基于均值查找的快速中值滤波算法

针对传统中值滤波算法时间复杂度高、运行速度慢,难以满足大型图像数据实时处理的问题,提出了一种快速中值滤波算法,将确定中值元素的过程由排序运算转换为基于均值对集合的二分查找,算法不依赖于滤波窗口的形状以及相邻窗口的相关信息,有效提高了中值滤波的执行效率,使传统中值滤波算法的时间复杂度由O(nln n)下降至O(n).实验中,该算法应用于大型图像序列的滤波处理,其运算速度提高到传统中值滤波算法的3倍以上,并且算法运行时间仅随滤波窗口大小线性增长,可以满足大尺度滤波窗口对大型图像数据实时处理的需求,具有显著的实际应用价值.     

一种加权中值滤波算法在医学磁共振图像去噪中的应用

为了更好地去除医学磁共振图像(MRI)中的高密度椒盐噪声和高斯噪声,提出了一种加权中值滤波算法.该算法的核心思想是利用改良的有限阈值策略对滤波窗口的每个像素点的灰度值与计算该像素点所得的相应权值之积进行求和,然后将运算结果作为滤波窗口中心点的输出值.利用该算法对含有高密度椒盐噪声和高斯噪声的医学MRI进行去噪仿真实验表明,该算法对高密度椒盐噪声和高斯噪声的抑制力显著优于单纯的中值算法和均值算法,且去噪后的图像具有良好的细节保真度和清晰度.     

一种基于高斯滤波与矢量微分算子的小波多尺度边缘检测算法

采用一种基于高斯滤波与矢量微分算子相结合的近似小波多尺度边缘算法。该算法分别选定大小2个高斯滤波器的尺度,并将其分别与原努图像作卷积,从而得到图像的多尺度信息。以矢量微分算子为卷积核与滤波后的图像进行运算,在获得的梯度向量上,沿相角方向取模为极大值的点为边界点,将该方法用于边缘检测,获得较好的效果。     

基于阿尔法均值算法和马氏距离的图像自适应滤波

针对数字图像容易感染噪声的问题,提出一种基于阿尔法均值滤波算法和马氏距离的图像自适应滤波算法。该算法充分结合了阿尔法均值滤波器的优点和马氏距离的特性,首先利用阿尔法均值滤波器确定参考序列,然后计算参考序列与滤波窗口内比较序列之间的马氏距离,并根据距离的大小确定滤波窗口内各像素点的权系数,最后将加权结果作为滤波输出。实验结果表明:该算法对受到高斯噪声、椒盐噪声以及混合噪声感染的图像具有较好的滤波效果,同时可以较好地保持原始图像的细节信息。     

CUDA架构下高效红外图像背景预测方法

红外图像背景预测方法是红外图像弱小目标探测与跟踪中的经典方法.针对背景预测算法中卷积运算耗时长的问题,提出一种基于CUDA(Compute Unified Device Architecture)的高效红外图像背景预测方法.在分析背景预测算法执行流程的基础上,充分考虑CUDA架构的特点,将其在CUDA架构下进行了重新实现,利用GPU(Graphic Processing Unit)的强大并行计算能力完成红外图像背景预测的快速计算.为了进一步提升算法的运行效率,将不可分离的背景预测卷积模板分解为多个可分离模板的叠加,并给出了分解卷积模板的一般方法.将该方法应用于实际的红外图像背景预测,结果表明,该方法比传统的CPU计算在运算效率上提高了130倍以上.     

超宽带信道时域测量中去卷积算法研究

在现有的单模板去卷积算法和多模板去卷积算法思想的基础上,提出了一种新的去卷积算法--改进多模板去卷积算法.该算法通过从实验测量数据中提取并优化多个模板信号,改变了传统算法中模板信号脱离具体实验环境提取的情况,所提取的模板信号综合体现了室内无线信道中的影响因素,改善了去卷积运算的有效性.经仿真试验证实,该方法去卷积效果明显,适用于不同环境下的室内信道建模.     

