各向异性扩散的遥感图像边缘增强方法

为解决遥感图像边缘增强过程中辨识弱边缘和噪声的问题,提出一种改进的模糊各向异性边缘增强方法。根据非下采样轮廓波变换系数分布特征,获得像素几何结构信息;并基于各像素在不同子带的系数分布特征和噪声方差,分析其均值和最大值的模糊隶属度;利用模糊推理计算扩散系数,更好地控制各向异性扩散过程。实验结果显示,该方法具有更好的边缘增强和抑噪性能,能有效地辨识弱边缘和降低时间复杂度。     

基于高斯小波的多尺度积图像边缘检测算法

图像的边缘是图像最重要的特征之一。由于边缘和噪声都是图像的高频分量,提取的图像边缘总是受到噪声的污染。针对边缘检测中存在的噪声问题,本文根据Mallat快速小波变换算法的思想,提出用高斯函数和其一阶导数分别作为低通和高通滤波器对图像进行多尺度分析。为了精确定位图像边缘,对各尺度的低频、水平、垂直和对角分量不进行下采样。然后提取不同尺度上的系数,利用多尺度积对噪声严重的图像进行边缘检测。最后根据边缘点的梯度方向,采用改进的局部梯度极大值搜索方法获得图像的单像素边缘。实验结果表明本文所提出的方法,能在被噪声污染严重的图像中提取图像的单像素边缘,且边缘图像信噪比高。     

一种基于直线模型的车道线识别算法研究*

为了更好地满足车道标志线识别算法的实时性和鲁棒性要求,提出了一种新的、有效的车道标志线识别算法。将图像灰度化后,采用中值滤波去除图像采集过程中引入的噪声,应用方向可调滤波器进行边缘提取,在提取过程中对原图像进行感兴趣区域划分并采用边缘分布函数法确定方向可调滤波器的初始方向角。提出使用基于梯度加权的霍夫变换对车道标志线进行识别,通过建立梯形感兴趣区域的方法实现对车道标志线的实时跟踪,并对多段实地采集的视频进行实验测试。结果表明:基于方向可调滤波器与梯度加权的霍夫变换相结合的车道标志线识别方法,简化了对车道标志线信息特征参量的估计;不仅大大缩减了算法的执行时间,而且使算法的鲁棒性得到很大的提高。     

基于最小二乘法与霍夫变换的虹膜定位算法

为解决定位虹膜内外边缘时因轮廓信息不足会出现的定位不准确或者失败问题,提出一种采用霍夫变换与最小二乘法相结合的定位算法。首先使用形态学开操作减少图像中孤立的小点,并利用自适应阈值算法二值化图像;然后使用形态学闭操作补充小缝隙平滑图像边缘,再利用Canny算法提取图像边缘信息;最后根据内边缘与外边缘的差异性分别使用霍夫变换和最小二乘法定位虹膜内外边缘。经实验对比分析,该方法与传统算法相比,能更快速、准确地定位虹膜。     

基于小波变换和PCA的SAR图像相干斑抑制

提出一种SAR图像相干斑噪声抑制新的滤波方法。该方法利用小波变换结合主分量分析(PCA)对SAR图像进行去噪。小波变换可以很好地保持边缘细节信息,主分量分析(PCA)能从混合信号中提取出主分量即信号的主要特征,将小波变换结合PCA用于图像处理,能在有效消除噪声的同时保持边缘信息。与Kirsch模板加权平滑滤波和结合小波变换的Kirsch模板加权平滑滤波去噪方法进行比较,实验结果表明,该方法具有良好的抑制相干斑噪声效果和较强的边缘保持能力。     

二维几何图形测量中的边缘定位算法研究

研究图像优化测景和提取问题,针对CCD摄像机采集的图像中含有各种噪声,传统的边缘检测算法不仅不能很好地抑制噪声,而且定位精度只达到像素级.为了更好地提取图像边缘信息并抑制噪声,以提高测量系统的测量精度.在比较分析各种像素级边缘检测及亚像素细分算法的性能后,采用能同时协调图像边缘信息和抑制噪声的多结构多尺度形态边缘检测.根据测量系统的被测目标,采用矩估计亚像素细分算法来实现图像边缘的精确定位,并进行仿真.仿真结果表明算法通过提高定位精度,有效地提高了测量精度.     

