消除脉冲噪声的改进自适应滤波算法

针对灰度图像受脉冲噪声污染后的恢复处理问题,提出了一种改进的自适应中值滤波算法。该方法根据脉冲噪声的分布特点,采用极大值、极小值和领域均值判定准则进行噪声点的检测,然后用检测窗口内最小非噪声点集合的中值作为噪声点的滤波输出。实验结果表明,与其他几种算法相比,文中算法不仅在峰值信噪比(Peak Signal to Noise Ratio)和结构相似度(Structural Similarity,SSIM)上有较大优势,而且还具有较低的时间复杂度和更好的自适应性。也进一步说明该方法不仅能有效地检测并滤除噪声点,还能较好地保护图像的边缘细节。     

基于Canny-ROA算子和Hough变换的SAR图像道路检测

提出了一种高分辨率SAR图像的道路提取算法。首先对SAR图像进行FROST滤波,去除相干斑噪声,再融合Canny算子和ROA算子提取边缘点,并对图像边沿的信息进行补偿,然后使用平行线滤波滤除相关地物对道路检测的影响,最后利用Hough变换提取线特征,并对断裂的直线进行连接。实验结果表明,该方法能有效滤除护栏等地物的影响,对直线道路具有良好的检测效果。     

基于子波相关算法的红外图像点目标检测( 英文)

红外图像中点目标的检测技术是近年来信息处理研究的热点和难点之一。目标在图像中的表现为点状 ,且信噪比低 ,目标被噪声 (杂波 )淹没。现结合前人的一些检测算法 ,按照背景信号和噪声在相邻的子带间所表现出的不同相关性这一特点来进行背景信号、噪声的分析 ,提出了基于子波相关算法的点目标的检测方法 ,并对其进行了仿真和软件编程。结果表明这种算法具有很好的检测能力     

基于PCNN噪声检测的两级脉冲噪声滤波算法

为有效滤除图像中严重脉冲噪声干扰,提出了一种基于改进型脉冲耦合神经网络(PCNN)噪声检测的两级脉冲噪声滤除算法。该算法首先利用PCNN同步脉冲发放特性区分定位噪声点和信号点位置,其次根据噪声点局部邻域信息对噪声进行第1级自适应滤波,然后再利用具有保护边缘细节特点的多方向信息中值滤波器(MF进行第2级辅助滤波。实验结果表明,该算法在噪声检测中无需设定检测阈值,噪声检测精度较高;在去噪过程中不但有效滤除噪声干扰,而且能很好地保护图像边缘细节等信息,具有较好的主观视觉效果和客观评价指标,比传统MF及其它相关算法有更优的滤波性能,去噪能力强、信噪比高和适应性好,特别是对受严重噪声污染的图像,显示了更大的优越性。     

基于辐射累积和空间反演的空中弱目标检测算法

背景辐射噪声是弱信号检测面临的难点问题。提出了一种显著提升信噪比实现匀速运动弱目标的有效检测算法。建立目标坐标空间和速度空间,以不同速度矢量控制图像叠加,形成提升了信噪比的新的图像序列并构成图像空间;利用恒虚警判决法在图像空间中检测候选目标点;根据候选目标点所对应的坐标向量和速度向量分别映射到坐标空间和速度空间,由两个空间中出现的峰值判定目标点。实际红外成像系统实拍实验表明,算法能将信噪比提升至接近原图的N倍,目标检测概率和虚警概率都明显优于所对比的弱目标检测算法。     

基于子波相关算法的红外图像点目标检测

红外图像中点目标的检测技术是近年来信息处理研究的热点和难点之一^[1]。目标在图像中表现为点状，且信噪比低，目标被噪声（杂波）淹没。文中结合前人的一些检测算法，按照背景信号和噪声在相邻的子带间所表现出的不同相关性这一特点来进行背景信号、噪声的分析。提出了基于子波相关算法的点目标的检测方法，并对其进行了仿真和软件编程。结果表明这种算法具有很好的检测能力。     

