国际期刊的创新在计算机和通信工程的研究
菜单ISSN在线(2320 - 9801)打印(2320 - 9798)
ISSN在线(2320 - 9801)打印(2320 - 9798)
女士Lidiya奥古斯汀1太太Nagalakshmi Venugopal2
|
| 相关文章Pubmed,谷歌学者 |
访问更多的相关文章国际期刊的创新在计算机和通信工程的研究
在图像处理中,使用各种edge-aware图像处理技术。它在计算机图形学中已获得了高度的关注。混合域图像处理方法的原理是处理或过滤图像不破坏或模糊边缘等重要功能。这种技术从粗到细的过程一个高斯金字塔,在每个级别,它适用于非线性滤波器银行附近的每一个像素。这些空间的结果不同的过滤器是通过全局优化相结合。它使用一个精确的混合域方法优化问题。这种技术可以应用于多个领域,如图像平滑、细节和对比处理,真实晕染,HDR压缩等等。这可以避免图像上的所有难看的工件。进一步发展edge-aware领域的图像处理技术将绝对可以帮助解决复杂的图像处理任务更大的扩展。这里描述了主要改进edge-aware先进图像处理技术研究。
关键字 |
| 图像处理、edge-aware图像处理、多尺度方法,基于优化的图像处理 |
介绍 |
| 图像处理,是一个方法将图像转换成数字形式和执行一些操作,为了提取一些有用的信息或得到一个增强的图像。我们可以将图像处理的目的划分为5个。他们是 |
| 1。让一个图像更好:图像锐化,图像恢复 |
| 2。有趣的对象在一个图像测量:测量模式 |
| 3所示。搜索感兴趣的一个图像:图像检索 |
| 4所示。区分或识别图像中的对象:图像或图像的分类识别 |
| 5。看到对象:未见图像可视化 |
| 目前图像处理是一个活跃的研究领域在迥然不同的领域,例如天文学、医学、国防、显微镜、地震学、出版和娱乐行业。 |
| 改变的艺术形象来表达我们想要的,而不是显示的原始图像可能被称为图像处理。这是一个应用程序的图像编辑技术来照片,为了创建一个副本(与纯粹的改进或改正),原来的照片。这种技术改变图像的内容以不正当的方式。观众变得难以区分操纵图像和实际图像。 |
| 边缘意识到认真帮助我们处理图像图像处理技术,在不破坏或模糊了小尺度图像边缘等细节。研究边缘——意识到图像处理是很重要的,因为许多目前使用图像处理技术可能引入一些不必要的工件原始图像,主要在图像边缘;这些被称为晕轮效应,梯度反转问题,混叠等。这种技术可以有效地使用,以减少un-wanted工件时产生的图像处理。它提供了一个简单的接口的独立调整输入图像的细节和整体外观[1]。本文比较研究现有edge-aware图像处理技术,给出了一个关于图像处理过程中可能出现的问题。 |
| 非线性滤波器更适合边缘意识到图像处理而不是线性滤波器。尽管非线性滤波器很难设计,它可以保护图像边缘大幅超过线性过滤器和非常有效地去除脉冲噪声。而线性过滤器倾向于模糊图像的边缘和其他细节及其与高斯噪声性能很差。 |
| 在图像处理使用各种优化方法。更适合使用多尺度方法,因为更多的准确的结果可以通过比较结果与之前的每一步。在各种优化方法中,最近的技术是使用一个显式的混合域概念(它使用真实空间和DCT变换空间)[1]。 |
在图像处理的问题 |
| 工件的意思,可能会出现的任何不良特性在图像处理过程中,没有出现在原始图像。的主要问题edge-aware图像处理特别是在算法过程的整体和细节的外观是尽可能减少或避免工件在图像边缘。下面的段落描述的构件,这通常发生在图像处理。 |
| 晕的形式通常是环绕一圈光明亮的东西(如满月的操纵图像)。我们不能区分边缘很明显,如果图像拥有光环。在信号处理时,将发生“光环效应”的结果超过在任何一步。有意识地介绍了弱光环un-sharp掩蔽,因为它可以使图像边缘脱颖而出,成为更强大的光环被认为是不必要的工件。最好的方法来减少晕在图像处理是使用高斯金字塔的概念,涉及到不同分辨率图像的生成。它处理图像分级,从粗到细的减少晕,因此称为多尺度方法在图像处理。 |
| 在图像处理梯度逆转是一项具有挑战性的问题。没有边界的值,我们仍然可以恢复图像但不相同的饱和度和对比度的原始图像。总是会有一个常数项缺失从整个图像。同样在信号处理中,如果平均在这样一种方式以提高输入步骤,然后结果甚至可以是原始图像的梯度逆转。 |
