一种新的自动多阈值图像分割方法

本文提出了一种新的自动阈值图像分割方法.该方法选择二维灰度直方图的最佳一维投影作为输入信息,并利用了小波变换的多尺度特征分析此投影.在大尺度下抑制噪声并自动确定分割类数,在小尺度下精确定位阈值.实验表明新方法能够自动而快速地对图像进行分割而且有较强的抗干扰能力.     

低对比度红外热图像对比度增强技术

在对红外热图像对比度进行增强时，常采用基于直方图的图像灰度线性或非线性变换技术，其缺点是易放大噪声。而根据二进小波变换建立红外热图像的梯度矢量图，通过对红外热图像梯度矢量图的变换可以有效地增强图像对比度且能抑制噪声的放大。     

多尺度下低对比度红外热图像增强技术

对红外热图像进行增强时，常采用基于直方图的图像灰度线性或非线性变换技术以及中值滤波方法，使图像的目标与背景之间的灰度差别放大并且滤除噪声，从而达到增强图像的目的，其缺点是灰度变换技术易放大噪声而中值滤波方法只能滤除高斯白噪声。由于梯度反映了图像灰度之间的差异，而根据二进小波变换可以建立红外热图像的梯度矢量图，通过增强红外热图像梯度的幅度，可以有效地增强图像对比度。根据脉冲噪声和高斯白噪声的多尺度下小波变换特性，抑制噪声点的梯度且增加目标的梯度幅度，能达到既增强图像又抑制多种噪声的目的。     

基于三维直方图的Fisher评价函数图像分割方法

提出了一种基于三维直方图的Fisher评价函数图像分割方法,该方法利用了图像像素点的灰度信息和邻域的均值信息及中值信息,给出了三维阈值分割方法。实验结果表明,相比较基于二维直方图的Fisher线性判别函数图像分割方法,在图像受高斯噪声干扰的情况下,该方法具有更好的分割效果。     

基于小波变换的图像分割技术研究

图像分割是一种重要的图像分析技术.近年来,对图像分割的研究一直是图像技术研究中的热点和焦点.介绍一种基于小波变换的图像分割方法,该方法先对图像的灰度直方图进行小波多尺度变换,然后从较大的尺度系数到较小的尺度系数逐步定位出灰度阈值.实验结果表明,该方法具有较好的抗噪声性能.     

基于形态学与二维Otsu相结合的红外图像分割方法

Otsu法是常用的基于阈值的图像分割方法之一,二维Otsu法利用图像的像素灰度值分布及邻域像素的平均灰度分布构成的二维直方图对图像进行阈值分割。由于红外图像具有低对比度、低信噪比、边缘模糊的特点,仅采用二维Otsu对其进行分割,由于噪声的影响,分割后的图像会有边缘信息不清晰以及误分割的问题。针对这个问题,本文提出的形态学与二维Otsu相结合的红外图像分割方法。实验证明,利用形态学可以保留图像基本形状,弥补分割图像细节,并使图像的轮廓更光滑的特点,达到较好的红外图像分割效果。     

二维最小误差分割在红外图像中的快速实现

最小误差分割算法的图像分割性能优异,但一维的最小误差分割算法容易受到噪声的干扰。利用图像的二维直方图,二维最小误差分割算法不仅能够利用图像的灰度信息,同时利用了相邻像素之间的邻域信息,取得更加理想的分割效果。但在实际使用的过程中,二维最小误差算法采用穷尽搜索的算法运算时间长,二维直线型最小误差分割算法无法反映全局最优解,降维形式的最小误差算法复杂度高。本文将结合粒子群优化算法(PSO)将二维最小误差分割算法应用在红外图像上,大大提升了算法的求解速度,能够在实现更低对比度的红外图像分割的同时满足工程中实时检测的要求。     

基于OTSU的近红外图像分割的应用研究

OTSU法是最常用的利用图像的一维灰度直方图的阈值化方法之一,二维OTSU除了考虑像素点的灰度信息外还考虑了像素点与其邻域的空间信息.由于红外图像不同于一般灰度图像的一些特征,有针对性的采用了二维OTSU对其进行分割.通过与一维OTSU的相互比较可以看出,二维OTSU对近红外图像拥有更好的分割效果,能有效的分割出炉管图...     

