论文部分内容阅读
由于人类视觉系统的复杂性以及随着数字图像处理技术的快速发展,对传统的图像处理和计算机视觉任务提出新的要求和挑战,尤其低层次图像去噪和图像融合问题。外部噪声的干扰,或多传感器获取图像,导致图像的信息不够全面或可靠,从而降低了图像质量,也制约着后续图像处理任务的执行。图像去噪的核心问题是如何在高效去除噪声的同时,保留图像边缘、轮廓和纹理等细节结构信息。双边滤波作为图像去噪和融合的一种重要手段,它时间复杂度低,且在去噪的同时和能很好地保持边缘信息。最近,涌现出大量联合双边滤波算法以及基于双边滤波的图像去噪和多尺度分解算法。然而,许多已有的联合双边滤波在抑制图像噪声时会导致图像模糊,且对噪声类型的抑制存在较大的局限性,此外双边滤波在进行图像分解过程中,因未能充分地获取边缘信息而导致融合图像结构的丢失和伪影的出现。本文基于联合双边滤波的研究,分别提出:基于SURE(Stein’s unbiased risk estimate)方法估计的边缘保持加权双边滤波SEWBF和基于交叉梯度双边滤波的图像融合算法FCGBF以得到高清晰度、结构保存完整的去噪图像和融合图像。算法具体介绍如下:(1)SEWBF算法是一种加权滤波算法,综合了改进的伪中值双边滤波和鲁棒双边滤波的优点,能够实现鲁棒和保持边缘的效果,同时对高斯白噪声和椒盐噪声等不同噪声类型均有很好的抑制作用。该算法首先提出一种新的鲁棒估计核函数,然后将其运用在能够有效去除椒盐噪声的伪中值双边滤波中。同时引入鲁棒双边滤波,其中涉及到均方误差的估计,然后利用SURE估计方法来定义鲁棒双边滤波去噪模型,以获取最优参数。最后,通过SURE计算最优权重因子,将改进的伪中值双边滤波和鲁棒双边滤波加权平均得到SEWBF算法。最后,通过设计多组相关对比实验,验证了SEWBF算法的有效性并对实验结果进行分析。(2)FCGBF算法是一种对不同类型源图像融合的方法,该算法是对一种基于交叉双边滤波分解图像融合算法的改进。FCGBF算法采用改进的交叉梯度双边滤波来对图像进行多尺度分解,为了提高图像分解的准确性,引入梯度函数代替灰度相似度核函数,其能获取边缘的梯度信息,减少伪影的干扰,提高算法的性能。接着,采用一种自适应的融合规则对分解的信息进行融合,为了使得融合结果保留更多源图像的信息同时减少伪影出现,在计算融合权重过程中涉及到水平和垂直边缘强度的计算。最后分别对多模态,多聚焦,医学等影像进行实验,来验证FCGBF的有效性。