基于投影变换与轨迹关联的目标检测算法

低信噪比条件下序列图像中微弱点状运动目标的检测是许多实时监视系统的关键算法,具有信息量大、目标轨迹组合复杂和实时处理难度大等特点。为有效检测出微弱点目标,提出了一种基于最大值投影与目标轨迹关联相结合的运动点目标检测算法,仿真试验表明该算法具有较好的检测性能,可有效地检测出低信噪比条件下图像序列中的运动点目标,同时也可检测出交叉运动的多个点目标。     

基于子波相关算法的红外图像点目标检测

红外图像中点目标的检测技术是近年来信息处理研究的热点和难点之一，目标在图像中的表现为点状，且信噪比低，目标被噪声（杂波）淹没，现结合前人的一些检测算法，按照背景信号和噪声在相邻的子带间所表现出的不同相关性这一特点来进行背景信号、噪声的分析，提出了基于子波相关算法的点目标的检测方法，并对其进行了仿真和软件编程，结果表明这种算法具有很好的检测能力。     

基于随机共振和非中心F分布的频谱感知算法

为解决频谱感知算法在低信噪比（SNR）时检测概率较低且检测所需采样点数较多的问题,提出了基于随机共振和非中心F分布（SRNF）的频谱感知算法。通过引入直流随机共振噪声,建立了SRNF的系统模型,推导了服从非中心F分布的检验统计量表达式、虚警概率与检测概率以及判决门限表达式,并采用数值法求解最佳的随机共振噪声参数。仿真结果表明,在低信噪比时,所提基于SRNF算法的检测性能优于能量检测（ED）算法和基于F分布的盲频谱感知（BSF）算法,当虚警概率为5%、信噪比为–12 d B、采样点数为200时,所提算法的检测概率是95%,分别比BSF算法和ED算法高34%和67%;当信噪比为–12 dB、检测概率达到95%时,所提算法所需的采样点数是210,比BSF算法节省了340个采样点。此外,噪声不确定度对所提算法的影响小于ED算法。     

基于数学形态学的红外运动小目标识别算法研究

针对红外成像制导跟踪的目标具有低信噪比、且背景和噪声干扰信息严重的特点，设计了一种基于数学形态学的红外灰度图像小目标检测识别算法。实验表明，该算法能够大大提高目标的信噪比，去除背景和噪声干扰，保留目标的灰度信息，满足系统的实时性要求，是一种有效的红外灰度图像小目标检测算法。     

一种基于角点的直线段特征提取新方法

直线特征的提取是图像分析、理解以及计算机视觉等技术的关键技术.然而,由于直线端点定位难、直线易受损等因素,使其成了一项挑战性很强的任务.由此提出一种基于SUSAN角点算子的直线段提取方法,解决了直线两端不易定位的难题.实验结果表明,该算法效率高、准确性好、抗噪能力强,检测率达到90%以上.该方法提取的直线对目标的识别与三维重建工作具有重要的意义.     

基于Hough变换和遗传算法的SAR图像道路检测

提出了一种新的星载合成孔径雷达(SAR)图像中道路网的三步提取算法，即道路中心线检测、道路片段提取和道路片段连接。首先对含有斑点噪声的SAR图像进行两次滤波获得较细的道路中心线，然后对该二值图像进行Hough变换以获得道路片段，道路片段经过简单的初步连接后，再次运用遗传算法得到进一步连接。实践证明了这种方法的有效性。     

基于LSD和FLD融合的道路裂缝图像预处理方法研究

针对道路中的路标、路沿等直线类干扰物影响道路裂缝识别的问题,提出一种基于LSD(Line Segment Detector)和FLD(Fast Line Detector)融合的道路裂缝图像预处理方法。首先,基于LSD算法和FLD算法对裂缝图像进行直线检测,获取直线类干扰物的线段坐标值;其次,根据直线检测算法返回的线段坐标值进行断线重连,解决了直线检测算法提取线段不连续的问题;最后,根据线段重连后获取的直线类干扰物的掩膜图和裂缝图像原图,运用FMM(Fast Marching Method)图像修复算法达到消除直线类干扰物的目的。经过大量实验分析可得：该方法能够有效地消除裂缝图像中的直线类干扰物,使得裂缝检测的准确率提升了7.1%。     

