引导滤波

摘要： 为解决稀疏理论融合后多聚焦图像细节特征模糊、综合效果不佳等问题,提出了一种将稀疏理论与快速有限剪切波变换联合引导滤波(FFST-GIF)相结合的图像融合算法.利用FFST从原始图像中分解出高频和低频子带系数,采用引导滤波的相对标准差算法融合细节信息丰富的高频系数;使用K-SVD方法训练得到完备字典,再结合稀疏理论融合低频系数;通过逆FFST将融合后的高、低频子带系数进行再融合,得到新的融合图像.基于MATLAB,选取哈佛大学数据库中的脑核磁共振图像为样本,采用平均梯度(AG)、空间频率(SF)、互信息(MI)以及边缘保留信息传递因子(Q^(AB/F))4个客观评价指标,将所提出算法与基于非下采样轮廓波变换与脉冲耦合神经网络的多聚焦图像融合算法等3种不同融合算法进行对比,进行了不同变换域融合试验与不同融合算法试验.结果表明,所提出算法在客观综合评价指标与视觉效果方面均取得了突出优势,各评价指标参数都有较大提升,AG、Q^(AB/F)最高值分别可达0.0813、0.7935,所提出算法有较好的应用前景.

摘要： 针对目前医学图像融合领域中,融合图像存在细节信息不够清晰及信息丢失的问题,提出一种基于非下采样剪切波变换(NSST)与引导滤波相结合的医学图像融合算法。首先,对已经过严格配准的两幅医学源图像进行NSST,得到各自的低频子带与高频子带。其次,低频子带采用基于引导滤波的加权平均的融合方法,高频子带采用平均梯度、区域能量指导加权系数的融合规则。最后,将低频子带和高频子带进行非下采样剪切波反变换,从而得到最后的融合图像。最终的实验结果表明:与文中所提到的几种融合算法相比,该算法不仅在多项评价指标中表现更佳,而且也有较好的视觉效果。

摘要： 针对图像去雾算法在天空和景深突变区域的失效问题,文章提出一种天空识别与加权引导滤波的图像去雾算法。首先针对透射率与纹理无关的情况,利用改进的4-RTV模型平滑有雾图像,并将其作为引导图像;其次运用自适应加权引导滤波细化透射率,获取更清晰的边缘细节;最后结合天空识别的结果对透射率进行修正。实验结果表明:相比一些经典的去雾方法,该算法有效地去除了图像景深突变处的雾点,抑制了边界处光晕效应,解决了天空区域出现的失真现象。

摘要： 为改善暗通道先验理论得出的去雾图像天空区域出现光晕现象、整体亮度偏低等问题,提出了一种基于二值图像分割的去雾算法.该算法利用二值图像分割法将引导滤波平滑后的有雾图像分割成两个区域,分别求取两个区域的大气光值,并将二者的平均值作为最终大气光值,来估计全局透射率;再次利用二值图像分割法将有雾图像分割成明亮与非明亮区域,并引入容差值优化明亮区域的透射率;最后对相应区域图像进行去雾,去雾后的图像通过YUV颜色空间调整亮度和图像加权融合实现进一步优化.实验结果表明,与其他算法相比,该算法处理后的去雾图像在天空处的光晕现象得到了明显的改善,图像亮度适中,清晰度也得到了提高.

摘要： 传统的基于图像分解的单幅图像去雨算法,容易存在雨痕残留、纹理信息丢失等问题.针对单幅图像去雨问题,提出一种双阈值引导滤波去雨算法.文中采用改进的引导滤波提取雨图的低频部分,由于高频部分是由雨图减去低频部分得到,在引导滤波中引入约束项,保证高频部分为非负图像.同时,利用计算过程中的方差值设置两个阈值,得到权重因子,在去除雨痕的同时保留纹理细节信息.对高频部分采用基于形态成分分析的图像分解算法得到非雨分量,低频部分与非雨分量相加,得到最终的去雨图像.实验结果表明所提算法可以较好地提升去雨质量并保留纹理信息.

