基于双正交小波域的SAR图像滤波方法

将E-lee、E-Kuan、GammaMap、wiener等经典滤波算法和双正交小波变换相结合,提出了基于双正交小波变换域的局部统计特性SAR图像滤波方法,同时提出了一个运算量少,且是归一化的对数变换,它将乘性的Speckle噪声转为加性噪声。在小波域内建立了局部统计特性SAR图像滤波算法,使用多分辨率的手段,因为在每个方向上的小波系数都具有相同的特征,可以很好地处理图像的一些特性,使得图像边缘被模糊的相对少些。实验结果表明,此方法比经典算法的效果要好。     

基于D-S理论的模糊图像智能识别方法研究

针对传统图像识别方法在对模糊图像进行识别处理时,存在识别精度低,识别结果与实际存在差异等问题,为了提高模糊图像的高清识别能力,结合D-S理论,开展模糊图像智能识别方法研究.在明确D-S理论的基础上,基于D-S推理过程描述模糊图像结构,基于融合行为智能识别图像模糊化特征,实现基于D-S理论的模糊图像智能识别方法设计.通过对比实验进一步证明,本文设计的图像智能识别方法在实际应用中,识别精度明显高于传统图像识别方法,并且针对不同类型的模糊图像具有更高的针对性.     

基于积分图像的红外图像降噪去条带方法

针对红外图像中普遍存在的高噪声与边缘模糊问题,提出了一种新的红外图像处理方法。基于积分图像理论,结合高频增强滤波法,给出了红外图像降噪去条带算法,设计了软件并实现了处理效果。仿真结果表明,与传统的方法相比,该方法具有速度快、自适应能力强和条带去除明显等优势,并可以尽可能多地保留原始图像的细节特征。     

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。     

基于模糊逻辑的指纹图像增强滤波

本文提出了一种新的基于模糊逻辑技术的指纹图像增强滤波器，通过模糊边缘判别器在对任一像素点属于边缘的程度进行模糊软判决的同时完成边缘检测，并针对指纹图像的平滑区域和边缘区域分别采用不同的模糊规则进行增强滤波。实验结果表明这种滤波器在图像的平滑区域具有好的滤波性能，对于边缘区域，则能够在保持边缘细节的同时滤除噪声。     

基于图像传感器的图像画质增强算法研究

针对图像在传输过程中易引入噪声、色彩质量下降、中值滤波导致图像细节丢失和均值滤波出现模糊等问题,提出了一种可以应用于CMOS图像传感器的图像画质增强和滤波算法.该算法对插值后的Bayer图像数据进行一维空间的增强和降噪处理,首先将图像从RGB空间转换到YUV空间,在Y通道上用改进的直方图均衡化方法实现图像明暗程度的对比度增强调节,对U、V通道采用分段式线性调节方法实现饱和度调节;然后对Y通道进行自适应降噪,对U、V通道进行加权中值滤波降噪,以满足后续处理对图像质量的要求;最后在Y通道上,采用基于Laplace算子的锐化掩模进行锐化处理,保证图像的细节清晰可见.实验结果表明:从图像视觉效果来看,相比单独使用中值和均值滤波,所提出的自适应滤波得到的效果更好,图像细节保存较好、模糊程度低、图像更为清晰,且色彩质量更高.通过对比峰值信噪比(PSNR),对混合噪声进行处理时,该滤波算法的PSNR优于中值和均值滤波,有效地抑制了噪声.整个算法在一维邻域空间进行,更容易在有限的硬件上实现较好的图像处理结果,满足小面积低功耗的要求.     

序列断层间图像轮廓的分形插值方法

本文基于分形插值,提出了一种新的序列断层间图像轮廓的计算方法,该算法具有分形几何的一般特点,可很好地表示轮廓的不规则性,从而可准确地表现序列断层间图像轮廓的形状,文中结合医学图像给出了算法实现,结果表明该算法具有较高的保形性,且运算量与存储量都非常小。     

基于模糊形态滤波的斑点噪声抑制

本文提出一种新的用于图像斑点噪声抑制的模糊形态滤波算法。此算法应用了形态滤波和模糊逻辑理论,首先以一方向结构元素进行形态闭—开、开—闭操作,获得不同方向结构元素的滤波版本,然后根据设计的模糊规则计算所有版本像素的隶属度,以具有相应最大隶属度的像素构成最后的滤波结果。实验结果证明本文算法优于lee滤波算法、F.Safa算法和加权形态滤波算法。     

