增强彩色电子纸饱和度的误差扩散优化

为解决彩色电泳电子纸因粘滞阻力等引起的显示颜色饱和度低、边缘模糊等问题,本文提出基于HSL空间的彩色电子纸边缘增强误差扩散算法,以提高图像显示质量。该算法首先将去噪图像利用边缘检测算子得到边缘增强图像,结合边缘增强图像像素邻域平均灰度、像素与邻域灰度差异和像素邻域相似度得到新RGB图像像素值。接着,新RGB图像通过阈值处理过程得到16色阶RGB图像。最后,16色阶RGB图像转换到HSL空间,建立HSL和RGB色彩空间的转换模型,根据像素点的亮度和饱和度计算出调整因子,从而增强RGB图像饱和度。该算法与传统的误差扩散算法相比,信噪比PSNR提高了3.9%~26.7%,UCIQE提高了10.1%~48.2%,相似度SSIM提高了13.2%~25.4%。主观评价参考ITU-R BT.500-1标准设计实验计算Z得分,最终本文算法处理后图像在彩色电子纸上显示的图像细节和颜色更加接近原图,整体视觉效果更好。

基于双向耦合扩散的保持特征的边缘锐化和图像增强

在过去的十几年中,偏微分方程在图像增强中得到了越来越多的研究和应用.该文提出了一个保持特征的双向耦合扩散框架.这个框架沿着等照度线(边缘)的梯度方向,利用柔和的边缘判定实施反向扩散以锐化边缘;而相反地沿切线方向实施正向扩散以去除噪声和锯齿伪像.为了消除这两个相反的扩散力彼此之间的冲突,将算法分裂为一种耦合的格式,而且为了保持图像特征,利用图像的局部微分几何特征调整非线性扩散系数.实验结果显示,文中算法可以显著地提高被增强图像的视觉质量.

基于各向异性扩散方程的超声图像去噪与边缘增强

超声图像利用不同组织和局部细节的不同回声信号强度和分布来捕捉重要的医学病变信息.然而,超声图像在形成过程中产生的斑点噪声使得超声图像质量较差,给以后的图像特征提取和识别,病情诊断及定量分析造成不利的影响.本文利用局部坐标变换,边缘、局部细节的一、二阶法向导数和双曲正切函数,结合各向异性扩散方程,提出了一种超声图像去噪与边缘增强算法:可以在去除噪声的同时,保持重要的边缘、局部细节和超声回声亮条.理论分析和实验结果表明了本文算法的有效性.

基于PDE和几何曲率流驱动扩散的图像分析与处理

本文介绍由变分优化模型导出的偏微分方程(PDEs)模型与几何曲率流驱动扩散在图像恢复方面的应用,以及多种非线性异质扩散模型,讨论了PDEs模型在图像分析与处理方面的优点。理论与实验结果表明,要恢复得到高质量的图像,PDEs模型的利用是极为必要的。文中还介绍了求解PDEs模型的数值方案。其中,曲率计算是一个关键问题,其结果直接参与自适应扩散的控制。详细总结了基于有限差分和水平集方法,求解藕合非线性异质扩散模型方程的数值方案。追求高质量图像、高精度计算方法、降低计算复杂性是本文处理方法不断进步的发展动力。

基于特征驱动的双向耦合扩散方程的图像去噪和边缘锐化

提出了一个新的能够同时去除图像噪声和锐化边缘的扩散方程模型。根据图像特征,例如边缘,纹理和局部细节,这个特征驱动的双向耦合扩散模型沿着等照度线(边缘)的梯度方向从前向扩散转变为后向(逆)扩散;而相反地沿切线方向实施前向扩散。为了消除前向力和后向力之间的冲突,将扩散方程分裂为一种耦合的形式;同时为了保持图像特征,利用图像的方向导数局部地调整非线性扩散系数。实验结果显示,本文算法能够在去除图像噪声的同时,有力地增强图像的特征。

图像增强技术在地震资料处理中的应用

同相轴连续和横向分辨率良好的地震数据能够提高地震解释的精确度。地震资料同相轴在图像中体现为纹理特征,针对图像纹理特征应用边缘定向增强扩散处理,可使地震图像横向分辨率增强,即同相轴更加连续、断点更加清晰。边缘定向增强扩散应用图像增强技术中边缘检测和扩散技术,基于非线性扩散模型,根据图像纹理边缘位置和方向信息选取扩散张量和特征值。在边缘区域,沿边缘方向进行平滑,在光滑区域,沿边缘和垂直边缘方向具有较快扩散速度,由此在保护边缘信息的同时达到降噪的效果。通过理论分析和实例计算表明,边缘定向增强扩散图像增强技术处理后的地震图像有助于提高资料解释的准确性。

