基于改进复扩散耦合非局部均值滤波器的图像放大

为了提高偏微分方程放大算法对纹理细节的放大效果,利用改进的复扩散模型耦合均值滤波器,提出了一种图像放大算法。改进的非线性复扩散模型能够很好的定位图像边缘,通过冲激滤波器对边缘进行锐化,同时耦合非局部均值滤波器,保持图像内部的自相似特性,利用非局部信息重建高分辨率图像,提高小边缘、细节放大效果。算法结合非局部信息和局部信息对图像进行放大,增强纹理细节,使图像更加自然,同时减弱对边缘的过度增强,具有较好的放大效果,仿真实验验证了算法的优良性能。

蒙卡渲染画面多特征非局部均值滤波降噪算法

针对蒙特卡罗渲染在低光线路径采样率下绘制的图像容易出现噪点的问题,提出一种蒙特卡罗渲染画面多特征非局部均值降噪算法。使用canny算法对场景反射率图进行梯度化,以反射率梯度图为引导图,利用引导滤波器对法向量图预滤波;求出预滤波后法向量图中图像块之间的结构相似性,利用结构相似性倒数的对数值对非局部均值滤波器权值进行改进;利用改进后的非局部均值滤波器对噪点图像进行滤波重构。实验结果表明:该算法能在典型场景中有效降低渲染画面的噪声,改善均方误差和峰值信噪比质量指标。

地震数据高维统计滤波方法

地震数据的信噪比是地震波反演成像算法收敛性和结果精度的重要制约因素。基于线性信号模型的最佳预测滤波方法和基于随机信号概率分布特征的统计滤波方法是两种典型的滤波方法。重点讨论了地震数据统计滤波方法,基于实测数据的统计特征(或概率分布),在局部信号缓变的假设下,设计了各种高斯加权滤波器和中值类滤波器。高维空间中的地震信号具有显著的结构特征,为满足信号缓变的假设,需要发展沿着信号结构方向的高维统计滤波器。分析了邻域滤波器、双边滤波器、非局部均值滤波器三类各向异性高斯(加权)滤波器的设计思想。在非局部均值滤波算法的基础上设计了自适应搜索窗的非局部均值滤波方法,该方法采用局部数据窗的相关算法检测出滤波点附近的信号结构特征,依据地震数据变化自适应地改变非局部均值滤波器中的搜索窗。理论模型的数据测试表明,相比于固定搜索窗的非局部均值滤波算法,自适应搜索窗的非局部均值滤波方法能够在压制随机噪声的同时更好地保护有效地震信号。

CHO数字观察器在PET图像滤波方法评估中的应用

在临床应用中需要限制扫描时间和药物剂量,这往往会使正电子发射断层扫描(PET)的图像的分辨率变低,噪声变多。为提供可供临床诊断的图像,去噪是一个必须的手段,而在重建后增加一个滤波器是目前最常用的去噪方法。因此对不同滤波器滤波效果的比较是PET图像重建中的重要环节,其中最关键的是滤波参数的选取。目前采用的信噪比(SNR)以及恢复系数(RC)等评估方法可以用来非定量地选取参数,研究者们只能凭经验选取最优参数。而通道化霍特林观察器(CHO)作为一个比较通用的数字观察器,已被用于与PET图像质量相关的各种参数的选择,如重建算法参数、系统设计参数、临床协议参数等,然而其在评估不同滤波方法对图像重建质量的影响中的应用研究还比较少。通过比较CHO计算得到的ROC(receiver operating characteristic)曲线下面积(area under the ROC curve,AUC),选择两种常用的滤波器(即高斯滤波器和非局部均值(Non-Local Mean,NLM)滤波器)的最优参数,并评估它们在PET中的滤波效果。结果表明,对于13 mm球体,σ为1.1~1.4的高斯滤波器和f为0.5~0.9的NLM滤波器可以达到最大的检测能力值,而对于10 mm球体,σ为1.4~2.0的高斯滤波器和f为0.5~0.9的NLM滤波器可以达到最大的检测能力值。虽然两个滤波器所对应的AUC值都能高达0.9,但是NLM滤波器的AUC值高于高斯滤波器。通过IEC图像和病人图像也能发现,NLM滤波后的PET图像中的亮点比高斯滤波的更加清晰,噪声更少。该结论和传统滤波器评估方法得到的结论一致,这说明在PET的病灶检测任务中,CHO能够准确地比较这两种滤波器的性能。

基于四元数表示的彩色图像泊松噪声去噪

为了整体处理彩色图像,提出了一种基于四元数的去除泊松噪声的加权平均滤波器.首先,基于彩色图像四元数表示法,将一幅彩色图像表示为一个纯四元数矩阵,并利用四元数代数理论定义了重建图像和原始图像之间的四元数均方误差;然后,结合非局部均值滤波的基本思想,采用拉格朗日乘数法推导出使QMSE紧上界最小的加权系数;最后,基于这些最优加权系数,对四元数表示的像素值进行加权平均,构造出四元数最优权值非局部均值滤波器,并将其应用于彩色图像泊松噪声去噪.针对常用标准图像的对比实验结果表明,所提的滤波器优于现有的四元数滤波器以及传统的基于向量方法的滤波器和基于分量独立处理方法的滤波器.

一种基于稀疏编码和字典学习改进的单幅图像去雨方法

在日常生活中,恶劣天气例如雨、雾等时常出现,对我们的生活造成一定的困扰。同时也一定程度地影响着我们日常使用行车记录设备甚至户外摄像头的使用。随着电子设备的快速发展,电子设备的性能快速提升并且价格逐步下降,因而行车记录设备和户外摄像头的普及率逐渐提高。由于恶劣天气导致此类设备获取的带雨线图像的可利用价值降低的问题变得日益突出。提出一种基于经典的稀疏编码和字典学习的单幅去雨图像的改进方法,加入基于二阶导数的Laplace变换和非局部均值滤波器加强了预处理过程。从而弥补原方法在预处理过程中,分离所得到低频部分的图像缺少足够的纹理细节。经过实验证明,该改进能够明显地使得图像的滤波过程中获得更多的细节部分。