实现图像光学微分的方法研究

光学图像微分（边缘增强）是光学信息处理中突出信息的一种重要方法。本文介绍了全息复合光栅和光学子波变换在实现图像中中的应用,并进行了实验研究和原理分析,实验结果表明这两种方法都是实现图像边缘增强的有效方法。相比较而言。光学子波变换更为快速和实用。     

基于联合变换相关的光学小波实时图像边缘增强

提出了一种基于联合变换相关的光学小波实时图像边缘增强的方法.选用Mexican-hat小波,利用小波函数的多分辨率特性,用联合变换相关的方法实现了缩放后的小波母函数与待识别图像函数的互相关(即边缘增强图像),得到了较满意的实验结果.     

基于联合变换相关的光学小波实时图像边缘增强

提出了一种基于联合变换相关的光学小波实时图像边缘增强的方法．选用Mexican—hat小波，利用小波函数的多分辨率特性，用联合变换相关的方法实现了缩放后的小波母函数与待识别图像函数的互相关(即边缘增强图像)，得到了较满意的实验结果．     

一种基于小波变换和图像边缘特征的图像融合方法

图像融合是信息融合的重要组成部分,是一种重要的增强图像信息的方法。本文将图像小波变换边缘提取和图像融合结合起来,提出了一种基于图像边缘特征的图像融合方法。首先对输入图像进行小波变换,用模极大值方法检测出图像的多尺度边缘,然后利用边缘特征对小波系数进行融合。实验结果表明该方法既能有效地去除噪声,又能突出源图像的边缘细节信息,是一种有效的图像融合方法。     

基于小波边缘提取的目标光学相关识别

为提高联合变换相关器对复杂背景图像的识别能力,提出了基于小波变换边缘提取的联合变换相关器。利用具有多尺度分析功能的小波变换工具对联合图像进行边缘检测,所提取的边缘图像能保留更多的细节信息,改善复杂背景下的目标识别能力。计算机模拟和光学实验结果均表明,用小波变换边缘提取的联合图像进行相关识别,能明显增强相关峰的强度,提高目标识别能力。     

基于群体智能边缘提取算法的联合变换相关器

为提取联合变换相关器输入面图像的边缘,改善相关器的识别效果,提出了一种基于群体智能的图像特征提取方法,并将其应用于联合变换相关器的输入面图像预处理中.实验结果表明该算法有效提取了图像的边缘,锐化了相关峰,提高了联合变换相关器的目标识别能力.群体智能计算机并行算法与联合变换相关器光学并行系统相结合,为实现实时高效的光电混合目标识别系统奠定了坚实的理论基础.     

一种基于二进小波变换的图像边缘检测方法

边缘检测是图像处理和计算机视觉领域最活跃的研究课题之一。传统边缘检测方法对噪声非常敏感,针对该问题在传统边缘检测算法分析的基础上,提出了一种基于二进小波变换的图像边缘检测方法。首先,对原图像进行二进小波分解,然后对低频子图像用直方图均衡化来进行增强,对增强后的低频子图像用二进小波变换模极大值点方法进行边缘检测得到边缘图像。实验结果表明,这种边缘检测方法明显优于对原图像直接使用传统边缘检测算子或二进小波变换模极大值点的边缘检测方法。     

基于量子萤火虫和增益Beta的医学DR图像自适应增强

为了解决医学DR图像对比度低、边缘模糊、细节不清晰和缺乏自适应增强的问题,提出一种基于量子萤火虫和增益Beta的医学DR图像自适应增强方法.该方法针对传统Beta变换的不足,提出了增益Beta变换方法,提出了应用于增益Beta变换的二分类别判定方法和参数约束修正方法.为实现自适应的增强,将量子计算和萤火虫群算法结合提出一种量子萤火虫群算法,提出一种FHCE图像增强质量评价标准作为算法的适应度函数,该算法可快速精确求解应用于医学DR图像自适应增强的增益Beta变换的最优增强参数值.实验结果表明这种方法提高了医学DR图像的对比度,边缘和细节更加的清晰,能够自适应增强各类型医学DR图像.     

一种使用边缘增强技术提高相似图片检索召回率的方法

针对大规模图像分类处理中图像旋转或背景变换导致的配准度较低问题,提出一种基于边缘增强的卷积神经网络图像分类方法。该方法通过VGG19网络模型提取图像特征,并使用余弦相似度进行图像分类判定,利用边缘增强突出图像主体的边缘特征,降低图像旋转或背景变换对VGG19网络分类性能带来的影响。实验证明,该方法可以有效地提高同一主体旋转图像和背景变换图像与原始图像的相似度,适用于各类图像的分类。     

一种模糊小目标的自适应阈值分割方法

文章提出了一种基于顶帽变换和边缘检测的强噪声背景下的目标提取方法。模糊背景下图像的目标提取存在一定的困难,必须对图像进行增强处理。文中涉及到的目标具有不同的灰度值,固定阈值法不能保证检测出所有的目标。在原有自适应阈值分割的基础上设计了一种基于顶帽变换和边缘检测的自适应阈值分割方法,首先对图像进行顶帽变换增强图像,再利用Sobel边缘提取算法提取所有可能目标的边缘,利用原图像中对应边缘点的灰度取平均值作为图像分割的阈值来提取目标。实验结果表明:利用检测出的边缘灰度均值作为图像的灰度阈值来分割目标,能有效地提取出模糊小目标。     

