基于自适应分数阶微分的红外目标增强算法

针对红外图像存在灰度范围窄、图像细节不清晰、目标边缘模糊的问题,提出了一种基于自适应分数阶微分的红外目标增强方法.该方法首先利用图像的梯度、信息熵进行有效融合,并且自适应调整分数阶微分以增强图像中的目标边缘;然后采用图像像素灰度的标准差和均值进行融合去确定目标的分割阈值,以区分出图像中的背景和目标部分;通过对图像中的目标区域进行线性增强,以进一步突显目标.经过实验验证:本文提出的方法能够有效地区分红外图像中的目标和背景,局部目标背景比(Target-to-Background Ratio,TBR)平均提高了0.5,视觉效果比较理想.     

分数阶微分在图像纹理增强中的应用

为了实现对模糊图像边缘及纹理的增强,使图像的细节信息更加清晰,需要对图像进行锐化增强。现有的增强方法一般是整数阶微分锐化及高通滤波,由于这些方法的处理效果仍不理想,文中引入了分数阶微分算子。分数阶微分不仅可以很好地增强图像的边缘和纹理信息,还可以保留平滑区域信息,抑制较大噪声。研究并分析了Tiansi分数阶微分算子的原理及特点,并对其进行了改进,提出了一种新的分数阶微分算子,可以更好地增强图像的边缘和纹理信息,同时保证图像的亮度不产生大幅度变化,而且可以抑制较小噪声的影响。从定量的角度分析,改进的分数阶微分算子的平均梯度最大可比原图像提高3.8倍。从而验证了改进的分数阶微分算子比整数阶微分算子如Laplace算子及Tiansi分数阶微分算子具有优越性,且算法简单易于实现,可应用于工程中的实时图像处理系统中。     

分数阶微分算子增强图像边缘和纹理

为了提高增强图像边缘和纹理的能力,分析了分数阶微分算子频域特性,大幅提升信号高频成分同时增强信号的中频成分以及非线性保留信号的甚低频成分,据此可增强图像的边缘信息和纹理细节信息。从分数阶微分定义出发,构建了近似微分算子模板及线性滤波算法。考虑到边缘和纹理具有方向性、空间邻域内像素的关联性以及相邻像素灰度值的相近性,提出在3×3模板窗口内,取中心点四个方向最大值为增强值。实验结果表明,本文提出的分数阶微分算子能明显地增强图像的边缘和纹理信息,增强后图像清晰度提高,视觉效果明显。     

基于分数阶微分算子与高斯曲率相结合的自适应图像去噪

文中提出分数阶微分算子和高斯曲率相结合的自适应图像去噪方法。将高斯曲率引入偏微分方程模型中,由图像梯度进行边缘检测,再结合高斯曲率和分数阶微分算子的性质,由图像的局部方差建立分数阶微分算子,构建基于分数阶微分算子的自适应图像去噪模型,进行自适应地扩散去噪。结果表明,新算法性能优异,内部信息保护更具完整性,有利于实际应用。     

基于分数阶微分的图像增强算法

相比传统的基于整数阶微分的图像增强算子,分数阶微分增强算子能提升图像的高频边缘信息,且非线性保留图像纹理细节和平滑区域的中低频信息。文中根据Riemann-Liouville分数阶微分定义,构造了5×5大小的分数阶微分增强算子模板,同时采用传统的整数阶图像增强算子Sobel算子、Prewitt算子和Laplacian算子,分别对灰度图像和彩色图像进行图像增强处理实验。最后,引入图像熵的计算,对图像增强的结果进行熵值大小的计算与分析。随着分数阶微分阶次的增加,分数阶微分增强算子处理后的图像熵值呈上升趋势,说明图像的纹理细节信息得到了加强。     

