改进非局部均值各向异性扩散图像去噪算法

针对各向异性扩散算法的不稳定性在去噪过程中易产生阶梯效应,导致纹理细节不能较好保留的缺点,提出一种改进的非局部均值各向异性扩散图像去噪算法.所提算法将非局部均值引入迭代过程,利用图像中的大量相似冗余信息,以中心像素邻域图像块作为像素点的相似性度量,对图像进行合理的描述;同时在扩散系数函数中,将图像梯度结合残差图像中局部能量算子,自适应选择扩散系数.结果表明,所提算法在有效平滑噪声的情况下,减弱了阶梯效应,保留了更多的纹理细节,与各向异性扩散算法、自适应选择扩散去噪算法和基于非局部均值理论的各向异性扩散算法相比,峰值信噪比和结构相似度有较好提升.     

模拟退火与模糊C-均值聚类相结合的图像分割算法

模糊C-均值(FCM)聚类算法是一种结合无监督聚类和模糊集合概念的图像分割技术,比较有效,但存在着受初始聚类中心和隶属度矩阵影响,可能收敛到局部极小的缺点.将模拟退火算法(SA)与模糊C-均值聚类算法相结合,在合理选择冷却进度表的基础上,依据模糊C-均值聚类算法建立模拟退火算法的目标函数,实现了基于模拟退火的模糊C-均值聚类图像分割算法.实验表明,该方法具有搜索全局最优解的能力,因而可得到很好的图像分割结果.     

结合差分曲率的空间模糊C均值图像分割算法

针对基于空间信息的模糊C均值图像分割算法(sFCM)在对含噪图像分割时,图像的噪声和边缘细节不能同时得到较为正确分割的问题,本文提出了一种结合差分曲率的改进sFCM算法.差分曲率(difference curvature)可以有效地区分图像边缘和平坦区.将差分曲率引入到sFCM算法的空间函数中,算法的函数相关性参数在每个像素点处自适应取值,使改进算法在抗噪性能提高的同时,对图像细节有着更好的分割效果.实验结果表明:在对含噪图像进行分割时,本文提出的改进算法相比于sFCM及其衍生算法具有更好的模糊划分效果,并有效地提升了sFCM算法的抗噪性和对边缘细节的保护能力.     

基于Log-Gabor小波和正交UDP的人脸识别

针对人脸识别中特征提取的小样本问题,对原始的非监督判别映射(UDP)算法进行了改进,提出一种基于Log-Gabor和正交非监督判别映射(Orthogonal UDP)的人脸识别算法——LGOUDP算法.此算法首先采用Log-Gabor小波对图像进行滤波来提取高阶统计信息,然后提出最大化非局部散度和局部散度的权值差和加入...     

基于人眼视觉特性的邻域自适应模糊增强算法

针对灰度适中时人眼分辨力较强的视觉特性,利用Prewitt算子求得梯度图像,并在隶属函数的定义中引入像素的邻域均值分量,对梯度图像进行模糊域的自适应增强。实验证明该算法克服了传统模糊增强算法会对噪声点进行增强的缺点,在增强图像细节的同时有效地抑制了图像的噪声。     

一种改进型自适应加权模糊均值滤波算法

针对原有的自适应加权模糊均值AWFM滤波器对局部噪声幅度估计不足的缺点。提出了一种新的改进型自适应加权模糊均值MAWFM滤波算法。该算法采用了一种新的模糊检测方法，可以同时检测各个像素点的正负向噪声幅度，从而能够建立一种新的自适应的模糊信号空间，以适应噪声在各个图像局部的变化。实验结果表明，MAWFM滤波器比以前的AWFM滤波器及传统的中值滤波器均有较优越的性能。     

基于随机权重粒子群和K-均值聚类的图像分割

K-均值聚类具有简单、快速的特点,因此被广泛应用于图像分割领域.但K-均值聚类容易陷入局部最优,影响图像分割效果.针对K-均值的缺点,提出一种基于随机权重粒子群优化（RWPSO）和K-均值聚类的图像分割算法RWPSOK.在算法运行初期,利用随机权重粒子群优化的全局搜索能力,避免算法陷入局部最优;在算法运行后期,利用K-均值聚类的局部搜索能力,实现算法快速收敛.实验表明：RWPSOK算法能有效地克服K-均值聚类易陷入局部最优的缺点,图像分割效果得到了明显改善;与传统粒子群与K-均值聚类混合算法（PSOK）相比,RWPSOK算法具有更好的分割效果和更高的分割效率.     

基于局部坐标二次微分的自适应全变分去噪复原

针对传统TV去噪复原算法以梯度模值作为图像的边缘检测算子,无法清晰地识别边缘和灰度渐变区及去除平坦区内的孤立噪声的问题,提出了一种基于局部坐标二次微分的边缘检测算子对传统模型进行改进。改进后的模型能根据各像素点的新检测算子信息,自适应选取复原模型中决定扩散强弱的参数,并且利用图像局部信息对正则化项和保真项进行加权。同时在数值实现上,采用一种基于梯度矢量的方向变化的方法来实现散度离散化,以更加有效地保留图像的局部细节信息。数值试验表明,该算法在克服灰度渐变区内的阶梯效应和保留图像的细节边缘方面明显优于传统算法。     

基于非局部均值算法的地震随机噪声滤波

为了改善地震图像的质量以利于勘探,提出了一种基于非局部均值滤波抑制地震图像随机噪声的新算法。非局部算法最初是一种用于图像去噪法。该算法对图像的每一个像素点（或数据）去噪只需考虑像素点的相似性,而无需考虑像素点空间上的距离。非局部均值所对数据没有假设前提,除了数据结构具有一阶冗余度。由于这个假设对大部分地震数据是成立的,所以我们提出了对地震数据随机噪声去噪的非局部算法。合成地震记录和实际数据使用非局部去噪算法,与传统算法（如：中值滤波,高斯滤波）相比,既对随机噪声进行了抑制,又不会降低地震同相轴陡变处或同相轴弯曲处的分辨率,提高了图像的质量。     

基于局部特征融合的人脸识别

提出了基于局部特征融合的人脸识别算法.首先把人脸图像分割为多个子图像,利用传统主成分分析的方法,对不同位置的子图像集分别建立不同的子空间并且抽取相应的局部特征.针对各局部特征,分别求出待识别图像对训练样本的隶属度.最后,基于模糊综合的原理对各局部特征进行数据融合,给出最终识别结果.实验结果表明,该算法能很好地融合人脸的局部信息,有效提高识别率.