数字图像作为媒介，已经成为信息时代不可或缺的信息来源。实际获得的图像在 形成，传输，接收和处理的过程中，不可避免的存在各种类型的干扰。噪声恶化了图 像质量，使图像模糊，特征淹没，给边缘检测，图像分割，特征提取，图像的压缩和 编码等这些后继分析带来困难。因此，滤除噪声，尽可能的复原原始图像是数字图像 处理中最重要、最基本的研究课题之一，具有重要的理论价值和实际意义。 近十年多来，偏微分方程（PDEs）的理论和方法在图像处理各领域的应用越来 越引起了人们的关注。本文在现有基于偏微分去噪模型的基础上

针对全空间仿射不变(ASIFT)算法在解决大视角场景下的图像匹配问题时存在稳健性差、匹配效率低的缺点, 提出了一种新的图像匹配算法。采用非线性扩散滤波代替高斯线性滤波对图像进行预处理, 以提高检测到的特征点的稳健性; 在图像模拟变换过程中采用掩模算子对有效区域进行标记, 以提高特征点检测效率。根据视角模拟变换原理, 提取特征点不同视角变换下的邻域信息, 提出了多视角最近邻匹配与加权匹配规则, 建立了多视角描述子, 提升了匹配效率。实验结果证明, 相比现有的特征匹配算法, 所提算法不仅对视角变化具

一种基于非线性扩散滤波的图像特征检测算法

利用非线性扩散滤波构造尺度空间,将Hessian矩阵的弱边缘检测能力与Laplace算子的强边缘检测能力相结合,以Hessian矩阵行列式与Laplace算子之比作为特征判据,提出了一种基于非线性扩散滤波的图像特征检测算法,并对点和线仿真图像、Mikolajczyk标准数据库、SALSA偏振相机获取的真实场景图像进行了性能验证。结果表明,所提算法能够检测出图像的强边缘、弱边缘和角点特征,受光照、对比度影响较小,稳健性好。