论文部分内容阅读
视觉是人类从世界中获取信息和经验的主要方式。多年以来,科学家和工程师们一直都致力于提高图像质量。近来数码相机的普及提升了图像获取的质量,同时也产生了大量的图像和照片。但是,在某些情况下获取高质量的图像即使对于有经验的摄影人员也是比较困难的事情。另外,图像在打印、传输和扫描等过程中也会由于半色调处理和信道噪声造成图像退化降质的问题。当使用扫描仪对打印图像进行扫描后,由于打印图像时半色调处理带来的网屏效应及扫描处理噪声,往往后造成类似于波纹的图像瑕疵或噪声。实际应用中,需要对以上图像进行有效的反半色调及其去噪处理。因此,在图像恢复的各项技术中,反半色调技术(Inverse Halftoning)、去网屏(Image descreening)技术和图像去噪(Image Denoising)技术是各项应用的基础、核心技术,许多图像处理应用都建立在反半色调和图像去噪等图像恢复技术的基础之上。由于缺少输入数据的足够信息,图像恢复中的反半色调和去噪问题得到的结果往往不是唯一的。该问题属于不适定问题,因此缺少统一的模型进行图像的恢复。结合基于图像内容分析的方法,针对不同种类的半色调图像包括二值图像和扫描半色调图像本文提出了统一的解决方案,本文的主要工作和创新点包括:1.提出一种针对二值半色调图像的基于Voronoi划分的图像特征分析方法。该方法充分利用了图像内容的几何分析方法,将Voronoi图引入到半色调的特征分析中。通过Voronoi划分获取了图像的局部特征包括灰度值、邻域约束和图像梯度等。2.提出了基于离散Sibson插值的反半色调算法。该算法充分利用了以上基于Voronoi图的特征分析方法,通过Voronoi图获取图像中种子点的灰度值估计,然后通过离散Sibson插值计算获取最终的恢复图像。有效地提高了算法的适用性和恢复图像的视觉效果。3.提出了基于自适应能量扩散的反半色调算法。该算法更有效的利用了Voronoi图的特征分析方法,将反半色调过程看作是自适应的高斯能量扩散过程,通过归一化的高斯能量扩散获取最终的恢复图像。相对于离散Sibson插值方法,获取了更加平滑和富含细节信息的恢复效果。4.提出了一种基于图像统计内容分析的非局部去噪算法。该算法利用基于Weibull分布的图像特征统计分析方法将图像划分为平滑、纹理和边缘区域,对不同的区域采用了不同的相似性度量计算方法和去噪参数,改进了非局部去噪算法的恢复质量。在以上算法和图像内容分析方法的基础上,结合实际应用中的图像扫描预处理问题,提出了有效的扫描图像反半色调解决方案(也称为去网屏),同时将其应用到轻纺产品花色计算机辅助设计子系统的图像扫描预处理过程中。