针对磁瓦图像光照不均匀、对比度较低、表面干扰磨削纹理较多的问题，提出了一种基于改进的同态滤波与Canny算法的磁瓦表面缺陷检测算法。首先，采用改进的同态滤波传递函数将磁瓦图像分解成高频图像和低频图像，用连续均值量化变换增强高频图像，再将增强的高频图像与低频图像融合便能够得到光照较均匀和对比度较高的磁瓦图像。然后，将传统Canny算法中的高斯滤波器替换为相对总变差模型，从而提取出磁瓦缺陷结构；为了提高边缘检测的精度，增加了梯度方向模板求取图像像素点的梯度幅值和方向，并采用基于图像灰度信息的单阈值提取出图像缺陷边缘，提高了算法的鲁棒性。最后，通过形态学处理对检测出的缺陷边缘图像进行填充，并把干扰边缘去除，便可得到磁瓦的缺陷区域。实验结果表明，所提算法对磁瓦表面缺陷检测的效果较好，检测精度较高，且适用于多种类型的磁瓦表面缺陷。

双能计算机断层扫描(DECT)技术因能分解和识别材料,并提供定量化的成像结果,广泛应用于医疗、安检、无损检测以及材料科学等领域。DECT技术能提供物体在两种能谱下的衰减信息,可准确分解两种基材料。但当检测对象含有三种材料时,若对DECT图像直接求逆(DIMD)分解多材料,其基图像将含较多噪声和伪影。为此,提出了一种基于双能CT图像域的字典学习(DL)和相对总变分(RTV)的多材料分解算法,简称DL-RTV算法。通过直接求逆获得初始基图像,利用字典学习挖掘基图像的稀疏性,以提高材料分解的准确性;引进RTV进一步降低基图像的噪声和伪影,并保护图像细节;同时引入各基材料质量守恒和像素边界的约束项,提高材料分解精度。仿真和实验研究表明,DL-RTV算法能较准确地分解三种材料,较好抑制基图像噪声和伪影,提高了材料区分度,从而验证了此算法的有效性和实用性,这对DECT技术的发展和应用具有重要的意义。

针对低照度水下图像存在色偏和细节模糊的问题,提出一种基于白平衡和相对全变分的低照度水下图像增强算法。该算法依据光线在水中选择性衰减的特性,对水下图像进行全局光照补偿以提高图像亮度,并采用灰度世界算法校正水下图像颜色;依据引导滤波的保边平滑性构造新的相对全变分约束来估计照度图,并基于低照度成像模型得到反射图像,即增强后的水下图像。主观效果、客观分析及应用比较实验均证明了本文算法在校正色偏和增强图像细节方面的有效性。

为解决加权核范数最小化(WNNM)图像去噪无法较好地表达复杂和不规则的图像结构,易产生过平滑现象的问题,将相对全变差(RTV)融入加权核范数最小化,对WNNM低秩表示模型施加RTV范数约束,提出一种RTV-WNNM图像去噪模型,采取交替方向乘子(ADMM)算法迭代求解对应模型,获得清晰图像。将提出的新方法与多种基于低秩矩阵近似的去噪算法进行比较,所提算法在保持图像边缘和加强区域平滑性方面有较好的性能,特别是在高密度图像噪声影响下,算法性能也能得到大幅提升。实验结果表明,加入RTV范数的低秩去噪模型具有良好的恢复图像结构能力,能较好地提高去噪性能。