基于改进的各向异性SUSAN算法的MEMS微结构图像滤波

为了改善在滤除微机电系统微结构图像的噪声时导致边缘模糊的问题,提出了一种改进的各向异性SUSAN滤波算法。该方法用独立强度传播模型决定长短轴的方差,由该点的梯度方向决定滤波器的长轴方向,由局部图像的灰度值与核值的差构成的局部均值构成SUSAN滤波器的自适应阈值,从而构建出各向异性SUSAN滤波器。该算法在平滑图像同时能保持图像的边缘特征。结果表明,各向异性SUSAN滤波器能够很好地降噪并保持图像的边缘信息。     

基于模糊系统的散斑噪声滤波器

为了能有效滤除散斑噪声,提出了一种以模糊系统为基础的散斑噪声滤波器。这种滤波器包括了一个模糊推理系统,一个边缘检测和膨胀模块和一个图像合成器。模糊推理系统包括5个输入和1个输出,负责对散斑噪声图像进行滤波处理,其参数通过克隆选择优化算法训练优化得到。边缘检测和膨胀模块用于区分图像的边缘区域和光滑区域,图像合成器则是根据边缘检测和膨胀模块获取的信息分区域对滤波输出图像进行合成。文中将该方法与其他几种常用的散斑噪声滤除方法进行了比较,实验结果表明,与其他方法相比该方法可以显着减少图像的散斑噪声,同时保留边缘、细节等有价值的信息。     

一种具有细节保护功能的改进型中值滤波器

针对椒盐噪声污染的图像提出了一种改进型中值滤波算法.该算法是一种自适应型中心加权的高效中值滤波算法.通过计算边缘隶属度来自适应地调整中心像素的权值,从而控制新的滤波器对图像不同区域进行不同程度的平滑,即对细节丰富的图像区域进行轻度的平滑,而对细节较少的图像区域进行重度的平滑.实验结果表明,新的滤波算法优于传统的中值滤波器及常规的中心加权中值滤波器.     

基于模糊增强信息的图像边缘检测改进算法

针对经典的Pal和King模糊增强算法存在的固有缺陷,提出改进的模糊增强算法;为增强图像的对比度而获取更多的图像边缘细节信息,提出基于模糊对比度的图像增强算法;结合全局模糊增强与局部模糊对比度增强两种算法思想,提出基于模糊增强信息的图像边缘检测改进算法,由于该算法在增强图像边缘细节信息的同时也增强了噪声,因此,采用中值平滑滤波方法消除噪声.实验证明,该算法取得了良好的边缘检测效果.     

静止图像的一种自适应平滑滤波算法

本文提出了一种基于梯度信息的自适应平滑滤波算法，该算法根据图像中像元灰度值的突变特性，自适应地改变滤波器的权值，在区域平滑近过程中使图像的边缘锐化，较地处理了平滑噪声、锐化边缘这对滤技术中的矛盾。后续实验结果表明，该算法具有良好的滤波性能，易于实时处理。     

一种图像自适应平滑与增强算法

图像的平滑与增强是数字图像处理过程中的重要步聚,图像平滑可以消减噪声,但会丢失细节,增强可以突出边缘但同时会放大噪声。为了解决图像平滑与增强之间的矛盾关系,提出一种图像的自适应平滑与增强方法,在进行滤波时,动态确定所处理像素点的滤波权值,在平滑了图像区域内部的同时,又对图像中的区域边缘进行锐化增强,有效解决了图像平滑与增强的矛盾。     

结合图像分割的改进导引滤波

为了更好地对图像进行平滑同时保持边缘不模糊,设计一种新的滤波方法。对基于该方法的图像滤波、细节增强等算法进行研究。首先,根据图像的亮度和颜色对图像进行分割,将图像分成不同的区域。接着,在不同的区域进行导引滤波,得到互不交叠的多个滤波子图像。然后,将这些子图融合,得到基于分割的改进导引滤波结果。最后,利用提出的改进导引滤波方法提出一种多尺度的细节增强方法。实验结果表明,在图像光滑和细节增强方面,提出的方法都要好于传统的导引滤波:提出的方法不仅能较好的光滑图像,同时保持边缘清晰,减少了传统滤波方法在边缘处的光晕现象。     

