非均匀光照下蔬菜病斑识别算法研究

研究蔬菜大棚内蔬菜病斑识别问题,由于蔬菜大棚内空间小,当阴天等外界光照不充足时,图像采集器拍摄到的蔬菜图像往往存在光照不均匀的现象,直接对图像进行分割处理会影响蔬菜病斑的识别,造成识别准确率不高的问题。为了克服这一问题,提出了一种小波变换的病斑识别方法。首先对图像进行小波变换以初步去除非均匀光照对图像的影响,通过确定RGB模型的b分量阈值对图像进行背景分割,将背景分割得到的蔬菜图像进行自适应阈值分割,最终将蔬菜病斑完全分割出来,避免了光照不均匀对识别的影响,成功实现蔬菜病斑的识别。仿真证明,改进方法能够去除光照等外界环境的影响,准确将蔬菜病斑分割并识别出来,取得了满意的结果。     

利用小波分析进行图像去噪

数字图像在产生过程中,由于数字化设备等原因经常会受到噪音污染。因此,对于数字图像应该对其进行去噪音处理。传统的去噪音方法有自身的缺陷,现提出了基于小波变换的图像去噪音方法,该方法通过对图像进行二维小波变换,将图像投影到小波变换域中,对其变换系数进行阈值处理,从而达到对噪声的平滑,最后再进行逆小波变换,得到经过去噪的数字图像。实验证明具有很好的效果。     

图像的局部自适应Gamma校正

照度不均匀图像的分辨率较低,高光区与阴影区会隐藏很多的图像信息。针对照度不均匀导致成像的不同区域存在不同的光照效果,提出了一种新的局部自适应Gamma校正方法,先使用K近邻法估计出图像中不同区域的合适的Gamma值,再对图像进行局部的Gamma校正。实验证明了该方法具有较好的校正效果。     

利用小波分析进行图像去噪

数字图像在产生过程中,由于数字化设备等原因经常会受到噪音污染.因此,对于数字图像应该对其进行去噪音处理.传统的去噪音方法有自身的缺陷,现提出了基于小波变换的图像去噪音方法,该方法通过对图像进行二维小波变换,将图像投影到小波变换域中,对其变换系数进行阈值处理,从而达到对噪声的平滑,最后再进行逆小波变换,得到经过去噪的数字图像.实验证明具有很好的效果.     

小波图像边界处理方法的研究

随着多媒体通信和数字信号处理技术的快速发展，人们对含有大量信息的数字图像的需求日益提高。小波变换由于其良好的时－频局部化性能，被广泛应用于数字图像等信号领域。但如果不对小波边界进行有效处理，则会引起重建图像质量不高，本文通过介绍四种常用延拓方法在信号的小波变换中的应用，分析了常用的边界处理方法存在的不足，提出了一种改进的小波图像边界处理方法，并用标准Lena测试图像的分解和重建，得到良好的重建质量效果。     

基于小波变换的自适应阈值三维图像分割

图像分割技术是由图像处理到图像分析的关键步骤，应用基本的分割技术很难得到精确的阈值。研究了三维图像分割技术，提出一种自适应阈值三维图像分割技术，先对三维图像分解成一系列二维图像，根据小波变换理论，分析不同分辨率下小波变换的特点，确定分割区域数和分解层次，再由低分辨率开始对每幅二维图像直方图进行小波变换，逐步到最高分辨率，并根据不同分辨率下小波变换结果，由粗到细地自动设定精确的阈值分割每幅二维图像，最后将多幅二维图像合成三维图像。实验表明了该方法的有效性，能够满足目标识别的要求。     

基于小波变换的图像去噪算法的实现

图像的有效去噪是图像信息预处理的关键步骤,该文描述了利用正交小波变换和软阈值方法对数字图像的去噪的实现算法。它主要包含正交小波变换、阈值去噪与小波反变换部分,其中,正交小波反变换是指对包含噪声的数字图像进行正交小波变换,得到小波系数;阈值处理是指对小波系数进行软阈值处理,去除噪声;正交小波反变换是指对去噪后的小波系数进行正交小波反变换,得到去噪图像。此外,为了减少图像边缘失真,进行了滤波处理。     