摘要： 本文主要研究的是密集场景下的人群计数工作,复杂背景和人群的尺度变化是密集人群计数研究中的两个主要挑战。针对复杂背景问题,本文提出一种融合引导滤波的人群计数方法,通过引导滤波,在保留人头边缘特征的前提下,能够有效抑制部分平坦背景区域对计数结果的影响。针对尺度变化问题,提出一种扩散的空洞卷积,通过叠加不同空洞率的空洞卷积,能有效减少特征图信息的丢失。在两个公开的人群计数数据集上进行了实验,与一些主流的方法相比,本文方法有效的提升了计数的精度和鲁棒性。

摘要： 针对水利工程逆向建模存在的大尺度离群点和小尺度起伏的问题,提出了一种基于引导滤波的自适应快速降噪方法。对近景摄影与倾斜摄影结合建立的模型提取点云,依据曲率大小进行采样;利用低尺度统计离群点的方法,对部分离群点剔除,以减少后续计算量;通过引入Marr-Hildreth算子来改进传统的引导滤波,使其实现对模型边缘的自适应,提高模型纹理精度。试验结果表明,本文方法可以满足水利工程逆向建模的快速降噪要求,保留了模型边缘细节和纹理特征,在满足规范精度的基础上进一步提高了重建模精度,检查点的误差均值降低了11.3%。

摘要： 针对采用红外成像仪获取红外图像边缘模糊、对比度差等缺点造成图像视觉效果差、质量低等问题。以多尺度Retinex算法为框架,依据引导滤波保边和梯度保持性,提出引导滤波和对数变换算法融合的多尺度Retinex红外图像增强方法。首先,用引导滤波替换MSR算法中的高斯滤波来估计照度分量。其次,将照度分量经过对数变换处理,执行低灰度部分扩展和高灰度部分压缩。最后,引导滤波分割得到的细节层图像线性放大并与MSR(多尺度Retinex)处理后的图像叠加,获得增强的红外图像。实验证明,与传统MSR算法和引导滤波相比该算法效果明显,可以有效地提高红外图像质量。

摘要： 针对现有算法在增强光照不均匀图像暗区域时存在亮区域亮度失真的问题,提出了基于OSTU的光照不均匀图像自适应增强算法。首先,将图像的色彩空间由RGB转换至HSV,使用多尺度引导滤波算法计算出V分量的照度分量与反射分量,然后,通过OSTU法计算V分量的最佳分割阈值,根据该阈值设计出自适应调整照度分量不同区域的两条伽马曲线,同时,将调整后的照度分量与原照度分量融合并对反射分量进行增强,最后,合并照度分量与反射分量,得到处理后的V分量。为验证算法的有效性,将该算法与MSR算法、CLAHE算法及相关文献所提算法进行对比,实验结果表明,所提算法在提高图像暗区域亮度的同时很好的避免了图像亮区域亮度失真现象,图像增强后具有较高的SSIM值和PSNR值。

摘要： 为解决测量曲轴端面螺纹孔操作繁琐、精度差及效率低等问题,以型号YC4W75曲轴为例,提出1种基于引导滤波与神经网络算法的螺纹孔检测方法。首先,将实时采集到的图像,利用引导滤波和形态学对图像进行预处理,消除表面噪声、花纹等影响,提取曲轴端面内螺纹小径的边缘特征,然后,结合RANSAC算法,利用Pytorch创建神经网络模型,对提取圆进行拟合,获取曲轴端面内螺纹小径的大小以及圆心间的距离。通过测试结果表明,内螺纹小径的误差在0.070 mm以内,各个螺纹孔与中心孔误差在0.200 mm以内,测量精度高、操作简单,满足工业现场精度要求,实现了曲轴端面螺纹孔位置信息的自动测量。

摘要： 该文提出了一种利用引导滤波优化二值马尔科夫随机场图像分割结果的前景提取新方法.首先通过二值马尔科夫随机场图像分割模型将原图映射为加权图模型,然后利用最大流/最小割算法对该加权图模型进行最优分割,并通过二值化得到前景区域的初始分割结果;之后通过图像引导滤波对该初始结果进行优化处理,保证所提取的前景区域具有精确的边缘信息.实验结果表明该方法能从图像背景中精确的提取出前景区域,并且对光照、噪声均具有较强的鲁棒性.

