基于LLF和RBD检测的红外和可见光图像融合

提出一种基于LLF和RBD检测的红外和可见光图像融合方法。运用局部拉普拉斯滤波对红外图像平滑处理和对可见光增强处理,以充分利用红外图像的目标信息和可见光图像的细节信息。在此基础上,采用增强背景检测的RBD显著性检测算法处理红外图像,以很好地检测出目标。此外,为了增强目标信息,减弱背景干扰,对RBD检测的结果进行S曲线变换。然后,对红外和可见光图像应用NSST分解得到高频分量与低频分量。最后,使用S曲线变换后获得的显著图对低频分量进行加权融合,采用绝对值取大的规则对高频分量进行融合。实验结果表明,该方法能够得到红外目标突出,细节增强的融合图像。

基于方向滤波器组与Laplacian能量和的图像融合算法

目的针对基于Contourlet变换的融合算法在边缘上易出现吉布斯现象,使其融合图像产生几何失真的问题,设计一种非下采样方向滤波器组耦合局部Laplacian能量和的图像融合算法。方法首先,结合多小波变换(multi-wavelet transform,MWT)与非下采样方向滤波器组(Non-Subsampled Direction FilterBank,NSDFB),将图像分解为3个高频方向系数和1个低频系数。对于低频系数,采用局部修正的Laplacian能量和(Local Sum-Modified-Laplacian,LSML)与脉冲耦合神经网络(Pulse couple neural network,PCNN)组合的LSML-PCNN模型来完成低频信息的融合。对于高频系数,通过提取低频和高频子带边缘,并利用系数绝对最大值法作为依据,实现高频系数的融合。结果实验数据表明,与当前图像融合方案相比,所提算法具有更高的融合质量,得到的融合图像边缘更加清晰和完整。结论所提算法拥有较高的融合视觉效果,可改善图像的对比度和分辨率,在图像处理领域具有一定的参考价值。

基于局部细节增强的快速多曝光图像融合算法

当前基于细节增强机制的多曝光图像融合方法效率较低,针对此问题,提出一种基于局部细节增强的快速多曝光图像融合算法。首先,改进每幅图像待增强区域的划定方法;然后,采用快速局部拉普拉斯滤波(FLLF)提取待增强区域的细节信息,并根据采样插值原理对增强过程进行优化加速,减少计算局部拉普拉斯金字塔系数时的采样次数,避免细节过度增强的同时,进一步提高融合效率。对40组多曝光序列的融合质量和平均运行时间进行测试,并与5种代表性算法进行对比实验。结果表明,算法不仅保持超亮超暗区域的细节信息,而且视觉效果更加自然。算法的两种客观质量指标MEF-SSIM值和Q CB分别为0.942和0.441,在6种算法中分别排名第2和第1;运行时间比基于原始分辨率空间运算的最快方法Li2020减少了46.2%,具有较高的运行效率。

LoG边缘算子改进的加权引导滤波算法

针对原始全局的引导滤波算法对整幅图像各个区域使用统一的线性模型与相同的规整化因子,从而未能适应图像本身不同区域的纹理特性,提出了基于LoG边缘检测算子改进的加权自适应规整因子。通过在局部窗口内计算LoG幅值响应,对原有的规整化因子进行惩罚来取得对图像平滑区域与边缘区域的自适应,使得在保证降噪效果的前提下进一步突出边缘像素和平坦区域像素之间的差异。对开源医学图像库Brain Web中不同断层的T1、T2与PD加权图像,共18张图像,添加9%的莱斯噪声作为测试库,并采用结构相似性因子(SSIM)与无参考图像锐化因子(CPBD)作为算法的定量评估指标。实验结果表明,与原始的引导滤波算法相比,所提方法的SSIM指标获得了最高5%左右的提升,CPBD指标获得了最高6%左右的提升。在引导滤波不同规整化因子的条件下,所提算法均优于原始的引导滤波算法和现有的基于方差图像加权改进的引导滤波算法,并保留了原始引导滤波O(N)的复杂度。与现存的主流滤波算法比较,所提算法能够兼顾SSIM与CPBD指标,具有最高的综合性能,且具有最低的算法复杂度,能够用于医学图像和彩色图像的快速滤波降噪。

非局部平均滤波噪声压制方法及其在VSP资料逆时偏移中的应用

基于双程波的逆时偏移会产生低频成像噪声,在成像后运用拉普拉斯滤波法可以取得较好的压噪效果,但是,该方法严重依赖于角度参数,使得滤波后的成像剖面上常常存在同相轴不光滑和噪声压制不完全的情况。基于叠后地震资料同相轴结构的特点,为进一步提高逆时偏移叠加数据的信噪比,引入了非局部平均滤波法,针对拉普拉斯滤波后的成像数据进行进一步的压噪处理。非局部平均滤波法将输入的地震数据分解为不含噪声的地震数据和噪声数据两部分,利用不同成像点与其它成像点间的相似系数,实现滤波处理。二维复杂模型VSP正演模拟数据逆时偏移结果的试算表明,应用非局部平均滤波后的剖面信噪比得到进一步提高,同相轴的连续性明显增强。实际VSP资料逆时偏移低频噪声压制试处理也表明非局部平均滤波方法具有计算精度高、算法稳定性好和易于实现的特点。