基于均值偏移粒子滤波的自适应跟踪

针对视频中运动人体的跟踪,提出了一种基于均值偏移粒子滤波的自适应跟踪算法。该算法首先对所要跟踪的人体目标进行分块,并选择与周围环境颜色相似度最小的块模板作为跟踪区域;然后使用基于均值偏移的粒子滤波方法进行跟踪,并设计了自适应更新块模板尺度的方法;最后在粒子滤波的状态估计阶段后,加入自适应观测模型,根据块模板尺度的变化情况,自适应地选择高斯噪声方差和粒子数目。实验证明,在出现遮挡或人体运动方向改变的情况下,本文算法的跟踪效果比传统均值偏移粒子滤波更好。     

基于FPGA的模板滤波IP核的设计与实现

在数字图像处理过程中,二维模板卷积是一种重要的操作.提出一种基于现场可编程门阵列(field programmable gate array,FPGA)的可变模板滤波IP (intellectual property)核的设计方法,通过参数化的循环例化移位寄存器构建可灵活调整窗口大小的缓存结构,采用只读寄存器(read-only memory,ROM)载入模板滤波系数,并利用加法树模块实现快速累加.相比传统组合扩展方法,本设计充分节约了硬件资源,简化了电路设计,提供了便捷的调用接口,只需修改参数便可灵活调整卷积结构,适用于任意窗口大小、任意模板系数、任意图像大小和数据位宽的卷积运算,具有良好的通用性和可维护性.     

基于梯度天空背景的非均匀性校正和点目标探测

针对黑体两点校正方法不适用于校正梯度天空背景的问题,提出一种新的基于梯度天空背景的两点校正方法。首先,采用邻域像素替代法剔除位置固定不变的盲元;然后,利用红外焦平面探测器拍得的两幅不同俯仰角度的纯净天空图像作为两个温度点,进行两点校正获得增益系数和偏置系数;最后,通过修正这两个系数剔除少量随机噪点。实验结果验证了该方法的有效性。本文在校正基础上还提出了一种小窗口双边滤波和梯度模板联合检测算法,用于探测暗弱点目标。首先采用小窗口的双边滤波去除高斯噪点,然后与梯度模板做卷积,自适应阈值分割检测出暗弱点目标。实验结果表明,提出的模板算法对复杂背景的抑制作用较强,可有效提高目标的信噪比,而且算法复杂度不高,易于实时实现。     

自适应-模糊滤波算法

为了克服大部分的自然图像中同时存在脉冲噪声和高斯噪声,在分析了传统滤波算法特点的基础上,提出了一种改进的自适应-模糊图像滤波算法.该算法首先判别并标定图像中的脉冲噪声,以实现两类噪声的分离.采用自适应滤波窗口的中值滤波算法滤除脉冲噪声,有效地克服了传统中值滤波的不足.在有效地滤除脉冲噪声的基础上,引入提出了模糊控制中隶属度函数的概念改进均值滤波算法,结合图像直方图的自适应,提出隶属度函数的阀值,克服了均值滤波造成图像细节模糊的不足.最后提出了一种针对图像滤波算法中求解中值的快速算法,提高算法的实用性.仿真证明,自适应-模糊滤波算法在滤除图像中混合噪声的效果明显优于传统滤波算法,可广泛应用于各种图像处理场合.     

基于多尺度Retinex理论的遥感图像增强算法

多尺度Retinex算法是近年来常用的图像增强方法之一,针对该方法在处理遥感图像时存在过增强、灰度化和色彩失真等不足,结合I阶巴特沃斯函数良好的滤波特性,提出了一种改进多尺度Retinex理论的遥感图像增强方法.首先,采用I阶巴特沃斯函数取代多尺度Retinex中的高斯环绕函数,对降质的遥感图像R、G、B三个分量分别进行滤波操作;然后对滤波后的各通道下不同尺度的亮度图像分别进行加权和归一化处理,得到增强后的R、G、B三个分量;最后将三通道分量进行合成显示,得到最终的增强图像.文中采用中巴资源卫星(CBER-02)多光谱图像和日本ALOS卫星多光谱图像进行实验,结果表明,与传统的多尺度Retinex理论增强方法相比,改进后的方法在抑制图像灰度化、增强图像空间细节和降低图像颜色失真等方面有更好的实验效果.     

