基于多尺度特征分析的图像数据自适应去噪方法

本文采用的是一种自适应多阈值的去噪方法。即根据不同子带和不同方向的多尺度阈值因子,自适应地确定图像去噪阈值的去噪方法。经过大量的仿真实验,可以证明:和传统的软、硬阈值去噪方法相比,该方法能够有效去除高斯白噪声,在改善图像质量即提高去噪后图像信噪比的同时,也使图像更加清晰,且能较好地保留图像的细节部分,更符合人眼的视觉特性。     

基于GCV理论的小波自适应多阈值图像去噪方法

小波图像去噪是小波应用较成功的一个领域,而其中最重要的一个环节就是最优阈值的确定问题。提出了一种基于小波变换的多阈值图像去噪的改进方法。这种方法是在各分解尺度上的各子带选择不同的最佳阈值,而最佳阈值的选取是基于GCV理论。利用此理论不仅能获得最小均方意义上的渐进最优解,而且不需要知道噪声的先验知识。通过实验证明,这种方法不仅能获得很好的去噪效果,而且由于不需要对噪声进行估计从而减小了计算量。     

遥感图像的NSCT自适应阈值去噪方法

提出了一种基于非下采样Contourlet变换(NSCT)相结合的遥感图像自适应阈值去噪方法。通过小波估计被噪声污染遥感图像的噪声强弱,根据噪声的强弱以及NSCT的分解特点及系数所在邻域的特性,给出不同尺度不同方向的自适应阈值。仿真实验结果表明,与小波硬阈值、Contourlet硬阈值和基于非下采样Contourlet硬阈值去噪方法比较,该方法在提高了图像的峰值信噪比的同时也减少了Gibbs现象,图像视觉效果也得到明显的改善。     

遥感图像的NSCT自适应阈值去噪方法

本文提出了一种基于非下采样Contourlet变换(NSCT)相结合的遥感图像自适应阈值去噪方法。首先通过小波估计被噪声污染遥感图像的噪声强弱,再根据噪声的强弱以及NSCT的分解特点及系数所在邻域的特性,给出不同尺度不同方向的自适应阈值。仿真实验结果表明,与小波硬阈值、Contourlet硬阈值和基于非下采样Contourlet硬阈值去噪方法比较,该方法在提高了图像的峰值信噪比的同时也减少了Gibbs现象,图像视觉效果也得到明显的改善。     

基于改进阈值函数和自适应阈值的小波去噪方法

根据小波阈值去噪的基本原理,提出一种基于改进阈值函数和自适应阈值的信号去噪方法,该方法兼顾了硬、软阈值函数的优点,同时又在一定程度上弥补了传统阈值去噪方法的缺陷;引入自适应阈值选取算法,有效地解决了在每一级尺度上都采用同一阈值的不足。实验表明,此方法提高了信号的信噪比,去噪效果有明显的提高,克服了采用硬阈值法去噪效果不佳和软阈值法造成信号失真的缺点,充分展示了改进去噪方法的优越性。     

基于多尺度小波变换的图像对比增强方法

首先应用多尺度小波变换对图像进行小波塔式分解,并根据各子图像的特性,在去噪和不损失边界信息的情况下,采用非线性增强函数对各子图像进行对比度增强,然后再进行重构。最后通过视觉效果和图像的信息熵两方面将文中的方法与传统的图像增强方法进行比较,结果表明文中的方法明显优于传统的图像增强方法。     

基于自适应阈值正交小波变换兰姆波去噪方法

提出了基于自适应阈值正交小波变换兰姆波去噪方法 （WT-AL）。首先利用正交小波变换降低含噪兰姆波信号的自相关性,然后利用自适应阈值方法自适应地对不同尺度的正交小波变换系数进行阈值处理,最后利用小波重构获得重构信号。实验结果表明：该方法去噪后信号信噪比明显提高,均方误差明显降低。     

美元图像的自适应阈值分割方法

针对美元图像特点,先采用改进的模糊增强算法对图像进行增强,而后根据其直方图能量分布,得到一种有自动适应能力并获取最佳阈值的新方法,取代了传统图像处理中采用固定阈值的分割方法,经多次实验仿真、分析,此方法适应能力较强,尤其在噪声较多且复杂的情况下,应用于美元的识别中有着较大的优势,可以达到较好的效果.     