一种基于小波变换的图像增强方法

针对部分灰度图像分辨率和对比度低、噪声大、视觉特性差等特点,提出了一种基于小波变换和直方图均衡的新的图像增强方法。该方法将小波变换的多尺度、多分辨率的特点和直方图均衡化的方法相结合,同时再辅以中值滤波去噪和同态滤波增强,从而在很大程度上克服了单一的直方图均衡化进行图像增强时会丢失图像细节信息、增强图像噪声等的不足。实验结果验证文中方法对图像的分辨率和对比度增强有很好的效果。     

基于改进的双水平集的MRI图像快速分割方法

针对MRI图像具有高噪声与灰度不均的特点,提出了结合小波变换与中值滤波的去噪预处理的双水平集的快速分割方法。对于MRI图像存在的多种噪声问题,利用小波变换去除高斯噪声,采用中值滤波去除椒盐噪声,对原始图像进行预处理。在传统的双水平集模型中增加一个自适应的加速因子,对去噪图像进行快速分割得到分割效果图。实验结果表明,改进的算法显著加快了图像分割速度,既有较强的抗噪性,又保留了图像的细节信息,且无需重新初始化,取得了良好的分割效果。     

基于离散平稳小波变换和Bayes估计的红外图像去噪方法

提出一种基于离散平稳小波变换与Bayes估计的红外图像去噪方法。针对红外图像信号与噪声的不同特点,对红外图像进行离散平稳小波变换后,采用Bayes估计方法自适应地从带噪信号的小波系数观测值中估计信号的小波系数值。该方法不仅有效克服了传统离散正交小波变换去噪时容易产生Gibbs现象的问题,也避免了常用小波去噪算法对小波系数截断式处理可能造成的图像细节模糊和信息丢失。最后,通过对实际电力设备红外图像的去噪实验,验证了方法的有效性。     

基于信息冗余的小波红外图像去噪算法

红外图像具有图像灰度集中、对比度低等特点,因而红外图像增强是红外图像应用必不缺少的部分,随之而来的是图像噪声的放大,为了进一步提高红外图像质量,需对增强后图像去噪。现有众多去噪方法中,极少同时兼顾算法效果及可实现性。提出了一种基于信息冗余的小波去噪算法,此算法在离散小波变化(DWT)过程中分别以不同的下采样方式获取多组含有相似冗余信息的小波系数,再利用噪声估计对小波系数进行非线性变换,抑制高频噪声并保留细节,然后利用变换后小波系数重构(IDWT)多副图像,利用含相似冗余信息的多副图像加权进一步去除高频噪声,获取最终去噪图像。此算法已在单片FPGA中进行实现,利用ALTERA CYCLONIII芯片实现后的处理帧频达到50 fps,满足实时性要求。     

一种红外图像对比度增强的小波变换法

提出一种基于离散平稳小波变换和非线性增益的红外图像对比度增强方法．对红外图像进行离散平稳小波变换后，对分辨率较好的各高频子带直接利用所提出的去噪方法去噪；对分辨率较差的各高频子带利用所提出的非线性增益法结合文中的去噪法进行增强；并给出一种评价增强图象质量的准则．实验结果表明，本文提出的方法在有效的增强红外图像对比度的同时，又能很好的抑制红外图像中相关噪声、加性高斯白噪声和乘性噪声．     

基于视觉对比度分辨率的红外图像增强算法

针对传统红外图像增强方法存在增强后目标边缘模糊及背景噪声过增强的缺陷,结合人眼视觉特性,提出了基于视觉对比度分辨率的非线性变换算法。该算法根据人类视觉在不同背景灰度下分辨目标的能力不同,自适应调整灰度变换曲线,使目标映射到人眼分辨的敏感区域,同时使背景噪声映射到人眼分辨的不敏感区域。经测试表明:提出的算法与传统算法相比更易突出红外图像目标的细节信息及其边缘轮廓,峰值信噪比提高近1倍,对比度增益提高近0.5倍。     