摘要： 在雾天环境下,由于大气散射影响导致采集的图像降质.本文提出了一种基于引导滤波的单幅图像去雾算法.首先提出了一种半逆法识别雾存在区域的方法,从而获得对大气光强度准确的估计;然后基于引导滤波算法改进大气光幕的修补,得到更精确的大气光幕;最后通过求解雾天图像大气散射模型恢复理想光照条件下的清晰图像.实验结果表明本文算法能够鲁棒地估计大气光强度,能够在保证大气光幕边缘的同时进行良好的平滑操作,有效地恢复了场景的对比度,提高了图像的视见度,得到更精确的场景深度图像.

摘要： 针对现有的色调映射算法需要调整融合系数,以及重构后的图像存在局部细节丢失的问题,本文提出一种细节增强的自适应多尺度色调映射算法.首先利用引导滤波器对高动态范围图像进行多尺度分解,既达到保持边缘的目的,同时还能保证平滑细节;其次,根据分解层自身的特点和期望达到的映射效果,通过非线性二阶Hessian矩阵和双边滤波提取基本层的局部边缘特征,对基本层和细节层构造能量显著映射,再采用引导滤波计算每级分解层的权重系数;最后,加权求和各层的系数得到重构图像并恢复HDR图像的色彩信息.实验结果表明,本文算法得到较好的色调映射效果,特别是局部细节的保留和增强方面.

摘要： 由于海洋环境的复杂多变性、声信号的传播特性及人为因素等的影响,声呐图像通常存在严重的噪声.声呐图像常常表现出分辨率低、对比度低、目标边缘模糊等特点.如何有效进行图像去噪处理,是正确进行图像信息解读和判别的基础.声呐噪声主要有环境噪声、混响噪声等.环境噪声是由大量的环境因素叠加的结果,混响噪声是传播介质中的各种散射体和海底海面介质对声呐的回波信号的影响.主动声纳混响噪声在声纳图像上表现为斑点噪声,其幅度概率密度函数服从瑞利分布.如何去除由于混响噪声引起的斑点噪声将是本文的研究重点.

摘要： 空气污染导致的雾霾是越来越严重了.雾霾会使图像产生失真,所以需要利用图像去雾技术来提高图像的主观质量.本文提出了一种新的利用大气散射模型和暗通道先验,在透射率空间中利用引导滤波计算大气散射图对图像进行去雾的方法.另外,对天空区域的计算和透射率阈值的确定方法也进行了改进.通过增强结果图的对比度和调整亮度,进一步降低了失真.最后为验证效果,将图像加雾,并采用主观质量评价和以SSIM作为客观标准,用数理统计方法比较了各相关算法的性能.实验表明,所提算法有效地降低了图像的失真,使去雾图像有较高的主观质量.

摘要： 基于暗通道先验的图像去雾算法能直接估计图像的透射率,获得清晰的去雾图像,是目前主流的去雾算法.但该算法对天空等明亮区域的透射率估计过低,易出现颜色失真和伪轮廓.针对这一问题,提出了一种改进的透射率估计算法.先分别由图像的暗通道和各像素的RGB通道的最大值计算2个透射率矩阵,然后将2个透射率矩阵融合后进行引导滤波,获得精细的透射率,有效地解决了明亮区域的透射率估计问题.实验表明该算法去雾效果更好,天空等区域过渡自然,不易颜色失真.

