基于Contourlet域HMT模型的红外图像去噪算法

去噪是图像处理的一个关键问题,文章提出了基于多尺度分析下的红外图像去噪算法.在对红外图像噪声特点进行详细分析的基础上,验证了红外图像的Contourlet子带系数满足广义高斯(Generalized Gaussian Distribution)GGD模型,提出了用Contourlet域隐马尔可夫树(Contourlet domain Hidden Markov Trees)CHMT来进行红外图像的去噪.将算法应用于几种红外图像,对红外图像去噪视觉效果和峰值信噪比两方面进行比较,文中提出的去噪方法取得了较好的效果,尤其是在边缘保持方面.     

基于总体最小二乘的红外图像去噪

针对红外图像存在的加性、乘性及混合噪声,采用从图像中截取图像块,再用图像块的线性结合对原图像进行去噪,总体最小二乘算法用来求解其中的系数向量,充分考虑了噪声图像中存在的不确定性,通过这组系数得到去噪后的红外图像.在对像素点空间关系权重的求解上,采用模糊核聚类算法将红外图像粗略进行聚类,归为同一类的像素点之间存在较强空间约束关系,否则认为它们之间存在较弱空间约束.通过与维纳滤波算法比较,仿真结果证明了总体最小二乘去噪算法在红外图像的视觉质量和信噪比改善两个方面的有效性.最后通过比较无噪红外图像与去噪红外图像的直方图表明总体最小二乘去噪算法的优越性.     

一种改进的各向异性扩散去噪算法

平滑图像中的噪声是数字图像处理中非常重要的组成部分。在图像处理过程中,为了有效地实现保边缘平滑,在各向异性扩散模型和含有噪声的图像数据统计特性的基础上,提出了一个能自适应地获取参数的各向异性扩散去噪模型。该模型针对不同程度的噪声图像采用不同的参数值。实验结果表明,改进后的各向异性扩散模型的性能优于Perona-Malik模型,是一种较为理想的保边缘平滑模型。     

基于Contourlet变换和Facet模型的红外小目标检测方法

针对存在复杂背景干扰和噪声情况下的红外弱小目标检测问题,提出了一种基于循环平移Contourlet变换和Facet模型多向梯度特性的检测方法。首先通过循环平移Contourlet变换,利用硬阈值对图像进行去噪,提高图像的信噪比和平滑性;然后设计了一种基于Facet模型多向梯度特性的中值滤波器,对去噪后的图像进行滤波,有效地抑制复杂背景和噪声;其次采用两级最大类间方差算法对滤波后的图像进行分割;最后根据相邻帧候选目标的位置和速度关系进一步检测弱小目标。实验证明,这种算法抗噪性强,对包含强纹理结构的复杂背景具有良好的抑制作用,能够有效地检测出弱小目标。     

基于多尺度卷积神经网络的图像去噪方法研究

应用传统方法对图像去噪处理后,图像的峰值信噪比仍旧比较低,文章提出了基于多尺度卷积神经网络的图像去噪方法。以多尺度卷积神经网络为架构,由去噪模块与边缘模块组建成多尺度卷积神经网络去噪模型,利用残差学习法对模型进行训练,并利用寻优迭代算法对代价函数进行求解,利用训练好的去噪模型对图像进行多尺度卷积计算,根据噪声真值对图像平滑处理,实现图像去噪。通过实验证明,本次设计方法去噪后图像噪声有了明显降低,峰值信噪比高于传统方法。     

改进小波阈值在红外热波无损检测中的应用

近二十年来红外热波无损检测技术迅速发展,并在较多领域都得到了普遍应用,但碍于其易受环境影响和工作元件不均匀的特殊性,非制冷红外热像仪原始热波图总存在一定程度的噪声污染,因此对原始热波图进行去噪处理是该技术的关键步骤。传统的改进小波阈值去噪方法局限于对阈值进行自适应分解尺度的改造,使阈值函数平滑连续保真。在噪声方差估计方面没有针对性的方法,而噪声的方差估计是阈值的关键变量,这决定了小波阈值去噪的效果。本文将根据红外图像噪声特性建立混合噪声模型,在噪声模型的基础上进行噪声方差估计、改进阈值及阈值函数,通过软件获取最佳函数参数,最后对仿真模拟结果进行分析,对真实图像进行处理评价,结果表明经改进后的小波阈值去噪方法相对于传统阈值去噪方法和部分滤波去噪方法具有更好的去噪效果。     

