Edge-preserving image decomposition via joint weighted least squares

Recent years have witnessed the emergence of image decomposition techniques which effectively separate an image into a piecewise smooth base layer and several residual detail layers. However, the intricacy of detail patterns in some cases may result in side-effects including remnant textures, wronglysmoothed edges, and distorted appearance. We introduce a new way to construct an edge-preserving image decomposition with properties of detail smoothing, edge retention, and shape fitting. Our method has three main steps: suppressing highcontrast details via a windowed variation similarity measure, detecting salient edges to produce an edgeguided image, and fitting the original shape using a weighted least squares framework. Experimental results indicate that the proposed approach can appropriately smooth non-edge regions even when textures and structures are similar in scale. The effectiveness of our approach is demonstrated in the contexts of detail manipulation, HDR tone mapping,and image abstraction.

四叉树分解的图像插值

如何在图像插值的同时较好地保持图像的结构信息一直是图像插值的一个难点,提出了一种基于四叉树分解的图像插值方法,基本思想是:用四叉树分解将原始图像划分为一些像素值相近的子块,当分解区域为1×1,用最邻近插值方法,分解区域为2×2时,用双线性方法插值,其余情况用双立方插值扩充子块,再将扩充后的子块映射到输出图像。实验结果表明该方法能较好地保持图像的边缘,同时具有较高的效率,可以应用到图像、视频及医学图像的放大。

一种边缘保持的医学图像去噪方法

医学图像去噪在图像处理中占有重要地位,对获取的医学图像进行去噪是进一步分析和计算的基础。将一维经验模式分解方法扩展到二维,提出了基于二维经验模式分解的医学图像边缘保持去噪方法。该方法先将图像进行经验模式分解,得到内蕴模式分量IMF和剩余分量,图像的噪声及边缘信息主要集中在IMF中;然后再将IMF进行经验模式分解,得到IMF的高频分量和剩余分量;最后将两次分解的剩余分量叠加,得到边缘保持的去噪图像。实验结果表明,处理后的图像较传统的医学图像去噪方法有明显的改善,在有效去噪的同时增强了边缘保护的能力。

基于双边核回归的相对约减纹理分解方法

图像中结构被纹理覆盖的现象无处不在,将结构从复杂的纹理中提取出来是一件非常有挑战但又极其重要的事情.为此,提出基于双边核回归的纹理分解方法,通过局部全变分的核描述子能将结构和纹理很好地区分开来,并将结果与双边核回归框架相结合:采用相对约减纹理分解来构造结构核描述子;再将该描述子与双边核回归融合来获得期望的结构感知滤波输出;最后采用一个稳定近似迭代的流程来实现所提算法.实验证明,与其他边缘感知滤波方法相比,文中方法能获得更佳的结构保持效果,并能被推广到多个视觉相关的应用上,如高动态范围色调映射、超像素分割等.

基于多尺度分解的色调映射算法

针对高动态范围(HDR)图像显示于普通显示设备的问题,提出一种新的基于多尺度分解的色调映射(TM)算法。首先利用局部边缘保留(LEP)滤波器对HDR图像进行多尺度分解,有效平滑了图像的细节同时保留了突出的边缘;根据分解后各层的特点和压缩的要求,提出一个带参数的动态范围压缩函数,通过变化参数以便压缩图像的粗尺度层并增强细尺度层,从而压缩图像的动态范围并增强细节;最后重组各层并恢复颜色,所得到的映射后图像具有良好的视觉效果。实验结果证明,该方法在自然度、结构保真度和整体的质量评价上都要优于Gu等(GU B,LI W J,ZHU M Y,et al.Local edge-preserving multiscale decomposition for high dynamic range image tone mapping[J].IEEE Transactions on Image Processing,2013,22(1):70-79)和Yeganeh等(YEGANEH H,WANG Z.Objective quality assessment of tone-mapped images[J].IEEE Transactions on Image Processing,2013,22(2):657-667)提出的方法,同时也避免了局部色调映射算法所普遍存在的光晕效应。该算法可以用于HDR图像的色调映射。

基于变分模态分解的动态阈值分区滤波方法

为了更好地对地震资料进行保边去噪处理,提出了1种基于变分模态分解(variational mode decomposition,VMD)的动态阈值分区滤波方法。该方法通过在不同频带上针对分布强度不同的噪声进行自适应的阈值判断处理,将频带数据分为2个分别代表噪声和边界结构信息的特征区域,再对这2个区域选择适当的滤波方法进行噪声滤除。模型和实际资料验证结果表明,该方法不仅能提高地震资料信噪比而且保护并恢复了地层不连续性信息。

低位码率移动通信中的低复杂度小波图像编码(英文)

介绍一种新的具有低复杂度的可用于实时传输的图像编码器,它使用了一种基于局域方差分析的边缘保护方法来提高被压缩图像的可视性和可识别性.这样的分析和压缩方法是通过将图像划分为多个块处理来实现的,所开发的能使边界效应最小化的提升小波滤波器组,通过提升系数的量化实现定点运算,并用位移和相加来取代乘法运算以实现运算复杂度的最小化.同时提出一种改进的快速SPIHT算法,通过使用更多的位来对小波系数进行编码和节省传输分类过程所需的位数以提高压缩性能,这种算法在可变的位码率中可减少系数的相关性.实验结果显示,这种编码对于观察到的压缩图像和进行量化的性能测量,均取得良好效果,同时还能为无线传输提供具有信道误差的弹性功能,最后还使用了带有随机误差的仿真传输信道来对这种功能进行评估和比较.

