基于图像滤波器的多尺度图像分解

论文摘要

图像增强一直是计算机视觉领域里比较热门的研究方向,随着计算机视觉领域范围越来越广,图像增强的研究课题更是层出不穷。图像增强的研究内容涉及到生物医学,人工智能,模式识别,电子工程等多门学科,目的是运用基本数学及计算机理论对图像进行调整从而满足不同应用需求。图像增强是一个研究时间不较长的领域,但是在现有的技术下赋予了图像增强更多应用方向。图像增强已从简单的图像去噪,图像细节突出延伸到前沿的研究方向,如高动态范围图像色调映射,图像去雾,图像抽象化等。以前的图像增强中的滤波器通常带有许多限制条件,如线性滤波器在对图像处理时虽然去噪能力比较好,但是同时平滑掉了图像的强边界。非线性滤波器虽然在保留图像强边界的方面表现比较出色,但是计算复杂度比较高,同时对于图像中出现较强的纹理图案时,无法做到既能平滑纹理图案,又能保留强边界。本文在研究已有图像滤波器的算法基础上,分析了线性滤波器和非线性滤波器的特点,根据两种滤波器设计的大方向——逐像素、最优化算法,提出了对现有的几种滤波器的修改方法,同时设计了一种图像滤波器,对于带有较强纹理图案的图像能够提取纹理信息,同时又能保留强边界。本文主要贡献如下：1)分析当前图像滤波器的两个设计方向,分析各种设计的特点。提出了对有的几种滤波器的修改方法,使滤波器更好的应用在其他图像研究领域。2)针对现有的保留边界的滤波器的一些缺点,设计了一种图像滤波器,对于带有较强纹理图案的图像能够提取纹理信息,同时又能保留强边界。此方法在高动态范围图像色调映射、细节增强等方面也有不错的表现。从实验结果和性能分析可得,本文提出当前算法的改进及新算法可以很好的满足人们对图像细节提取的不同需要。同时,这类方法还可以广泛的应用到高动态范围图像色调映射、细节增强及图像抽象化等其他研究领域。

论文目录

• 目录
• 摘要
• Abstract
• 第一章 引言
• 1.1 背景介绍
• 1.2 本文的技术路线
• 1.3 本文的结构安排
• 第二章 研究背景
• 2.1 基本概念和术语
• 2.2 非线性滤波器
• 2.2.1 各向异性扩散（Anisotropic Diffusion）
• 2.2.2 双边滤波器（Bilateral Filter）
• 2.3 最优化算法
• 2.3.1 泊松方程（Poisson Equation）
• 2.3.2 最小二乘法（Weighted Least Square Filter）
• 2.3.3 引导滤波器（Guided Filter）
• 2.4 多尺度图像分解
• 2.4.1 高动态图像色调映射（High Dynamic Range Image Tone Mapping）
• 2.4.2 图像抽象化（Image Abstraction）
• 第三章 基于最小二乘保留边界的图像分解
• 3.1 引言
• 3.2 基于最优化问题的双边滤波及多尺度分解
• 3.2.1 算法描述
• 3.2.2 代数多重网格矩阵解法
• 3.3 实验结果及应用
• 3.4 结论
• 第四章 自适应的局部拉普拉斯滤波器
• 4.1 引言
• 4.2 局部拉普拉斯保边平滑
• 4.3 自适应的局部拉普拉斯滤波器
• 4.4 实验结果
• 4.5 结论
• 第五章 基于GPU的局部极值保边缘图像平滑算法
• 5.1 引言
• 5.2 背景介绍
• 5.3 保边局部极值图像平滑算法
• 5.4 实验结果及应用
• 5.5 结论
• 第六章 总结与展望
• 6.1 本文工作总结
• 6.2 未来工作展望
• 参考文献
• 攻读学位期间的工作与发表论文
• 致谢