基于梯度和拉普拉斯算子的图像扩散变分模型

采用图像扩散的变分方法可以有效地设计边缘保持或增强的图像恢复模型。传统的模型往往基于图像强度的梯度,所得到的结果在本该光滑的区域具有明显的阶梯效应。为此,提出了基于梯度和拉普拉斯算子的图像扩散变分模型,以期实现在对图像进行噪声去除的同时,保持或增强图像的边缘,并消除单纯基于梯度模型导致图像光滑区域的阶梯效应。对变分模型中光滑项的设计,首先针对一维模型的分析得出基于梯度和拉普拉斯算子模型向前、后扩散的条件,然后将其推广到二维图像扩散,并在设计的有限差分方法基础上,对所提模型的有效性进行了实验验证,效果良好。

对地震图像进行保边滤波的非线性各向异性扩散算法

地震资料的噪音消除是地震资料处理的一个重要步骤,以往的地震资料滤波,都容易伤害地震资料的高频信号.原始地震图像属于线形纹理图像,地震同相轴表现为线条结构.基于偏微分方程的非线性各向异性扩散技术通过结构张量的特征向量控制扩散方向,利用扩散张量的特征值控制特征方向上的扩散量,对原始地震图像进行图像平滑处理,增强具有一致性的同向轴及其所反映的重要地质结构.

基于变分的SAR图像目标特征增强方法

研究了SAR图像目标特征增强的变分方法.通过分析P-M扩散方程中的扩散系数,得出梯度(Canny)边缘检测算子对SAR图像的非恒虚警性使得滤波后图像的边缘变得模糊.而ROA算子能有效地检测出图像中的边缘,但较难检测出图像中的强散射点目标.基于SAR幅度图像中相干斑噪声的Rayle igh分布,从最大后验概率估计出发,结合ROA边缘检测图像以及SAR幅度信息来构造扩散系数,建立SAR图像目标特征增强的变分模型.实测SAR图像处理结果显示该方法在充分抑制均匀区域的相干斑噪声的同时能较好地保护并增强图像的边缘和强散射区域.

基于双向模糊扩散的保持特征的图像锐化

本文基于模糊集合理论,提出了一个双向模糊扩散框架.这个框架沿着等照度线(边缘)的梯度方向实施模糊的反向扩散;而相反地沿切线方向实施确定的正向扩散.为了保持图像特征的自然过渡,利用图像的局部结构张量的特征值检测图像的不同特征,并进行相应的锐化处理.

基于边缘定向扩散的图像增强方法

针对前向后向扩散方程不能较好的保持流线状结构,而相干增强不能锐化边缘的缺点,提出一种新的基于边缘定向的张量型前向后向扩散模型.该模型将前向-后向扩散方程引进到张量型扩散方程中,在扩散系数的选取上合并了相干增强扩散与前向-后向扩散的长处,又克服了他们各自的缺点.采用类似相干增强扩散的边缘定向算子实现对边缘的定向,然后根据边缘定向的结果设置扩散张量的特征根,使扩散张量沿边缘方向为正向扩散以增强边缘,而垂直于边缘方向为逆扩散以锐化边缘.理论分析和数值计算表明,该方法具有比相干增强扩散及前向-后向扩散更好的增强效果.

基于各向异性扩散方程的图像对比度增强方法

讨论了光学图像中同时存在噪声与模糊时的对比度增强问题。构造了一种基于边缘定向扩散的各向异性非线性扩散方程来作为图像的光滑约束项,并根据模糊后的图像在边缘处相对清晰图像具有较大误差的事实,构造增强图像与原图像之间的非均匀逼近项,将此两项通过正则化参数联系起来,得到了一种图像对比度增强的正则化模型,并利用Euler方程将该模型转换成一种可以快速求解的各向异性非线性扩散模型。该模型能在抑制噪声的同时增强图像的边缘,在模型的解算上也不存在大型矩阵的存储与运算问题。数值计算结果表明,新方法适合于多种形式的模糊和不同程度的噪声污染,相对现有方法具有更好的边缘锐化能力和更高的清晰度,峰值信噪比比现有方法提高了1-2 dB,边缘保护指数也比现有方法有较大提高。

基于各向异性扩散方程的Canny边缘检测算法

Canny边缘检测算法由于使用高斯滤波对图像进行平滑,往往使得算法的信噪比和定位精度下降,从而产生一些虚假边缘,使角点变圆。针对Canny算法所出现的问题提出了一种改进方法,运用各向异性扩散方程代替高斯滤波,并对扩散后的图像做图像增强。实验结果表明,该算法有效地提高了边缘检测的准确性,得到了比较理想的边缘检测效果。

