边缘保持

摘要： 针对常规图像超分辨率重建方法应用于低照度环境下的图像时存在纹理信息丢失、颜色偏移失真和重建性能退化等问题,提出了一种颜色恢复和边缘保持的低照度图像超分辨率重建方法。在锚定邻域回归(ANR)的图像超分辨率重建方法基础上引入颜色恢复和边缘保持的照度增强函数,从而提高图像内容和边缘纹理的显著性;选择最小加权二乘滤波作为中心环绕函数(WLS)以抑制高频特征退化;同时针对YCbCr颜色空间的Y通道分量采用边缘保持的照度增强函数计算其反射分量,进一步增强边缘纹理特征。实验结果表明,所提方法获得了更好的视觉效果,相比于其他方法,该方法峰值信噪比(PSNR)提高了63.15%、结构相似度(SSIM)提高了46.86%、感知质量(PI)提高了4.12%。

摘要： 去噪是矿区遥感图像得以有效应用的重要预处理步骤。现有的基于统计、基于域变换、基于学习等遥感图像去噪方法普遍存在细节过度平滑、纹理保持不足等问题。基于引导滤波良好的边缘保持特性,提出了迭代引导滤波方法,通过对残差信息进行引导映射,并迭代进行引导滤波及超参数收缩,增强了遥感图像边缘特征提取效果;将迭代引导滤波与传统的小波软阈值、非局部均值(NLM)滤波、三维块匹配(BM3D)滤波等去噪方法结合,有效提高了传统方法的峰值信噪比,其中NLM滤波、BM3D滤波的去噪性能提升效果最明显;将迭代引导滤波与BM3D滤波融合,通过BM3D滤波初步获取去噪图像,得到残差数据,然后采用迭代引导滤波对残差数据进行处理,在提升图像去噪效果的同时,很好地保持了图像细节特征;将迭代引导滤波与BM3D滤波融合方法用于矿区遥感图像的煤矸石场识别及滑坡区域边缘识别,取得了较好的效果。

摘要： 为克服现有的图像增强算法存在图像失真和低对比度的不足,提出了一种改进双边滤波与平均γ矫正的图像增强算法。鉴于双边滤波具有良好的边缘保持性能,对其进行改进,并将其作为Retinex的中心环绕函数,以获取原始图像的光照图像和反射图像。分别对多尺度Retinex分解的光照图像进行γ矫正,以增强各尺度光照图像的光照效果。然后对γ矫正后的各尺度光照图像取均值图像以及对各尺度的反射图像取均值图像。最后将均值光照图像和反射图像进行重构输出增强图像。实验结果表明,相对于部分最新增强算法,所提出方法的图像增强性能更好,增强图像的对比度和清晰度更高。

摘要： 针对自然图像中检测边缘和对象边界的基础性问题,本文基于边缘保持滤波算法在保边去噪的优异表现,提出了一种基于边缘保持滤波的边缘检测方法。首先,利用L 0梯度最小化对输入图像进行去噪平滑;其次,将L 0平滑图作为引导图,为可引导滤波的二次平滑提供更好的指引,得到二次平滑图;最后,通过梯度运算得到最终边缘检测结果。对比验证实验发现,本文算法对图像中噪声和低频无效信息进行了有效抑制,其检测精确性和实时性明显优于其他算法。

摘要： 针对自然图像中检测边缘和对象边界的基础性问题,本文基于边缘保持滤波算法在保边去噪的优异表现,提出了一种基于边缘保持滤波的边缘检测方法.首先,利用L0梯度最小化对输入图像进行去噪平滑;其次,将L0平滑图作为引导图,为可引导滤波的二次平滑提供更好的指引,得到二次平滑图;最后,通过梯度运算得到最终边缘检测结果.对比验证实验发现,本文算法对图像中噪声和低频无效信息进行了有效抑制,其检测精确性和实时性明显优于其他算法.

