一种改进权重的非局部均值图像去噪算法

提出了一种改进权重的非局部均值滤波方法。在高斯加权的欧氏距离基础上,结合相关系数来衡量图像邻域间的相似性,将其应用到图像邻域灰度矩阵间的相似性度量上,更好地利用了图像邻域间的相似性质。通过对添加不同噪声水平的噪声图像进行测试,实验结果表明,与传统的非局部均值滤波算法相比,所提出的算法在去噪性能上尤其是结构信息保持上均有显著提高。     

基于局部结构因子耦合双重度量规则的图像修复算法

为了解决当前较多图像修复算法主要依靠置信度以及数据项来确定修复顺序,而忽略了待修复块的结构连续性,易导致修复的图像中存在不连续以及模糊等不良效应。对此,提出了一种基于局部结构因子耦合双重度量规则的图像修复算法。首先,通过像素点的方向导数构造了局部结构因子,利用局部结构因子以及置信度项建立了优先权度量函数,选取优先修复块。然后,通过像素点的二元函数构造了视觉优化模型,用于对样本块的尺寸进行自适应的调节。最后,利用图像块中像素值构造距离度量模型,通过图像块的灰度值构造相似度度量模型,将距离度量模型与相似度度量模型进行联合,建立双重度量规则,以距离度量值以及相似度度量为双重条件,搜索最佳匹配块。仿真实验结果显示,与当前图像修复算法相比,修复算法具有更高的修复质量与效率。     

特高压换流站保护系统全景监视图像超分辨率重建方法研究

针对特高压换流站全景监视系统运行环境导致的视频图像抖动、镜头出现积灰等问题,以及基于深度学习的高分辨率图像重建算法存在细节特征失真和计算复杂度较高的缺陷,提出一种基于多尺度卷积块和残差网络的图像超分辨率重建方法,通过增加具有较小内核的深度卷积层来获取图像的鲁棒细节特征,并在训练过程中加入残差网络,加快网络收敛速度,解决消失梯度,改善图像重建质量。对部分标准数据集和特高压换流站全景监视图像数据集进行了图像超分辨率重建和目标识别实验研究,与超分辨率卷积神经网络(super-resolution convolutional neural network, SRCNN)和快速超分辨率卷积神经网络(fast SRCNN, FSRCNN)方法相比,所提算法的结构相似指数均值分别增加了0.004 3和0.0298,峰值信噪比分别提高了0.17 db和0.83 dB。实验结果表明所提方法重建了细节信息更逼真的高分辨率图像,可以满足换流站全景监视的需求。     

基于中智理论与方向α-均值的图像边缘检测算法

为了提高边缘检测算法对目标边缘细节的保持能力和降低噪声导致的伪边缘等问题,设计了一种基于中智理论与方向α-均值的边缘检测方案。首先,基于中智理论,将图像转换为中智图像,通过真实性、不确定性和虚假性3个要素来表示中智图像,提高了噪声等不确定性信息的表达能力;然后,为了有效地去除了噪声并保持边缘细节,计算中智图像像素的方向掩模,并通过方向平均函数定义了一种方向α-均值算子,并利用生成的方向α-均值算法对图像进行各向异性滤波;最后,构建了一种迭代方程,通过判断梯度的阈值来确定图像像素是否为边缘像素,从而完成边缘检测。实验表明,与当前流行的边缘检测算法比较,所提方法能够更为准确地检测出目标边缘,在不同噪声水平干扰下,其检测结果中所含的伪边缘与不连续边缘信息更少。     

基于模糊转换的图像椒盐噪声检测和去除

为了去除椒盐噪声,提高图像的质量,提出了一种基于模糊转换的加权均值方法来有效的对图像中的噪声进行抑制,主要包含两个阶段:噪声检测和噪声去除。在噪声检测阶段,首先将不含噪声的像素点与可能为噪声的像素点(像素取最大值或最小值)区分开来,对于后者,提出了一种相邻处理过点的绝对差分和方法对其是否为噪声进行进一步判别,并引入两个预定的阈值,将可能为噪声的像素点划分为3类:无噪声点、轻度噪声点和重度噪声点;在噪声去除阶段,一种D8距离相关的模糊转换加权均值滤波方法被提出对噪声进行有效的去除。仿真结果表明,与一些现存方法相比,提出的方法较好的去除了椒盐噪声,并且在去除噪声的同时较好的保持了图像的细节信息,无论是峰值信噪比(PSNR)还是结构相似度(SSIM)都有了较大的提高。和实验效果与其最接近的自适应加权均值滤波相比,提出方法节省了超过65%的运行时间。     

基于粒计算和双尺度相似性的负荷曲线集成聚类算法

电力负荷曲线聚类通常依靠负荷形态差异和负荷数值差异对负荷曲线进行分类.提出了一种基于粒计算和双尺度相似性的集成聚类算法,采用以欧氏距离和皮尔森相关系数作为相似性度量的K-means算法生成基聚类,再通过粒度距离度量基聚类间的相似性,从而选择部分基聚类参与集成,最后生成相似度矩阵并采用层次聚类获得最终聚类结果.算例结果表...     

