为了在去除红外图像的脉冲噪声的同时, 有效保持和恢复图像的边缘细节, 提出了基于灰度特征和众数原则的迭代双边中值滤波方法。此方法根据脉冲噪声的灰度特征以及众数原则, 将取最小和最大值、而在邻域的灰度分布上孤立的像素识别为噪声。根据基于空间距离和灰度相似的加权系数, 对邻域中的无噪像素与已经去噪恢复的像素进行频次加权, 用频次加权中值作为噪声像素的估计值。其中, 以迭代遍历的方式执行去噪处理, 充分利用前次遍历处理的结果, 以去除高密度噪声。实验数据证明, 此方法去噪所得的 PSNR和 EPI值以及视觉效果均优于现有方法, 具有更好的去噪性能。

针对暗通道先验算法处理大片天空区域存在复原图像的可视化效果较差和图像细节信息不丰富等问题,提出一种基于多尺度Retinex和暗通道的自适应图像去雾算法。采用Canny算子对亮度分量进行边缘检测并利用多尺度Retinex算法消除亮度分量,采用交叉双边滤波优化暗通道的先验理论获得粗略估计的透射率,采用四叉树子空间搜索法选取全局大气光值。为了消除图像中复原图像整体较暗以及无法显示细节信息的现象,使用二维伽马函数校正亮度值,最终得到复原后的去雾图像。实验结果表明,所提算法可以有效恢复有雾图像的细节信息,去雾较为彻底,整体平滑,色彩明亮度较好,图像清晰自然。

同步辐射光源具有高斯分布特性,能使生物样品重建图像呈灰度分布不均匀和对比度低的特点,同时重建图像受背景噪声影响,进而造成重建生物样品的一些细节特征难以被观察和分析。针对该问题,提出了一种基于图像重建的同步辐射CT图像对比度增强方法。首先基于滤波反投影(FBP)重建算法和联合代数迭代重建技术(SART)算法分别重建图像,得到两种重建算法的重建数值区间范围,然后将FBP的数值区间映射到SART的数值区间,最后将经过映射之后的重建图像结合内容自适应图像增强算法以提高重建图像的质量。实验结果表明,所提算法不仅能够有效消除背景中的噪声,而且提高了重建图像的对比度,能更清晰地显示出重建样品的细节。

针对多尺度分解在图像融合领域中的广泛应用, 本文提出了一种多级方向加权最小二乘滤波器图像多尺度几何分析方法。该方法利用加权最小二乘滤波器对图像进行多级边缘保持分解, 得到一个近似图像和多个不同尺度上的细节图像, 然后采用小尺寸方向剪切滤波器对细节图像进行方向分析, 在不同尺度上生成多个方向细节图像。根据近似图像和方向细节图像所具有的不同物理意义, 分别采用不同的融合策略对分解后的图像系数进行合并处理, 最后应用多级方向加权最小二乘滤波器的逆变换得到融合图像。多组图像融合实验结果表明, 在图像融合领域, 本文提出的基于多级方向加权最小二乘滤波器的图像分解方法优于已有文献中的一些典型多尺度分解方法。

为了解决红外与可见光图像融合时信息容易相互干扰、影响融合质量的问题, 将引导滤波、高斯低通滤波与非下采样方向滤波器组相结合, 提出一种新的图像融合方法。利用引导滤波和高斯低通滤波, 将源图像分解为低频近似部分、强边缘部分和高频细节部分, 并将高频细节部分进行非下采样方向滤波, 进一步得到高频方向细节部分; 对低频近似部分应用基于局部区域能量的融合规则, 对强边缘部分提出一种基于卷积稀疏表示的融合规则, 对高频方向细节部分提出改进的脉冲耦合神经网络的融合规则, 得到相应的融合部分, 并通过逆变换得到最终的融合图像。对多组红外与可见光图像的实验结果表明, 算法得到的融合结果的主观视觉效果和客观评价指标均优于传统的图像融合方法, 其客观评价指标中的标准差、信息熵、互信息、平均梯度和空间频率相比融合效果较好的基于离散小波变换和稀疏表示的融合方法平均提高20.28%、2.24%、47.41%、5.34%、8.02%。

针对通过局部相似假设估计透射率，景深突变边缘出现Halo效应问题，提出一种基于边缘保持的自适应高斯衰减图像去雾算法。该方法从大气散射模型出发，引入大气幕亮度，将场景透射率的估计等效为大气幕亮度的估计。通过边缘检测算子提取边缘信息，分离边缘区域与非边缘区域，利用邻域内像素点的空间邻近度构建自适应高斯函数对非边缘区域进行平滑衰减，从而获得最优效果。通过大量实验对所提方法进行验证，结果表明复原的图像整体平滑，细节明显，有效地消除景深突变处的Halo效应,并且在客观评价中也体现出了优势。

为了更好地对图像进行平滑同时保持边缘不模糊, 设计一种新的滤波方法。对基于该方法的图像滤波、细节增强等算法进行研究。首先, 根据图像的亮度和颜色对图像进行分割, 将图像分成不同的区域。接着, 在不同的区域进行导引滤波, 得到互不交叠的多个滤波子图像。然后, 将这些子图融合,得到基于分割的改进导引滤波结果。最后, 利用提出的改进导引滤波方法提出一种多尺度的细节增强方法。实验结果表明, 在图像光滑和细节增强方面, 提出的方法都要好于传统的导引滤波: 提出的方法不仅能较好的光滑图像, 同时保持边缘清晰, 减少了传统滤波方法在边缘处的光晕现象。

提出一种融合人脸特征分析的自适应编辑传播方法来提高人脸图像光照渲染的效能, 并以此实现复杂背景下基于单张参考人脸的自动光照迁移。该方法把参考图像的人脸区域与目标图像的背景区域进行融合, 利用边缘保持平滑滤波从融合的人脸中提取光照信息。然后, 构建一个能随不同人脸区域而自适应变化的编辑传播模型, 把提取的光照信息从人脸区域扩散到背景区域, 生成光照模板。最后, 通过融合光照模板与目标人脸实现光照迁移。在YaleB数据库的定量实验中, 平均每张迁移光照人脸有超过85%的像素(归一化到［0,255］)与标准光照人脸的像素值差异小于6。与其他方法对比, 本文方法获得的光照渲染效果具有更好一致性。结果表明, 本文方法扩展了光照迁移的适用范围, 具有良好的稳定性, 能在具有不同性别和背景等特点的参考人脸与目标人脸中生成自然的光照迁移效果。

为了有效去除SAR图像中的相干斑噪声, 同时很好地保留图像中的边缘细节, 将双边滤波算法应用到SAR图像滤波, 并使用ENL和EPI对其参数进行估计; 经过参数估计的双边滤波算法作用于SAR图像后, 很好地去除了斑点噪声且保留了边缘信息; 实验结果表明, 该算法的主观和客观数据都优于经典Lee滤波算法。