改进型多项式匹配图像去噪算法的研究与应用

为进一步改善常规多项式匹配算法的去噪能力,针对常规多项式匹配算法容易模糊图像边缘/纹理等细节问题,提出一种基于边缘保护的改进多项式匹配滤波的算法。该方法在常规多项式匹配算法基础上,改进滤波窗口的选择方式,沿着图像纹理走向方向提取自适应滑动滤波窗口,选择具有最小匹配误差的窗口进行匹配滤波并作为最终输出结果。然后分别在灰度图像和实际CT图像进行测试,经数据验证表明,该方法在有效压制噪声的前提下能够保持边缘/纹理信息,峰值信噪比平均提升80%以上,均方根误差减少80%以上。认为和常规多项式滤波方法、中值滤波方法、双边滤波方法、边缘保持滤波方法、三维块匹配去噪算法和去噪卷积神经网络方法相比,改进方法能够有效提升图像视觉效果,满足图像应用要求,具有良好的应用前景。     

基于暗通道的单幅图像快速去雾算法

为了提高雾天环境下退化图像的视觉效果,以大气退化模型和暗通道先验估计为基础,提出了一种快速单幅图像去雾算法.利用暗通道先验对大气透射率进行粗估计,用采样边缘保持滤波细化透射率,再设法估计出原图中的天空区域,对其进行透射率补偿,根据估计的大气光和透射率,利用大气退化模型即可恢复出无雾图像.针对去雾后的图像色度较暗的问题,使用一种自适应直方图均衡方法.实验结果表明,相对于已有算法,该算法有效提高了图像去雾的效果,而且加快了处理速度.     

球面折反射成像的内螺纹螺距视觉测量系统

为了实现内螺纹参数的非接触、自动化在线测量,本文以通孔螺母和盲孔螺母为检测对象,提出了一种基于球面折反射全景成像原理的内螺纹螺距参数的机器视觉测量系统。系统采集经球面折反射得到的图像,随后分割出完整的内螺纹区域;采用对比度受限的自适应直方图均衡化算法提高图像对比度,并采用中值滤波与双边滤波的组合来保护螺纹边界信息;再使用Zernike矩边缘检测算法确定每条螺纹的亚像素边缘;最终,基于折反射成像理论计算得到内螺纹螺距尺寸。与计量用螺纹综合测量机的螺距测量值进行了对比,实验结果表明该系统的平均测量误差为0.018 5 mm,满足工业生产中内螺纹螺距精度的要求,检测效率高,可用于内螺纹在线视觉检测。本研究为圆柱形内壁尺寸测量和缺陷检测提供了一种参考方案。     

结合加权模板差图与双边滤波的TFT-LCD检测算法

为了检测薄膜晶体管液晶显示器(TFT-LCD)面板上常见的点缺陷和线缺陷,提出了一种加权模板差图法与双边滤波相结合的缺陷检测算法。选取待检图左上角l×k大小的理想纹理模板,将原图分割为若干相同大小的单元,与加权的模板相减后再合成以去除大部分纹理背景;采用双边滤波抑制残余纹理背景;采用最大熵法分割缺陷;最后提取图像中的缺陷参数。通过对构造的理论缺陷图试验,验证了算法能检测出TFT-LCD面板图像上的缺陷,再对针孔、划痕、颗粒等样本缺陷进行试验并成功检出。算法结合了差图法去背景性能优异和双边滤波去噪效果明显的优点,具有良好的准确性和适用性。     

双树复小波域图像非线性扩散滤波

提出了结合一种双树复小波变换的非线性扩散图像滤波模型。充分利用了双树复小波变换和非线性扩散两者的优点。通过对噪声图像经双树复小波变换后的不同尺度上的子带图像进行扩散,在双树复小波域计算子带图像的梯度.采用p-范数方法选择合适的梯度阈值,在扩散过程中可以根据图像属性自适应选择扩散强度。实现了建立在图像精细分析基础上的新非线性扩散模型。实验分析表明,提出的模型能有效抑制传统非线性扩散模型出现的阶梯效应,在对图像滤波的同时能保留更多的图像边缘,纹理等细节信息。     