基于灰度形态学梯度的边缘检测

数学形态学是图像处理和模式识别领域中的一门新兴学科,文中采用基于数学形态学梯度的图像边缘检测算法,利用数学形态学的基本运算,设计符合处理图像边缘特性的梯度结构基来检测局部突变信息,从而获得图像的边缘信息。     

自适应模糊Hough变换

提出一种直线检测的新方法——自适应模糊Hough变换.该方法在依据梯度方向信息对边缘像素进行模糊映射的基础上,以模糊累积矩阵作为全局约束条件,采用模糊推理求取每像素所属直线的具体参数,并通过二次累积检测直线段.实验表明所提算法计算消耗小,检测精度高,并能提供直线段的完整描述.     

一种遗传算法优化的图像模糊边缘检测方法

提出了一种遗传算法优化的图像模糊边缘检测方法.首先利用方向模板对图像进行卷积,求得梯度图像.然后对梯度图像的直方图进行模糊化,针对模糊窗宽参数的选取困难,根据图像确定了模糊函数窗宽的范围,利用遗传算法的全局搜索性能进行阈值的搜索,并利用最小图像模糊率来确定最优阈值.根据得到的阈值对梯度图像进行分割,得到图像的边缘.结果表明,边缘检测效果较好,显著提高了运算速度.     

一种改进的Canny算子边缘检测算法

边缘是图像的基本特征之一,因此在图像处理中图像边缘检测是图像处理的一个重要部分。由于传统的Can-ny边缘检测算法是通过在2×2领域内求有限差分来计算梯度幅值的,易受噪声的影响,容易检测出孤立点和伪边缘。在基于传统的Canny边缘检测算法的基础上,采用3×3领域的梯度幅值计算方法,提高了边缘的定位精度,改善了对噪声的敏感性。实验结果表明,该算法在保证实时性的同时,具有更好的检测精度和准确度。     

Detection of linear features in SAR images: application to roadnetwork extraction

The authors propose a two-step algorithm for almost unsupervised detection of linear structures, in particular, main axes in road networks, as seen in synthetic aperture radar (SAR) images. The first step is local and is used to extract linear features from the speckle radar image, which are treated as road-segment candidates. The authors present two local line detectors as well as a method for fusing information from these detectors. In the second global step, they identify the real roads among the segment candidates by defining a Markov random field (MRF) on a set of segments, which introduces contextual knowledge about the shape of road objects. The influence of the parameters on the road detection is studied and results are presented for various real radar images     

基于梯度的低对比度X线图像分割方法

在医学骨折诊断领域,X线图像是骨折诊断的重要手段,X线图像中骨骼组织的精确分割为后续的诊断提供了重要依据。为此,文中首先利用Sobel边缘检测算子得到X线图像的梯度图,然后利用灰度图像单目标跟踪算法,提出了一种基于梯度的多目标分割算法,经过三轮跟踪获得了骨骼组织的精确定位,实现了医学骨科X线图像的骨骼分割。最后,将分割结果与边缘检测和阈值方法的分割结果进行了比较。试验结果表明,该方法对低对比度图像能够得到好的分割效果,比较适合医学骨科X线图像的骨骼分割。     

梯度域多曝光图像融合

为解决多曝光图像融合的问题,提出了一种新颖的直接将多曝光图像融合成适合显示的低动态范围图像的方法,并且具备消除运动伪影的能力。使用联合柱状图探究两幅图像之间像素值的对应关系,对每幅图像检测分别得到一幅伪影权值图,用来构造融合时的度量。在梯度域中进行融合,根据多维黎曼流形几何(Riemannian Geometry),从多个输入图像的结构张量中推导得出融合的梯度域,然后使用均值滤波器在多尺度上进行梯度域的非线性修改,通过解泊松方程得到融合图像。最后,还提出了一种新颖的色彩复原算法,用以避免造成色彩偏差。实验表明,该方法能够有效融合含运动物体的多曝光图像,无论哪幅图像被选作参考图像,都能获得高质量的结果图像。该算法同时具有处理的有效性和时间的高效性。