非整数步长的分数阶微分滤波器在图像增强中的应用

为了改善图像增强的效果,根据图像具有高度自相关性的特性(越接近目标像素的像素点其两者的相似性越高),构造了基于非整数步长的分数阶微分滤波器,打破了Grümwald-Letnikov定义中分数阶微分数值计算取单位步长的思想,即在传统的分数阶微分的基础上再增加一个自由度参量步长。在一定范围内适当调节v和n的大小来构造相应的掩模算子,并利用线性加权的拉格朗日多项式的分段插值方法来确定非整数步长像素点的灰度值,在一定程度上起到降噪的作用。实验结果表明,提出的方法在增强图像细节和抗噪方面取得了较好的平衡点。

自适应非整数步长的分数阶微分掩模的图像纹理增强算法

图像纹理增强是计算机图形学、计算机视觉和模式识别等领域里的一个重要问题.通过分析分数阶微分原理和纹理图像的特性,提出一种自适应非整数步长的分数阶微分掩模算法,并将其应用于纹理图像增强中.利用图像纹理间的高度自相关性自适应地构建局部不规则的自相关掩模区域,剔除相关性较低的像素并降低噪声干扰;同时,突破传统分数阶微分数值计算采用单位步长的思想,分析不规则掩模区域的臂长特征,自适应地估计非整数步长;最后建立局部线性模型实现对非整数步长处的像素灰度值的准确估计,提高分数阶微分数值解的逼近程度.实验结果表明,该算法能够提高分数阶微分解析值的精确度,有效地增强了图像平滑区域中的复杂纹理细节.

非整数步长的分数阶微分Sobel算子的应用

针对现有的分数阶边缘提取算子对于具有大量的平滑区域图像和丰富纹理图像的边缘检测精度较低的情况,对Gruwald-Letnikov(G-L)分数阶微分整数步长和传统的Sobel算子进行了相关的改进,并利用高斯加权的拉格朗日插值方法确定非整数点的灰度值,构造了一个新的分数阶微分掩模模板。理论研究与实验分析表明:该模型可用于检测含有丰富的纹理细节与大量的平滑区域的图像,且检测精度与清晰程度都有显著的提高。

关于非单位步长的紧优双环网络G(N;r,s)

双环网络是计算机互连网络或通讯系统的一类重要拓扑结构,其图论模型是指一个有向图G(N;r,s):每个顶点记为0,1,2,…,N-1,并从每个顶点i发出两条有向边i→i+r(mod N)和i→i+s(mod N),其中r和s是自然数,且1≤r≠s<N.若G(N;r,s)存在k紧优双环网络,G(N;1,s)存在k1紧优双环网络,且满足k1>k,称G(N;r,s)为非单位步长双环网络.在L形瓦理论的基础上,给出一个求非单位步长双环网络的方法,求得两个关于模型G(N;r,s)的紧优双环网络无限族;结合中国余数定理和数论中的素数理论,给出一个求非单位步长双环网络无限族(k1-k≥1且k>0)的方法;作为具体应用,求得两个非单位步长双环网络无限族(k1-k≥2且k>0).

一种新的分数阶微分的图像边缘检测算子

为了提取出更加精确和细微的边缘信息,同时为了具有更好的抗噪性能,提出了一种新的分数阶微分梯度算子。根据Riemann-Liouville分数阶微积分定义,推导出了非整数步长的分数阶微分方程,并采用拉格朗日插值方法确定非整数步长像素点的灰度值,进而构造出八个方向的微分掩模,实现了图像边缘检测。实验表明,该方法更好地利用了图像的自相关性,比传统的边缘检测算子能更好地提取图像边缘细节,且对噪声具有更好的鲁棒性。