摘要： 目的 立体匹配是计算机双目视觉的重要研究方向,主要分为全局匹配算法与局部匹配算法两类.传统的局部立体匹配算法计算复杂度低,可以满足实时性的需要,但是未能充分利用图像的边缘纹理信息,因此在非遮挡、视差不连续区域的匹配精度欠佳.为此,提出了融合边缘保持与改进代价聚合的立体匹配.方法 首先利用图像的边缘空间信息构建权重矩阵,与灰度差绝对值和梯度代价进行加权融合,形成新的代价计算方式,同时将边缘区域像素点的权重信息与引导滤波的正则化项相结合,并在多分辨率尺度的框架下进行代价聚合.所得结果经过视差计算,得到初始视差图,再通过左右一致性检测、加权中值滤波等视差优化步骤获得最终的视差图.结果 在Middlebury立体匹配平台上进行实验,结果表明,融合边缘权重信息对边缘处像素点的代价量进行了更加有效地区分,能够提升算法在各区域的匹配精度.其中,未加入视差优化步骤的21组扩展图像对的平均误匹配率较改进前减少3.48％,峰值信噪比提升3.57 dB,在标准4幅图中venus上经过视差优化后非遮挡区域的误匹配率仅为0.18％.结论 融合边缘保持的多尺度立体匹配算法有效提升了图像在边缘纹理处的匹配精度,进一步降低了非遮挡区域与视差不连续区域的误匹配率.

摘要： 针对纹理图像在平滑过程中低对比度边缘易丢失和纹理细节抑制不彻底等问题,提出基于梯度曲面面积与稀疏约束的图像平滑方法.首先,将图像视作三维空间中的二维嵌入曲面,再在此基础上分析图像的几何特征并提出梯度曲面面积约束正则化项,以提高纹理抑制性能;其次,根据图像的统计特性,建立L0梯度稀疏与自适应梯度曲面面积约束的混合正则化约束图像平滑模型;最后,采用交替方向乘子法对非凸非光滑的优化模型进行高效求解.通过纹理抑制、边缘检测、纹理增强和图像融合等方面的实验结果可知,所提出的图像平滑算法克服了L0梯度最小化平滑方法易造成的阶梯效应和欠滤波等缺陷,能够在去除大量纹理信息的同时保持并锐化图像显著的边缘轮廓.

摘要： 针对传统局部窗口方差提取有噪图像边缘困难的问题,本文介绍了峰度系数方差准确感知有噪图像边缘,并基于此提出一种加权自适应引导滤波器.自适应调节引导滤波中固定正则化系数,解决边缘模糊、边缘光晕的问题;基于像素的多邻域窗口边缘权重,实现聚合加权滤波,进一步抑制边缘模糊.实验结果表明:本文方法在不同噪声级别下,PSNR、SSIM均值提升率分别大于65%、78%;滤波结果图像在噪声平滑和边缘保持两方面均有更好性能.

摘要： 为提高含噪图像滤波中的边缘保持能力,提出一种信息融合的边缘保持图像滤波方法.该方法首先分别选取区域模糊熵的信息测度和结构特征的方向信息测度作为信息融合源,其次运用三角模融合运算进行图像融合确定图像边缘,最后采用一种改进的混合滤波方法实现保持边缘的图像滤波.实验结果表明,与对照方法相比,该方法具有较高的峰值信噪比和平均梯度及较小的交叉熵,具有较好的图像边缘检测与保持能力.

摘要： 介绍了一种改进的PDE边缘保持图像插值算法.用简单的一阶微分运算大致分离出图像的平坦区域和边缘区域.对于图像的平坦区域,使用双三次样条进行插值;对于图像的边缘区域,使用改进的PDE算法,总体上减少了算法的运算量,并保持了插值图像沿边缘方向的平滑和跨边缘方向的陡峭.实验结果显示,该算法与传统插值算法相比较有一定的优越性.

摘要： 该文介绍了一种可保持信号边缘的混合型滤波算法。该算法集中值与均值滤波两种形式于一体，适应性的处理信号，达到滤噪与细节保护的有效统一。

摘要： 由于传统的正则化方法中正则化参数是固定的,导致重建图像不能很好的保留图像边缘和纹理等细节的信息.针对这些缺点本文提出了一种基于L1范数的BTV自适应正则化图像超分辨率算法,通过变化的正则化参数来控制目标函数中数据保真项和正则项的比重.实验结果表明,与传统的重建方法相比本文的方法能够自适应的确定正则化参数,找到最优解,并在边缘和纹理等细节区域体现了更好的重建效果.

摘要： 由于传统的正则化方法中正则化参数是固定的,导致重建图像不能很好的保留图像边缘和纹理等细节的信息.针对这些缺点本文提出了一种基于L1范数的BTV自适应正则化图像超分辨率算法,通过变化的正则化参数来控制目标函数中数据保真项和正则项的比重.实验结果表明,与传统的重建方法相比本文的方法能够自适应的确定正则化参数,找到最优解,并在边缘和纹理等细节区域体现了更好的重建效果.