摘要： 本发明公开了一种基于引导滤波和高通滤波的红外图像非均匀性校正方法，将带有非均匀性的原始图像序列第一帧图像的高频成分赋值为第一个固定图案噪声f1；依次载入带有非均匀性的原始图像序列中第N帧图像作为当前帧图像，确定当前帧图像和第N‑1帧图像的差值获得第N‑1帧差值图像，根据第N‑1帧差值图像获得所述第N‑1帧图像每个像元的相对变化幅度；结合当前帧图像的高频成分和第N‑1帧差值图像每个像元的变化幅度进行高通滤波获得第n个固定图案噪声fn，根据第n个固定图案噪声fn对当前帧图像进行非均匀性校正，获得当前帧图像的校正结果；其中，N≥2，n≥2。本发明能够实现对由非均匀性引起的红外图像序列的固定图案噪声进行有效地去除。

摘要： 本发明公开了一种基于引导滤波和非局部平均滤波的时空域自适应去噪方法，该方法包括如下步骤：1、输入视频，对t0、t1时刻图像进行非局部平均滤波，得到引导图像Iguide，输出处理后图像；2、从t2时刻开始，将tn时刻图像分为静止区域A1和运动区域A2；3、对静止区域作引导滤波，得到静止区域滤波图像output_static；4、计算运动区域空间域滤波系数；5、计算运动区域时域滤波系数；6、计算综合滤波系数；7、根据综合滤波系数对图像进行自适应滤波，得到时空域滤波图像output_moving；8、综合静止区域和运动区域滤波图像，得到综合滤波图像output，输出output，更新引导图像Iguide。本发明通过将图像分为静止区域和运动区域，然后针对不同区域运用不同的去噪方法，使得图像的质量得到改善。

摘要： 本发明公开了一种基于引导滤波与剪切滤波的红外图像压缩感知重构方法，主要解决传统红外图像质量低和现有压缩感知重构方法效果差的问题。其步骤为：1.利用引导滤波对原始红外图像进行多尺度分解，得到一个低频模糊图和一系列高频细节图；2.对高频细节图利用剪切滤波进行多方向分解，采用部分哈达玛矩阵对不同方向系数进行降维观测，并使用多路径匹配追踪方法进行优化重构，对不同方向的重构系数再通过剪切滤波得到重构的高频细节图；3.将重构的高频细节图与经过传统线性采样得到的低频平滑图相加，得到红外重构图像。本发明与现有压缩感知技术相比，获得了较好的重构质量，是一种有效可行的红外图像重构方法。

摘要： 本发明公开了一种基于引导滤波和核相关滤波的红外弱小目标跟踪方法。具体步骤包括：1.设置初始化参数；2.生成红外弱小目标位置处的先验函数；3.预处理第一帧图像；4.获得第一帧图像的训练基样本；5.获取当前帧图像的基样本；6.预测当前帧图像目标位置；7.判断是否为最后一帧；7.结束。本发明具有高空远距离红外弱小目标图像序列跟踪速度快，核相关滤波分类器性能稳定，有效对高空远距离红外弱小目标实现跟踪的优点。

摘要： 本发明公开了一种基于引导滤波和高通滤波的红外图像非均匀性校正方法，将带有非均匀性的原始图像序列第一帧图像的高频成分赋值为第一个固定图案噪声f1；依次载入带有非均匀性的原始图像序列中第N帧图像作为当前帧图像，确定当前帧图像和第N‑1帧图像的差值获得第N‑1帧差值图像，根据第N‑1帧差值图像获得所述第N‑1帧图像每个像元的相对变化幅度；结合当前帧图像的高频成分和第N‑1帧差值图像每个像元的变化幅度进行高通滤波获得第n个固定图案噪声fn，根据第n个固定图案噪声fn对当前帧图像进行非均匀性校正，获得当前帧图像的校正结果；其中，N≥2，n≥2。本发明能够实现对由非均匀性引起的红外图像序列的固定图案噪声进行有效地去除。