基于中值滤波和生物仿生学的图像增强研究

针对红外图像对比度差、信噪比低的特点,提出了一种基于中值滤波和生物仿生学的微光图像对比度增强算法,首先对红外图像进行中值滤波去噪,然后用生物视觉模型对去噪后的图像进行增强得到增强后的图像。实验结果表明,该算法突出了图像的细节信息,同时增强了图像的对比度,与传统的中值滤波加直方图均衡和加权邻域平均加灰度调整等算法相比,图...     

基于Contourlet变换的红外图像梯度自适应去噪

对Contourlet变换图像去噪阈值的选择进行了研究.分析了可见光图像去噪和红外图像去噪的特点,提出了红外图像梯度能量自适应去噪算法.通过实验证明,与传统的几种去噪相比,这种方法更好的保留了图像的轮廓细节,提高了图像的PSNR值,增强了去噪后的视觉效果.     

基于分数阶图像增强的P-M模型

P-M扩散模型是图像处理中用于去噪平滑的经典模型,但在实际应用中常会出现零散的斑点。为了去除残存的噪点,通常采用平滑处理来消除高梯度的噪声,但这又模糊了边缘,损失了细节信息。从此问题入手,采用在噪声图像平滑处理后,应用分数阶微分来锐化图像,由于分数阶微分的非线性特性,此方法可以在增强边缘特征的同时不明显加强噪声信息。实验证明,通过文中方法的处理,图像质量和信噪比都有了明显提升。     

基于Curvelet变换与小波包变换联合的图像去噪算法

小波包变换在处理图像中的平滑区域时能够起到较好的效果,而Curvelet变换可以更好地逼近线性奇异高维函数,对图像的边缘区域有最稀疏的表示.在此基础上提出了基于二者联合的图像去噪算法,在对含噪图像进行分割后,分别对线性区域和平滑区域采用Curvelet阈值去噪处理和小波包阈值去噪处理.该方法充分发挥了二者各自的优势,实验表明,它对图像的去噪效果要优于单纯的Curvelet或小波包去噪方法.     

基于准十字窗口的中值滤波法在红外图像处理中的应用

中值滤波法是图像处理中一种非线性滤波技术,可对图像中的噪声进行有效的抑制,成为空域平滑的重要手段。针对中值滤波法的不足,提出一种基于准十字窗口的中值滤波方法。给出了抑制噪声、对图像边界最大保留的计算方法和运算步骤。并将其用于某型飞机实际红外图像处理实践,利用空间噪声曲线对该方法进行了验证。实践证明了其方法具有简单有效、易于编程实现、迭代性好、计算速度快的特点。     

基于轮廓线曲率特征的人脸分类及识别

文中提出一种人脸分类及识别方法。在对人脸图像进行预处理之后,提取出人脸的轮廓,再细化,去除边缘噪声,得到人脸的轮廓线。对此轮廓线逐点计算曲率得到曲率线。将不同的曲率线之间的互相关函数定义为曲率线之间的相似性,并由此对人脸进行分类和识别。由于曲率几何特征明显,具有位移和旋转不变性,所提出的方法有较好的鲁棒性,并且得到了良好的分类效果。     

低信噪比下两种点目标检测算法的研究

红外图像中点目标检测技术是近年来信息处理研究的热点和难点之一。当红外图像传感器和目标之间距离很远时,目标在焦平面上成像面积很小,一般不超过探测器像元的大小,因此目标在图像中表现为点目标,且信噪比极低,目标被噪声（杂波）所淹没,给目标的检测带来了极大的困难。这一领域,前人已经进行了大量的研究工作,并提出了一些检测算法。文中也研究设计了两种红外图像点目标检测算法,并对其进行了计算机仿真实验和分析,结果表明这两种算法具有较好的检测能力。     