| 图像处理的另一个主要问题是混叠。它指的效果,导致不同的信号变得无法分辨采样时(或另一个别名)。这里的另一个信号作为别名之一。 |
背景 |
| 在数字图像处理和计算机图形学中提出了许多不同的图像处理技术。但是最主要的领域比其他任何技术已获得了高度的关注边缘意识到图像处理。在这里我们简要地给一个想法的先前技术是最与我们的工作密切相关。 |
答:EDGE-AWARE图像处理 |
| 各向异性扩散[2]技术,它使用一个非线性偏微分方程(PDE),这取决于当地的输入图像的变化。这里使用的尺度空间方法,包括代不同分辨率的图像,形成的,原始图像的高斯卷积的内核。它迭代平滑图像不破坏或模糊输入图像的重要特征。选择这一个参数调用时,扩散系数,这鼓励intra-region平滑开放型平滑的偏好。然而这些方法都是基于迭代,各向异性和其他基于PDE方法相对较低,因为它涉及到这些扩散参数的计算。我们可以使用各向异性扩散为基础的高动态范围(HDR)压缩,但有一个概率,有时候可能会锐化图像边缘。 |
| 双边滤波(BLF)[3]方法是一种不同的边缘意识到图像平滑方法。这里使用一个非迭代方法进行图像处理。它使用一组非线性图像值附近。图像颜色或灰度的分组,根据他们的光度值相似性及其附近。它使用显式、数据依赖过滤器处理。这是简单的和地方。与BLF相关的主要问题是,它是更难比其他域分析过滤器,因为它的非线性性质。包括有数据平滑和边缘保护之间的权衡。有时如果过于平滑,期间主要的分离意味着表面细节,这可能导致晕在图像的边缘。同时,BLF方法的能力是有限的在任意尺度上提取图像的细节。 |
| 法塔尔[4]的方法基于加权最小二乘(WLS)的方法,它使用更小心edge-aware图像分解。通常权重小,锋利的边缘,来保护他们在WLS法,它首先计算输入图像的平滑的组件,通过优化二次能源基于平方梯度空间不同的权重。这种方法提供了一个极好的基础多尺度HDR和存贷比色调映射,细节和对比操作,和图像的抽象。这种方法的主要缺点之一是,它涉及到解决大型稀疏线性系统。后来法塔尔提出了一种新的方法来了解图像处理,边缘,专注于生成两个数据依赖边缘避免小波[5]。在edge-aware图像处理,这些小波比传统小波更合适,产生更好的结果。小波作为代表图像的基础在不同程度的决议。这种方法主要用于压缩技术,图像首先被转换成信号或一波又一波的不同频率和持续时间给您小波生成基于内容图像的边缘。它不包含像素边缘的两边。因此避免小波边缘的名称。 We can extend this technique to dynamic compression of images .but determining wavelets is a difficult task in this approach, and also the quality of the input image may become poor, because of the approximation used during parameter computations. |
| edge-aware图像处理的另一个重要的方法是使用基于金字塔方法,使用多尺度方法如高斯拉普拉斯算子的金字塔或小波分解。在巴黎的方法[6]基于拉普拉斯算子的金字塔,它使用一组局部滤波器的图像分解。它非常适合代表图像的细节。我们可以使用标准的拉普拉斯算子来描述图像的边缘。这使我们能够区分大规模从小型图像边缘细节运用一个简单的阈值图像的像素值。在计算上是昂贵的,因为有一个需要构造研制中每一个元素的拉普拉斯算子的金字塔。 |
| 有一个最近提出的技术Gastal[7]称为域变换。这种方法主要用于实时edge-aware图像处理。域变换定义了一个等距曲线之间5 d图像歧管在2 d和实线。这也保留了这些曲线的测地线距离点。它首先通过自适应地扭曲执行操作输入信号,这一维边缘保持滤波可以有效地在线性时间内完成。尽管它是一个快速过滤技术,它不产生旋转不变的结果(即过滤图像旋转和旋转过滤图像给出不同的结果)。 |
| 在混合域edge-aware图像处理[1]的方法,它使用全局优化技术代替传统的优化方法。图像处理可以通过使用高斯金字塔的概念,它从粗到细的过程高斯金字塔,在每个级别适用于非线性滤波器银行附近的每一个像素。这里输出合并使用显式的混合域的概念。这种技术更有效、准确和容易实现。这是一种最合适的方法来处理矩形图像。本文的局限性在于,目前我们只能支持双刻度操作(细节和整体外观)处理整个金字塔,减少光环效应。参数设置需要更多的关注。这种方法的另一个主要的限制是,这里不是广义优化,所以我们不能将这种方法应用到其他空间不同的过滤器进行进一步的应用,如up-sampling和de-blurring。 |
