基于分形特征和导引滤波的可见光与红外图像融合算法

为充分利用红外图像的目标指示信息,本文提出了一种基于分形特征和导引滤波的可见光与红外图像融合算法。该算法首先采用分形特征对红外图像中的人造目标进行增强,通过阈值分割得到目标分布图。待融合图像经过一层分解得到近似图像和细节图像,基于目标分布图利用导引滤波分别得到可见光与红外近似图像与细节图像的融合系数。实验结果表明,融合后图像充分结合了可见光图像的背景信息与红外图像中的目标信息,有利于后续的目标识别任务。     

基于Kalman滤波的多分辨率图像融合新算法

以尺度类似于时间,对具有不同分辨率的多幅图像建立起状态方程和观测方程;以标准Kalman滤波为工具,将具有不同性能与特点的图像进行融合,并给出了分块快速算法.利用估计误差绝对值均值对融合的性能进行了评估.多组实验与分析表明:所提出的图像融合算法不仅能有效的去除噪声和提高图像分辨率,而且通过图像融合,能够大大改善存在部分遮挡和恶劣天气等影响下获取的存在灰度、对比度变化的图像的性能.     

MAGNet融合导向滤波的真实图像去雾方法

为了提高单幅图像去雾方法的准确性以及适用范围,提出一种MAGNet融合导向滤波的真实图像去雾方法.首先,根据雾在真实图像中分布特性以及成像原理,设计多注意力残差密集块,从而有效提取真实图像中与雾相关的特征并降低梯度消失风险;其次,构造基于所设计的多注意力残差密集块的端到端卷积神经网络,实现对有雾图像中雾的去除;最后,将...     

一种基于椒盐噪声图像的加权滤波算法研究

针对中值滤波和其改进算法虽然能够在很大程度上改善噪声带来的影响，但是使图像边缘变得模糊这一问题，提出一种滤除椒盐噪声的加权滤波新算法。该算法定义中值相似度和空间临近度函数，并采用双阈值，根据阈值的范围，采用不同的方法获取权值。使用该算法对图像进行加权滤波不仅能够有效地去除椒盐噪声，而且尽可能的保存完整的图像边缘信息。     

基于均值聚类和循环导向滤波算法的农业图像去雾研究

采用均值聚类和循环导向滤波(MCLGF)算法对农业图像去雾进行了研究。首先,建立雾天图像光学模型;接着任意选取两个子特征向量作为初始聚类中心,根据分类结果,将有雾图像通过均值聚类分为天空区域和非天空区域,再通过天空区域中求取原图的最大像素值作为大气光值;然后,循环导向滤波实现细节平滑和边缘保持,最小化代价函数使导向滤波器的输出图像与输人图像差异最小;最后,给出了算法流程。实验仿真显示:该算法能够有效地降低图像中的雾气,结构相似度平均值为0.98、信息保真度平均值为0.96、图像信息熵可达9.12,可见边的正则梯度均值可达0.85,这4个评价指标相比其他算法均较好。     

基于神经网络的图像混合滤波及融合算法研究

当图像中同时存在高斯噪声和椒盐噪声时,单一的均值滤波或中值滤波很难达到最佳滤波效果。 分析了噪声特点和各种滤波方法的优势,提出了一种基于神经网络的图像混合滤波及融合算法:首先建立概率神经网络,检测椒盐噪声和高斯噪声点,并分别利用中值滤波和均值滤波去除噪声点,然后建立径向基函数神经网络,利用训练好的径向基函数神经网络融合 2 种不同滤波的图像,输出理想的融合图像。 Matlab 仿真实验结果表明,该算法有效去除混合噪声的同时,能很好地保护图像的边缘与细节,是一种有效的方法。     

基于对比度和饱和度新的先验图像去雾算法

目的 针对目前图像印刷中清晰度和分辨率不高,为了提高图像的质量和观感,使雾图像细节更清晰,处理效率更高,文中设计一种基于对比度和饱和度的新的图像去雾先验算法。方法 首先对采集的雾图像利用对比度、饱和度和亮度先验来初步估计透射图,然后借助伽马校正的非线性逆策略增强图像的对比度和饱和度来防止传输估计过高或过低,并利用导向滤波对非线性逆策略的粗透射估计进行优化处理,最后使用非线性对比度拉伸方法对复原图像进行亮度进一步的增强。结果 通过实验测试得出,对一个450´450的图像,本文提出的算法相较目前最新算法在PNSR值和SSIM值分别提高了9.220 4和0.332 7,处理时间减少了0.079 38s。结论 图像复原效果较好,细节更加丰富,清晰度更高,效率更高。     

保持边缘的SAR图像滤波方法

首先阐明了SAR图像边缘和边缘保持的概念。其次，提出了一种评价平滑图像边缘保持的方法。通过计算发现，常用的标准滤波方法：增强Lee滤波、Kuan滤波、增强Frost滤波和Gamma MAP滤波的边缘保持能力很差。最后发展了一种能保持边缘的SAR图像滤波方法。这种方法是对Han等人去除SAR图像斑点噪声方法的改进，并分析了这种方法能够保持图像边缘的原因。     

