静止图像的一种混合滤波及其改进算法

本文结合线性滤波器和非线性滤波器的优点，提出了一种基于线性、非线性的混合滤波算法。该算法比均值滤波器和中值滤波器具有更好的抑制噪声的，能较好地保持图像的边缘，反映图像的几何结构和细节特性。在此基础上又提出了改进算法及其快速实现，进一步改善了滤波性能。该滤波器计算量适中，具有较好的实时性。     

自适应堆栈滤波在极化SAR图像分类预处理中的应用

堆栈滤波器属于非线性滤波器的一种,它在滤波后图像的边缘和细节保持方面有很好的效果.研究将自适应堆栈滤波器引入到对极化合成孔径雷达(pol-SAR)图像分类的预处理,即滤除极化SAR图像相干斑噪声.而递归过程在平均绝对误差(MAE)准则下对堆栈滤波器的优化也在缩短滤波程序执行时间和强化输出图像质量方面都有不错的效果.滤波后的图像将会首先进行相干数据分解(H/A/α分解),基于分解后的数据使用H-α/Wishart分类方法来进行极化SAR图像分类,分类效果将会与基于其他滤波预处理后的分类图像进行比较并得出最后结论.     

基于邻域统计的图像消噪方法

中值滤波是一种在去除噪声的同时能较好保护图像边缘细节的非线性滤波技术。介绍了中值滤波及其改进算法、分析了中值滤波的属性、提出了一种基于邻域统计和奇异点检测的中值滤波器的改进算法。计算机模拟实验结果表明:该改进算法能在有效地去除噪声的同时,较好地保护图像细节,较标准中值滤波器和维纳滤波器具有更优良的滤波性能。     

基于多级非线性加权平均中值滤波算法的散斑噪声抑制

文中根据斑点的统计性质对多级中值滤波器进行改进,提出了一种用于散斑噪声抑制 的多级非线性加权平均中值滤波算法,实验结果证明了本文算法优于Lee 滤波算法、F. safa 算法和权重形态滤波器,它既保持了图像的几何特征,又有效地抑制了图像中的斑点噪声。     

循环神经网络自适应有源噪声对消研究

介绍了一种新颖的非线性逢适应滤波器－－循环神经网络自适应滤波器。由于这种循环神经等效于非线性ＩＩＲ滤波器,具有学习非线性函数到任意的精度及自适应能力,这种滤波器优于线性滤波器,能够适应各种噪声环境。本文将该滤波器用于有源噪声对消,仿真结果表明了这种循环神经网络自适应有源噪声对消系统具有良好的抗噪声性能。     

一种改进的增维型双边滤波的快速算法

双边滤波算法是一种在去噪的同时能很好地保留图像边缘等细节信息的非线性滤波技术。针对双边滤波器计算耗时、难于用于实时系统,本文提出一种改进的增维双边滤波的快速算法。该算法通过对双边滤波器的线性化和图像矩阵的映射,由FFT完成线性卷积;然后将计算结果逆映射还原为图像矩阵;最后依据图像的原始坐标和灰度值的差异进行像素补值,达到双边滤波快速实现的目的。五幅测试图像在不同噪声水平下的实验表明:本方法避免了插值过程,提高了计算效率,改进的双边滤波器在滤波精度与传统双边滤波器相仿的同时,运算时间仅为传统双边滤波器的3.6%左右。     

严重椒盐噪声污染图像的非线性滤波算法

针对灰度图像的椒盐噪声滤波问题，提出一种保细节的非线性滤波算法。利用局部统计信息，首先将图像像素点粗分为信号点、可能的正噪声点和可能的负噪声点3类，建立噪声标矩阵；然后再根据噪声标记矩阵的局部统计信息，将可能的噪声点细分为信号点、噪声点和不确定点3种类别，并分别采用不同的方法进行滤波，以保留更多的图像细节。结果表明，本文算法在去噪能力、自适应性以及保留细节等方面都明显比其它4种算法强，尤其是对于噪声高度污染图像的情况。     

