基于Canny算子的边缘提取改善方法

通过对Canny算法进行改进，提出一种对原图像开窗统计后再进行局部灰度变换的方法。该算法改善了Canny算法对灰度分布不均匀的图像进行边缘检测的效果，并与传统Canny算法进行了比较，试验结果证明了该算法能有效改善灰度分布不均匀图像的边缘检测效果。     

基于改进BP神经网络图像边缘检测的研究

针对传统的边缘检测算法容易产生边缘断裂、不连续等缺点,文中将动量法与自适应学习速率结合起来对传统的BP神经网络进行了改进,并利用该方法对二值图像进行了边缘检测,然后使用神经网络的并行处理模式对灰度图像的8个位面分别进行了检测,最后将提取的结果综合成灰度图像的边缘,实验结果表明,该方法对二值图像和灰度图像的边缘检测较传统的检测方法具有更好的效果.     

基于改进Canny算子的双水平集医学图像分割

医学图像常常伴有噪声以及灰度不均匀等问题,且图像边缘具有复杂性,因此传统的双水平集模型无法达到理想的分割效果。针对该问题提出了一种基于改进Canny算子的双水平集医学图像分割算法,首先在Canny算子的基础上加入梯度模板,用来解决传统Canny算子无法完全检测出复杂图像边缘的问题,然后将检测后的图像融入到双水平集模型中,通过在水平集模型中加入偏移场来解决灰度不均匀的问题,并且在距离规则化项中使用双肼势函数。实验结果证明,该模型对于复杂边界以及灰度不均匀的图像有较好的分割效果。     

基于极值检测的图像滤波算法

针对极值中值滤波法在去除椒盐噪声时存在的不足,提出了一种改进的图像滤波算法.首先使用极值法检测图像中的噪声点,然后采用窗口由小到大变化的自适应算法得到噪声像素的滤波值,最后通过计算噪声像素滤波前后灰度值的差值来修正被误判像素的灰度值.对不同类型、受不同强度噪声污染图像的去噪实验表明,该方法在不同噪声率下均优于传统的中值滤波法及其一些改进算法,当噪声率较大时其去噪和保边性能得到了显著提高.     

SUSAN边缘检测算法性能分析与比较

介绍了一种基于灰度比较的边缘检测算法——SUSAN算法,讨论了该算法的模板和门限的选取方法,并用VC 编程实现了该算法。通过与传统边缘检测算法的比较,结果表明:由于该算法不涉及梯度的运算,因此对噪声图像的边缘检测效果优于传统的边缘检测算法。该算法适于含噪图像或低对比度灰度图像的边缘检测。     

自适应权重的偏微分分割模型在变电设备红外图像中的应用

针对变电设备运维中的红外检测图像无法被准确分割的问题,本文应用了一种改进的自适应权重偏微分图像分割方法.通过分析红外图像信噪比低、边缘模糊、对比度低以及最常出现的灰度不均匀问题,在明确传统分割方法不足的基础上,对基于偏微分方程的分割模型开展改进.本文所提出的自适应权重的LGIF分割模型利用目标设备和背景灰度不均匀程度不...     

复杂背景下运动目标跟踪技术

运动目标分割技术是计算机视觉研究的热点。介绍了一种常用的K im目标分割方法,并针对其不足,对K im方法进行了改进,将连续两帧的差分图像和背景差分图像直接相乘得到灰度图像,然后对该灰度图像进行阈值分割来获取目标区域模板,再基于灰度加权图像模板匹配法实现目标跟踪。实验结果表明,该方法能够准确地检测跟踪目标,具有较好的实用价值。     

基于改进C-V模型的图像分割方法

由于传统C-V模型不能准确分割灰度不均匀的图像,本文基于传统C-V模型进行了局部变量的改进,改进后的模型不仅可以准确分割灰度不均匀的图像,而且能够更好的刻画各点邻域的灰度变化情况,使得边界信息可以较好的被分割。实验证明,在对图像进行分割时,文章的方法与原模型相比效果更好。     