一种基于人脸皮肤图像的色斑检测算法

在皮肤病诊断、化妆品功效判定和皮肤评价中都需要精确地检测色斑,本文提出了一种数字图像处理的方法提取皮肤图像中人脸色斑.首先截取包含色斑的皮肤区域,用基于小波变换同态滤波校正法消除光照不均匀的影响,接着用形态学高帽低帽变换和对比度拉伸增强图像的对比度,最后用自适应灰度阈值分割检测色斑,再用形态学开运算和闲运算消除检测后的一些杂散点,得到最终的检测结果.经实验验证,该方法的准确率较高.     

基于空域多分辨分析的小波变换图像分割方法

提出一种空域多分辨分析方法.通过对图像行列方向的能量投影分布的分析,可将图像划分为大小不均匀的子块,根据图像的总体结构特征和局部细节特征自适应调整子块大小.然后采用小波变换提取每个子块的低频和高频特征,并采用改进模糊c均值(FCM)算法对特征向量进行聚类,实现图像分割.与对图像进行均匀分块提取小波特征的分割方法相比,该方法能够减少计算量,在提高运行速度的同时,改善图像的分割质量.     

一种抗图像自交的优化分割算法仿真分析

研究图像的优化分割问题,在一些图像中,在图像敏感特征的边沿部分点中,像素的分布过渡不合理,使得图像的边沿像素渐变序列中出现了像素局部自交,或扭曲变形.传统的分割算法受到图像在插值变形过程中,部分特征点运行轨迹的不可预测性的影响,很难避免自交现象,造成分割的不准确.为了解决上述问题,提出一种抗图像自交的优化分割算法,通过Hilbert曲线扫描将二维数字图像转化为一维Hilbert数字序列,通过小波变换对数字序列进行多分辨处理,得到数字信号的趋势曲线,将曲线看成阀值曲线对Hilbert数字序列进行量化处理,再采用Hilbert曲线搜索的反过程获取相应的二维数字图像,完成图像分割.仿真结果表明:改进方法能够较好的解决图像的自交问题,分割效果得到了进一步的优化.     

基于融合的夜间视频图像增强算法

夜晚条件下,能见度低,光线不足等问题导致夜间图像亮度通常很差而且亮度不均匀,从而影响图像质量。首先采集针对同一场景的白天图像,然后再将实时夜间视频进行高斯背景建模,提取出运动目标并将该夜间图像进行增强,对增强后的夜间图像和白天图像进行小波分解,然后用加权融合算法进行融合得到最终的背景图像,将最终的背景图像进行小波反变换,反变换以后的图像与提取出的目标叠加就得到增强后的图像。增强后的图像场景清晰,图像整体上自然、平滑、细腻,算法有效地提高了夜间图像的质量。     

基于小波商图像的人脸光照补偿

复杂光照条件下的人脸识别是一个困难但需迫切解决的问题,为此提出了一种有效的光照补偿算法.该方法根据人脸光照线性变换子空间理论--商图像理论,构造了小波低维训练集,实现了对待识别图像的光照条件估计,并且通过加光和去光策略增强了光照补偿效果.与传统商图像理论相比,该方法利用小波分解,提高的算法执行效率,实验结果表明,该算法以较小的代价取得了较高的识别性能.     