基于增量式进化策略的图像滤波算法

进化滤波器采用笛卡尔遗传规划算法不断更新滤波器结构,可以用于复杂噪声图像降噪。针对这种基于大样本大数据量的进化机制,论文提出增量式进化策略,在进化过程中分阶段逐步增加样本数据量。对高斯噪声、椒盐噪声以及混合噪声的滤波实验表明,增量式进化滤波器能有效降低计算复杂度,同时在抑制图像噪声、细节和边缘保护方面,优于传统的进化滤波算法。     

基于混合滤波算法的数字图像去噪方法研究

双边滤波已广泛应用于数字图像处理领域,但在图像的高梯度区域,双边滤波会产生阶梯效应。双边滤波是局部模式滤波的一种特殊形式,提出了基于高斯滤波和双边滤波的混合图像去噪方法。利用高斯滤波器对噪声图像进行滤波,得到参考图像,将参考图像和噪声图像作为范围核函数的输入双边滤波器。参考图像提供图像的低频信息,噪声图像提供图像的高频信息。与传统双边滤波法比较,混合去噪方法能够有效地克服阶梯效应,滤波后的图像更平滑,纹理特征更接近原始图像,可获得更高的峰值信噪比。     

基于小波神经网络的非线性噪声对消

利用小波神经网络作为噪声对消滤波器,实现了参考噪声与干扰噪声呈非线性相关条件下的噪声对消。在参考噪声与干扰噪声非线性相关时,传统的横向滤波器效果不理想,利用小波神经网络的非线性特性,可更好的解决非线性噪声条件下的噪声对消问题。计算机仿真结果证明,小波神经网络噪声对消在非线性噪声条件可有效提高信噪比增益。     

基于分数阶图像增强的P-M模型

P-M扩散模型是图像处理中用于去噪平滑的经典模型,但在实际应用中常会出现零散的斑点。为了去除残存的噪点,通常采用平滑处理来消除高梯度的噪声,但这又模糊了边缘,损失了细节信息。从此问题入手,采用在噪声图像平滑处理后,应用分数阶微分来锐化图像,由于分数阶微分的非线性特性,此方法可以在增强边缘特征的同时不明显加强噪声信息。实验证明,通过文中方法的处理,图像质量和信噪比都有了明显提升。     

基于红外热波检测理论模型的红外热像数据拟合方法

在分析脉冲红外热波无损检测基本原理和热传导模型的基础上,提出了一种基于红外热传递模型的非线性参数拟合方法,并将其与传统的多项式法进行了对比。实验结果表明,该理论模型的拟合效果明显优于常用的低阶多项式。另外,在相同拟合效果的情况下,该模型的参数较少,具有更高的热像存储和压缩效率,是一种很有前途的红外热像数据处理方法。     

基于广义变分正则化的红外图像噪声抑制方法

文中提出了一种广义变分正则化的红外图像噪声抑制方法,该方法采用p-范数代替目前广泛被采用的全变分范数作为正则项,构造了用于抑制图像噪声的展平泛函,从而将图像噪声抑制问题转化为能量泛函优化问题。通过推导,得到了相应的用于图像噪声抑制的非线性偏微分方程,并采用固定点迭代算法进行线性化求解,使得迭代解稳定收敛。数值试验结果表明,该方法能够有效地去除图像噪声,较之全变分图像噪声抑制方法,新方法进一步提高了对小宽度图像边缘的保持能力,是一种有效且性能优良的红外图像噪声抑制方法。     

中值滤波在图像处理中的应用

通常在实际获取的图像中存在一定的噪声,而噪声的存在势必影响图像的清晰度、对比度等因素,会直接影响到下一步的图像处理.因此,图像滤波技术的研究一直是国内外研究的热点.中值滤波是一种典型的非线性滤波技术,能有效滤除干扰噪声.文中探讨了中值滤波算法原理及其在图像处理中的应用,并给出了采用MATLAB仿真的实例,结果表明其具有较好的实用价值.     