摘要： 本发明公开了一种基于引导滤波与剪切滤波的红外图像压缩感知重构方法，主要解决传统红外图像质量低和现有压缩感知重构方法效果差的问题。其步骤为：1.利用引导滤波对原始红外图像进行多尺度分解，得到一个低频模糊图和一系列高频细节图；2.对高频细节图利用剪切滤波进行多方向分解，采用部分哈达玛矩阵对不同方向系数进行降维观测，并使用多路径匹配追踪方法进行优化重构，对不同方向的重构系数再通过剪切滤波得到重构的高频细节图；3.将重构的高频细节图与经过传统线性采样得到的低频平滑图相加，得到红外重构图像。本发明与现有压缩感知技术相比，获得了较好的重构质量，是一种有效可行的红外图像重构方法。

摘要： 本发明公开了一种基于引导滤波和非局部平均滤波的时空域自适应去噪方法，该方法包括如下步骤：1、输入视频，对t0、t1时刻图像进行非局部平均滤波，得到引导图像Iguide，输出处理后图像；2、从t2时刻开始，将tn时刻图像分为静止区域A1和运动区域A2；3、对静止区域作引导滤波，得到静止区域滤波图像output_static；4、计算运动区域空间域滤波系数；5、计算运动区域时域滤波系数；6、计算综合滤波系数；7、根据综合滤波系数对图像进行自适应滤波，得到时空域滤波图像output_moving；8、综合静止区域和运动区域滤波图像，得到综合滤波图像output，输出output，更新引导图像Iguide。本发明通过将图像分为静止区域和运动区域，然后针对不同区域运用不同的去噪方法，使得图像的质量得到改善。

摘要： 本发明涉及一种超像素图引导下的多尺度引导滤波特征提取方法，包括以下步骤：1)超像素引导图的构建：采用SLIC分割算法对输入影像进行分割后得到最优分割结果，并对分割后的输入影像进行主成分分析，包含最主要信息的第一主成分PC1即为超像素引导图；2)基于引导滤波的多尺度空‑谱特征提取：将第一主成分PC1作为超像素引导图，对影像的原始波段进行不同尺度下的引导滤波，得到多尺度引导滤波特征集。与现有技术相比，本发明具有构建更准确边缘信息引导图、充分利用高分辨率影像多尺度地物空间信息等优点。

摘要： 一种基于加权引导滤波的红外图像增强方法，属于图像增强技术领域，为了解决现有的图像细节处理增强不够明显，边缘纹理没有得到好的改善的问题，该方法：对输入的高动态范围红外图像通过改进的多尺度加权引导滤波进行处理，得到两层细节层图像和一层基础层图像；对基础层图像采用限制对比度的自适应直方图均衡化处理，拉伸其对比度并压缩动态范围，得到基础层增强图像；对步骤1处理后得到的两张细节层图像，先采用基于泊森‑马尔科夫随机场的最大后验法进行处理，增加一定的信息，然后采用基于伽马校正的动态范围压缩得到两层细节层增强图像；对得到的基础层增强图像和细节层增强图像按权重进行线性融合，最终得到增强图像。

摘要： 本发明提供了一种基于引导滤波的信号检测方法，包括：将待检测的宽带接收信号进行短时傅里叶变换，以得到宽带接收信号的时频图，宽带接收信号包括噪声和未知信号，未知信号的数量为大于等于0的整数；对时频图进行引导滤波，以增强时频图中全部未知信号的边缘特征；对边缘特征增强后的时频图进行边缘检测，以生成显示未知信号的边缘的边缘检测结果图；根据边缘检测结果图，检测出宽带接收信号中的未知信号。该检测方法通过采用引导滤波有效保留并增强时频图中不同未知信号的边缘特征，并通过边缘检测和计算，实现对多个未知信号的有效检测。本发明还提供了一种基于引导滤波的信号检测装置。