摘要： 由于传统的正则化方法中正则化参数是固定的,导致重建图像不能很好的保留图像边缘和纹理等细节的信息.针对这些缺点本文提出了一种基于L1范数的BTV自适应正则化图像超分辨率算法,通过变化的正则化参数来控制目标函数中数据保真项和正则项的比重.实验结果表明,与传统的重建方法相比本文的方法能够自适应的确定正则化参数,找到最优解,并在边缘和纹理等细节区域体现了更好的重建效果.

摘要： 由于传统的正则化方法中正则化参数是固定的,导致重建图像不能很好的保留图像边缘和纹理等细节的信息.针对这些缺点本文提出了一种基于L1范数的BTV自适应正则化图像超分辨率算法,通过变化的正则化参数来控制目标函数中数据保真项和正则项的比重.实验结果表明,与传统的重建方法相比本文的方法能够自适应的确定正则化参数,找到最优解,并在边缘和纹理等细节区域体现了更好的重建效果.

摘要： 由于传统的正则化方法中正则化参数是固定的,导致重建图像不能很好的保留图像边缘和纹理等细节的信息.针对这些缺点本文提出了一种基于L1范数的BTV自适应正则化图像超分辨率算法,通过变化的正则化参数来控制目标函数中数据保真项和正则项的比重.实验结果表明,与传统的重建方法相比本文的方法能够自适应的确定正则化参数,找到最优解,并在边缘和纹理等细节区域体现了更好的重建效果.

摘要： 图像盲去模糊(Blind image deblurring,BID)是一种不适定求逆问题,针对其需事先假定模糊核函数模型或图像先验信息的缺点,借鉴交替方向乘子法(alternating direction method of multipliers,ADMM)在解决求逆问题时的模块化计算思想,提出基于交替方向乘子法的运动图像盲去模糊算法,能够实现无约束条件下的模糊核和原始图像的快速估计.实验结果表明,该算法在图像去模糊和计算时间缩减等方面均可获得较好的效果.

摘要： 实施例提供了一种能够正确地检测相邻地加载的物体的边缘的边缘检测设备、边缘检测方法以及物体保持设备。一种边缘检测设备，包括光源、成像部件和检测器。光源包括用于用光来照射相邻的多个物体的至少三个光发射部件。成像部件对每个光发射部件所照射的物体的表面进行成像，并且生成表面的多个图像数据。检测器基于多个图像数据的至少两个不同组合来检测被成像的表面的边缘。

摘要： 将金属顺序电沉积到半导体衬底上的贯穿掩模的特征中，以减少唇形密封件对掩模材料的压力的有害后果。在第一电镀步骤中，使用唇形密封件电沉积第一金属(例如，镍)，该唇形密封件具有在距衬底边缘第一距离处与半导体衬底接触的最内接触点。在第二电镀步骤中，第二金属(例如锡)使用具有与半导体衬底接触的最内接触点(该最内接触点距衬底边缘的距离大于第一距离)的唇形密封件进行电沉积。这允许至少部分地从可能在第一电沉积步骤期间损坏的点转移唇形密封件压力，并防止在第一电镀步骤期间可能在掩模材料中形成的任何裂缝受电解液影响。

摘要： 实施例提供了一种能够正确地检测相邻地加载的物体的边缘的边缘检测设备、边缘检测方法以及物体保持设备。一种边缘检测设备，包括光源、成像部件和检测器。光源包括用于用光来照射相邻的多个物体的至少三个光发射部件。成像部件对每个光发射部件所照射的物体的表面进行成像，并且生成表面的多个图像数据。检测器基于多个图像数据的至少两个不同组合来检测被成像的表面的边缘。

摘要： 本发明的等离子体处理装置的基板支承器的第1静电卡盘具有第1及第2电极，保持边缘环。基板支承器的第2静电卡盘保持基板。第1电极比第2电极更靠近第2静电卡盘延伸。在等离子体处理中，具有正极性的第1电压被施加到第1及第2电极。在等离子体处理后的第1期间，具有负极性的第2电压被施加到第1及第2电极。在第1期间之后的第2期间，具有正极性的第3电压被施加到第1电极，具有负极性的第4电压被施加到第2电极。第3电压的绝对值小于第1电压的绝对值及第2电压的绝对值。