基于改进模糊聚类算法的CT图像病变区域分割

针对CT图像病变区域存在的欠分割和过分割问题,提出基于融合空域滤波器的改进模糊聚类算法。对CT图像进行预处理,将CT图像变换成通用图像,使输入图像具有一致直方图灰度分布,用区域生长方法标记和过滤非目标病变区域,获取脑部CT图像目标病变区域。通过改进的空域滤波器对噪声图像进行滤波去噪,对模糊聚类算法的目标函数和迭代公式融入空域滤波数据项确定隶属度矩阵,完成CT图像病变区域的分割。实验结果表明,所提方法在人脑CT图像血块区域进行分割过程中,具有较高的分割效率和精度,对噪声具有较高的鲁棒性。     

基于改进粒子滤波算法的红外小目标检测跟踪

将粒子滤波算法引入到红外小目标的检测跟踪领域,为解决重要性函数选择和粒子退化问题,结合蚁群搜索算法与粒子群优化算法改进标准的粒子滤波.改进后的粒子滤波能有效减少粒子数,降低运算量,避免了粒子迁移线性化,且无需重采样.分析论证了该算法的基本原理,着重叙述了粒子迁移的过程.通过跟踪实拍红外图像以及仿真图像验证,表明该算法能...     

基于形态学和信息熵的红外目标检测算法

提出了多结构形态学滤波算法,对小目标图像进行背景抑制,接着引入信息熵进行分割,从缩小阈值搜索范围和推导递推关系式两方面给出快速分割算法。通过不同滤波算法进行背景抑制,并采用经典的阈值分割方法和基于信息熵的分割方法对形态学处理后的图像进行分割,对实验结果进行详细分析,表明本文多结构形态学滤波算法对图像的信噪比改善最明显,分割算法处理后的图像含噪声较少且目标分割完整,是一种有效、稳定的目标检测方法。     

基于图像增强的改进自适应加权均值滤波算法

为了尽可能滤除图像中的椒盐噪声同时改善图像视觉效果,将改进自适应加权均值滤波与小波域图像增强技术有机结合,提出了一种具有增强效果的图像滤波算法。该算法分为滤波和滤波后处理两个阶段。滤波阶段,对经典均值滤波分别从噪声检测策略、权值计算机方法噪声滤波模版设计等方面进行适当改进,给出了具体实现步骤;滤波后处理阶段,首先将滤波后图像进行三层小波分解;然后构造出一种小波图像增强模型,根据小波系数的幅度值将其分为三个部分,分别进行不同程度的拉伸处理;最后进行拉伸后小波系数重构。将该滤波算法与经典均值滤波,加权均值滤波、自适应加权中值滤波等性能比较,实验结果表明,本文滤波算法在噪声滤除和图像细节保持方面,效果较好。     

基于双域滤波与引导滤波的快速医学MR图像去噪

针对医学磁共振(Magnetic Resonance,MR)图像 中存在Rician噪声较大以及双域滤波算法对Rician噪声处理不彻底、 运行时间较长的缺点,提出一种双域滤波与引导滤波相结合的快速医学MR 图像去噪算法。 该算法将引导滤波边缘保持后 的图像作为双域滤波算法的原引导图像,减少双域滤波算法的迭代次数,缩短算法运行时间 ;然后通过改进算法权重,结合 原始权重系数和指数核函数,构造新的权重系数,对噪声进行有效处理。实验结果表明,本 文算法能有效去除医学MR图 像噪声,保护图像细节,相比优秀的医学MR图像去噪算法,具有更高的峰值信噪比和结构 相似度;且相比经典双域滤波 算法,改进后的算法能将运行时间减少1/3,相比非局部均值算法, 可减少1/2。     