基于小波核相似度量函数的谱分割算法

由于高斯核的参数敏感性,导致在传统谱分割中往往无法识别图像数据的部分特征信息,图像分割准确率下降。为提高图像分割准确率,构建了一种基于小波函数的核相似度量函数,利用小波函数的多分辨率特性,对图像进行相似度量;证明了该核函数是可容许核,分析了该函数作为相似度量函数的可行性及其多分辨率分析特性;最后,提出了基于该小波核相似度量函数的谱分割算法。在Berkeley数据库的实验结果显示,该算法能够提高图像分割结果的精度,识别图像中的细节信息。     

基于视觉技术的非接触测量精度优化研究

针对精密加工行业零件形位公差在线检测实时性不高并且无法同时检测多个零件的问题,采用机器视觉技术,改良了相机采集图像的图像预处理流程与测量方法,提出一种基于CNN的超分辨重建的非接触测量改良算法。相较于其他超分辨率重建算法该算法模型简单,精度较高,速度快,在资源受限的情况下可以兼顾测量精度和效率。为了验证所设计算法的可靠性,设计了一套机器视觉的非接触测量系统。实验结果表明,改良测量方法后测量精度较之前使用的测量方法至少可提高47.86%,平均提高49.67%;该超分辨率算法在分辨率一定的基础上,对原始采集图像的超分辨率重建提升图像分辨率后,测量精度较不使用超分辨率重建提高了60.38%,最后利用该算法实现对多个目标在线同步测量分析,并且精度不低于同分辨率下单一零件检测精度。     

基于强度-梯度映射与多方向中值滤波的红外弱小目标检测算法

为了能够在复杂环境下准确定位出弱小目标,依据目标的高斯形状特性,设计了强度-梯度映射耦合多方向中值滤波的 红外弱小目标检测算法。 首先,根据红外图像在 4 个不同方向的强度均值,对经典的中值滤波进行改进,以有效抑制复杂背景 中的噪声。 再基于弱小目标的中心像素,获取整个红外图像的强度信息。 将红外图像沿着半径方向分割为 4 个子块,并建立每 个子块的极坐标系统,以计算其对应的梯度值。 依据最大与最小梯度值的比率,得到整个红外图像的梯度信息。 再将强度与梯 度信息实施融合,得到背景抑制图像,以增强红外弱小目标。 最后,利用强度-梯度映射中的非零像素均值来计算阈值,对背景 抑制图像实施分割,准确定位弱小目标。 测试数据显示,与已有的红外弱小目标检测方案相比,所提算法具备更高的检测准确 性,可完整地识别出目标,呈现出更为理想的 ROC(receiver operating characteristic)曲线。     

基于多分辨率特征提取网络的图像相似度学习

图像相似度学习旨在提取图像特征并构造新的相似性学习算法以对图像之间的关系建模.近年来,深度学习网络以能够自动学习特征的优势被广泛用于图像相似度学习中.针对深度学习网络提取的特征过于简单,导致相似度学习效率较低,且训练受到数据集大小的限制等问题,在改进的双分支网络和双通道网络基础上,结合数据增强和多分辨率特征提取方法,设...     

Example‐based face image super‐resolution taking into consideration correspondence of facial parts

Example‐based methods are widely adopted in image super‐resolution (SR) to generate clear, high‐resolution (HR) images from low‐resolution (LR) images. This paper reports our study of example‐based algorithms on LR facial images that exploit the relationship between LR and HR image patch pairs in a database using a Markov random field (MRF) model. We aimed to restore each part in a face with patches related to the parts. We generated patches with information on their original positions from a set of normalized facial images where their facial feature points were approximately in the same position. The nearer candidate patch's position to the target position yielded higher compatibility of the facial parts. Our algorithm restored LR images by combining the proposed facial parts' compatibility function with the conventional function to find the best set of estimated HR patches. The final SR results were obtained by stitching the inferred HR patches from an iteration process. An experiment on a set of facial images demonstrates that the combined compatibility function achieves the best quality in the resulting image, i.e. 30.39 [dB], in terms of the peak signal‐to‐noise ratio (PSNR) compared to the previously achieved quality of 29.65 [dB]. © 2017 Institute of Electrical Engineers of Japan. Published by John Wiley & Sons, Inc.     