基于a'trous小波分解的图像边缘检测

边缘特征是图像最为有用的高频信息。边缘检测在图像处理和计算机视觉中起重要作用。本文对小波变换进行了研究,并且分析了小波变换提取图像边缘的原理。为了高质量地进行图像边缘检测,提出了一种基于二阶B样条小波变换的多孔算法提取图像边缘。算法利用B样条小波对图像函数进行小波变换,提取图像边缘,并采用多孔算法防止图像信息丢失。实验结果表明,和传统的边缘检测算法相比,在边缘精度和噪声抑制方面,该算法是有效的。     

基于小波变换的国画特征提取及分类

像素域内利用图像处理技术对图像进行特征提取得到广泛研究。为了在新的信号域内找到更好的图像特征表示方法,提出在小波域内利用不同分辨率及频带的图像结构所展现的艺术风格的不同表现形式来获得国画艺术深度信息的方法。该方法利用三层小波变换提取图像的纹理特征,并采用3种不同的分类器决策树、BP神经网络和支持向量机,对不同画家的风格进行学习,以完成自动分类。实验结果表明,该算法能有效提取图像纹理特征,实现国画的自动分类。     

基于噪声分析的椒盐噪声降噪处理方法

针对传统的中值滤波降噪方法不能有效去除图像中的椒盐噪声,提出基于噪声分析的椒盐噪声降噪处理方法。算法根据椒盐噪声仅仅改变图像部分像素值为0和255、其余像素并未改变的特点,首先判断图像的噪声点和信号点,针对噪声点,统计邻域中信号的个数,然后根据信号的个数决定采用某个邻域的中值去代替噪声点,从而达到去除椒盐噪声的目的。仿真实验表明,该算法能有效去除图像的椒盐噪声并较好地保留图像的边缘细节信息。     

基于小波变换的红外热成像图像处理的无损检测技术

为提高红外热图像技术在无损检测领域的精度,提出运用电磁激励加热待检测物体,研究对亚表层缺陷的检测。首先采集数字图像信号,利用傅里叶变换去除图像中的噪声,并用图像增强算法增加背景与特征间的对比度,再利用基于小波变换的边缘算法提取特征边缘做定量分析,最后通过5组不同的缺陷层样本作实验对比,结果表明基于小波变换边缘提取算子能显著提高亚表面缺陷层的检测精度。     

基于3次B样条小波变换的改进自适应阈值边缘检测算法

针对含噪声图像边缘提取问题,提出了一种改进NormalShrink自适应阈值去噪算法。该算法首先通过小波变换和局部模极大值法提取出可能包含图像边缘特征的小波系数,利用边缘像素之间特殊的空间关系以及噪声在各级小波分解尺度下的不同效应,构建适合各个尺度级的改进NormalShrink自适应阈值,并依此对提取出的小波系数进行筛选。实验结果表明,与改进的Candy算子和传统的NormalShrink自适应阈值相比,本方法提取出的图像边缘较为完整清晰,峰值信噪比提升约6 db。     

基于图像显著性区域的遥感图像机场检测

针对已有方法对图像逐像素进行分析的不足,将人眼的注意力选择计算模型引入到遥感图像的机场目标检测中,提出一种基于图像显著性区域的遥感图像中机场目标检测与识别的方法,以提高自动目标检测的效率.首先利用霍夫变换对遥感图像中是否存在机场目标进行初步筛选,然后利用改进后的基于图像的视觉显著性模型提取显著性区域,根据区域上的尺度不变特征变换特征并结合多层分类回归树完成机场目标的识别.实验结果表明,该方法比现有的其他机场检测方法具有速度快、识别率高、虚警率低的特点,同时对噪声有较强的鲁棒性.     

一种阈值自动设定的小波变换边缘检测方法

边缘检测是提取图像特征的重要手段,本文提出一种阈值自动设定的双阈值小波变换边缘检测方法。小波变换具有良好的时频局部化特性和多尺度分析能力,获得的边缘信息丰富,采用二维静态小波变换算法,计算出局部模极大值点,但其中除了边缘点外,还混有噪声信号,本文根据边缘与噪声的特征自动计算出阈值,实现了噪声与边缘的分离,强边缘与弱边缘的分离,并通过实例验证了算法的有效性。     

基于Canny改进的边缘检测算法

Canny算子受噪声干扰严重,检测噪声污染的图像边缘的效果较差。轮廓结构元素形态学变换能有效滤除图像噪声,同时能保持图像边缘细节。本算法先用轮廓结构元素形态学变换的方法抑制噪声,求取图像梯度并用非极大值抑制法求其局部模极大值,采用双阀值法二值化图像边缘并进行连接。实验表明,该算法能精确提取噪声图像边缘。     