SAR图像各向异性扩散滤波算法

为了抑制SAR图像中固有的乘性相干斑噪声,本文提出了一种基于各向异性扩散滤波的新算法。该算法首先将自蛇扩散引入经典的SRAD与DPAD算法各向异性扩散方程中,形成了一种带边缘增强功能的各向异性扩散新方程;然后利用改进Frost滤波系数作为扩散方程的新扩散函数,形成了一种既能有效抑制相干斑,又能较好保护边缘、抑制块效应现象的新扩散函数。实验表明,新扩散滤波算法在相干斑抑制、边缘保护、块效应抑制方面均比传统各向异性扩散滤波算法更优异。     

景深边缘优化的暗通道去雾算法

雾天条件下拍摄的图像存在低对比度和低场景可见度的问题,传统的去雾算法容易产生 Halo 效应.为此,提出了景深边缘优化的暗通道去雾算法.该算法是基于暗原色先验理论,需要考虑消除景深边缘处的白色晕块,方法是对图像景深边缘和非景深边缘分别采用不同的模板处理得到透射图.引导滤波修复透射图,在去除多余的纹理信息的同时增强了雾天图像的边缘信息.并采用新增可见边之比、梯度化均值对去雾图像进行客观评价.实验表明该算法不仅能够有效地去除图像中的雾气,而且有效地降低了Halo效应,从整体上改善了去雾复原图像的视觉效果.     

拟合扩散的自适应图像去噪方法

针对纹理等细节信息丢失和图像边缘退化的问题,提出一种拟合扩散的自适应阈值图像去噪算法。首先,改进了扩散方程中的扩散系数,建立拟合扩散系数,克服因扩散强度过大带来的纹理细节信息丢失和边缘退化的弊端;然后,对阈值函数进行了自适应设计和改进,使其根据图像的最大灰度值和迭代次数自动控制阈值,进一步保留图像边缘和细节特征;最后,对新算法进行分析和仿真。实验结果表明,提出的新算法在图像去噪和保边缘、纹理等细节信息方面效果明显,峰值信噪比有了大幅提高,新算法性能优异,有利于实际应用。     

A new two‐microphone Gauss‐Seidel pseudo affine projection algorithm for speech quality enhancement

This study addresses the problem of speech quality enhancement by adaptive and nonadaptive filtering algorithms. The well‐known two‐microphone forward blind source separation (TM‐FBSS) structure has been largely studied in the literature. Several two‐microphone algorithms combined with TM‐FBSS have been recently proposed. In this study, we propose 2 contributions: In the first, a new two‐microphone Gauss‐Seidel pseudo affine projection (TM‐GSPAP) algorithm is combined with TM‐FBSS. In the second, we propose to use the new TM‐GSPAP algorithm in speech enhancement. Furthermore, we show the efficiency of the proposed TM‐GSPAP algorithm in speech enhancement when highly noisy observations are available. To validate the good performances of our algorithm, we have evaluated the adaptive filtering properties in computational complexity and convergence speed performance by system mismatch criteria. A fair comparison with adaptive and nonadaptive noise reduction algorithms are also presented. The adaptive algorithms are the well‐known two‐microphone normalized least mean square algorithm, and the recently published two‐microphone pseudo affine projection algorithm. The nonadaptive algorithms are the one‐microphone spectral subtraction and the two‐microphone Wiener filter algorithm. We evalute the quality of the output speech signal in each algorithm by several objective and subjective criteria as the segmental signal‐to‐noise ratio, cepstral distance, perceptual evaluation of speech quality, and the mean opinion score. Finally, we validate the superior performances of the proposed algorithm with physically measured signals.     