用计算全息制作二维Haar小波变换滤波器的研究

提出了用计算全息制作三类Haar子波滤波器的方法。将一维Haar子波函数组合,将得到三种类型的二维Haar子波函数,利用这三类二维Haar子波可以分别对图像进行角、水平边和垂直边的提取。采用罗曼Ⅲ型迂回位相编码法对三类Haar子波函数进行编码,绘出计算全息图。为了提高全息图的质量,采用显示器分屏抓图的办法,将全息图分割输出。在4f系统中实现对二维图像的三类Haar子波变换,给出了提取二值图像特征的模拟结果。     

大鱼际掌纹图像边缘提取算法

主要研究大鱼际掌纹图像边缘提取算法。介绍几种经典的边缘检测算子以及Hough变换方法,重点讨论了小波模极大值多尺度边缘检测方法。构造了高斯多尺度边缘检测算子,根据噪声和图像边缘的小波变换模值跨尺度传递的不同特征,研究小波模极大值多尺度边缘检测方法,对大鱼际掌纹图像进行边缘提取。实验结果表明该方法检测到的边缘细节丰富,定位较准确,有效降低了噪声,不足之处是连续性较差。     

光学子波变换（3）：应用

本文综述了子波变换的发展概况，总结了光学子波变换的一些应用领域，重点论述了在纹理分割中的应用，提出了联合子波变换相关器及其应用于二值图象的特征提取，给出了多通道盖伯变换在纹分割中的应用设想以及初步的研究结果。     

基于不可分加性小波与形态学梯度的图像边缘提取方法

针对传统的图像边缘提取方法只强调图像中的水平和垂直边缘的不足,提出了一种基于不可分加性小波和形态学梯度相结合的图像边缘提取方法。根据二维不可分小波理论构造了低通滤波器,利用它对原图像进行加性小波多尺度分解;对低频子图像求形态学梯度,对增强后的高频子图像取模极大值;将所得梯度图与边缘图作加性小波逆变换,得重构后的边缘梯度图;并利用二值形态学方法对其进行处理,得最终结果边缘图。实验结果表明,本文算法可获得较好的边缘图像,与经典的边缘提取方法相比,该方法具有完整性、多方向性、平移不变性和快速性的特点。     

分形维数与光学小波变换

用光学方法成功地进行了分形图像的小工测出其分形维数。分形维数值的测定可以推动分形动力学的研究与发展。实验证明,光学小波变换不失为一种实时分析分形图像的重要方法。     

基于小波变换的水天线提取算法研究

文中提出了一种基于小波变换的复杂背景下受强杂波、噪声污染的水天线的检测算 法。该算法利用了小波变换的多尺度特性,将要检测的图像进行多尺度小波变换,再采用多尺度边缘匹配,将不同尺度的输出集成为一个简单边缘图像。仿真试验结果表明,该方法可较强的抑制强杂波背景和强噪声的干扰,能有效检测出复杂海面背景中的水天线。     

基于多分辨率Trace变换的纹理图像分类

针对Trace变换提取的图像特征缺乏对纹理边缘信息描述和计算代价高的问题,利用小波变换对图像轮廓的表征优势,提出了多分辨率Trace变换并应用于纹理图像分类.首先,将小波变换引入到Trace变换中,对纹理图像进行非下采样小波变换,得到不同频率的低频特征子图及高频边缘子图;其次,在各级子图上进行一组泛函的Trace变换,获取纹理图像的融合特征,在获得图像边缘信息的同时避免了Trace变换不同泛函组合计算代价过高的问题;最后,把融合特征送入支持向量机对图像进行分类.实验结果表明,对图像采用多分辨率Trace变换提取的融合特征具有更好的纹理描述能力,相对于传统Trace变换及MCM等对比方法具有更高的鉴别性能,且在时间效率上相对于传统Trace变换有大幅提升.     

基于小波变换和数学形态学的激光成像雷达图像边缘检测

边缘检测是激光雷达图像处理的重要组成部分,其性能直接影响雷达系统的精度和性能。针对激光雷达图像的特点,提出了一种基于小波变换和数学形态学方法结合算法对激光成像雷达图像进行边缘检测。首先从小波理论出发,从小波多尺度分解入手,对图像分解的弱边缘信息适当加强,然后对加强边缘信息的的图像从灰度形态学的角度出发,对图像进行腐蚀或膨胀,进行边缘提取,而后得到其边缘。用Matlab进行仿真实验,结果表明:结合算法边缘算子对激光雷达图像检测效果优于仅用小波或仅用形态学进行边缘提取的效果;在边缘精度、强弱边缘提取和噪声抑制方面,证明所提方法是有效的。     

小波分解和重构的光学可变图像融合研究

针对传统光学可变图像融合方法存在的融合效果差、噪声干扰严重等问题,提出小波分解和重构的光学可变图像融合方法。分析光学可变图像在不同区域的融合原理,获取光学可变图像的特征;采用小波变化的方法,对光学可变图像进行多尺度分解,提取不同频率的小波系数;采用小波阈值降噪方式,对光学可变图像进行降噪处理;通过融合准则选取融合子图像数据,利用小波逆变化融合图像,实现多幅光学可变图像的融合。实验结果表明,采用所提方法进行光学可变图像融合后,获得的光学可变图像边缘更加清晰,且图像信噪比更高。