基于马尔科夫随机场的图像锐化方法

基于马尔科夫随机场的图像锐化方法

ID:27715195

大小:241.50 KB

页数:4页

时间:2018-12-05

基于马尔科夫随机场的图像锐化方法_第1页
基于马尔科夫随机场的图像锐化方法_第2页
基于马尔科夫随机场的图像锐化方法_第3页
基于马尔科夫随机场的图像锐化方法_第4页
资源描述:

《基于马尔科夫随机场的图像锐化方法》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、第37卷第1期Vol.37No.1计算机工程ComputerEngineering2011年1月January2011·图形图像处理·文章编号:1000—3428(2011)01—0224—02文献标识码:A中图分类号:TP391.41基于马尔科夫随机场的图像锐化方法刘芳1,刘东升2,桂志国1(1.中北大学电子测试技术国家重点实验室,太原030051;2.中国兵器工业集团公司专利中心,北京100089)摘要:针对常规的反锐化掩膜方法对图像进行增强时会放大噪声的问题,提出一种基于马尔科夫随机场理论的图像锐化方法

2、,将ThinPlate先验能量函数引入到反锐化掩膜方法中。实验结果表明,该方法在突出图像边缘细节的同时,可有效抑制噪声。主观视觉效果和客观评价结果表明,该方法的处理效果较好。关键词:马尔科夫随机场;图像锐化;先验能量函数ImageSharpeningMethodBasedonMarkovRandomFieldLIUFang1,LIUDong-sheng2,GUIZhi-guo1(1.NationalKeyLaboratoryforElectronicMeasurementTechnology,NorthUni

3、versityofChina,Taiyuan030051,China;2.PatentCenter,ChinaNorthIndustriesGroupCorporation,Beijing100089,China)【Abstract】Whennormalunsharpmaskmethodalgorithmisappliedtosharpeningenhancement,theobviousnoisesarealsoenhanced.Basedonthisquestion,amethodofimagesharp

4、eningapproachisproposedwhichisfoundedontheThinPlatepriorenergytheoryofMarkovrandomfield.Themethodcanimproveedgemeanwhileitcan’tenhancenoise.Theprocessingresultsofthismethodnotonlyontheaspectofsubjectivevisualeffectbutalsoontheaspectofobjectiveevaluationarem

5、oresatisfactory.【Keywords】Markovrandomfield;imagesharpening;priorenergyfunctionDOI:10.3969/j.issn.1000-3428.2011.01.0771概述算法首先利用一个高通滤波器获得图像的高频分量,然数字图像经过转换和传输后,难免产生模糊。图像锐化后对提取的边缘和细节等高频信息,同时保持低频信息基本的主要目的是突出图像中的细节或增强被模糊了的细节。这不变。其数学表达式可表示为:些细节特征不但可以提高图像的视觉效果,而且

6、对图像分割、gxy=fxy+k⋅sxy(1)(,)(,)(,)图像识别等后续处理也意义重大。其中,f(x,y)为原始图像;s(x,y)为高通滤波输出(又称为修图像锐化的算法较多,其中反锐化掩膜技术是最常用的正信号);k为增益系数,此处为常数。边缘细节增强方法。而反锐化掩膜法对噪声非常敏感,在增在实际应用中,得到图像的高频分量的方法有很多,可强原始信息的同时也放大了高频噪声。为提高反锐化掩膜算利用梯度算子、拉普拉斯算子等。常用的拉普拉斯算子是反法的性能,许多学者提出了多种改进算法以降低噪声的影响。锐化掩膜的一种

7、特殊形式,拉普拉斯算子是一种二阶导数算文献[1]提出了基于噪声估计的图象增强系统,但其假定噪声子,对于一个连续函数f(x,y),拉普拉斯变换定义如下:的类型是高斯噪声,并且需要调节的参数太多,影响了其在实际中的应用;文献[2]提出的立方锐化掩膜方法利用像素的∂2∂2ff∇f(x,y)=+2∂x∂y22(2)局部梯度平方来调制修正信号,使算法更有利于大梯度区域为便于数字图像处理,二维拉普拉斯数字实现可表示为:(如边缘细节)的增强,其缺点是易使边缘过于锐化,且对细∇2f=4f(x,y)−⎡⎣fx+1,y+fx−1

8、,y+fx,y+1+fx,y−1⎤⎦(3)()()()()微细节的增强能力不足;此外,还有Lee和Park提出一种顺则拉普拉斯反锐化掩膜表达式为:序统计反锐化掩模算子[3],这些算法虽然可以起到抑制噪声g(x,y)=f(x,y)+∆f(4)2的作用,但锐化效果也随之减弱,不能有效突出图像的边缘其中,g(x,y)为对应位置的输出像素。细节。针对上述情况,本文提出一种基于马尔科夫随机场的拉普拉斯反锐化掩

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。