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。

基于深度神经网络的多聚焦红外图像非线性增强

当红外图像中含有多个聚焦目标主体时,会导致红外图像质量下降,部分区域出现模糊,因此,提出基于深度神经网络的多聚焦红外图像非线性增强方法。在引导滤波的作用下,从红外图像中获取细节层图像和背景层图像,在细节层图像中建立局部清晰度评价函数,得到清晰的细节层和背景层并融合二者。利用构建的深度神经网络结构,建立非线性增益函数,通过设定阈值和调整子带系数,实现对多聚焦红外图像的非线性增强。测试结果表明,所提方法在增强图像过程中,并没有改变原始图像的亮度和纹理波动;增强后的图像信息熵比原图像提高了57%左右,图像抗噪性能值更高,平均为7.4 dB,图像更清晰,SSIM值更趋近于1,平均为0.98,增强后的图片与原图片图像相似度更高,更接近于真实图像。

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。

基于演化多目标聚类的SAR图像变化检测

基于合成孔径雷达(SAR)图像的变化检测是遥感领域中一项具有挑战性的任务,如何在噪声鲁棒性和有效保留细节之间取得平衡是一个迫切需要解决的问题。然而,大多数SAR图像变化检测方法为了更好地抑制斑点噪声,不可避免地会在一定程度上丢失图像细节。为了解决这一问题,提出了一种基于演化多目标聚类的SAR图像变化检测多目标聚类算法,将变化检测问题转化为一个多目标优化问题。该方法同时构建了两个相互冲突的目标,即分别基于原始差异图与噪声滤波后差异图的聚类能量函数,并用基于分解的演化多目标优化算法MOEA/D对以上目标函数进行优化,实现对差异图不变区域与变化区域的聚类。利用该技术可得到一组变化检测图,用户可以根据自己的需求选择合适的结果。最后,在两个SAR图像数据集上进行了充分的实验,结果表明了该方法的有效性。

基于K-SVD算法的数字图像自适应修复方法

为了提升数字图像的完整性和清晰度,提出一种基于K-SVD算法的数字图像自适应修复方法。通过FCM算法将数字图像划分成不同的图像块,将不同类别的数字图像依据K-SVD算法的稀疏编码和字典更新模块进行训练,获取各个不同类别数字图像块的字典,求出其稀疏系数,结合字典和稀疏系数更新数字图像中的每一类图像块,完成数字图像中每一类图像块的修复或重构,将修复好的图像块放回原数字图像中,实现数字图像的自适应修复。实验结果表明,该方法能够有效地恢复图像的细节和结构,修复后的数字图像均方根误差低,并且具有较高的峰值信噪比,同时,修复后的数字图像与原图像的结构相似性高达0.95,且在数字图像修复效率方面具备显著优势。

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。

基于改进Retinex算法的海底地貌图像增强方法

为获取更清晰的海底地貌图像,研究基于改进Retinex算法的海底地貌图像增强方法。使用高斯低通滤波器进行低频入射分量的卷积操作,计算图像带色彩恢复输出值;构造一般表现形式,得到像素区域内对数修正的输出值;基于多尺度Retinex算法对色彩对比度进行增强处理;计算亮度值以及图像的入射分量,对海底地貌图像进行光照补偿;改进Retinex算法,实现海底地貌图像增强。由对比处理图像结果可知,所提算法的增强图像亮度更均匀、色彩更饱满且细节纹理更清晰。在客观参数对比中,所提算法对比度、清晰度以及信息熵也高于其他图像,有效提高了图像清晰度。

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。

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。

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.

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。