炭素材料X射线图像的小波融合增强方法研究

针对炭素材料 X 射线图像增强方法存在的增强效果问题,提出了基于小波变换与传统方法融合的增强方法。该方法充分利用了直方图均衡化能改善整幅图像对比度的能力和小波变换多尺度分析能力,首先用直方图均衡化方法对整幅图像进行灰度调整,然后对调整后的图像进行基于软阀值的小波高频增强,最后利用卷积滤波,平滑图像。实验结果表明,该方法对原图像中对比度差的细节有效地进行了增强,突出了图像的边缘特征,改善了图像的质量,其处理结果比现有的图像增强方法更令人满意。     

基于Sift特征的服装纸样检索

提出了基于Sift特征的服装纸样检索方法.首先提取服装结构图的Sift特征,再采用近似的最近邻搜索算法在纸样数据库中检索相似纸样.该方法对于相似的图像或子图像具有良好的识别能力,可大大减少服装纸样检索的时间,从而有效利用已有的纸样库资源,避免重复打板.另外,该方法还可用于甄别服装板型结构设计的原作.     

基于均值漂移的非线性尺度空间滤波

为解决均值漂移滤波核带宽的选择问题,分析了均值漂移和尺度空间滤波的关系,指出当采用正态核函数时,均值漂移是一种基于高斯尺度空间滤波的聚类方法。由此提出了一种基于均值漂移的非线性尺度空间滤波方法,其性能仅取决于空域的核带宽的选择,在每个采样点处根据信号的局部特征自适应选取幅度域的核带宽。该方法克服了均值漂移滤波存在块状效应的缺点。实验结果表明,该方法的整体性能优于均值漂移滤波、高斯滤波和中值滤波。     

一种高斯噪声组合滤波方法

为了有效滤除高斯噪声,提出了一种组合滤波方法.该方法首先通过定义新的维纳滤波模板进行预处理,以滤除一部分噪声;然后将图像进行二维小波分解,保留低频成分,对高频成分根据其噪声分布特征设计出新的形态学滤波模板分别进行滤波,并进行小波系数重构;最后通过设计一种新的小波增强函数,以提高图像的清晰度,最大限度保留图像细节信息.实验证明该方法滤波效果优于维纳滤波和形态学滤波,是一种较为实用的高斯噪声滤除方法.     

Method for multi-band image feature-level fusion based on the attention mechanism

Aiming at the low definition and poor details of synchronous multi-band image fusion, a novel method based on attention generative adversarial networks is proposed. First, the attention weight map is constructed using the difference between the multi-band feature map and its mean, then the feature enhancement map is obtained by the point multiplication and addition of the feature map and the attention weight map to construct the feature enhancement module. Second, the feature-level fusion module is designed, which connects the multi-band feature enhancement map and reconstructs the fused image through normalization, upsampling, convolution, etc. Finally, the feature enhancement module and the feature-level fusion module are cascaded to build the generator, and the VGG-16 is used as a discriminator to establish a Generative Adversarial Network, thereby implementing multi-band image end-to-end fusion. Experimental results show that the proposed fusion method can lead to the most prominent average gradient compared with classical fusion methods, and that the effectiveness of the proposed method is verified.     

基于小波域的图像增强算法

针对图像边缘增强和滤噪的矛盾,提出了符合视觉特性的基于小波域的图像增强算法.将图像的小波变换结果看成一幅图像,则在空域中的阶跃边,在小波域的高频通道中表现为屋脊边,而空域中的屋脊边,在小波域高频通道中表现为成奇对称的屋脊边缘对.在高频通道中,用高斯函数或升余弦函数拟合屋脊边,用正弦函数拟合屋脊边对.通过修改拟合函数的参数来改变其形状,从而使反变换回来的图像的边缘斜率提高,进而达到图像增强的目的.由于在对屋脊边的识别中采用了方向信息测度,使算法能很好地处理边缘增强和滤噪的矛盾.分别对测试图像和实际图像进行处理,并与传统的高通滤波方法进行了对比,实验结果表明,本文提出的方法具有更好的视觉效果.