自适应指纹预处理算法

基于大量的实验提出了一套行之有效的指纹处理算法，主要包括使用基于方向图的自适应旋转滤波器、与自适应增强滤波同时进行的自适应阀值边缘处理、自适应阀值二值化，很好地增强了指纹图像的清晰度，同时起到了很好的滤波作用，为可靠、准确地实现指纹自动识别系统奠定了最可靠的基础．     

鲁棒自适应加权的引导滤波算法

为了提高图像滤波时边缘的保持能力,提出鲁棒自适应加权的引导滤波算法。首先利用一阶差分法判断高斯滤波处理后引导图像的边缘位置信息,在去除噪声干扰的同时,提高边缘信息提取的鲁棒性,然后通过最大类间方差法(Otsu)分割边缘区域与非边缘区域,提高区域阈值选取的自适应性,最后利用改进的分段函数模型拟合理想权重因子,控制不同区域的平滑程度,实现鲁棒自适应引导滤波,达到保边平滑的目的。通过图像平滑实验与抠图实验对所提算法性能进行了验证,与引导滤波算法及另外2种改进算法相比,所提算法的保边平滑性能更强。     

湍流退化红外图像校正算法

针对高速湍流场引起的红外图像模糊问题,提出了一种基于改进增量Wiener滤波的复原校正算法.首先,基于先验知识对湍流退化图像的降晰函数进行辨识并得到复原图像的起始估计;其次,提取起始复原图像中的强边缘并平滑边缘区域;最后,利用改进的增量维纳滤波算法迭代复原图像.实验结果表明:该算法与传统的迭代盲复原算法及基于Fuzzy滤波器的后期去振铃算法相比,复原图像的振铃测度有较大下降,同时提高了复原图像的质量,降低了算法的时间复杂度.     

基于模糊理论的红外图像锐化及硬件实现

针对通常的红外图像锐化方法导致的图像噪声加剧、均匀性变坏、图像生硬等缺陷,提出一种基于模糊理论的图像锐化方法,即模糊噪声和图像边缘的概念,将亮、暗边缘图像中的每一像素对噪声和边缘的隶属度分别计算,然后根据隶属度对该像素进行加权,得到所需参数.最后,本文给出了具体硬件实现方法和实验结果.     

一种模糊边缘检测的算法研究及硬件实现

讨论一种基于模糊理论的图像边缘检测算法中模糊因子对边缘检测结果的影响.通过大量实验,用典型实验结果说明并讨论了模糊因子在图像边缘检测和图像增强中的最佳取值区间及其影响.并用一种客观评价方法进行对比评价.最后给出了这种算法的硬件实现方案.     

基于Contourlet变换和模糊理论的红外图像增强算法

红外图像具有噪声大、对比度低等特点,针对该特点,提出了一种基于Contourlet变换与模糊理论的红外图像增强算法。首先对图像进行Contourlet变换,得到多尺度多方向的低通子带和带通子带。对低通子带,进行基于子带系数最大最小值的线性变换,提高图像的整体对比度;对于带通子带,先估计噪声阈值,对子带系数进行抑制噪声处理,然后通过模糊增强算法,对高频系数进行非线性增强,增强目标边缘纹理的特征,抑制背景信号。最后经过Contourlet逆变换得到对比度增强,噪声被抑制的图像。经过算法仿真,与几种现有的图像增强算法相比,该算法更能有效地抑制噪声,增强图像的对比度,突出图像的边缘与细节纹理信息。     

基于直方图的自适应图像去噪滤波器

对于那些明显偏离高斯型白噪声的加性噪声,如拖尾脉冲噪声,高斯脉冲噪声等,已有方法的滤噪性能会严重退化.为此,该文提出了一种去除脉冲噪声的新方法.该方法首先由被污染图像估计出原图像的直方图.然后应用模糊集理论,利用加权策略得到了一个符合图像灰度分布统计规律的模糊隶属度函数,以此隶属度函数构建一个加权平均滤波器. 新方法有效地利用了原图像的先验知识,能够根据图像区域特性差异及脉冲噪声强弱自适应地采用不同的滤波尺度.文章比较了传统滤波器、已有的模糊滤波器和本文方法的结果.实验表明本文方法具有更好的效果.     