基于局部极值的保边缘图像分解算法

针对非线性图像滤波算法保边缘能力不强的问题,提出一种新的保边缘图像分解算法。该算法采用局部极值差定义图像的边缘,在此基础上利用加权平均的方法调整极值,通过优化算法得到原图像的基图像,实现图像的多尺度分解。实验结果表明,与同类算法相比,该算法在实现图像平滑的同时保边缘能力更强。

基于局部边缘保持滤波器多尺度分解的工业射线图像增强

在利用X射线检测复杂构造工件时,由于工件薄厚不均,会出现某些区域过曝光或欠曝光而导致细节丢失的情况。针对这一问题,提出了一种基于局部边缘保持滤波(LEP)的多尺度分解增强算法。首先,原始高动态图像经过对数化后通过LEP滤波器得到基本层,将对数化后的图像与基本层做差得到表示小梯度的细节层;然后将滤波半径逐步增大的LEP滤波器对基本层进行多次迭代滤波后做差得到多个细节层,对得到的多个细节层进行S型曲线映射后融合;最后将结果与原始高动态图像线性压缩后进行gamma变换然后归一化的结构层相加,得到的图像通过对比度受限的自适应直方图均衡化(CLAHE)的处理,便得到了背景与工件对比度很高且细节清晰的低动态范围图像。实验结果表明,提出的方法对复杂构建的工件具有明显的增强效果,并且算法效率很高。

基于对比度增强与多尺度边缘保持分解的红外与可见光图像融合

在低照度环境下拍摄的可见光图像可视性较差,若将其与红外图像直接融合会导致融合结果清晰度不理想。针对这一问题,该文提出一种基于对比度增强与多尺度边缘保持分解的图像融合方法。首先,在融合之前采用基于导向滤波的自适应增强算法提高可见光图像中暗区内容的可视性。其次,通过一种尺度感知边缘保持滤波器对输入图像进行多尺度分解。再次,应用频率调谐滤波构造显著图。最后,利用由导向滤波生成的权重图重构融合图像。实验结果表明,所提方法不仅可以使细节信息更突出,而且还能够有效地抑制伪影。

基于多尺度边缘保持分解与PCNN的医学图像融合

在医学图像融合过程中,传统多尺度分析方法多采用线性滤波器,由于无法保留图像边缘特征导致分解阶段的强边缘处出现模糊,从而产生光晕。为提高融合图像的视觉感知效果,通过结合多尺度边缘保持分解方法与脉冲耦合神经网络(PCNN),提出一种新的图像融合方法。对源图像进行加权最小二乘滤波分解得到图像的基础层和细节层,采用高斯滤波器对基础层进行二次分解得到低频层和边缘层,将分解过程中每级边缘层和细节层叠加构建高频层,并引入非下采样方向滤波器组进行方向分析。在此基础上,利用改进的空间频率以及区域能量激励PCNN融合高频层和低频层,通过逆变换得到最终的融合图像。实验结果表明,该方法能够突出医学图像的边缘轮廓并增强图像细节,可将更多的显著特征从源图像分离并转移到融合图像中。

自相似性和边缘保持分解的超分辨率重建算法

针对目前遥感图像超分辨率重建中存在边缘细节信息重建效果不佳的问题,本文提出了—种自相似性特征和边缘特征保持分解的超分辨率重建方法。首先,为了充分利用原始低分辨率图像自身的相似性信息,通过局部自相似性重建方法得到图像的初始重建结果;然后,为进一步增加不同尺度的边缘信息,采用加权最小二乘法对初始重建结果进行多尺度边缘保持分解,并对分解的细节层进行加权线性组合;最后,通过优化计算,得到融合多尺度边缘、细节信息及局部相似性特征的超分辨率重建图像。利用多组仿真和遥感卫星图像进行对比试验。结果表明,该方法可有效提升遥感图像的边缘信息和细节信息。

基于低秩分解和改进的非局部平均的SAR图像相干斑抑制

为抑制合成孔径雷达(SAR)图像成像过程中形成的相干斑噪声,提出了一种基于低秩分解和改进的非局部平均的SAR图像相干斑去噪方法。首先将SAR图像进行对数处理,将乘性噪声转换为加性噪声;然后利用低秩稀疏分解将对数图像分解成低秩图像部分和稀疏图像部分;接着对含噪严重的稀疏图像部分分析其结构张量,生成非局部平均滤波所需的衰减因子,进行改进的非局部平均滤波去噪;最后再做图像合成,经指数变换得到去噪后的SAR图像。实验结果表明,该方法经视觉评价、边缘保持指数(EPI)和等效视数(ENL)等方面评测,具有较好的抑制噪声和保持边缘及纹理细节的能力。