基于相位一致性的红外图像边缘检测方法

由于红外图像的灰度和对比度较可见光图像的低,用基于灰度的边缘检测方法检测红外图像的效果不佳。针对这种情况,利用相位一致性对灰度和对比度的变化具有不变性的原理,提出了基于相位一致性的红外图像边缘检测方法。首先计算红外图像的相位一致性值,然后采用K-mean法分割出包含边缘的区域,最后用形态学相关方法生成边缘曲线。实验结果表明,该方法对红外图像边缘的检测效果比Canny算法更准确。     

基于C-Canny算子与灰度空间的彩色图像边缘检测

提出了利用灰度图像边缘检测结果完成彩色图像边缘检测的算法,并对Canny算子进行了改进,在计算梯度幅值时采用了3×3邻域,改进后的Canny算子对噪声抑制效果明显,且检测边缘更加精细.采用了两种算法将彩色图像转换为灰度图像,利用C-Canny算子对转换后的灰度图像进行边缘检测,在灰度图像边缘检测结果基础上,完成彩色图像的边缘检测.经实际测试证明,该算法检测出的图像边缘连续性好,准确性高,对颜色数不多的彩色图像有较好的边缘检测结果.     

An improved Gamma correction model for image dehazing in a multi-exposure fusion framework

A usual problem encountered during bad weather conditions is the degraded image quality due to haze/fog. In basic Gamma correction method there is always an uncertainty regarding the choice of a particular exponential factor, which improves the quality of the input image because of the nonlinearity involved in the process. This issue has been solved in this study by proposing a modified Gamma correction method, in which the exponential correction factor is varied incrementally to generate images. We also propose the implementation of an automatic image selection criterion for fusion which helps chose images with varied and distinct features. The implementation of the multi-exposure fusion framework is done in the hue-saturation-value color space which has close resemblance with the human vision. The intensity channel of the selected images is fused in the gradient domain which captures minute details and takes an edge as compared to other conventional fusion based methods. The fused saturation channel is obtained by averaging fusion followed by enhancement using a non-linear sigmoid function. The hue channel of the input hazy image is left unprocessed to avoid color distortion. The experimental analysis demonstrates that the proposed method outperforms most of the single image dehazing methods.     

基于时空域融合滤波的红外运动小目标检测算法

针对红外警戒与跟踪系统中的实时弱小运动目标检测问题．提出了一种基于时空域融合滤波的小目标检测算法。算法在空域上利用形态学Tophat滤波抑制背景增强目标．在时域上通过改进的帧间差分方法增强运动目标,时空域处理结果融合分割后,根据目标运动的连续性和规则性．利用相邻帧中可能目标点之间的位置关系判别目标。算法全面考虑到了运动小目标在时域与空域方面的特性,时空域融合增强后可大大提高目标信噪比。通过实际录取的云层背景飞机目标红外数据检测表明,时空域融合滤波方法能更有效地从复杂背景中检测低信噪比运动小目标,减小虚警率．抗噪声干扰能力强。算法易于硬件实现,能够有效地应用于红外搜索与跟踪系统的实时目标检测中。     

基于伽马压缩的红外图像非均匀性校正算法研究

针对红外探测器输出12位像素深度响应,而数字图像显示通常为8位的情况,提出一种基于伽马压缩的非均匀性校正算法。该算法利用自适应伽马曲线将探测器输出的响应进行压缩,然后基于两点校正对中低温图像和高温图像运用不同的校正系数进行校正。实验结果表明:该算法的非均匀性校正效果好,能够将传统两点校正方法校正后的残余非均匀性降低20%左右,校正后的中低温图像细节信息丰富,层次感强。     

基于FPGA的红外图像清晰化系统设计

针对红外图像普遍存在细节模糊、对比度低的问题,设计实现了基于FPGA的红外图像清晰化系统。首先对输入原始红外图像进行8×8窗口的平滑滤波,然后将滤波后的图像叠加拉普拉斯算子进行细节增强,以解决传统拉普拉斯增强产生的噪声放大问题。最后通过Gamma校正曲线调整增强后图像的灰度。硬件系统实现时采用串并行流水计算方式,仅占用2 %的Slice Register和5 %的LUT资源,工作频率最高达228 MHz,满足实时处理视频图像的需求。实验结果表明,系统能够有效提高图像的对比度,增强目标景物的细节。     