指纹图像对比度模糊增强算法

指纹图像采集过程常会造成对比度不强等非线性失真,基于模糊逻辑的处理方法常用于改善指纹图像质量。研究了模糊特征平面增强算法和基于广义模糊算子的图像增强算法,将两种算法应用于指纹图像对比度增强,并对增强结果进行比较分析。实验结果表明,采用这2种方法均可以在一定程度上提高指纹图像低灰度区域和高灰度区域之间的对比度,从而提高图像的质量,使增强后的指纹图像结构更清晰。     

基于模糊神经网络的红外图像边缘提取算法

针对现有图像边缘提取算法存在的噪声平滑能力与边缘精确定位之间的矛盾,以及红外图像自身信噪比低、视觉效果模糊和对比度差等缺陷,利用模糊神经网络的学习、自适应和模糊处理等优点,提出了一种基于模糊神经网络的红外图像边缘提取方法。计算各像素点8个方向的基本梯度、左关联梯度和右关联梯度,并将其组成梯度数组,把8个方向的梯度数组作为模糊神经网络的输入信号,通过学习和模糊处理最终可获得相对精确的红外图像边缘。实验结果表明,该方法抗噪能力强,边缘保留完整且为单像素宽,在处理红外图像边缘提取上要优于其他算法。     

基于Renyi熵和模糊推理的彩色图像边缘检测

针对有噪情况下提取彩色边缘信息，文章提出了一种基于Renyi熵和模糊逻辑的彩色图像边缘检测方法。利用K-L变换，将彩色图像分割为三个正交彩色特征I^1,I^2，I^3，对含丰富特征的单色图I^1，采用一种基于Renyi熵的模糊推理方法进行边缘提取．将局部边缘信息测度和边缘度作为模糊推理系统的两输入变量，并运用7条模糊规则进行推理，以获得边缘隶属度。实验证明，与常用的边缘提取方法相比，该方法能提取更多的彩色边缘信息并具较好的抗噪性能。     

基于模糊三值模式的矿物浮选泡沫图像边缘检测方法

针对一类边缘特征不明显的矿物浮选泡沫图像,提出了一种基于模糊三值模式的泡沫图像边缘检测方法.在‘0/1’二值模式基础上,增加不确定逻辑状态,构成模糊局部三值模式,以描述邻域像素灰度均值的不确定关系,同时,对邻域双向灰度差值之和进行模糊化,以描述边缘与非边缘方向的关系,联立邻域灰度关系与双向灰度差值隶属度,构造气泡边缘隶属度矩阵,依据联合隶属度的解模糊结果判决是否为边界候选像素,再根据边界候选像素集合的特征剔除非边界像素,以此得到泡沫边缘.实验结果表明,该方法能够有效地检测出气泡边缘,同时,在强噪声环境下,具有良好的鲁棒性.     

基于模糊PCNN的小波域超声医学图像去噪方法

在分析了斑点噪声和PCNN的特点的基础上,将PCNN引入到小波域中,并结合小波软阈值去噪思想,提出了基于PCNN的超声医学图像软阈值去噪方法(ST-PCNN),该方法的优点是实现了在小波域中利用PCNN来识别高频信号的小波系数,并采用相应的方法处理小波系数,改善了PCNN难以确定斑点噪声的位置和采用固定阈值造成高频信号损失的缺点,更好的保留了低于固定阈值的高频信号的小波系数;在此基础上,将模糊算法引入到PCNN模型中,进一步提出了基于模糊PCNN的小波域超声医学图像去噪方法(F-PCNN-WD),该方法利用模糊算法来去除PCNN点火过程中大于点火阈值的斑点噪声的小波系数,以更好的去除斑点噪声。实验结果表明,ST-PCNN和F-PCNN-WD方法不仅能够有效地去除噪声,而且能够很好的保留图像的边缘和细节信息。