基于结构成分双向扩散的图像插值算法

该文提出一种基于结构成分双向扩散的插值方法,有效地减小了插值图像的边缘扩散,从而获得更为清晰的边缘。该方法采用改进的耦合双向扩散滤波器对轮廓模板插值图像进行边缘增强。其中,为了使滤波器更精确地作用于边缘轮廓,利用形态成分分析(MCA)分离出初始插值图像中的结构分量再实行滤波;同时,改进双向扩散模型,使其能够根据边缘梯度自适应地调整边缘扩散程度,且更加柔和地控制梯度方向的像素值变化。实验结果表明,对比传统的插值方法、相关的边缘自适应插值方法以及几种应用普遍的商用软件,该方法获得的插值图像主、客观质量均有明显提升,不仅有效提高图像锐度,且边缘光滑、过渡自然,避免产生边缘锯齿和过度的人工效应。

基于self-snake模型的图像放大

目的研究图像放大的非线性偏微分方程方法。方法基于线性偏微分图像放大方法的初边值条件,提出将具有曲率运动和边缘增强双重功能的非线性偏微分平滑去噪self-snake模型用于图像放大。结果实验证明具有曲率运动、边缘冲击特性和平滑去噪性能的非线性self-snake模型适合于放大图像,拓宽了非线性偏微分方法在图像放大领域的方法研究和应用范围。结论相对于线性偏微分方法self-snake模型是一种行之有效且好的非线性偏微分图像放大方法。

基于小波前向后向扩散的红外图像降噪与边缘增强算法

针对红外图像特点,该文提出了一种基于小波前向后向扩散的红外图像降噪与边缘增强算法。小波前向后向扩散是建立在小波扩散理论的基础上,其继承了小波扩散迭代降噪与边缘保持特性,在此基础上实现了图像的边缘增强。为了克服传统小波扩散基于小波模值的边缘映射的不足,该文利用小波模值与局部奇异性测度的联合概率分布对边缘映射进行初步估计,结合几何约束进行修正,获得准确的边缘映射,并重新设计了小波前向后向扩散系数方程。实验证明算法能有效实现红外图像降噪的同时增强图像边缘。

各向异性扩散与M-估计的比较研究

通过比较研究Perona和Malik提出的各向异性扩散方程与稳健统计学中的M-估计,从理论上揭示了各向异性扩散的数学本质,可视为M-估计在图像处理领域的一种典型应用。其中稳健函数的构造是M-估计的核心。基于Huber给出的稳健性定性描述,同时借鉴各向异性扩散中边缘停止函数的单调下降性,分析并总结了M-估计中稳健函数具备的基本性质。在此基础上,简洁地建立了一种稳健函数的构造框架,并导出了一个新型稳健函数。去噪实验结果验证了新型稳健函数的有效性。

基于边缘增强扩散的AFM图像边缘检测

在原子力显微镜(AFM)图像边缘检测中,针对其噪声干扰以及目标与背景之间差异微小等问题,提出了一种新的解决方法。其基本思路是采用基于图像梯度统计知识选取合理的梯度阈值来构造边缘增强扩散算子,利用该算子对AFM图像进行边缘保留去噪处理后,用Canny算子检测并标记其边缘。实验采用固液界面AFM图像来对上述检测方法进行评价,从实验结果来看,这种方法在边缘检测精度上优于传统的Roberts边缘检测等方法。

一种改进的图像去噪与增强模型

图像的去噪和增强越来越成为制约图像后续处理的瓶颈,为此提出一种图像去噪与增强的混合模型。该模型在各向异性扩散模型的基础上引入边缘指示函数,达到快速识别边缘的目的。在冲激滤波器的基础上,引入含有时间变量的边缘判定函数,适时控制冲激幅度的大小。而后将上述两个模型结合起来,克服了扩散模型仅依赖梯度信息来控制扩散进程的弊端,也适时地锐化了边缘。实验表明该混合模型不仅可以很好地去除图像的斑点噪声,并且可以达到图像增强效果。

误差扩散法编码设计制作微光学元件

以发展微光学元件制作新方法为目标,提出利用误差扩散编码方法设计灰阶编码掩模制作微光学元件。此方法同其他编码方法相比,具有量化效果好、衍射效率高、制作文件小、计算速度快、通用性好等优点。用此方法对制作微透镜的掩模进行了设计,利用预校正法和边缘增强法相结合的方法对掩模进行了优化,并对曝光、显影过程进行了模拟,得到了满意的结果。