动画图像,提取有针对性的图像细节特征信息。其次,利用时空域滤波算法对动画图像进行降噪处理,减少图像中的噪声干扰。最后,依据双边滤波方法原理捕获动画图像的特征结构,增强和融合图像细节。实验结果分析可知,新方法能够显著提高各种不同类型动画图像的峰值信噪比,降低失真,从而优化图像质量、清晰度、视觉冲击力。

基于图像细节增强的无人机低空航拍航测技术研究

传统的航空摄影测量方法已经不能满足人们日益增长的需要,而且在实际应用中存在一些问题。提出一种基于图像细节增强的无人机低空航拍航测技术的解决方案,利用无人机搭载数码相机进行低空航拍获取影像数据,然后通过数字图像处理技术来实现对原始影像去噪、锐化以及边缘检测等操作,最后将这些处理后的结果与地面控制点相结合得到高精度DEM模型。实验证明,该技术能够有效提高工作效率并降低成本。

一种基于TV/L2模型的双极图像细节分解方法

基于TV/L2模型的总变差最小化方法在图像分解过程中受到正则化参数的影响。本文通过分析发现,当不同于经典模型而设置较小的正则化参数时,分解的图像特性发生了重要改变。据此,本文提出了一种新的基于TV/L2模型的双极性图像细节分解方法,该方法在正则化参数较小的情况下将观测图像分解为一个近似图像分量和两个具有正、负不同极性并反映不同信息的细节图像分量。将这种新的图像分解方法应用于印刷电路板CT图像的处理中。实验结果表明,通过综合利用本图像分解方法得到的图像细节信息,可以在有效抑制金属伪影的同时增强PCB图像中的有用信息。

细节保留的多曝光图像融合

针对传统的多曝光图像融合算法存在的细节丟失严重和鬼影现象,提出了一种细节保留的多曝光图像融合算法。该算法首先计算曝光序列的3个特征指标:图像细节、曝光亮度和色彩信息,其中图像细节通过引导滤波计算,曝光亮度的权值由高斯方程分配,而曝光序列的色彩信息用色彩饱和度表示。然后,利用差分图和邻域相关系数检测多曝光序列中运动物体,利用3个特征指标和运动目标检测结果分别计算静态场景和动态场景的融合权值图。为了消除噪声的影响,采用递归滤波器来修正融合权值图。最后,采取加权融合的方式得到融合图像。选取10组不同的曝光序列,分别从主观和客观两方面与6种传统的融合算法进行了比较。实验结果表明,本文算法保留了丰富的细节信息,呈现出了更加生动自然的现实场景,并且有效去除了由运动物体产生的鬼影现象,效果优于其他比较算法,在静态场景和动态场景的曝光融合中都取得了好的效果。

基于分数阶微分的图像边缘细节检测与提取

图像边缘细节包含重要的视觉感知信息,是进一步进行图像理解与场景感知的基础.针对常用的边缘梯度检测方法难以有效提取类似于分形纹理结构的复杂图像边缘问题,提出一种基于分数阶微分的图像边缘检测方法.该方法首先基于分数阶微分的性质进行图像拐点检测,并进一步结合拉格朗日多项式插值和Grumwald-Letnikov(GL)分数阶微分的定义,推导出具有非整数步长像素信息的图像边缘检测算子.实验表明,该方法能有效提取图像中的边缘细节(拐点)特征.对被噪声严重污染的具有复杂边缘细节的图像,该算子同样具有较好的边缘细节检测能力,获得更好的视觉效果.

一种新的红外图像细节增强算法

红外成像系统在数字化时使用14位(或16位)数据来量化一个像素,具有动态范围大、含噪多和对比度低等特点,因此在进一步处理之前往往需要进行必要的增强。目前常用的红外数据增强都是基于普通方法压缩至8位后完成,许多细节信息已在压缩过程中损失,因而增强效果有限。本文把增强过程放在从14位到8位的压缩过程中,提出一种双域滤波及改进的最值归一化对比度增强算法的红外图像增强方法。首先使用双域滤波将原始14位图像的细节部分与基本部分分开,压缩基本部分的动态范围、保留或增强细节部分,然后使用改进的最值归一化方法增强图像对比度,最终得到可以在普通显示器上处理的8位图像数据。该方法在压缩红外图像数据宽度的同时保留了细节信息,取得了良好的实验结果。

一种适于图像细节保持的全方位多级组合滤波器

本文在传统滤波器的基础上，结合全方位多结构元，提出了一种有效保持图像细节的滤波器——全方位多级组合滤波器．它能针对不同图像区域自动选取不同的滤波单元，充分发挥各级滤波单元的优点．图像处理仿真实验表明，在滤除噪声和保持图像细节方面，具有较好的效果．