高分辨率红外图像的分层自适应阈值Curvelet系数萎缩去噪方法

高分辨率红外图像在基于小波系数阈值萎缩的去噪过程中,容易导致边缘模糊或丢失等失真。文中首次引入基于wrapping的第二代快速Curvelet变换,对图像边缘信息进行有效的稀疏保存,并采用分层自适应阈值算法独立估计每个尺度、方向上的Curvelet系数噪声阈值,并针对红外图像的Curvelet系数能量高度集中于低尺度系数的特点,采用尺度相关的硬阈值对染噪图像的Curvelet系数进行处理。实验结果表明：在不同噪声条件下,与基于小波系数的Visu Shrink,Penalized,sparsity-norm阈值等去噪算法相比,文中提出的去噪算法取得了较好的去噪效果,在噪声方差σ=30时,使用该方法的峰值信噪比(PSNR)可高达31.77 dB,去噪后的图像边缘保持良好,具有较好的视觉效果;同时,文中建议算法的计算量比传统Curvelet降低了70%以上,适合在DSP等嵌入式系统应用。     

一种基于差异度的极化SAR图像迭代分类方法

该文提出了一种用极化SAR数据协方差矩阵的相关性和回波功率差异来定义的目标间的差异度,并在这一差异度的基础上提出了一种新的迭代分类方法。该迭代方法与基于Wishart距离的迭代分类方法相比,不需要矩阵的求逆运算和矩阵的对数运算,降低了迭代过程的计算量,也不再需要目标的先验信息,扩展了其适用范围。该方法应用于NASA/JPL的SIR-C系统在香港地区的实测极化SAR数据,得到了很好的分类效果。     

基于自适应平滑滤波的图像增强

为了有效增强含有噪声点的图像,采用基于自适应平滑的图像增强方法。首先根据当前像素点与周围相邻像素点灰度之差决定是将此点进行均值滤波还是沿着某方向进行加权滤波,即利用多个平滑模板对图像进行自适应平滑滤波得到平滑后的图像;然后将原图像减去平滑后的图像得到细节图像;最后将细节图像乘以系数后加在平滑后的图像上得到增强的图像。与单纯的平滑、单纯的锐化相比,此方法不仅有效去除了噪声,又增强了图像的细节,增强效果明显。     

基于边缘检测和像素分类的可逆数据隐藏

为了提高嵌入算法的整体性能,提出一种基于边缘检测和像素分类的灰度图像可逆数据隐藏算法。算法按嵌入容量优先原则自适应地选择最佳阈值提取图像边缘,并根据边缘信息和指定的图像质量控制因子将像素分为平滑、弱边缘和强边缘像素3类。对平滑像素,通过增加嵌入强度的方法提高嵌入容量,预测误差直方图平移2位;对弱边缘像素,像素值最大修改量为1,从而保证图像含密质量;强边缘像素的像素值保持不变,进一步提高含密图像质量。实验结果表明,本文算法在保证图像质量的同时有效提高嵌入容量,算法的整体性能优于其它同类算法。     

基于多尺度多结构元素的肝脏图像分割

提出了一种基于多尺度形态滤波的多结构元素的肝脏CT图像分割方法.首先,利用肝脏先验知识预测肝脏位置,执行多阈值法简化原图.然后,通过递归多尺度形态滤波和区域标记得到肝脏初始轮廓.最后,构造5个不同方向的结构元素并结合它们的多尺度形态学检测肝脏边缘.为验证本算法的正确性和通用性,选用了不同形状的肝脏图像进行实验.结果表明本文算法能够成功地完成肝脏分割.     