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。     

结合蚁群算法与二维直方图的红外图像分割

现有的图像分割算法存在着耗时量大,分割效果不佳等问题,不适用与红外系统领域的应用。针对上述问题,根据灰度级－梯度二维直方图的目标分割优势,通过与蚁群算法相结合,提出了一种结合蚁群算法与二维直方图的红外图像分割算法。通过在传统的灰度－梯度二维直方图进行引入边缘与噪声区域的相关量;通过将图像窗口化,并根据最佳分割阈值对蚁群的启发函数以及信息素更新进行重新定义,来实现红外目标的快速提取。实验结果表明,该算法分割后的红外目标边缘清晰,抗干扰能力较强,且运算速度也得到了有效提高。     

基于小波域的红外图像序列噪声分析与去噪

由于相同的去噪方法对不同噪声类型的去噪效果不一样,采用基于小波域的图像噪声类型识别方法,利用小波高频子带系数的直方图识别了图像的两类主要噪声：高斯噪声和椒盐噪声.对红外图像系列的噪声进行了分析,长波红外图像主要受到高斯噪声干扰,中波红外图像主要受到椒盐噪声干扰.提出了一种改进的小波全局阈值去噪方法.仿真实验表明,该方法较传统方法的PSNR提高了2~3 dB,处理速度较快.     

基于具有对称性的非张量积小波图像融合方法

提出了基于一类新的小波具有紧支撑、对称性和正交性、伸缩矩阵为(20 02)的非张量积小波的图像融合新方法.首先根据非张量积小波理论,提出了一种新的二维4通道4× 4对称滤波器组的设计方法,并用此方法设计出一组具有上述性质的非张量积小波4× 4滤波器组,利用此滤波器组对参加融合的图像进行滤波;然后对低频部分采用取均值、高频部分采用基于局部窗口能量取大的融合算法对滤波后的图像进行融合;最后重构.并采用熵、交叉熵、互信息、均方根误差和峰值信噪比等指标对该方法的融合性能进行了客观评价.对可见光图像与红外图像、远红外图像与近红外图像、航空图像和卫星图像、多聚焦图像等其它多类图像的融合实验结果表明本方法有较好的融合效果,可得到无边缘失真的融合结果图像,其融合性能比采用同样融合算法的张量积Haar小波的融合方法的融合性能好.     

基于离散正交小波变换的红外图像去噪方法

提出红外图像去噪方法，将小波变换与广义交叉确认原理相结合，在噪声方差未知的前提下，只利用红外图像的输入数据就可以确定所要求的渐近最优阈值。对红外图像进行离散正交小波变换后，分别对各个分解层的高频子带利用所提出的方法进行迭代去噪，使各个高频子带分别收敛于其最大信噪比。实验结果表明，该方法在有效地去除噪声的同时，能较好地保持红外图像的细节信息。算法在性能指标和视觉质量上均优于Donoho提出的小波阈值去噪方法、Johnstone提出经过调整的小波阈值法和传统的中值滤波法。     

基于Zemax仿真的红外光场成像技术

光场成像作为计算摄影学的研究方向之一,可以通过单次拍摄得到目标的四维全光信息,包括空间两维以及角度两维信息,由此可以通过多视角立体匹配原理实现三维成像。目前光场成像集中应用于可见光领域,用于其他光学成像波段的情况较为少见。本文提出基于Zemax仿真的红外光场成像技术,将光场成像系统与长波红外成像系统相结合,从光场成像原理以及长波红外成像特性出发,对长波红外光场成像系统结构设计进行了深入研究,同时为了提升三维成像的效果,分析了红外光场成像系统光学参数对深度分辨率的影响,得出深度分辨率主要由微透镜成像关系、微透镜工作F数、主透镜焦距、物距以及探测器像素尺寸确定。针对长波红外探测器像素数较少的情况选择了聚焦型光场成像系统,根据设计结果,使用Zemax仿真验证了长波红外系统与光场成像系统相结合的可行性以及理论设计的正确性。