基于一种新分解框架结合局部拉普拉斯滤波的医学图像融合

针对局部拉普拉斯多尺度分解复杂性,提出基于一种新分解框架结合局部拉布拉斯滤波的医学图像融合算法。首先,对待融合的源图像用新的分解框架分解为高频部分和低频部分;然后,高频部分用感兴趣信息进行融合,低频部分再次用局部拉普拉斯滤波进行分解,分解得到的高低频部分分别采用感兴趣信息和局部能量最大值进行融合;其次,用逆局部拉普拉斯得到重构图像;最后,将重构图像和高频融合部分采用一定的加法运算得到最终图像。实验结果表明,与离散余弦谐波小波变换(DCHWT)等算法相比,该算法空间频率提升14. 46%,边缘信息提升12. 93%,对于提高临床诊断的准确率具有一定的价值。

基于两种不同高频融合规则的医学图像融合

针对多尺度分解医学图像融合时信息损失、分解复杂的问题,提出一种医学图像融合方法。源图像经过图像分解框架分解为高频部分和用于局部拉普拉斯滤波分解的低频部分:第一次高频部分采用感兴趣信息,第二次高频部分采用最大值融合规则,低频部分采用局部能量融合规则,逆局部拉普拉斯滤波重构得到的重构图像和高频融合部分采用加法运算融合得到最终融合结果。实验结果表明,对比几种经典算法,所提方法在客观和主观评价方面显示出其优越性。

利用图像结构成分的优先块匹配图像修复方法

针对基于样本块图像修复方法中样本块优先级计算易受纹理信息影响,引起修复顺序偏差,进而造成最终修复结果中结构特征不连续的问题,将图像结构成分引入修复过程,提出一种基于图像结构成分计算样本块优先级的图像修复方法.首先通过自适应局部拉普拉斯滤波器对待修复图像进行保边细节平滑处理,得到图像结构成分;然后利用结构成分和原图像共同计算样本块数据项,并以此确定样本块修复优先级,实现图像修复.通过增加结构成分引导方法,在基于等照度线和基于结构张量的图像修复算法上对常用修复测试图像进行实验,结果表明,增加结构成分引导的方法相对于原方法可改进修复效果.

基于PDTDFB变换域各向异性双变量模型和非局部均值滤波的图像去噪方法

为了有效去除图像噪声并保留更多图像细节信息,提出一种结合PDTDFB变换域各项异性双变量拉普拉斯模型和非局部均值滤波的自适应图像去噪算法。首先分析了PDTDFB变换系数的分布特点,使用各项异性双变量拉普拉斯模型作为其父子系数相关性的先验分布,在贝叶斯去噪框架下推导出闭式形式的各项异性双变量阈值函数,然后对估计的变换系数进行逆PDTDFB变换得到初步去噪图像,最后使用非局部均值滤波对其进行平滑处理。实验结果显示:本文所提算法去噪效果明显,与一些经典算法相比,本文方法在主客观上皆取得了有竞争力的结果。

基于光学相干层析离体牙图像的去噪算法研究

目的光学相干层析成像因其高分辨率、无损等优点，适于早期龋检测；但由于系统中存在的噪声，影响其成像质量。为了重建牙齿的原貌信息，需寻找一种适于早期龋检测的光学相干层析成像实时图像去噪算法。方法比较平均曲率流滤波、非线性扩散拉普拉斯金字塔算法、非局部均值滤波3种滤波方法对光学相干层析人离体牙图像的去噪效果，从噪声抑制、边界保持、运算时间3方面分析上述3种算法的实时去噪性能及其优缺点。结果非局部均值滤波在噪声抑制和边界保持2个方面能达到很好的平衡，但实时性差；而非线性扩散拉普拉斯金字塔算法则能在滤波效果和运算效率达到较好的平衡；平均曲率流滤波次之。结论非线性扩散拉普拉斯金字塔算法较适于早期龋检测的光学相干层析成像实时图像去噪。

基于非线性局部滤波的红外小目标检测方法

为提高复杂环境下红外小目标的检测效率,将图像分为平坦区域、边缘区域和小目标区域三种区域,并针对三种成分的特点,提出基于拉普拉斯金字塔的非线性局部滤波检测方法.首先将图像进行高斯金字塔分解,将高斯低通金字塔与原图像尺寸匹配后,相减并进行阈值操作,抑制平坦区域;其次将标记像素灰度值与其周围环域均值的最小差作为指标,滤除边界区域;最后将非线性局部滤波结果生成相应的拉普拉斯金字塔各层系数,重构得到高对比度的检测图像,利用邻域特点剔除孤立噪声点并通过简单阈值标记红外小目标.实验结果表明:与现有其他算法相比,该检测算法能够对复杂背景有效抑制,检测速度快.