基于Otsu和模糊核聚类算法的极化SAR图像分类

随着极化技术的发展,越来越多的高分辨率SAR图像出现,对其分类成为一个耗时的工作。针对该问题,提出了基于Otsu和模糊核聚类算法的极化SAR图像分类。将SAR图像分类分为两步,第一步借助Otsu法进行粗略分割,将图像转化为若干个区域;第二步利用模糊核聚类算法将第一步剩下的像素进一步分类。实验结果表明,该算法既可保持较高的分类精确度,又可保证较快的计算速度。     

改进的伽马校正与多尺度融合的水下图像增强

由于光在水下传播会发生吸收和散射,导致采集 的水下图像出现模糊、对比度低、色偏、光照不 均匀等问题。针对以上问题,提出了一种改进的伽马校正与多尺度融合的水下图像增强算法 。首先基于G 通道对R和B通道进行补偿,并对RGB 三通道进行直方图拉伸后使用灰度世界(Gray World) 算法得到颜 色校正图像;然后使用改进的伽马函数改善颜色校正后图像光照不均匀问题,得到光照均匀 图像,并进 行归一化处理;再对光照均匀图像使用限制对比度的自适应直方图均衡化(contrast limite d adaptive histogram equalization,CLAHE)算法得到对比度提升图像;最后采用多尺度融 合算法对以上得出的3幅图 片进行融合,得出增强图像。实验结果表明,提出的算法对不同水下环境的图像均有较好的处理 效果,图像质量评价指标得到明显提高。     

一种色彩校正算法研究与实现

数字图像拼接是指将具有重叠区的多幅数字图像或多帧视频,通过配准和融合获得单幅宽视场图像或者动态全景图。在实际应用中,图像因色彩不一致,而利于图像的配准和融合,因此有必要研究图像色彩的校正。文中首先论述了彩色图像的色彩空间以及它们之间的转换关系,然后介绍了常用的色彩校正方法,最后提出了基于Gamma和Linear调整的色彩校正算法。该算法将图像转换到YCbCr色彩空间,对亮度分量进行Gamma校正,对色度分量进行线性校正,实验结果表明,与以往的校正算法相比,校正效果有一定的改善。     

一种新的AC PDP低灰度级图像增强方法及SoC实现

为增强交流等离子体显示器(AC PDP)中经过反Gamma校正后的低灰度级图像,在图像进行反Gamma校正后,根据图像原始灰度与二进制编码灰度之差建立浮动灰度编码.然后利用误差扩散方法将浮动灰度编码所包含的低灰度级图像信息融合到用于显示的子场编码中.同时提出了采用并行流水线结构进行该方法的在系统芯片(SoC)实现.仿真及实验结果表明,本文提出的新方法补偿了反Gamma校正后损失的低灰度图像信息,有效地改善了AC PDP低灰度级图像质量,并且该方法的SoC实现具有良好的实时处理性及较高计算精度,且占用系统资源较少.     

基于改进的Otsu算法的遥感图像阈值分割

传统的Otsu算法仅仅适用于目标与背景分布均匀的图像,在处理遥感图像时具有一定的局限性。本文在分析传统的Otsu算法原理的基础上,结合遥感图像灰度级多、信息量大和边界模糊的实际情况,提出了一种改进的Otsu算法,用图像的方差信息代替均值信息计算最佳的分割阈值,实现遥感图像阈值分割。实验仿真结果表明,与传统的Otsu算法以及其它的一些改进的Otsu算法相比,本文算法具有明显的优越性。     

正交条纹级次分区域预编码校正Gamma非线性方法

数字投影仪的非线性响应是近年来研究的热点问题,因为数字投影仪虽然能避免物理光栅投影的各种缺陷,但其自身的非线性直接影响了输出信息,是相位误差的主要来源,进而影响了测量精度。针对数字条纹投影三维测量中存在的Gamma非线性和不同区域Gamma值并不一致的问题,提出一种通过正交条纹级次分区域预编码校正Gamma非线性方法,通过正交条纹划分区域,对每个区域使用多项式拟合计算预编码值校正该区域条纹图像。使用该方法校正后相位误差减少了82.24%,适用于任意投影仪与相机之间的位置关系,只需要精细化计算一套分区域预编码系数并由此生成编码条纹图,即可满足该系统此后的测量需求,该方法灵活性强、精确度高。