一种新的红外图像细节增强算法

红外成像系统在数字化时使用14位(或16位)数据来量化一个像素,具有动态范围大、含噪多和对比度低等特点,因此在进一步处理之前往往需要进行必要的增强。目前常用的红外数据增强都是基于普通方法压缩至8位后完成,许多细节信息已在压缩过程中损失,因而增强效果有限。本文把增强过程放在从14位到8位的压缩过程中,提出一种双域滤波及改进的最值归一化对比度增强算法的红外图像增强方法。首先使用双域滤波将原始14位图像的细节部分与基本部分分开,压缩基本部分的动态范围、保留或增强细节部分,然后使用改进的最值归一化方法增强图像对比度,最终得到可以在普通显示器上处理的8位图像数据。该方法在压缩红外图像数据宽度的同时保留了细节信息,取得了良好的实验结果。     

复杂背景下红外小目标实时识别方法研究

提出一种用于红外警戒系统复杂背景下红外小目标实时识别的方法,该方法采用FPGA实时两维数字滤波、高速DSP微处理器并行处理结构、基于运动分析的目标识别算法,不仅改善了复杂背景下微弱运动目标的捕获能力,实现了运动多目标自动识别,还具有预计目标遮掩及实现目标再捕获的能力。系统处理速度达25f/s,系统反应时间小于1s。     

两阶段三维滤波的红外图像去噪算法

针对获取的红外图像含有的噪声,利用图像中的自相似性统计特性,提出两阶段三维滤波的红外图像去噪算法。算法通过块匹配分组,两阶段联合滤波和聚集三个步骤来实现对图像的初次估计和最终估计。初次估计线性硬阈值滤波实现。最终估计采用非线性维纳滤波实现。实验结果表明,与PDE,BLS-GSM相比,算法在图像视觉质量,输出PSNR和和执行时间上具有更好的优势,适合于实时性应用场合。     

基于MRF的自适应正则化红外背景杂波抑制算法

针对复杂背景下红外弱小目标检测难题,将背景杂波抑制归结为从原始红外弱小目标图像中重建目标数据的过程,据此提出了一种基于马尔可夫随机场模型(MRF)的自适应正则化滤波算法.该算法采用MRF,建立了红外弱小目标图像的先验概率模型,并根据图像的粗糙度设计了新的势函数.在此基础上,采用MRF对背景杂波抑制过程进行正则化处理,从而实现了对红外背景杂波的自适应各向异性抑制.理论分析与实验结果表明,该算法能够随图像局部纹理特征的变化自适应地调整滤波算子结构,从而可在复杂背景下自适应地抑制杂波、增强信号,有效地提高了图像的信噪比,且该算法结构简单,更易于硬件实时实现.     

战场侦察图像融合技术

针对被广泛应用于战场侦察的彩色图像及红外图像,提出了一种应用离散小波框架的融合处理与彩色空间变换相结合的处理方法实现这2类图像的融合技术。给出了这种融合技术的流程和处理步骤,并用彩色图像和红外图像进行了融合算法测试,计算了融合图像与源图像的条件交互信息量。试验证明采用这种融合处理后的结果图像能够保留彩色图像的高分辨率和真实的色彩信息,同时包含红外图像发现的隐藏的武器目标信息。     

图像通信中一种低照度彩色图像增强算法

针对低照度彩色图像细节模糊、亮度不高等问题,提出一种新的彩色图像增强算法。首先引入新传递函数改进传统同态滤波,然后,在RGB色彩空间上,分别对R、G、B分量用改进的同态滤波和对比度受限自适应直方图均衡（CLAHE）进行增强。接着,转换到HSV色彩空间,用非线性函数对亮度进行光照补偿,对饱和度进行1.5倍拉伸。最后恢复图像色彩信息。实验结果表明,新算法在保持图像细节的同时能够增强图像对比度,使图像清晰度更高。     

基于改进脊波变换的红外视频图像高质量复原

为了实现红外视频降质图像高质量复原,采用一种基于改进脊波变换的图像复原算法来进行处理。该算法首先对降质图像进行改进脊波变换,然后提出一种具有加权改进自适应伪中值滤波算法对脊波系数进行处理,最后针对滤波后图像中时常出现的"环绕"现象,引入自适应Wiener滤波算法来抑制。进行了理论分析和实验验证,取得了相关模拟降质图像、真实降质图像以及峰值信噪比的测试数据。结果表明,该算法性能优于伪中值滤波以及两类脊波变换去噪算法。这对于实现红外视频降质图像复原研究是有帮助的。