基于结构与细节层分解的暗光照图像增强模型

暗光增强是一项重要的图像后处理技术,有助于改善图像的可视度;基于自编码器网络的方法能有效地改善图像的光照,但容易丢失细节信息。考虑到暗光增强旨在改变图像的光照分布而非局部纹理细节,文章提出了将大尺度图像结构和小尺度图像细节分而治之的思路:利用边缘保持滤波器将图像结构层和细节层进行分解,仅利用自编码器网络来处理图像结构层,而对图像细节层加以保留。为实现高效的图像结构-细节分解,提出了一种改进的保边缘滤波器,构建了总变分模型,并设计了基于快速傅里叶变换的快速计算方法。实验表明,该模型在有效改善暗光图像可视度的前提下,比传统自编码器网络方法更好地保持了图像细节信息。

边缘保真去噪时窗分解新方法

在常规的图像处理中,为了减小噪音、提高信噪比,一般的处理方法中都含有平均效应,会造成信息的边界发生严重的畸变,降低分辨率。在围绕时窗分解方面提出了矩形或长方体分解方法与前人提出的多边形或多面体分解方法不同,实例计算结果对比分析,证明效果同样显著,并且矩形或长方体分解方法不容易出错,更为实用。

基于保边分解的图像分割

为改善传统CV(Chan和Vese)分割算法对自然图像分割的效果,将自然图像进行自适应保边分解,获取的卡通分量区域内部具有一致性,区域间存在显著差异且目标轮廓清晰。对卡通分量运用水平集实现目标区域分割。实验结果表明,相对于传统CV分割算法,该算法对自然图像分割的效果较好,分割测评分数较高。

基于边缘保留分解和改进稀疏表示的医学图像融合

针对多模态医学图像融合中容易产生伪影且存在细节缺失的问题,提出一种利用多尺度边缘保留分解和稀疏表示的二尺度多模态医学图像融合方法框架。首先利用边缘保留滤波器对源图像进行多尺度分解,得到源图像的平滑层和细节层。然后,将改进的稀疏表示算法用于融合平滑层,并在此基础上提出一种基于图像块筛选的策略来构建过完备字典的数据集,再利用字典学习算法训练出一种联合字典,同时引入一种多范数的活跃度度量方法选择稀疏系数;细节层的融合则采用自适应加权局部区域能量的融合规则。最后将融合后的平滑层和细节层进行多尺度重构得到融合图像。针对三类不同成像模态的医学图像进行对比实验,结果表明,该方法较其他多尺度变换和稀疏表示的方法能够保留更多显著的边缘特征,对比度也有明显提升,在视觉效果和客观评价上都具有一定优势。

基于局部极值插值的保边缘图像平滑算法

提出一种新颖的基于局部极值的强边界与高对比度纹理的定义。使用这个定义提出一种保留边界的平滑算法,通过将算法迭代运用在基层上面进行多尺度图像分解。同时算法可以抽取图像高对比度纹理,但同时可以保留图像的强边界。该方法可以高效地使用在多尺度图像分解的各种应用中,如高动态范围图像的色调映射、图像细节增强、图像去噪。

基于LEP多尺度滤波分解的图像增强算法

为了解决传统图像增强方法不能在多个尺度上处理图像细节的问题,采用一种基于局部边缘保持(Local Edge-Preserving,LEP)滤波器的图像多尺度分解方法对图像进行增强。利用LEP滤波器对图像进行多尺度分解,分解成一个基本层和两个细节层;根据分解后各层的特点和增强的要求,通过保留基本层,对细节层进行S形曲线增强,实现图像细节的增强;最终合成并恢复颜色,得到最终增强图像。采用主观评价和对比度增益、信息熵来评价图像增强效果。实验结果表明,该方法能够有效增强图像细节,提升对比度,避免光晕现象,所得增强图像具有良好的视觉效果。

基于多尺度导引滤波的图像融合方法

提出了一种基于多尺度导引滤波的图像融合方法。首先,对源图像进行多尺度边缘保持分解,分别得到一幅基本图像和一系列细节图像;然后,对基本图像和不同尺度下的细节图像采用不同的融合策略,即基于导引滤波的融合策略;最后,将融合后的基本图像和融合后的细节图像相加,得到最后的融合图像。实验结果表明,本文提出的融合方法在保留光谱信息的同时,能较好地将源图像中的边缘细节信息保持到融合图像中,而且也取得了较高的归一化互信息(MI)值,相对于其他融合算法,MI值平均提升0.5;能更好地体现图像细节特征,为融合图像提供更加丰富的信息。