非致冷红外枪瞄实时图像增强算法研究

针对提高红外枪瞄图像增强的实时性提出了一种算法,用连续帧累加平均抑制噪声,用灰度直方图的非线性拉伸增强灰度对比度.这种算法综合考虑了图像特点和人眼的视觉特性,易于在硬件上实现,而目标增强效果不变.最后用图像质量评估模型评估增强后的图像清晰度,说明该方法适于中远距离红外枪瞄图像使用.     

非制冷红外图像非均匀性校正在FPGA上的实现

红外焦平面阵列（IRFPA）的非均匀性是影响红外系统成像质量的关键性因素,在此提出了一种非制冷红外图像的非均匀性校正及其在FPGA上的实现方法,通过对非制冷红外图像盲元及非均匀校正方法分析,提出了二点加一点定标校正方法,并利用FPGA实现红外图像非均匀校正的实时处理,获得了较好的实验结果。利用二点加一点定标校正方法,可以改善红外图像非均匀性校正效果,用在FPGA上实现非均匀性校正可以实现红外图像的实时处理,便于集成和移植。     

Differential morphology and image processing

Image processing via mathematical morphology has traditionally used geometry to intuitively understand morphological signal operators and set or lattice algebra to analyze them in the space domain. We provide a unified view and analytic tools for morphological image processing that is based on ideas from differential calculus and dynamical systems. This includes ideas on using partial differential or difference equations (PDEs) to model distance propagation or nonlinear multiscale processes in images. We briefly review some nonlinear difference equations that implement discrete distance transforms and relate them to numerical solutions of the eikonal equation of optics. We also review some nonlinear PDEs that model the evolution of multiscale morphological operators and use morphological derivatives. Among the new ideas presented, we develop some general 2-D max/min-sum difference equations that model the space dynamics of 2-D morphological systems (including the distance computations) and some nonlinear signal transforms, called slope transforms, that can analyze these systems in a transform domain in ways conceptually similar to the application of Fourier transforms to linear systems. Thus, distance transforms are shown to be bandpass slope filters. We view the analysis of the multiscale morphological PDEs and of the eikonal PDE solved via weighted distance transforms as a unified area in nonlinear image processing, which we call differential morphology, and briefly discuss its potential applications to image processing and computer vision.     

A new class of chromatic filters for color image processing. theory and applications

This paper advances a new framework for chromatic filtering of color images. The chromatic content of a color image is encoded in the CIE u'v' chromaticity coordinates whereas the achromatic content is encoded as CIE Y tristimulus value. Within the u'v' chromaticity diagram, colors are added according to the well-known center of gravity law of additive color mixtures, which is generalized here into a nonlinear filtering scheme for processing the two chromatic signals u' and v'. The achromatic channel Y can be processed with traditional filtering schemes, either linear or nonlinear, depending on the specific task at hand. The most interesting characteristics of the new filtering scheme are: 1) the elimination of color smearing effects along edges between bright and dark areas; 2) the possibility of processing chromatic components in a noniterative fashion through linear convolution operations; and 3) the consequent amenability to computationally efficient implementations with fast Fourier transform. The paper includes several examples with both synthetic and real images where the performance of the new filtering method is compared with that of other color image processing algorithms.     

灰色系统理论在图像处理中的应用

为了给灰色系统理论在图像处理中的应用提供依据。提出了应用算法。论证了灰色系统理论作为一种在一维空间提出的长期预测理论，通过适当的算法同样可以应用于二维空间的图像处理。该算法把灰色系统理论有效地应用于椒盐噪声的去除，并且在理论分析的基础上引入修正的灰色系统模型进一步提高去噪效果。这对图像处理的各方向的研究提供了新的工具。     

Generalised class of nonlinear-type hybrid filters

A new class of nonlinear filters called the generalised directional distance rational hybrid filters (GDDRHF) for multidimensional signal processing is described. The application at hand is colour image filtering problems. The GDDRHF filter is a two-stage filter, which exploits the features of a new directional distance filter, where the temporal information related to the central sample is expressed by its weight, and those of the rational operator. This weight is incorporated to a sum of vector distances and vector angles. It is shown that the new GDDRHF outperforms a number of widely known nonlinear filters with respect to all criteria used.