直升机巡检航拍图像中绝缘子图像的提取算法

提出了一种新的绝缘子图像提取算法,可用于直升机智能巡检图像中绝缘子图像的提取。该算法首先将航拍得到的高分辨率玻璃绝缘子彩色图像进行RGB到HSI彩色空间的转换;然后对HSI空间的S分量,采用基于遗传算法的最大熵阈值的方法进行图像分割;接着对分割后的图像用双结构级联滤波器滤除噪声;最后用连通区域方法将分割出的绝缘子串轮廓标识出来。算例结果表明:该算法能够从背景复杂的航拍图像中完整地提取绝缘子图像,有较高的工程应用价值。     

基于小波变换和边缘模板相结合的序列B超图像边缘提取

由于B超图像的分辨率差、灰度级别少等特点,用传统的边缘检测难以得到满意的效果。本文采用了基于离散二进小波变换的门限选取法,通过检测图像直方图不上波变换的零交叉点来得到图像的边缘;进而又构造出一种边缘模板,利用小波变换和边缘模板相结合的方法提取出序列B超图像的边缘。     

一种新型小波阈值法在信号消噪中的应用研究

分析了sqtwolog、rigrsure、heursure、mini maxi4种常见的阈值确定方法后发现,信号中出现较高次谐波分量时,用sqtwolog和mini maxi阈值法去噪后高频信息损失严重,而用rigrsure和heursure法去噪后50Hz频率分量损失较为严重。为此,提出了一种新的阈值函数-先验知识的阈值确定方法,在信号去噪过程中运用先验知识阈值法确定各细节层的阈值来去噪。MATLAB仿真试验验证该方法有效性和优越性的结果表明:新的阈值法可以彻底的滤除信号中的噪声和无用的高频分量,尽可能的减少低频和有用高频信息的损失。     

Noise removal for medical X‐ray images in wavelet domain

Many important problems in engineering and science are well‐modeled by Poisson noise, and the noise of medical X‐ray images is Poisson noise. In this paper, we propose a method for noise removal for degraded medical X‐ray images using improved preprocessing and an improved BayesShrink (IBS) method in the wavelet domain. First, we preprocess the medical X‐ray image. Second, we apply the Daubechies (db) wavelet transform to medical X‐ray images to acquire scaling and wavelet coefficients. Third, we apply the proposed IBS method to process wavelet coefficients. Finally, we compute the inverse wavelet transform for the threshold coefficients. Experimental results show that the proposed method always outperforms traditional methods. © 2008 Wiley Periodicals, Inc. Electr Eng Jpn, 163(3): 37– 46, 2008; Published online in Wiley InterScience ( www.interscience.wiley.com ). DOI 10.1002/eej.20486     

基于小波变换和贝叶斯理论的图像分割算法

基于非下采样小波变换和贝叶斯分类理论的图像分割算法,在处理可见光图像时,容易受到噪声的干扰,而且,原算法在计算最大局部最小点时易产生偏差,从而影响分割效果。因此,本文首先使用滤波器滤除噪声,然后对原来的最大局部最小点的计算方法进行了等价变换,并调整了分割阈值以纠正由于对图像进行小波变换造成的灰度偏移,最后利用数学形态学运算对分割后的图像进行处理以消除孤立点,仿真结果表明改进算法分割效果较好。     

使用提升小波进行超分辨率图像重建

介绍了提升小波变换,研究了提升小波的优点,提出了使用提升小波进行超分辨率图像重建的方法。对原图进行旋转、平移、加噪并进行下采样,得到低分辨率图像序列。选取阈值,对低分辨率图像序列进行提升小波前向变换,然后通过提升小波逆变换得到重建以后的超分辨率图像。与传统的几种重建方法进行比较,实验结果表明,本文的方法能够使重建图像有更好的信噪比,而且在像素较大和低分辨率图像数目较多的情况下,有更快的重建速度。     

亚像素级的图像配准方法

在很多应用领域,要求图像配准的精度达到亚像素级,而多数亚像素级配准方法的运算量较大。文中阐述了一种高效的基于奇异值分解（SVD）的相位相关法。在无噪声干扰的情况下,该方法的精度达到0.02像素。通过对已知平移关系的图像的配准实验,比较了其与灰度相关函数内插法在无噪声和有噪声的情况以及应用于多光谱图像配准时的配准精度。实验表明,2种方法都有较好的抗噪声性能,在受噪声干扰不严重的情况下,基于SVD的相位相关法的配准精度优于灰度相关函数内插法。     

基于紫外成像技术的电气设备放电故障定位

夜间型紫外成像仪获得的放电图像往往因其拍摄条件及其设备的限制,不能很好的实现电晕放电位置的定位,为此在对紫外图像进行降噪预处理的基础上,分别依据紫外图像灰度值的不同、放电部分的灰度值均高于环境部分灰度值、放电部分与环境部分灰度值相差明显且人眼对黑色敏感习惯以及放电部分边界梯度变化大的原理,采用等位图法、阈值法、反转法和边缘法研究了基于紫外成像技术的电气设备放电故障定位。实验结果表明4种方法均可实现放电定位。通过对结果的对比分析,确定了各种方法的适用情况,此研究有利于基于紫外成像技术的电气设备放电故障诊断的实现。