基于模糊参数的高斯边缘检测模型方法研究

对图像边缘提取的问题进行了研究,针对以往边缘提取算法容易造成边缘断裂,提取较多噪声的缺点,提出一种利用模糊逻辑函数在全局上对图像进行增强,在局部进行边缘提取的算法。定义一个模糊逻辑函数,利用类似直方图均衡化的方法,对变换后的模糊逻辑图像进行对比度增强操作;在增强的图像上,对模糊逻辑函数进行局部非线性投影变换,并在变换基础上进行边缘图像的阈值检测,从而得到最终的边缘图像。在进行非线性变换的同时,利用梯度迭代法对非线性参数进行优化,从而保证获得最优的高斯模型,并提取出边缘信息。该方法在自动获得最优的系统参数同时,能准确有效地提取出图像的边缘,克服噪声对系统的干扰;并能广泛使用在基于边缘信息的图像处理系统和模式识别系统中。     

输送带跑偏检测方法研究

基于机器视觉的输送带跑偏检测方法检测的输送带边缘特征中包含伪边缘,现有研究难以识别伪边缘,且多场景适应性差。针对该问题,对输送带监控图像提取感兴趣区域（ROI）并进行归一化,采用较大阈值区间的Canny算法提取边缘特征点,以提高算法的场景适应性,并采用形态学滤波方法处理部分杂质及伪边缘;对于Canny算法无法检测到有效边缘的图像,对提取的ROI进行伽马变换和45,135°方向的梯度滤波,以增强边缘特征,之后进行基于Canny算法的特征点提取和形态学滤波。以边缘点像素值关系、邻域特征、紧密性特征,以及边缘线长度、相对位置、斜率等作为约束条件,采用基于分治搜索思想的直线筛选排序算法对提取的边缘特征点进行筛选及拟合,得到输送带实时边缘。将实时边缘的像素值与未发生跑偏时边缘像素值做差,得到当前跑偏的像素值。试验结果表明,针对多种场景下的输送带监控图像,基于Canny算法和直线筛选排序的输送带跑偏检测方法检测误差小于3个像素值,百张图像检测时间为6.945 1 s,边缘计算机处理4路视频图像的CPU占有率为132%,满足现场输送带边缘检测的准确性、实时性要求。     

基于USFFT Curvelet变换图像去噪算法

为了更好地保留图像的高频细节信息,有效地避免图像重构中出现边缘扭曲现象.提出一种基于USFFT Curvelet变换的图像去噪算法.该方法首先对噪声图像进行USFFT Curvelet变换,在变换域计算噪声图像具有的全局阈值,然后采用窗口技术自适应地估计每个处理像素的萎缩因子,通过USFFT Curvelet反变换得到去噪后的图像信号.实验结果表明本文算法取得较高的信噪比,更好地保留了图像中存在的边缘,同时在视觉效果上也取得了较好的效果.     

电机故障检测的小波分析红外图像增强

针对红外成像电力机车电机检测技术中图像特征不明显,故障点获取困难等问题,提出基于小波分析的红外图像增强算法。采用对图像边缘高频图像信号进行提取,舍去其他高频信号,并对低频分量进行直方图均衡化处理,以此来重新构建红外图像,达到对红外图像去噪、边缘以及故障点增强的作用。通过实验证明,该方法能有效去除图像高频噪声,保留红外图像的边缘特征,对红外图像故障检测提供有效信息。     

一种快速霍夫变换算法

霍夫变换是图像处理中的一种常用的检测算法，能够有效地在较大的噪声环境中提取图像中的特定信息。但标准的霍夫变换算法运算量大，处理速度慢，有较大的局限性。该文讨论了一种快速霍夫变换算法，该算法有效地降低了传统霍夫变换算法的时间复杂度，提高了计算效率和运算速度，对于提高图像处理的速度，增强图像处理的实时性有着显著的作用。     

Contourlet相关性和PCA的图像融合算法

Contourlet变换克服了小波变换在处理高维信号时的不足,它比小波变换具有更好的方向性和更好的稀疏表达性能。将Contourlet变换应用于图像融合领域,能更好地提取图像边缘特征,为融合提取更多的特征信息。基于Contourlet变换系数相关性的图像融合算法是将图像进行Contourlet变换分解后,针对高频分解系数尺度内以及尺度间像素点具有的相关性设计图像融合规则,低频信息选择PCA的方法进行融合,最后通过重构得到融合图像。实验结果表明Contourlet能够为融合图像保留更全面的原始图像信息,基于相关性的图像融合算法能够更加有效、准确地提取图像中的特征,是一种有效可行的图像融合算法。