基于分数阶微分的遥感图像边缘检测方法

边缘保持是单幅遥感图像的超分辨率重建的关键步骤,边缘检测的精度直接影响着遥感图像边缘保持的效果。针对传统边缘检测算子对噪声敏感,边缘检测效果不理想的缺点,采用经典的分数阶微分G-L定义推导出的差分定义方程,构造了该文的分数阶掩模算子。通过与传统边缘检测算子检测结果的对比试验,结果表明:该算子可以有效地提取遥感图像的边缘信息、对噪声有较好的抑制作用和能获得更高的信噪比。     

基于分数阶微分和SIFT算法的图像匹配方法研究

提出了一种采用分数阶微分与尺度不变特征变换算法(SIFT)相结合的方式进行图像识别及匹配方法.该方法首先采用分数阶微分方法对图像的细节纹理部分进行加强,从而提高图像的分辨率,然后采用尺度不变特征变换算法对旋转缩放后的图像进行特征关键点提取和匹配,从而提高图像识别的准确率.应用该方法对Lena图像进行图像处理实验,结果表明:采用阶次为0.6的分数阶微分算法与SIFT相结合可最大化地提取图像的关键点和提高图像匹配的准确率(94.59％).     

一种改进的自适应分数阶积分图像去噪算法

为了改善图像去噪的效果,提出一种基于分数阶积分和中值滤波的改进自适应图像去噪算法,首先利用自适应中值滤波算法(Ranked-order Based Adaptive Median Filter,RAMF)中的噪声判别条件来检测噪声点,然后利用"噪声边缘"判别函数对其中的可疑噪声点进行二次检测,同时根据图像的局部统计信息和结构特征构造自适应的分数阶阶次,最后将检测出的噪声点进行自适应的分数阶积分滤波去噪。与传统的分数阶积分去噪算法相比,该自适应算法有效地保留了被错误误去除的图像边缘点,并且实现了分数阶积分的阶次自适应化,在去除噪声的同时很好地保留了图像的边缘及纹理细节信息。     

分数阶混沌系统自适应有限时间追踪控制

基于实现一类参数未知三维分数阶混沌系统有限时间追踪控制的目的,采用分数阶系统稳定性地理对分数阶Zhang混沌系统进行了动力学性质分析,采用有限时间控制法设计了一个自适应有限时间追踪控制器,通过理论计算和MATLAB数值仿真,验证了该控制器的有效性,实现了参数未知分数阶混沌系统的自适应有限时间追踪控制;在保持系统各个参数不变的情况下加入外部随机扰动,通过MATLAB数值仿真可知,该控制器具有抗干扰性。     

自适应的分数阶达尔文粒子群优化算法

针对分数阶达尔文粒子群算法收敛性能依赖于分数阶次α,易陷入局部最优的特点,提出了一种自适应的分数阶达尔文粒子群优化（AFO-DPSO）算法,利用粒子的位置和速度信息来动态调整分数阶次α,并引入自适应的加速系数控制策略和变异处理机制,以获取更优的收敛性能。对几种典型函数的测试结果表明,相比于现有的粒子群算法,所提的AFO-DPSO算法的搜索精度、收敛速度和稳定性都有了显著提高,全局寻优能力得到了进一步提高。     

一种改进的基于各向异性微分的SAR图像增强方法

合成孔径雷达(SAR)图像经过相干斑抑制后,图像中目标边缘会出现模糊。针对这一问题,提出了一种改进的基于各向异性微分的SAR图像增强方法。该方法在梯度方向和与梯度垂直方向构造了两个扩散系数分布函数。在非目标边缘区域,各方向扩散程度不同,对相干斑噪声具有较好的抑制效果;在目标边缘区域,梯度方向不做平滑,以保护和增强边缘,而在垂直于梯度方向有较大的平滑,突出边缘轮廓。实验结果表明,该方法具有很好的相干斑抑制能力和边缘增强能力。     

