高级搜索

非局部多尺度分数阶微分图像增强算法研究

黄果 许黎 陈庆利 蒲亦非

引用本文: 黄果, 许黎, 陈庆利, 蒲亦非. 非局部多尺度分数阶微分图像增强算法研究[J]. 电子与信息学报, 2019, 41(12): 2972-2979. doi: 10.11999/JEIT190032 shu
Citation:  Guo HUANG, Li XU, Qingli CHEN, Yifei Pu. Research on Non-local Multi-scale Fractional Differential Image Enhancement Algorithm[J]. Journal of Electronics and Information Technology, 2019, 41(12): 2972-2979. doi: 10.11999/JEIT190032 shu

非局部多尺度分数阶微分图像增强算法研究

    作者简介: 黄果: 男,1980年生,博士,副教授,主要研究领域为分数阶微积分理论、数字信号处理、模式识别;
    许黎: 女,1982年生,博士生,讲师,研究领域为分数阶微积分理论、数字信号处理、分数阶忆阻;
    陈庆利: 男,1975年生,博士,副教授,主要研究领域为分数阶微积分理论、数字信号处理、模式识别;
    蒲亦非: 男,1975年生,博士,教授,主要研究领域为分数阶微积分理论、数字信号处理、模式识别、分数阶忆阻
    通讯作者: 许黎,79017771@qq.com
  • 基金项目: 国家自然科学基金(61201438),四川省科技厅应用基础项目(2016JY0238),四川省教育厅重点项目(18ZA0235),四川省教育厅一般项目(18ZB0268, 18ZB0266)

摘要: 为了更好增强图像中的有用信息,改善图像视觉效果,该文提出了一种基于非局部多尺度分数阶微分图像增强算子(NMFD)。该算子首先将图像分成若干块子图像,计算每一块子图像的边缘强度系数、熵值和粗糙度等细节特征,将得到的特征数据在全局图像范围进行统一尺度的归一化,然后对这些归一化的数据进行加权求和作为图像的非局部特征值,最后利用指数函数建立图像细节特征和分数阶微分算子阶次之间的非线性量化关系,在不同的图像子块区域,确定不同尺度的分数阶微分阶次,实现图像的非局部多尺度增强。

English

    1. [1]

      MANDELBROT B B. The Fractal Geometry of Nature[M]. New York: W. H. Freeman and Company, 1983.

    2. [2]

      AZARANG A and GHASSEMIAN H. Application of fractional-order differentiation in multispectral image fusion[J]. Remote Sensing Letters, 2017, 9(1): 91–100. doi: 10.1080/2150704X.2017.1395963

    3. [3]

      LI Bo and XIE Wei. Adaptive fractional differential approach and its application to medical image enhancement[J]. Computers & Electrical Engineering, 2015, 45: 324–335. doi: 10.1016/j.compeleceng.2015.02.013

    4. [4]

      BAI Jian and FENG Xiangchu. Fractional-order anisotropic diffusion for image denoising[J]. IEEE Transactions on Image Processing, 2007, 16(10): 2492–2502. doi: 10.1109/TIP.2007.904971

    5. [5]

      HU Fuyuan, SI Shaohui, WONG H S, et al. An adaptive approach for texture enhancement based on a fractional differential operator with non-integer step and order[J]. Neurocomputing, 2015, 158: 295–306. doi: 10.1016/j.neucom.2014.10.013

    6. [6]

      HE Ning, WANG Jinbao, ZHANG Lulu, et al. An improved fractional-order differentiation model for image denoising[J]. Signal Processing, 2015, 112: 180–188. doi: 10.1016/j.sigpro.2014.08.025

    7. [7]

      YUAN Jianjun and LIU Lipei. Anisotropic diffusion model based on a new diffusion coefficient and fractional order differential for image denoising[J]. International Journal of Image and Graphics, 2016, 16(1): 1650003. doi: 10.1142/S0219467816500030

    8. [8]

      JALAB H A, IBRAHIM R W, and AHMED A. Image denoising algorithm based on the convolution of fractional Tsallis entropy with the Riesz fractional derivative[J]. Neural Computing and Applications, 2017, 28(S1): 217–223. doi: 10.1007/s00521-016-2331-7

    9. [9]

      PU Yifei, ZHOU Jiliu, and YUAN Xiao. Fractional differential mask: A fractional differential-based approach for multiscale texture enhancement[J]. IEEE Transactions on Image Processing, 2010, 19(2): 491–511. doi: 10.1109/TIP.2009.2035980

    10. [10]

      PU Yifei, SIARRY P, CHATTERJEE A, et al. A fractional-order variational framework for retinex: Fractional-order partial differential equation-based formulation for multi-scale nonlocal contrast enhancement with texture preserving[J]. IEEE Transactions on Image Processing, 2018, 27(3): 1214–1229. doi: 10.1109/TIP.2017.2779601