b .文中针对图像处理 |
| 图像的图像处理、优化社区在计算机图形学中扮演着重要角色。正规化和放松在狭义和广义意义上被使用在各个领域,图像处理中存在的问题,目前他们正在与通用优化算法相结合。我们可以用在图像处理优化目标函数。通常图像优化涉及到选择一个合适的图形压缩格式,从而降低了图像的文件大小,从而减少了时间下载并显示在浏览器中。 |
| 法塔尔的梯度域图像处理[8]用于高动态范围图像压缩。我们也能大幅度提高普通图像通过把黑暗地区的特定特性。这里我们通过优化操作图像梯度,利用高斯金字塔的概念。这种方法是用来操纵亮度图像的梯度场衰减梯度大的价值。结果,获得一个新的低动态范围图像通过求解泊松功能在新修改的梯度场。最好是适合生产结果不晕。 |
| 在稀疏优化方法[9],它寻找一个简单的、直接的解决方案一个优化问题,而不是一个更复杂的精确的解决方案。我们可以使用这种技术在图像去噪。在梯度域优化框架[10]它提供了一个统一的二次优化方法称为梯度商店。是简单和新方法的图形程序员定义图像和视频过滤器,而不是写一个函数,处理输入图像的像素颜色。这种方法还允许程序员来处理输入像素梯度(即邻近像素之间的差异)这个过滤器模式还允许建设的主要图像处理应用程序很少行代码。的应用这种方法可以扩展到显著加强,伪重新点燃,de-blocking和图像彩色化等。相反它产生各种效果的能力依赖于仔细分配空间上不同重量的图像梯度作为约束条件。 |
| 其他技术,如全变差优化[11]主要用于消除图像的噪声内容。更多的使用限制在这个方法将产生更多的细节在我们的去噪方法的解决方案。在L0梯度最小化方法[12]中,我们提出一个稀疏的梯度计算方案的优化框架。本文的主要捐赠是一种新的策略来限制强度变化的离散数字马嘶无聊的像素,这直接关系到数学L0范数信息稀疏检测。这两种技术使用迭代算法因此他们通常是缓慢而可能缺乏数学保证收敛性和稳定性。 |
| 最近提出了多尺度优化方法。与其他优化方法,它允许快速频域解产生的优化问题。在每个规模优化二次能量函数在sub-windows合并的输出一组当地边缘意识到过滤器[1]。这样我们能够有效地减少晕。这种方法可以很容易实现。它非常快,我们可以很容易在GPU加速。这里的操作由很少的像素,而不是复杂的大型线性动力学系统。 |
较研究 |
| 我们可以做一个比较研究以混合域边缘意识到图像处理与前面的一些作品如BLF基础方法[3],WLS法[4]在图1和里夫方法[6][1]。 |
| 从图1,很明显,基于BLF方法会导致边缘晕。WLS法在很大程度上减少晕BLF相比,但也有一些晕,仍然可见。混合域edge-aware图像处理产生光环免费更好结果有点类似于LLF的结果,因为这两种方法使用非常相似的当地的过滤器。然而,在混合域的概念,与灌方法不同,它合并多个输出的本地过滤器通过一种新颖的优化框架,一个高效和精确的混合域的解决方案。 |
 |
| 图1。HDR压缩方法(比较与先前的作品)。(一)双边滤波技术[3]。(b)加权最小二乘方法[4]。(c)当地拉普拉斯算子过滤器[6]。(d)混合域概念[1] |
应用程序 |
| 这种技术的应用受到HDR压缩,HDR图像具有最大比值图像中最聪明、最黑暗的部分。烟雾去除[13],用于改善户外图像的清晰度,平滑,主要用于去除图像中的噪声内容在图像处理中,图像彩色化和颜色对比度增强、图像抽象[14],[15]检索特定特性在图像边缘等。它是用于减少混叠图像。这种技术的应用的几个图2和图3所示[1]。 |
 |
 |
| 我们可以扩大应用该方法对一组问题如真实晕染,颜色对比度增强,细节增强、平滑等细节。 |
结论 |
| 虽然有几种方法edge-aware形象,操作,提出了,完全没有一个方法可以解决所有的问题在图像处理中,它仍然是一个活跃的研究的一个主题。方法不同其优缺点和使用哪个方法的选择取决于应用程序带来的需求。图像处理的成功取决于处理后图像的清晰度,以及所需的存储空间。好的edge-aware图像处理方法应该保持边缘,应该有效地去除图像处理过程中出现的所有工件 |
引用 |
|