LLTV:局部线性全变差滤波方法

 本文提出了一种新颖的滤波方法—局部线性全变差滤波方法(LLTV),可以对数字图像进行有效的滤波处理.该方法采用图像的局部线性近似模型,并结合了全变差规则项,在滤除噪声的同时,能够很好的保持图像的边缘信息,而且其简单的、线性时间算法,可以对各种数据进行快速处理.实验结果表明,在计算机视觉的各种应用中,如去噪、平滑、细节增强和高动态范围(HDR)压缩等方面,该方法都表现出高效的性能.     

自然地面背景红外图像生成方法研究

文中介绍了一种利用划分地物区域单元和地物特征生成红外热图像的方法。获得地物区域的方法有两种：一种是针对一定的地面背景,借助于可见光图像数据,利用图像分割将地面背景按地物类型分为若干局部区域单元并进行单元类型编码;另一种直接利用计算机的构造出不同的地表区域并编码。然后根据典型地物热模型和地表辐射-统计模型,分析局部区域内 的辐射统计模型,分析局部区域内的辐射起伏,完成局部区域的纹理处理,生成比较逼真的     

基于自适应TV的Chan—Vese图像分割方法

自适应整体变分(Total Variation,TV)图像平滑模型能有效去除噪声,具有较强的图像保征能力.基于多相水平集的Chan-Vese图像分割模型能有效地实现多质图像的分割.将自适应TV图像平滑方法和Chan-Vese图像分割方法有机整合,提出了自适应TV的Chan-Vese图像分割方法.实验表明,该方法能得到较好的分割结果.     

自然地表红外图像的模拟

自然界的地表是非常复杂的,影响其温度分布和红外辐射特性的因素很多,如地表的起伏、土壤类型、植被类型、土壤湿度和气象条件等.要精确计算自然地表的温度和红外辐射特性,生成红外图像,必须建立考虑各种影响因素的三维传热传质模型.这种方法要花费大量的计算时间,是不实用的.文中利用一维模型的计算结果并结合随机模拟方法,针对具体自然地表(不同植被、裸露地表等)的实际红外辐射强度的相关长度、均方根误差以及相邻像素点的空间距离,模拟生成了自然地表的红外图像.探测器的视场和视角对观察到的图像影响是很大的,对同一地面区域,使用不同视场的探测器观察,得到的图像不同,即使使用同一探测器,如果用不同的视角观察同一区域,得到的图像也是不同的.因此文中根据不同的红外探测器视场以及同一探测器的不同的视角,将该图像转换成了红外探测器视场内的图像,分析了对应不同视场和视角的自然地表红外图像的特征.     

结合雷达目标特征的红外成像目标识别

由于单传感器在导弹的目标识别和跟踪方面存在的固有缺陷,近年来,数据融合技术在这一方面得到广泛地应用和研究。文中提出了在双模（ 雷达,红外） 数据融合方案中,结合雷达目标特征的红外成像目标识别方法,并详细讨论了所涉及的图像处理技术（ 区域分割,骨架提取） 和人工神经网络分类技术。最后给出了实验结果和结论。     

基于模型的手腕骨特征提取

图像分割和特征提取是图像处理学的经典课题之一。文中 效的手腕骨Ｘ光片图像特征提取方法,先对手腕骨Ｘ光片图像作预处理,利用灰股影的方法对各手腕骨特征区域进行了大致定位,获得区域性信息,缩小实际特征提取时的搜索;在各特征子或基于形变轮廓提取边界的原理,引物初始骨模板的形状信息及特征子区域的边界条件作为骨轮廓提取的内部能量和外部能量判据对骨边界提取的迭代过程进行引导,有效地排队非边界的信息的干扰,使处理