    11. [11]

      牛为华, 孟建良, 崔克彬, 等. 利用Grümwald-Letnikov分数阶方向导数的图像增强方法[J]. 计算机辅助设计与图形学学报, 2016, 28(1): 129–137. doi: 10.3969/j.issn.1003-9775.2016.01.016
      NIU Weihua, MENG Jianliang, CUI Kebin, et al. Image enhancement method using grümwald -letnikov fractional directional differential[J]. Journal of Computer-Aided Design &Computer Graphics, 2016, 28(1): 129–137. doi: 10.3969/j.issn.1003-9775.2016.01.016

    12. [12]

      GAO Caobang, ZHOU Jiliu, HU Jingrong, et al. Edge detection of colour image based on quaternion fractional differential[J]. IET Image Processing, 2011, 5(3): 261–272. doi: 10.1049/iet-ipr.2009.0409

    13. [13]

      李博, 谢巍. 基于自适应分数阶微积分的图像去噪与增强算法[J]. 系统工程与电子技术, 2016, 38(1): 185–192. doi: 10.3969/j.issn.1001-506X.2016.01.29
      LI Bo and XIE Wei. Image enhancement and denoising algorithms based on adaptive fractional differential and integral[J]. Systems Engineering and Electronics, 2016, 38(1): 185–192. doi: 10.3969/j.issn.1001-506X.2016.01.29

    14. [14]

      陈庆利, 黄果, 门涛, 等. 数字图像的局部分数阶微分增强[J]. 四川大学学报: 工程科学版, 2016, 48(4): 115–122. doi: 10.15961/j.jsuese.2016.04.016
      CHEN Qingli, HUANG Guo, MEN Tao, et al. Local fractional differential algorithm for image enhancement[J]. Journal of Sichuan University:Engineering Science Edition, 2016, 48(4): 115–122. doi: 10.15961/j.jsuese.2016.04.016

    15. [15]

      姒绍辉, 胡伏原, 付保川, 等. 自适应非整数步长的分数阶微分掩模的图像纹理增强算法[J]. 计算机辅助设计与图形学学报, 2014, 26(9): 1438–1449.
      SI Shaohui, HU Fuyuan, FU Baochuan, et al. An algorithm for texture enhancement based on fractional differential mask using adaptive non-integer step[J]. Journal of Computer-Aided Design &Computer Graphics, 2014, 26(9): 1438–1449.

    16. [16]

      ZHAO Mengdan, GAO Xuzhen, PAN Yue, et al. Image encryption based on fractal-structured phase mask in fractional Fourier transform domain[J]. Journal of Optics, 2018, 20(4): 045703. doi: 10.1088/2040-8986/aab247

  • 图 1  2维信号不同阶次分数阶微分算子的幅频特性曲面

    图 2  窗口描述

    图 3  分数阶微分G-L定义下的掩模算子

    图 4  NMFD增强模型在不同窗口尺寸下的增强效果

    图 5  不同方法的增强模型增强Lena图像的效果对比

    图 6  不同方法的增强模型增强lena图像后的纹理特征对比

    表 1  NMFD增强模型在不同窗口尺寸下实验数据对比

    窗口数量平均梯度边缘保持系数对比度
    2×2 11.3139 1.7529 0.8152 7.5301
    4×4 11.6058 1.8011 1.0725 7.5524
    8×8 12.4049 2.0808 1.0893 7.5829
    16×16 13.5831 2.4982 1.8659 7.5966
    32×32 15.6209 2.9672 1.9856 7.5686
    下载: 导出CSV

    表 2  不同方法的图像增强模型增强lena图像的实验数据对比

    增强类型平均梯度边缘保持系数对比度
    Laplace 10.9327 2.1957 1.3521 7.1963
    G-L 10.8623 1.7908 0.9982 6.8723
    HE 10.7522 1.4451 0.7538 5.9849
    CLAHE 12.4368 1.8789 0.9823 7.3692
    NMFD 14.2039 2.2321 1.3640 7.7404
    下载: 导出CSV
  • 加载中
图(6)表(2)
计量
  • PDF下载量:  61
  • 文章访问数:  874
  • HTML全文浏览量:  499
文章相关
  • 通讯作者:  许黎, 79017771@qq.com
  • 收稿日期:  2019-01-15
  • 录用日期:  2019-07-31
  • 网络出版日期:  2019-08-30
  • 刊出日期:  2019-12-01
通讯作者: 陈斌, bchen63@163.com
  • 1. 

    沈阳化工大学材料科学与工程学院 沈阳 110142

  1. 本站搜索
  2. 百度学术搜索
  3. 万方数据库搜索
  4. CNKI搜索

/

返回文章