摘要： 本发明公开了一种基于边缘保持的POCS图像超分辨重建方法，包含图像边缘提取、判断像素点是否为边缘像素、根据判断结果改进PSF、根据相应PSF进行迭代修正等四个基本步骤，具体为：对任意一帧低分辨率图像进行双线性插值操作，得到目标高分辨率图像的初始参考帧；对该初始帧进行边缘提取，得到其边缘图像；对检测到的边缘像素，根据夹角大小的不同而采用不同的PSF；选取相应的PSF，模拟低分辨率图像的生成过程，由高分辨初始帧计算出低分辨率图像的像素值，计算该像素值与相应原有序列低分辨率图像像素值之间的残差，根据残差对高分辨初始帧做出修正。本发明使得重建的高分辨率图像清晰度相较于原有低分辨率图像有了明显的提升，且图像边缘保持效果良好。

摘要： 本发明公开了一种方差梯度约束法红外图像边缘保持去噪方法，以目标像素点为中心，获得M*P窗口的像素区域，对正东方向和正西方向上求得的所有灰度差进行求和形成X方向梯度，对正北方向和正南方向上求得的所有灰度差求和形成Y方向梯度，对西北方向和东南方向上求得的所有灰度差求和形成XY方向梯度，对东北方向和西南方向上求得的所有灰度差求和YX方向梯度；获得新X方向梯度、新Y方向梯度、新XY方向梯度、新YX方向梯度；获得M*P窗口的像素区域中所有像素点灰度值的方差，对方差进行归一化处理，将新X方向梯度、新Y方向梯度、新XY方向梯度、新YX方向梯度、以及方差归一化值作为目标像素点的去噪因子参与去噪处理。

摘要： 本发明公开一种基于各向异性扩散模型的自适应边缘保持去噪方法，包括以下步骤：原始噪声图像预处理、构建去噪算法模型、原始噪声图像迭代计算和原始噪声图像去噪处理；本发明改进了基于分数阶微分算子与高斯曲率相结合的自适应图像去噪算法的扩散系数，加入双边滤波和局部方差，在扩散模型中引入正则化项，提高图像边缘保持的效果，对自适应图像去噪算法模型的扩散系数进行了修正，使得去噪和保持边缘的效果更好，提高图像的视觉效果；利用局部方差调节扩散系数，以更好地控制扩散速度；正则化项的加入提高了图像保真度，并且使用了自适应阈值，除了自然图像，在处理医学图像方面也优于传统图像处理方法。

摘要： 本发明提供一种基于断层置信度参数控制的边缘保持扩散滤波方法。该方法包括：使用特定噪声尺度的高斯核函数对地震数据进行预处理；重构结构张量矩阵并计算得到特征值和对应的特征向量；分析各向异性扩散趋势，并结合断层置信度参数重新设计扩散张量的特征值；利用扩散张量的特征值和特征向量重构扩散张量，求解三维各向异性扩散滤波方程，多次迭代后获得滤波结果。该基于断层置信度参数的边缘保持扩散滤波方法主要用于提高地震资料信噪比，保护断层等地质体的地层边界和断点位置信息。

摘要： 本发明公开一种基于边缘保持的仿生机器人3D打印方法、装置及介质，方法包括：获取仿生对象外观的原始点云数据；基于内在形状特征提取原始点云数据的初始几何特征点；对初始特征点进行降采样处理得到稀疏几何特征点；基于球形邻域边缘保持提取原始点云数据的初始边缘点；对初始边缘点进行降采样处理得到稀疏边缘点；聚合稀疏几何特征点和稀疏边缘点，得到最终采样点云；基于最终采样点云实现仿生机器人3D打印。本发明可实现以较少的点准确表征物体的表面结构；且本发明具有低算力、高鲁棒性等优势，对提高CAD逆向工程、点云重建、工业外观设计等领域有重要实用价值，对点云语义分割、追踪、配准等下游任务产生有益影响。

摘要： 本发明提供一种面向无人机平台的高效的边缘保持多视图深度估计及测距方法，以一幅参考图像和多幅邻域图像及其相机姿态作为输入，以“由粗到细”的方式准确地估计出参考图像的深度图。该方法包括：提出了一个层级边缘保持残差学习模块来校正双线性上采样中产生的误差和对多尺度深度估计网络估计的深度图进行优化，使网络能够得到边缘细节保持的深度图；提出一种交叉视图光度一致性损失来增强训练时细节区域的梯度流，可进一步提高深度估计的准确性；设计了一个轻量级的多视图深度估计级联网络框架，通过在相同分辨率下堆叠阶段可以在不增加很多额外显存和时间消耗的情况下尽可能多地进行深度假设采样，从而能够在高效地进行深度估计。