红外图像的自适应混合双边滤波算法

针对红外图像中的混合噪声,提出了一种自适应混合双边滤波算法。首先对双边滤波原理进行了分析,提出不能滤除强高斯噪声和脉冲噪声是由于双边滤波引入灰度域权值而带来的固有不足,因此根据双边滤波算法的特点设置了一种像素间的相似度,并以该相似度为基础将双边滤波不能滤除的强噪声点进行了标记,仅对红外图像中标记出的强噪声点进行中值滤波以减少图像模糊,对普通噪声点采用灰度方差自适应双边滤波以保留更多边缘特征。自适应混合双边滤波能够有效滤除红外图像中的高斯噪声、脉冲噪声以及由其组成的混合噪声,同时在滤波过程中并不降低双边滤波保留红外图像边缘特征的性能。仿真实验结果表明,与传统双边滤波、改进的双边滤波以及各项异性扩散-中值滤波算法相比,该算法无论是滤除红外图像的混合噪声还是保留边缘特征都较为优越。     

一种基于PCNN的医学图像混合噪声滤波方法

根据脉冲耦合神经网络同步脉冲发放特性来定位脉冲噪声和高斯噪声点的位置,提出一种在该网络控制下,只对与噪声相关的像素进行均值计算以替代噪声像素的亚均值滤波算法,实现了图像的较强自适应滤波。计算机仿真实验结果表明,这种方法适应性强,在去除医学图像噪声的同时能很好地保留医学图像的细节和边缘信息,有利于改善医学图像质量、提高信息利用率和诊断的正确率。该方法的效果优于均值滤波、中值滤波、维纳滤波等去噪方法,是去除医学CT图像混合噪声的一种比较理想的方法。     

一种基于PCNN的医学图像混合噪声滤波方法

根据脉冲耦合神经网络同步脉冲发放特性来定位脉冲噪声和高斯噪声点的位置,提出一种在该网络控制下,只对与噪声相关的像素进行均值计算以替代噪声像素的亚均值滤波算法,实现了图像的较强自适应滤波。计算机仿真实验结果表明,这种方法适应性强,在去除医学图像噪声的同时能很好地保留医学图像的细节和边缘信息,有利于改善医学图像质量、提高信息利用率和诊断的正确率。该方法的效果优于均值滤波、中值滤波、维纳滤波等去噪方法,是去除医学CT图像混合噪声的一种比较理想的方法。     

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。     

一种起伏背景下的红外小目标检测算法

提出了一种用一维中值滤波进行背景估计的方法。首先分析了红外小目标、噪声及其杂波特性，提出了用小窗口的二维中值滤波进行背景估计；然后进一步根据红外扫描系统的特点，把二维中值滤波简化为一维中值滤波，使去背景效果提高，并且运算量大幅下降；最后对预处理后的图像采用自适应门限进行目标分割。实验表明该算法可以达到较高的检测率，而且满足大尺寸图像实时处理的要求。     

复杂海天背景下红外舰船目标实时检测算法

针对复杂海空背景条件下的低信噪比舰船目标检测问题，在分析海面背景舰船目标红外图像特点的基础上，提出首先进行红外图像预滤波以抑制噪声背景增强目标，然后通过检测图像水平与垂直边缘得到潜在目标区域，最后通过小范围的图像分割检测舰船目标。实际录取数据实验结果表明，算法针对各种海面场景与目标类型均能准确检测目标，实时性好。     

一种新型的中值滤波改进算法

针对传统中值滤波算法难以去除图像中高密度噪声的问题,本文提出了一种新型的改进中值滤波算法。该算法在保证其灰度值不变的前提下,对图像中的信号点和噪声点进行标识后进行噪声处理。仿真实验结果表明,相比于传统中值滤波、均值滤波,该算法能在有效去除噪声的同时很好地保留图像细节,具有更佳的视觉效果。     

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。     

中值滤波技术在图像处理中的应用

中值滤波是一种非线性滤波方法。为了在尽可能消除或衰减噪声的同时很好地保留图像细节，提出一种对信号与噪声分别处理的中值滤波法，并在图像处理中应用。与常用的中值滤波法相比，采用该方法处理的图像其信噪比可以显著提高。     

一种抑制混合噪声的组合滤波算法

为了滤除图像中存在的混合噪声,提出了一种基于中值和均值的组合滤波算法。算法分两步进行,第一步采用改进的中值滤波算法过滤图像中的椒盐噪声;第二步将滤除椒盐噪声的图像采用均值滤波算法进行平滑,滤除高斯噪声。计算机仿真实验表明,组合滤波算法对于图像中的椒盐噪声和高斯噪声具有较好的滤除效果和细节保护作用,性能明显优于传统滤波算法。     

一种基于白化滤波器的红外小目标检测方法

提出了一种新的红外图像场景模型,新模型认为红外图像中只包括2种类型的点:目标和起伏噪声。提出了基于这种模型的白化滤波器,给出了对红外图像背景进行白化的算法步骤,并采用基于单个像素局部邻域估计该点功率谱的方法实现了白化滤波器。实验结果表明,这种方法能够很好地白化起伏背景,为进一步的红外目标检测打下了基础。     

一种基于空间滤波的红外小目标检测算法及其应用

针对红外探测系统中单帧红外图像中的小目标检测问题,在分析红外场景模型的基础上,提出了一种基于自适应噪声平滑和空间滤波的背景杂波抑制算法.该方法对于起伏背景下红外小目标的检测有良好的性能,且具有目标信息损失小的优点.同时,利用ADSP-TS201S高性能数字信号处理器实现了该算法,并成功应用到某全向红外搜索跟踪系统中.实验结果表明,在低信噪比情况下,算法有很好的检测性能.     