基于HV分割的分形图像检索算法

基于HV分割算法提出一种新的图像快速分形编码方法,并给出有效的图像检索算法以及相应的距离公式。在大幅提高检索效率的同时,保证图像解码质量。实验结果表明,此算法能够极大的减少查找图像编码时间,查准-查全率明显高于颜色直方图方法。     

一种自适应的图像双边滤波方法

提出一种利用双边滤波的图像平滑滤波方法,即在滤除图像中高频噪声的同时,按照图像亮度变化保持图像中处于高频部分的边缘信息的自适应滤波过程。该滤波方法将传统的Gauss滤波器的权系数优化成Gauss函数和图像的亮度信息乘积的形式,优化后的权系数再与图像作卷积运算。这样,滤波时就可以考虑到图像的亮度信息,在滤除图像噪声的同时尽量保持了图像的边缘。由于双边滤波的方法可以使滤波器的权系数随着图像的亮度变化而改变,所以在滤波过程中能达到自适应滤波的目的。     

基于局部分形维数的遥感图像分割

本文针对遥感图像的分形特点,采用局部分形维数进行图像分割.利用金字塔模型替代了局部分形计算中的窗口模板,从而对局部三角棱柱面法进行了改进,减少了图像局部分形维数的运算量.并设计了一种新的递归计算流程,有效地降低了内存存储量.利用此法对遥感图像进行分割,结果表明:改进后的三角棱柱面法提高了基于遥感图像纹理特征的图像分割方法的计算速度,同时保留了三角棱柱面法对于分形维数计算的准确性.     

基于双边滤波的Retinex图像增强算法

针对Retinex图像增强技术在高对比度边缘区域存在"光晕伪影"这一缺点,提出了一种基于双边滤波的Retinex算法。该算法先使用带有边缘保存功能的双边滤波将原图像分解成照度图像和反射图像,再分别采用不同的策略压缩照度图像和增强反射图像,最后把两部分图像合成为新的图像。通过从主观视觉效果和客观质量评价两方面对该算法进行检验,实验结果表明它有较好的增强效果,解决了"光晕伪影"问题。     

区域特征耦合DS证据理论的图像融合算法

目的提高融合图像视觉质量。方法提出区域多特征与改进的DS证据理论规则的聚焦图像融合算法。首先,引入二代Curvelet变换,对源图像进行分解,获取图像的粗尺度系数、细尺度系数;然后,根据区域中粗尺度系数的绝对值,构造最大值融合规则,完成粗尺度系数的融合;再联合区域方差、信息熵以及区域能量等特征,提取细尺度层的区域特征,并通过定义概率约束条件,改进DS证据理论的融合规则,增强DS合成规则的可信度,对图像的细尺度系数进行有效融合,使得融合图像保留更多的细节信息;最后,通过逆Curvelet变换完成图像的融合。结果与当前的图像融合算法相比,在对聚焦图像融合时,文中算法的融合图像具有更丰富的细节信息,其视觉质量更高,且融合时耗较短。结论所提算法考虑了像素之间的互相关性,进一步优化了图像融合质量,可用于遥感探测与包装印刷检测等领域。     

基于分形理论的磨粒图像定量分析

探讨了分形理论在磨粒图像处理中的应用。首次将Sierpinski分形维数张磨粒图像的定量分析。对试验所获得的磨粒图像的Sierpinski分形维数分析发现：磨粒图像Sierpinski分形维数的大小与磨粒尺寸分布和磨粒重叠程度有关。磨粒图像的Sierpinski分形维数可以实现磨粒图像的特征提取。     

一种基于Directionlet变换的图像融合算法

为了提高图像融合效果,提出了一种基于Directionlet变换的图像融合算法.首先对已配准的待融合源图像由给定的生成矩阵分别进行陪集分解,得到每个陪集对应的子图;接着将每两个子图相减,得到源图像的高频和低频分量,其中边缘、纹理等奇异特征包含在高频分量中;然后对低频分量采用直接平均融合的方法进行系数选择,对高频分量选择子区域边缘信息较强的系数;最后,通过Directionlet陪集分解的反变换,得到融合后的图像.多聚焦图像融合实验表明,在主观视觉上,该算法明显更好地融合了边缘等图像特征,从而较好地保持了左右聚焦图像各自的细节信息;在客观评价上,通过熵、平均梯度、标准差和互信息量等性能参数比较,该方法也优于小波变换和其他的融合方法.     

采用多源图像分形特征的多目标检测方法

针对多目标的检测,本文提出一种采用多源图像分形特征的特征级融合检测方法.首先对多目标检测的特点进行了分析,对分形理论进行了介绍,然后详细介绍了该融合检测算法的思路和原理.该算法首先由红外图像阈值分割出部分目标;然后利用分维数图的统计特征可以增强分形维数的奇异性,在可见光图像的分维数图中搜索与已检测出的目标区域具有相近分形统计特征的区域,进行标记;再根据"距离相似度准则"进行目标的聚类识别,排除背景干扰,最终检测出全部目标.实验结果表明该融合检测算法能有效地进行多目标的检测与识别.