直方图重建图像细节增强算法

针对传统大动态范围图像数据压缩方法易受场景变化影响,量化后的8位显示图像整体模糊、图像细节和弱小目标丢失问题,提出了一种基于直方图重建图像细节增强算法。对图像直方图统计值进行重新赋值,保留图像中出现的细节部分,并缩小相邻灰度级间间隔;采用二维Gabor滤波器来模拟视觉感知系统,将Gabor滤波器与图像进行卷积运算,得到滤波后的平滑图像;采用局部对比度增强方法来增强图像细节部分,并将增强后的中间结果线性映射为8位显示图像。实验结果表明,与其他大动态范围数据压缩方法相比,该算法量化后图像清晰度高,无图像细节和目标丢失现象。

一种基于FPGA的红外图像细节增强加速方法

在机载、车载、舰载平台的众多座舱人机交互系统中,图像细节增强能够提升人员对红外图像的判读能力,具有非常重要的应用需求。运行在嵌入式计算平台上的增强算法需要具有较高的处理速度和较低的算法延迟才能满足实时交互的需求。当前红外视频传感器分辨率较低,图像细节增强算法在同构多核CPU处理平台上即可达到实时处理性能。然而,随着平台传感器分辨率的持续增加,图像处理速度和延迟难以满足。提出一种针对FPGA平台的红外图像细节增强加速方法,考虑FPGA的特定领域软硬件计算架构,采用基于局部缓存和查表等方式对传统的双边滤波图像细节算法进行加速,使得在4k分辨率输入图像下,依然能够达到实时处理性能,同时几乎不增加额外的访存延迟。算法在保证处理效果的同时,极大地提升了处理和延迟指标,满足座舱人机交互系统等嵌入式装备特定领域应用需求。

保持图像细节的局部自适应去噪滤波器新方法

去噪算法在现代图像处理应用中占有极其重要的地位。然而图像去噪的过程总是伴随着图像的模糊。本文提出了一种对彩色图像细节保持较好的局部自适应的去噪算法--基于个数判断噪声的前提下结合线性插值、非线性插值(这里主要指中值滤波)滤波对噪声图像进行处理,得到较理想的效果。和领域平均法、倒数梯度加权法、纯线性插值法、纯中值滤波法等相比较,其效果改善明显。

基于细节的背光图像检测

针对传统的背光图像检测算法低准确率的问题,提出一种基于细节的背光图像检测算法.通过分析图像在不同Gamma取值下细节数目的变化规律来确定输入图像是否是背光图像.实验结果显示,该方法相对于传统的亮度直方图分析方法以及YCr Cb直方图分析方法具有更高准确率.

基于单尺度Retinex的电路板刀具磨损图像细节增强方法

在采集电路板刀具磨损图像过程中,会因光照角度的变化导致图像细节不足,而常规图像细节增强方法在处理过程中存在噪声混叠的情况,实时性不强。针对这一问题提出基于单尺度Retinex的电路板刀具磨损图像细节增强方法,根据目标图像的灰度值变化来定义灰度色调函数,在构建图像处理模型的基础上,采用引导滤波函数处理目标图像模型,去除图像噪声干扰后,使用高斯函数获得图像内的照射分量和反射分量,再利用单尺度Retinex方法剔除照射分量,增强电路板刀具磨损图像的细节。实验结果表明:设计的基于单尺度Retinex的图像细节增强方法运行时间短,增强效果好,处理后的图像质量高。

有效保留图像细节的模糊区域复原方法仿真

平滑区域阶跃效应是影响模糊图像复原的重要影响因素之一。为了有效提高图像模糊区域复原的质量,针对当前方法复原后存在平滑区域阶跃效应而无法有效保留图像细节信息问题,提出基于广义逆矩阵的有效保留图像细节的模糊区域复原方法。对测试模糊图像进行分块处理,利用SIFT算法在图像模糊区域与清晰区域之间进行块配准,计算获得各个图像块的质心坐标。采用质心法计算每个图像块发生偏移的角度及距离,综合所有图像块的偏移结果,估计出图像模糊区域的点扩散函数。以点扩散函数的矩阵形式构建图像模糊区域复原模型,运用零边界像素条件的保护边缘特性克服平滑区域阶跃效应的优势,完善图像模糊区域复原模型。实验结果表明,所提方法对模糊区域进行复原能够有效保留图像细节信息,且相比现行复原方法峰值信噪比增量提高了2. 4~3. 4dB。