基于小波和Context模型的海面红外弱小目标检测

红外图像中弱小目标的检测一直是图像处理领域的热点和难点.介绍了一种基于小波变换和Context模型空间自适应滤波的红外弱小目标检测算法.该方法首先利用小波滤波器抑制大部分背景杂波,然后采用基于Context模型的空间自适应滤波器对高频系数做进一步处理,提高信噪比,最后采用基于Bayes分类算法的迭代门限进行图像分割.实验结果表明,与高通滤波相比,该方法能够更有效地检测出弱小目标.     

基于背景估计的红外图像杂波抑制方法研究

背景估计是背景杂波抑制和图像增强的重要方法,在低信噪比红外目标检测技术研究中备受青睐。提出了一种改进的形态滤波背景估计新方法。首先通过图像局部熵计算和分析建立了结构元素尺度与局部熵的对应关系,在目标特征分析的基础上对结构元素形状进行优化,然后采用形态滤波估计图像背景,实现背景杂波抑制和图像增强。仿真实验结果表明了算法是有效的。     

基于H∞滤波器的红外小目标运动预测和跟踪方法

根据H∞滤波理论，提出了基于H∞滤波预测技术的红外图像小目标运动预测和跟踪方法，为了降低模型阶数以加快图像处理速度，滤波过程被分解在水平和垂直两个方向上分别进行，即将滤波器分解为x、y方向上两个子滤波器．H∞滤波器是一种基于最优化最坏情况下的滤波技术，它对噪声源的要求不高，能较好地应用在复杂场景下的目标运动预测与跟踪．实验证实了在噪声源不能确定或是未知的情况下，它比Kalman滤波器对红外小目标的运动预测更加准确并具有更好抗扰动性．     

基于小波和高阶累积量的红外弱小目标检测

红外图像序列中弱小目标的检测是图像处理应用的一个重要研究领域。由于弱小目标很难从背景杂波中分离出来，所以弱小目标的检测是一个难点。介绍了一种基于小波和高阶累积量的红外弱小目标检测方法。该方法利用小波滤波器抑制大部分背景杂波，然后采用基于累积量的自适应滤波器对高频小波系数进一步处理，使得图像信噪比大大提高，同时保留了目标信息。最后应用一些序列处理方法来进一步提高检测的性能。利用实测数据所做仿真实验结果表明该方法的有效性。     

复杂海杂波背景下分数低阶匹配滤波检测方法

针对在复杂海杂波背景下,雷达目标检测中动目标检测(Moving Target Detection,MTD)技术的检测性能显著下降的问题,以及局部最优检测器(Locally Optimum Detector,LOD)仅适用于低信杂比背景下弱目标检测的问题,基于分数低阶统计量理论,提出了一种分数低阶匹配滤波检测方法.该方法通过幂变换抑制杂波的非高斯特性,通过应用杂波分数低阶协方差矩阵特征值分解的方法白化相关杂波,在此基础上应用匹配滤波进行目标积累,以提高信杂比.通过仿真和实测数据,对所提出方法的检测性能进行了验证,并且与MTD和LOD进行了比较.结果表明,本文所提出方法能较好地解决非高斯相关杂波背景下的目标检测问题,检测性能明显优于MTD和LOD方法.     

基于空间匹配滤波的红外背景抑制技术

低信噪比条件下点目标的检测性能在很大程度上依赖于对红外背景杂波的抑制情况。针对红外背景杂波的统计特性，提出了一种改进型的空间匹配滤波算法。原理分析与实验结果表明，这是一种易于硬件实现，能有效抑制强起伏背景杂波的线性滤波方法。     

基于自适应Wiener滤波的红外小目标检测方法

在分析红外场景模型的基础上提出了用自适应Wiener滤波器估计起伏背景、自适应门限分割、基于邻域管道目标检测的小目标检测方法。采用连续采集的红外图像序列进行了实验，仿真了不同信噪比(SNR)条件下的目标并给出了目标检测结果及其分析。结果表明，算法能够从信噪比大于2．0的图像序列中检测出目标轨迹。     

Generalised-structure-tensor-based infrared small target detection

Infrared (IR) small target detection is a key technique in areas like space surveillance systems, early-warning systems and missile tracking systems etc. It is a challenging task to detect IR small targets under complex sky background because of cloud clutter. The conventional methods are usually based on clutter suppression, such as the 2D least mean square (TDLMS) adaptive filter [1], the 2D normalised LMS (TDNLMS) filter [2], the median subtraction filter [3], etc. In this Letter, we use the second conjugate symmetry derivative of a 2D Gaussian (SCSDTDG) to model the small target pattern based on the generalised structure tensor (GST). Experiments show that the proposed method is robust.