结合小波变换的零搜索分形图象编码

为提高分形图象编码的质量,缩短编码时间,针对Monro在文献[1]中提出的零搜索分形图象编码方法,其恢复图象在存在的块效应的问题,提出了一种结合小波变换的多项式近似快速分形图象编码方法,该方法是利用各频带间能量分布不均衡的特性,构造一种结合小波分解的分形图象编码算法,首先对图象进行塔式离散正交小波变换,然后再对小波系数进行分形编码,实验结果表明,用该算法对图象进行编码,不仅使恢复图象的质量得到了较大的提高,而且编码时间仅用1．48s。     

基于Retinex理论的小波域雾天图像增强方法

针对传统的雾天图像增强方法在增强图像的轮廓和细节的同时不能有效抑制图像噪声这一问题,在Retinex理论基础上,提出了小波域图像亮度与噪声双估计模型的图像增强方法,利用小波变换多分辨率的特点,对小波分解后的低频系数进行波动抑制,对高频系数通过多子带独立系数模型进行亮度估计,同时使用不同的软-硬估计法对图像的噪声进行抑制。实验证明该方法不但能有效地提取图像的亮度信息,而且进行图像增强的同时能有效地抑制图像的噪声,且对于不同的雾天环境也有良好的自适应性。     

一种基于小波分析的SAR图像增强去噪方法

提出了一种基于小波分析的SAR图像增强去噪声方法。该方法首先对被噪声污染的SAR图像进行小波变换，然后在小波域内对该图像进行平滑滤波，最后实现了一个SAR图像增强去噪处理系统。由处理结果可以看出，本方法在对SAR图像直接进行平滑滤波的应用中取得了较好的结果，为进一步图像分割、边缘提取奠定了一个较好的基础。     

基于M带小波变换的多聚焦图像融合

针对目前小波域内多聚焦图像融合所存在的问题,提出一种基于M带小波变换的图像融合方案。由于M带小波变换域在能量紧致性和方向选择性等方面都比传统二带小波更有优势,综合考虑图像在M带小波变换域的多尺度和多方向性信息以及局部区域的相关特性,提出了一种新的小波域图像融合策略——基于多子带联合窗口特性的图像融合。仿真实验分析表明,该文算法的结果不论在视觉效果还是在信息量指标方面都优于传统的二带小波。     

一种基于P2DHMT的小波域图像去噪算法

文章提出了一种基于小波域伪二维隐Markov树(P2DHMT)的图像的滤波新方法。首先建立了小波域的伪2DHMT模型,给出了基于EM、Baum-Welch等算法的模型参数估计方法;其次提出了一种基于最大后验概率准则的P2DHMT最优图像滤波算法;最后给出了图像去噪算法的实现过程。实验结果表明该方法可以在保存图像细节特征的情况下有效地抑制图像的噪声。     

一种基于小波变换的图像去噪新方法

为了更好地进行图像去噪,提出了一种图像去噪的方法。对图像进行小波变换以后,噪声的小波系数在不同尺度上都服从高斯分布但大小不同。由此,对各尺度各方向上的小波系数进行维纳滤波,而保持低频系数不变,先以此来估计原始图像的小波系数;然后进行小波反变换,得到去噪图像。实验结果表明了该方法的有效性。     

应用多方向光源分割带钢表面缺陷

光源的照明方式和安装角度对采集到的图像质量有很大的影响,这种不同会导致同一幅缺陷图像产生不同的纹理效果。目前的采集系统一直将光源的影响看作负面因素,事实上如果将不同方向光源对带钢缺陷图像信息的影响用于分割,能够获得更全面、准确的图像信息,因为光源序列的分割方法比单光源包含了更多的缺陷特性。首先采集不同方向光源照射下的图像序列,再提取图像最大强度值位置对应的光源倾角方向作为特征,最后在特征空间运用线性判别函数得到分割结果。实验结果表明提出的方法能获取更高对比度的缺陷图像,正确地将缺陷从背景图像中分割出来。     

基于小波变换的图像去噪研究

鉴于传统的去噪方法难于在时频域得到很好的兼顾,提出一种基于小波变换的去噪方法.通过对图像实施二维离散小波变换,在小波域中,选取适当的阈值对小波系数进行处理.Matlab仿真试验表明,具有很好的效果.