论文部分内容阅读
图像平滑一直是图像处理范围中特别重要的研究内容之一。各类图像平滑算方法都努力达到相同的平滑目标:一方面,保持输入图像中主要结构部分;另一方面,抑制图像中的不重要的冗余细节。现有的图像平滑算法按照设计模型的不同能简单划分成两种类型:基于平均的图像平滑算法和基于全局优化的平滑方法。这些图像平滑方法在处理自然图像时能够达到不错的图像平滑效果。但是,在图像平滑研究中有一类特殊的图像平滑问题存在——纹理图像的纹理去除问题。大部分现有的图像平滑算法无法准确地平滑这种图像,去除掉纹理图像中的纹理图案。少部分的几种图像平滑算法虽然能够取得一定程度的纹理去除效果,但是输出图像中的主要结构信息保持的不够好,少部分纹理图案依然存在。这主要是因为在这类图像中,纹理图案含有明显的边沿和大的梯度改变,在进行图像平滑处理时,纹理图案容易被当作主要的边缘保留下来,一旦图像平滑算法的平滑程度加大,图像中的主要结构信息也会被一并平滑掉。针对以上问题的分析,本文提出了一种基于高频梯度信息和联合双边滤波的图像平滑算法来处理纹理图像中的纹理去除问题。首先,利用对高频信息的约束来处理输入图像获取引导图像,采用高频信息约束后的引导图像含有较少的细节信息。然后利用该引导图像与输入图像进行改进的多次迭代的联合双边滤波获得最终的纹理去除结果,使用改进的多次迭代的滤波器能够使输出结果有更好的边缘保持效果和纹理去除效果。为了进一步提高算法的表现,本文后面继续改进这种图像平滑算法,设计了一种新的图像分解算法预先处理输入图像,这种新的图像分解方法可以明显地减少输入图像中大量细节信息。再使用稀疏高频梯度约束来平滑中间结果,获得纹理图像去除结果。使用图像分解算法大大提高了稀疏高频梯度约束的效果,使输出图像拥有更好的纹理去除效果。在实验结果的对比分析中,本文首先提出了一种评价图像平滑表现的方式,来评价图像平滑算法的自然图像平滑效果和纹理图像的纹理去除的表现。然后对比了本文提出的两种图像平滑算法的表现,两种算法均能达到纹理去除的目标,而改进的图像平滑算法拥有更好的纹理去除效果。接着对比了本文中改进的图像平滑方法和现有的几种方法,实验结果表明,本文中改进的算法拥有不错的自然图像平滑效果和更好的纹理去除表现。此外,本文举例介绍了几种论文提出的平滑算法的应用,说明了本文的研究具有一定的应用意义。