一种迭代滤波快速图像修复算法

为了充分利用图像局部区域信息来加快信息有效扩散及克服现有算法对图像纹理细节保护不足,提出了一种迭代滤波快速图像修复改进算法。该算法从破损区域由外向内取得一组有先后次序的待修复点,通过自适应选择其高斯掩膜领域,充分汲取已知（完好）区域信息,利用领域点等值线方向信息及远近距离来调整高斯核权系数,以准确控制滤波过程中的平滑强度;实验表明,与同类算法相比,该算法在同等迭代修复次数下,图像纹理更加清晰,峰值信噪比提高,具有较好的图像修复效果。     

针对纵向纹理的图像自适应滤波算法

在对纸张或电池片计数时,采集的侧边图像呈纵向条纹状。在对其滤波时,传统滤波算法往往造成边缘图像模糊。为解决上述问题,设计了一种针对电池片纵向纹理的自适应模板滤波算法,根据图像灰度确定阈值,寻找边缘像素点进行排除,并对其余部分根据周边像素点灰度值建立自适应模板。从滤波前后的灰度值曲线图可见,算法在边缘位置的处理效果好,处理后的图像灰度平滑性高,具有实用价值。     

基于指数同态滤波耦合细节锐化规则的 红外图像增强算法

为了解决当前红外图像增强方法存在的光晕及细节模糊等不足,提出了指数同态滤波耦合细节锐化规则的红外图像增强算法.基于同态滤波方法,通过频域中的像素点与中心像素点的距离,构造指数型同态函数,以同时完成图像的去噪和增强对比度处理.联合相位一致性方法和自适应高提升滤波方法,构造了细节锐化机制.在图像的细节锐化中,利用相位一致性方法,通过傅里叶变换,准确提取出图像的细节特征.并引入高提升滤波方法,利用图像的均值,构造自适应的锐化因子,以形成自适应高提升滤波方法,对提取的图像细节特征进行锐化,完成图像细节内容的增强.实验结果表明,较当前的红外图像增强算法而言,所提算法具有更好的增强效果,其增强图像呈现出更为理想的对比度和更为清晰的图像边缘.     

基于区域特征的路面裂缝图像滤噪算法

分析了破损路面图像的像素点区域特征，针对不同区域提出加权区域滤波和自适应加权中值滤波算法。其权值是通过对图像中区域特征的推理得到的，所以算法中能够根据图像的区域特征自适应的滤波。试验表明，本算法能够有效滤除噪声，并具有很好的细节保护能力。     

High‐speed blind speech separation using FICS method

In this paper, we introduce the fusion of iterative and closed‐form separation (FICS) method for high‐speed separation of mixed speech signals. This method is performed in two stages: (i) iterative‐form separation and (ii) closed‐form separation. This algorithm significantly improves the separation quality simply by incorporating only some specific frequency bins into computations. We apply the FICS method to the frequency‐domain independent component analysis (ICA) to evaluate its performance in increasing the signal separation speed. Simulation results show that for speech signals, the proposed algorithm is on average 40 times faster than the ICA, while preserving the separation quality. Also, it outperforms the FastICA, JADE, and SOBI in terms of separation quality. © 2014 Institute of Electrical Engineers of Japan. Published by John Wiley & Sons, Inc.     

一种基于排序统计理论的快速图像中值滤波法

中值滤波抑制干扰脉冲和点状噪声的同时,对图像边缘能较好的保持,在很多图像处理领域都起到了重要作用。运动目标识别技术对图像预处理实时性要求越来越高,为了提高预处理速度,以中值滤波原理为基础,对滤波排序算法和实现方案进行了研究,提出了一种基于排序统计理论的快速图像中值滤波方法,实现实时滤波。研究结果表明：该方法在硬件系统上对传统中值滤波排序算法进行的改进,使得3×3窗口中二维的9个像素取中值简化为一维的5个像素取中值,单窗口查找中值的比较次数由传统排序法的36次降到了16次,再结合FPGA的并行处理能力和流水线结构,滤波速度提高为原来的近4倍,可以满足图像预处理对实时性的要求。     

