基于循环检测的气动退化图像混合域去噪算法

气动退化图像中存在先验信息未知以及噪声成分复杂不易进行滤波处理的问题,为此,提出一种气动退化图像混合域去噪算法。设计针对高斯噪声、泊松噪声、固定值脉冲噪声和随机值脉冲噪声的混合检测方法,使用改进的滤波方法在空域去除固定值脉冲噪声和随机值脉冲噪声,进行非下采样轮廓波变换多层分解,在变换域使用阈值方法去除高斯噪声和泊松噪声。进行噪声循环检测,设定迭代停止条件控制算法循环从而实现算法自适应。仿真实验结果表明,该算法的噪声检测性能和滤波性能较好,图像细节信息得到正确恢复。同时,算法复杂度较低,实时性较好,可满足气动退化图像去噪处理的需要。     

基于数学形态学的图像边缘检测新方法

经典数学形态学的边缘检测方法虽然具有较好的去噪能力,但却存在计算量大,计算时间长等缺点,并且其得到的结果具有不连续、不完整等缺点,不能较为准确地提取图像的边缘特征。在研究数学形态学的基础上,利用数学形态学方法对图像进行边缘处理,然后将处理后的图像作为神经网络的输入,利用CP神经网络对图像的边缘进行检测。实验结果表明,该方法得到的边缘图像边界细腻完整,具有较好的抗噪性,实现了提高精度与抗噪性能的协调统一。     

基于预处理的气动退化图像边缘定位

为了便于解决气动退化图像因图像模糊退化不易进行复原处理的问题,提出了一种气动退化红外图像的边缘定位算法。首先对退化图像进行基于像素疑似度的去噪预处理;然后使用Canny算子进行了边缘定位,进而对边缘区域进行了边缘修复和滤波处理。通过对多组气动退化图像的仿真实验及与多种边缘检测算法的对比分析表明,算法具有较好的边缘定位能力,较好地去除了气动退化图像模糊的问题,图像质量得以恢复,同时算法复杂度较低。     

采用冗余提升的不可分离小波变换的点扩散函数估计

针对点扩散函数估计(Point Spread Function,PSF)不准确导致在气动退化图像盲复原处理后易造成振铃效应的问题,提出了一种改进的PSF估计方法,并将之应用于气动退化图像的复原处理中。具体做法是:构建平移不变的非下采样小波变换(NSWT),从而使之更易于处理图像奇异信息;基于小波变换模极大值和点扩散函数方差之间的关系,提出基于冗余提升NSWT的PSF估计方法;最后,将之应用于气动退化图像的盲复原中进行仿真验证。实验结果表明,使用改进后的PSF估计方法复原后的图像振铃效应等伪像程度显著减轻,图像质量明显改善,从而验证了构建的平移不变NSWT及改进PSF估计方法的有效性。     

气动退化复原图像多尺度局部去振铃算法

为了抑制气动退化复原图像中的振铃效应,提出了一种气动退化复原图像多尺度局部去振铃算法。首先,对复原后图像进行非下采样轮廓波变换(Nonsubsampled Contourlet Transform,NSCT)分解;然后进行多尺度边缘检测、融合和二次跟踪细化实现图像主轮廓的提取;最后,对图像的主轮廓进行去振铃局部模糊滤波。仿真实验结果表明,在运算效率与其他算法相当的情况下,滤波后图像的边缘振铃去除效果更好,纹理细节恢复更加显著,基本满足了振铃去除、纹理细节保护以及实时性的要求。     

大气湍流退化图像过渡区域细化算法

针对气动光学效应以及噪声等先验信息不明带来的图像模糊退化,从而使图像过渡区域不易进行细化的问题,提出了一种大气湍流退化图像的过渡区域提取及细化算法。首先,对退化图像进行了基于局部方差的区域分割;然后,对过渡区域进行噪声疑似度和边缘疑似度判断,以获得更贴近区域中心线的较窄区域;最后,进一步对过渡区域跟踪细化完成了轮廓提取。大量仿真实验结果表明,算法较好地提取了退化图像的轮廓信息,同时,算法具有较好的区域分割效果、抗噪性能、细化效果以及实时性。     

气动退化图像的改进复原算法

针对气动光学效应引起的图像模糊退化导致复原处理困难的问题,提出了一种气动退化红外图像的改进复原算法。具体做法是:在假设退化图像的点扩散函数服从高斯分布的前提下,对图像进行带参数维纳滤波,在此过程中,使用图像清晰度评价函数作为复原效果的评价实现了算法中参数的最优化。通过多组仿真实验和算法的对比分析表明,算法较好地保持了图像细节,较好地恢复了图像质量,实时性较好。