有效保留图像细节的自适应图像消噪方法

采用小波图像降噪方法容易去除图像的边缘细节特征,导致关键信息丢失,提出一种有效保留图像细节的自适应图像消噪方法。采用局部二值拟合方法对图像进行二值化处理,提取图像的边缘轮廓特征并进行多尺度分割,采用局部区域梯度模特征匹配方法调整邻域的大小,对图像进行全局分割,从而有效保留了图像的细节特征,在此基础上利用变尺度的小波降噪方法实现图像自适应降噪。仿真结果表明,采用该方法进行图像消噪能有效保留图像细节特征,图像消噪输出的峰值信噪比较高,说明图像质量较好,性能优越。

小尺度图像细节层的高频分量提取仿真

目前视觉领域针对图像处理没有相对完善的方案,缺少有效提取图像的高频分量方法,因此采用当前方法对小尺度图像细节层的高频分量进行提取时,存在分量提取效果不佳、图像细节信息不显著以及视觉效果不好等问题,提出一种基于人工神经网络模型的小尺度图像细节层高频分量提取方法。首先对待处理的小尺度图像进行双边滤波去噪,对平滑图像进行离散小波变换,提取出图像细节层中水平细节分量、垂直细节分量、对角细节分量;然后采用人工神经网络模型对提取出的三个细节层分量进行增强处理,进一步体现细节层的高频分量,使提取的高频分量更为平滑。仿真实验证明,所提方法对小尺度图像的高频分量提取精度较高、所需时间较短。

贝叶斯框架下图像细节模糊区域复原仿真

针对当前图像模糊复原方法图像边缘信息丢失严重、复原系数低的问题,提出基于贝叶斯的图像细节模糊区域复原方法。对待复原图像进行预处理,在预处理后图像中选取前景种子点与背景种子点。在种子点中选取若干前景聚类中心与背景聚类中心,并定义分割图像至前景聚类中心及背景聚类中心之间的最短距离,得到待分割图像像素与前景、背景之间的相似度。将相似度值代入平滑性函数中,获得图像细节模糊区域分割结果,实现图像细节模糊区域的初步复原。计算由剩余噪声和图像原本信号组成的混合信号,得到贝叶斯准则。在噪声和图像信号均符合高斯分布的状况下,实现信号的线性调整。引入二参数拉普拉斯分布函数,完成贝叶斯估计,同时利用二参数得到图像细节模糊区域最终复原结果。实验表明,上述方法图像模糊复原系数最高为0. 98,图像边缘信息丢失率较低。所提方法具有很强的复原能力和保障图像完整性能力。

基于Retinex亮度校正的图像细节对比度增强感知

传统图像对比度增强方法存在细节丢失问题,导致图像明亮位置像素失真。针对上述问题,提出新的基于Retinex亮度校正的图像细节对比度增强感知方法。利用Retinex对图像三种色彩增强,校正图像亮度。引入细节增益因子并与调整映射相结合,保护图像明亮位置对比度,抑制裁剪效应和光晕。建立高斯差分映射感知对比度,利用PCM调整对比度,完成图像细节对比度的增强感知。为验证研究方法的有效性,进行一次仿真。根据实验结果分析可知,与传统方法对比研究方法处理后的图像纹理清晰,细节丢失较少,证明了论文成果为图像领域深入研究提供可靠理论支撑。

直方图受限的窄动态范围彩色图像细节增强

在彩色图像特别是窄动态范围的彩色图像增强中,为了保留更多图像细节,提出一种直方图受限的窄动态范围的彩色图像细节增强方法。该算法在RGB空间分别对三分量进行直方图受限运算,设置分量直方图的累积概率分布阈值C_T,将分量图像直方图分割成2个直方图H_1和H_2;将H_2(受限的直方图)非线性映射至H_1的均匀分布直方图中;合并RGB三分量输出彩色图像。实验结果表明,与同类算法相比,该算法在提高对比度的同时,具有最高的信息熵值,且输出的彩色图像视觉效果自然、清晰。

改进细节提升多尺度Retinex图像增强算法

为了改善复杂照度下彩色图像增强出现的细节丢失和色彩失真问题,依据颜色空间转换和边缘细节融合算法,提出基于HSI空间细节提升多尺度Retinex图像增强算法。通过边缘提取融合算法增强HSI模型亮度分量,进行基于高斯模糊的多尺度细节提升,获得增强图像。与经典的MSR、MSRCR等进行仿真比较,实验数据表明,在主观视觉效果和客观评价指标下,该算法均优于MSR和MSRCR,增强图像细节丰富,色彩自然逼真。