加权自适应MULBP与2DPCA结合的掌纹识别方法

针对局部二值模式(local binary pattern, LBP)容易受到随机噪声和边缘点对图像的影响,以及局部二值模式描述图像纹理特征时阈值不能自动选取导致鲁棒性差的问题,提出一种基于加权自适应多重均匀局部二值模式(weighted adaptive multiple uniform local binary pattern, WA-MULBP)与二维主成分分析(two dimensional principal component analysis, 2DPCA)相结合的掌纹识别方法。首先采用直方图均衡化(histogram equalization, HE)对掌纹感兴趣区域(region of interest, ROI)图像进行光照预处理,减少成像时的光照变化对最后掌纹识别成功率产生的影响;然后将预处理后的图像分成大小均匀的子块并利用自适应多重均匀局部二值模式(adaptive multiple uniform local binary pattern, A-MULBP)算法获取各个子块的纹理特征直方图和权值;最后,将各个子块的纹理特征直方图和权值相乘串联得到最终的纹理特征直方图,经2DPCA维数约简后采用欧氏距离判别法进行掌纹识别。在香港理工大学PolyU图库、同济和IIT-D非接触式图库、自建非接触图库以及它们的噪声图库上进行对比实验,可获得最低等误率分别为1.879 0%、2.019 2%、2.184 9%、2.663 2%、4.380 3%、4.730 1%、5.005 0%和5.223 7%,且识别时间都在1 s以内。相比其他算法,在保证实时性的情况下,有效提高了识别精度和鲁棒性。     

Adaptive filtering‐based multi‐innovation gradient algorithm for input nonlinear systems with autoregressive noise

In this paper, by means of the adaptive filtering technique and the multi‐innovation identification theory, an adaptive filtering‐based multi‐innovation stochastic gradient identification algorithm is derived for Hammerstein nonlinear systems with colored noise. The new adaptive filtering configuration consists of a noise whitening filter and a parameter estimator. The simulation results show that the proposed algorithm has higher parameter estimation accuracies and faster convergence rates than the multi‐innovation stochastic gradient algorithm for the same innovation length. As the innovation length increases, the filtering‐based multi‐innovation stochastic gradient algorithm gives smaller parameter estimation errors than the recursive least squares algorithm.     

增强型Shearlet域SAR图像去噪

针对合成孔径雷达(SAR)图像固有的相干斑噪声,提出了一种增强型Shearlet域SAR图像滤波去噪算法。该算法首先分析SAR图像的局部特性,利用局部特性,将图像分成均质区域、非均质区域和边缘区域。对均质区域,用均值滤波器进行滤波去噪;对非均质区域,用Shearlet变换处理去噪;对边缘区域,进行直接保留。实验结果证明,该算法不仅能够显著消除相干斑噪声,明显的提高视觉效果,而且能够很好的保持边缘细节和纹理信息。     

基于HOG特征的步态能量图身份识别算法

由于步态能量图像(GEI)是对二值轮廓图像序列相加求平均,然而,二值轮廓图像只能捕获人体轮廓的边界信息,人体的内部边界信息会被完全的丢弃掉,基于GEI算法的缺陷,提出了一种基于人体目标图像的方向梯度直方图(HOG)特征的GEI识别算法,此算法不仅能捕获人体轮廓的边界信息,而且还能提取人体重合的边界信息.获取人体目标图像的HOG特征的步态能量图,首先使用视频前景分割算法提取人体目标图像,然后提取图像序列中每帧人体目标图像的HOG特征;最后对图像序列中的每帧HOG特征图像相加求平均.在此基础上,依据GEI和HOG的思想,又实现了对传统步态能量图、二值轮廓图像序列、人体目标图像步态能量图进行HOG特征提取及直接构建人体目标图像步态能量图特征的表示,从而提出了 4种拓展的能量图构建方法,并针对这5种算法与经典的GEI算法利用CASIA步态数据库进行了实验分析对比,实验结果表明算法效果良好.     

New algorithms for preserving edges in low‐bit‐rate wavelet‐based image compression

With the growing importance of low‐bandwidth applications such as wireless access to the Internet, images are often sent or received at low bit rates. At these bit rates, images suffer from significant distortion and artifacts, making it difficult for those viewing the images to understand them. In this paper, we present two progressive compression algorithms that focus on preserving the clarity of important image features, such as edges, at compression ratios of 100:1 and higher. The first algorithm transmits a standard SPIHT bit stream and then detects the location of edges in the compressed image. The decoder applies a linear edge‐enhancement procedure to improve the clarity of the encoded edges. The second algorithm extracts the locations of straight‐line edges in the image at the encoder, and the decoder applies edge extraction, combination, and a linear edge‐enhancement procedure to improve the clarity of the edges. With both algorithms, features in the images that may be important for recognition are well preserved, even at very low bit rates. © 2012 Institute of Electrical Engineers of Japan. Published by John Wiley & Sons, Inc.