基于像素滤波和中值滤波的深度图像修复方法

针对Kinect相机采集的深度数据一般有噪声和黑 洞现象,直接应用于场景三维重建系统中效果差的问 题,提出了像素滤波器和中值滤波器相结合的Kinect 深度图像修复方法。首先对一帧图片 上的像素进行搜索, 找到像素值为0的点,以该点为中心,利用其邻域内的像素,定义一个两层的滤波器,根据 像素滤波器的原理 对其进行修复,填充深度图片的黑洞;然后采用中值滤波器,在平滑深度图像的同时保留边 缘信息,去除孤立 噪声点。实验结果表明,本文方法去噪的同时也能对黑洞进行修补,与原始深度图像相比, 空洞明显减少,深度图像质量大大提高。     

基于融合策略的单幅图像去雾算法

为了有效增强雾天衰退图像,提出了一种基于融合策略的单幅图像去雾算法。该融合策略无需依靠大气散射模型或场景结构信息,只需通过原始衰退图像来获取其输入图与权重图。其中2幅输入图的作用主要是对原有雾图像进行颜色校正和对比度增强,而3幅权重图则突显了图像雾气较浓区域的细节信息。融合策略将上述输入图与权重图相融合以生成对比度高、色彩丰富的去雾图像。此外,本文还从人类视觉感知的角度提出了一个新的去雾效果评价指标,从而为图像去雾与去雾效果评价问题提供了新的解决思路。实验结果表明,与已有方法相比,提出的基于融合策略的去雾算法能更好地提高各种雾天图像的清晰度。     

基于CNN池化和进化策略的一般神经网络图像分类研究

网络的爆炸式发展产生了海量的图像,图像标签的错误和缺失比较常见,图像分类研究很有必要。CNN池化能够提取到输入矩阵的重要特征,降低数据的维度。进化策略是模仿生物"优胜劣汰"进化方式的一种启发式算法,能快速找到问题的解。本文基于CNN池化提取一组有正确标签的图像的特征,搭建层数为3的神经网络,进化策略优化初始权重,通过训练集训练分类模型,通过测试集来验证模型的优劣,并使最终的模型实现对未知类别图像的高效分类。实例验证阶段收集10类100张犬类图片,按照各研发步骤进行实验,算法结果验证了进化策略优化权重的必要及神经网络模型的高效。     

基于多融合多尺度特征的高光谱图像分类研究

针对高光谱图像(HSI)波段之间的冗余性给高光谱图像分类结果产生的不利影响,研究基于多融合多尺度特征的高光谱图像分类方法.将采用于主成分分析降维处理的HSI数据作为多尺度特征多融合残差网络输入,利用多尺度特征多融合残差块提取HSI中的光谱特征和空间特征,并组成若干组光谱-空间特征;采用支持向量机展开分类处理,获取各光谱...     

基于像素相似性与Graph-Cut的图像自动分割

采用Graph cut的图像分割分为交互式分割与自动分割,为了弥补交互式分割需要用户的参与、分割结果依赖种子点的选取与模型的建立、需要用户的进一步修正才能得到满意结果等不足,介绍基于相似性的自动图像分割。该方法采用Mean-shift平滑图像、转换成YCbCr空间后将图像分割成若干区域块等方法,建立合适的能量函数后利用最大流/最小割定理求最小割。并通过实验证明,该方法在自动性、准确性、时间效率方面都获得较好结果。     

基于LED辅助照明的水下图像增强算法研究

水下成像环境十分复杂,在成像过程中受到多种因素的影响,如光照的非均匀性,水对光的后向散射,成像器件的光学噪声,导致图像对比度低,细节模糊.针对水下图像的特点,提出运用同态滤波和双正交小波阈值滤波法相结合的图像增强算法改善水下图像光照的非均匀性、滤除噪声、提高水下图像的对比度,并通过峰值信噪比、均方差对该算法进行了性能评价.     

基于变分贝叶斯ICA的遥感图像混合像元分析

混合像元已成为遥感图像处理、分类的难点和重点。独立分量分析( ICA)能够实现图像的去相关性以及得到相互独立的分量,但是,由于ICA模型的各成分独立性和数据统计分布规律的不变假设,影响了遥感图像分类精度。针对这一问题,提出了基于变分贝叶斯ICA( VBICA)的遥感图像分析方法,并利用遥感图像进行验证,结果表明：VBICA方法提取的独立分量具有均方根误差小、迭代次数少和稳定性较好的特点;基于VBICA方法的遥感分类精度达到了91.55%,且目视效果较好;VBICA方法突破了ICA的局限性,提高了遥感图像自动分类精度,具有很好的应用前景。