一种基于二阶梯度的图像去块效应滤波方法.pdf
小沛****文章
亲,该文档总共12页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
一种基于二阶梯度的图像去块效应滤波方法.pdf
本发明属于图像处理领域,提供了一种基于图像二阶梯度的去块效应滤波方法,利用压缩图像块边界两侧像素点的二阶梯度特征,对压缩后的像素点进行合理调整,从而实现对图像块边界的平滑处理,有效去图像压缩中存在的块效应。同时,本发明的滤波方法充分利用了图像块边界的二阶梯度变化特性,从而能够有效保留图像的原始特征,防止因滤波所造成的图像细节信息损失。本发明的滤波方法因为计算复杂度较低、效果明显,所以在对压缩图像的实际处理中具有较高的应用价值。
一种基于梯度滤波的医学图像融合方法.pdf
本发明公开了一种基于梯度滤波的医学图像融合方法,首先输入两张已配准的多模态灰度医学图像,然后进行增强,设置阈值函数区分边缘和纹理的细节或噪声,并分解为近似层和残差层;然后近似层图像采用一种能量属性的低频融合策略得到近似层图像,残差层采用一种参数自适应的脉冲耦合神经网络的高频融合策略得到残差层图像;最后将近似层和残差层的融合子图像重建获得最终的融合图像。本发明解决了现有技术中存在的融合图像因为没有考虑对比度和噪点导致目标的融合图像不清晰,而通过基于模糊梯度阈值函数和全局优化的梯度滤波器分解原图像,融合时考虑
一种基于高斯滤波的DCT块效应现象消除方法.pdf
本发明公开了一种基于高斯滤波的DCT块效应现象消除方法,包括如下步骤:S1、在图像中构建8×8像素点的图块,相邻图块之间和重叠面积;S2、基于图块的矩阵特性自适应地区分图块类型,包括平坦区域图块和纹理区域图块;S3、对平坦区域图块使用大高斯滤波半径和大高斯滤波系数来进行高斯滤波处理,对纹理区域图块用小高斯滤波半径和小高斯滤波系数来进行高斯滤波处理。根据每个8×8图像块的矩阵特性自适应地区分图像的平坦区域和纹理区域,自适应方法的可靠性和稳定性更高;基于高斯滤波对不同的区域类型采用符合图像块特性的高斯滤波系数
基于传播滤波的单幅图像去雾方法.pdf
本发明提供一种基于传播滤波的单幅图像去雾方法,首先通过双区域滤波法估计初始大气透射率,再以最小颜色通道图作为参考图像,结合传播滤波法得到优化后的大气透射率,最后采用自适应方法优化的大气光强度,基于大气散射模型实现无雾图像的恢复。与现有技术相比,本发明的优势在于,能得到更为精确的大气透射率,可以改善现有的图像去雾方法中景深突变边缘的去雾残留问题,同时边缘细节得到有效保持,局部纹理区域具有较好的空间平滑性。
一种基于可变尺度滤波的图像去噪方法.pdf
本发明公开了一种基于可变尺度滤波的图像去噪方法,首先进行数据集制作;再构建基于可变尺度滤波的图像去噪网络模型;通过获取的数据集训练图像去噪网络模型。最后经过训练的网络模型接收需要进行去噪处理的图片,完成去噪处理后将图片输出。本发明设计了滤波核尺寸估计分支,并在此基础上设计逐像素点滤波,实现数字图像去噪;通过滤波核尺寸估计模块可以动态改变滤波核的有效滤波范围。本发明创新的提出了一种基于可变尺度滤波的图像去噪模型,该模型将基于可变尺度滤波的图像去噪方法用卷积网络表示,取得了令人满意的数字图像去噪效果。