二维卡尔曼滤波对卫星云图进行复原的研究

本文以卫星云图为研究对象，从大多数图象符合指数相关函数出发，推出一个适合于卡尔曼滤波的动态方程，为了解图象滤波后边缘模糊的问题，对计算方法进行了改进，对同一行先从左到右，再从右到左进行两次滤波，然后取两次滤波的最小值作为最后的滤波值，这样使滤波后的图象边缘清晰，最后在以IBM－PC为主机的图象处理系统上进行了仿真，取得满意的效果。     

基于边缘检测的图象小波阈值去噪方法

边缘特征是图象最为有用的高频信息，因此，在图象去噪的同时，尽量保留图象的边缘特征，应是图象去噪首要顾及的问题。基于这一思想，提出了基于边缘检测的图象小波阈值去噪方法。该方法在去噪之前，先通过小波边缘检测方法确定哪些小波系数是图象的边缘特征，这些小波系数将不受阈值去噪的影响，因此，可以只是根据噪声方差来设置去噪的阈值，而不必担心损害图象的边缘特征。理论分析和实验结果都表明，与普通的小波阈值去噪方法相比，该方法不但可以保持图象的边缘信息，而且能提高去噪后图象的峰值信噪比1-2dB。要做到既去除图象噪声，又不模糊图象边缘特征是很困难的。该方法把去噪和边缘检测结合起来，在一定程度上解决了这种两难的问题。     

一种提取图象细节边缘的新方法

边缘是图象的基本特征，边缘信息是进行图象分析和识别的重要属性，但由于常用的边缘提取方法在提取边缘的同时，容易丢失图象的细节边缘信息，为此提出了一种基于灰度形态学和图象分解技术相结合的图象细节边缘提取方法，该方法首先运用灰度形态学方法检测出包含图象细节的边缘图象并去除部分背景和噪声，然后进行区域分解，再通过对不同的区域选取不同的阈值来保证边缘提取的完整性．仿真结果表明，与传统方法相比，该方法能有效地提取一般图象的细节边缘，甚至能提取被噪声污染图象的边缘．     

基于边界特征的一维最大熵图像分割算法的研究与实现

本文提出了一种新的图象分割算法，该算法首先检测边缘，在边界图象的基础上进行图象二值化，保留了边界特征，而且能自适应地选择阈值，克服了一维最大熵阈值方法进行图象分割时丢失边界特征的缺点。大量实验表明该算法取得了很好的效果，而且可以处理低质量或边缘模糊的图象，具有一定的推广实用价值。     

基于边界特征的一维最大熵图像分割算法的研究与实现

本文提出了一种新的图象分割算法，该算法首先检测边缘，在边界图象的基础上进行图象二值化，保留了边界特征，而且能自适应地选择阈值，克服了一维最大熵阈值方法进行图象分割时丢失边界特征的缺点。大量实验表明该算法取得了很好的效果，而且可以处理低质量或边缘模糊的图象，具有一定的推广实用价值。     

分形理论在焊接图象处理中的应用

针对焊接过程中的图象处理问题，如检测焊缝边缘位置和确定焊接熔池的边缘大小和形状等问题，由于传统图象处理方法易受噪声和其他干扰信息的影响，因此很难准确及时地处理图象，为了克服此弱点，在比较了焊接过程中图象处理的微观算法和宏观算法的基础上，提出了运用分形理论的综合图象处理方法，该方法是根据焊接过程图象的特点，首先利用图象边缘的分形特征来进行区域分割，以便检测出图象边缘所在的模糊区域，然后用边缘检测方法的Laplace算子和最小二乘法拟合曲线来识别出图象的边缘，同时用该方法进行了实时焊接图象处理实验，实验结果证明，该方法不仅能准确识别出焊接焊缝或熔池图象的边缘，而且节省了图象处理的时间，为焊接过程的实时控制提供了可靠的信息。     

基于正交小波变换的多尺度边缘提取

基于正交二进小波，设计了一个滤波器对图象进行多尺度滤波，得到不同尺度的小波变换。在每种尺度下分别提取图象边缘，而后综合形成图象真正的边缘。该方法不仅能有效地抑制噪声，得到单象素宽、精确的边缘信息，而且能依据边缘的奇异度区分不同的边缘     

基于张量的图象边缘检测及滤波

边缘检测是数字图象处理中一种重要的处理手段，目前普遍采用的方法是基于直角坐标系下的Laplacian算子，取其零交叉位置来检测。而现实中，往往可见到许多曲面上的图象，比如柱面贴图，球面贴图，动态景物的数字化效果以及三维医学图象，结合深度信息采用基于微分几何曲线坐标系下的算子进行图象边缘检测及滤波是一种新的尝试，从结果可以看到，处理效果明显优于普通的方法。     

一种基于整体变分的图象修补算法

图象修补是图象恢复研究中的一个重要内容，它的目的是根据图象现有的信息来自动恢复丢失的信息，可以用于旧照片中丢失信息的恢复。由于图象中的边缘代表了图象的重要信息，所以在设计修补算法时，必须着重考虑边缘的恢复，采用整体变分模型设计了一个图象修补算法，整体变分模型能够模拟人的低层视层，在修补图象时可以恢复图象中的边缘，数值实验表明，该模型能够较好地恢复待修补区域的信息，但是受修补区域大小的影响，同时又采用了一种向前传播操作来缩小修补区域。     

一种基于四阶各向异性微分的抑噪与边缘增强方法

各向异性微分在抑噪与保留边缘方面有明显的作用,但它产生的"块效应(Blocky Effect)"会使图象部分细节丢失,且对斑点噪声的抑制能力较弱.通过引入拉普拉斯算子,将图象近似为分段平坦图象,应用四阶各向异性微分方法可以有效地消除"块效应".根据斑点的统计特性,应用"窄条(Stick)"技术与假设实验优化方法来抑制斑点噪声和增强边缘与细节.通过仿真斑点图象与组织超声图象的处理,并引入噪声抑制与边缘保留量化参数,与线边缘检测方法、四阶各向异性微分方法进行了比较.实验证明,这种基于四阶各向异性微分的抑噪与边缘增强方法不但能有效地抑制斑点噪声,而且能很好地保留与增强图象边缘与细节.