从2D条形图重建3D曲面模型

本文给出了一种从多角度2D条形图重建三维曲面模型的方法。该方法从不同侧面曲面物体的2D条形图出发，经过条形线段匹配，三维空间坐标计算，获得三维条形图，再经过一维插值，重建出三维曲面模型。该方法已在PⅢ800的PC机上进行了验证，成功的重建了一人头石膏像的3D表面模型。     

限制对比度的多层POSHE自适应图像增强算法

部分子块重叠直方图均衡算法(POSHE)是一种常用的图像增强方法,由于该算法存在过增强和块效应问题,不利于目标的识别和跟踪。为解决该问题,提出限制对比度的多层POSHE图像增强方法(CLMPOSHE),通过对每层子块对比度自适应限制来消除过增强现象,然后采用多层POSHE增强处理,最后将每层改进的POSHE处理结果自适应加权融合。大量实验仿真表明,该方法能有效增强雾天图像。     

一种改进的模糊增强算法

针对在图像处理的过程中要面对许多含糊不清的情况,采用模糊集理论这一有效的数学工具是非常必要的。本文在研究模糊增强传统算法的基础上,提出了一种新的隶属度函数。它克服了传统算法中的变换强度较小、运算速度较慢和丢失部分灰度信息等缺点。另外,为了更好地保持图像的细节,本文在模糊增强算法中引入了平滑处理,完善了图像的模糊增强系统...     

一种三维机动目标跟踪的改进IMM算法

以三维机动目标跟踪为背景,提出一种参数自适应交互式多模型跟踪算法。该算法采用当前量测信息实时地修正马尔可夫转移概率矩阵,有效地降低了人为因素的影响。由于三维CV（匀速运动）和CA（匀加速运动）模型状态变量维数不一致,从而导致使用IMM算法时数据不能直接交互融合。针对这一缺点,对CV模型进行了改进。Matlab仿真表明,使用改进后的CV模型并结合参数自适应IMM算法比使用常规的IMM算法跟踪效果更好,并具有很好的实用性。     

高斯变邻域差分的灰度图像增强算法

灰度图像增强问题可以转化为一个目标优化问题,但是该目标函数实质是一个多峰值的优化问题,对此提出一种高斯变邻域差分进化算法用于灰度图像的增强。首先,利用高斯变异方式具有快速收敛特性以及变邻域方式在种群多样性保持方面的优势,对差分进化算法的变异进行改进,目的是平衡算法在快速收敛和保持种群多样性方面的能力,提高算法的整体效能。然后利用该算法对灰度图像增强问题进行研究,通过与基于标准DE,PSO及均衡直方图灰度图像增强效果进行对比,高斯变邻域差分灰度图像增强算法能够更有效的对灰度图像进行增强。     

基于二维粒子群优化的图像模糊增强算法研究*

针对传统基于灰度变换方法进行图像增强后图像质量不高等现象,对粒子群优化算法、模糊增强算法进行研究,同时结合禁忌搜素和粒子空间对称分布原理,提出一种基于二维粒子群优化的图像模糊增强算法。该算法通过对搜索粒子进行空间对称分布调整以避免算法陷入局部最优、提高全局搜索能力,并且在算法迭代后期加入禁忌搜索算法记录粒子搜索位置,以减少粒子位置重复寻优、提高算法搜索效率。最后将改进后的粒子群优化算法中粒子搜索位置和速度更新方向设定为二维并与模糊增强算法相结合,自适应搜索出模糊参数Fp、Fe最优值,实现模糊增强。实验结果表明,改进后算法对图像增强效果较好,并且将算法用于过暗SAR图像、医学MR图像的增强,可有效提高图像质量。     

近场毫米波三维成像算法

介绍了一种近场毫米波三维成像算法。首先对目标进行二维成像,然后提出一种基于局部信息联合BM3D自适应滤波滑窗算法,有效保留了图像信息并抑制杂波,实现三维成像重构。分别从系统平台、信号回波模型、后向投影与全息成像算法及成像结果、图像滤波、三维成像重构展开介绍,所得结果验证了实验的可行性和准确性,在诸多场景中具有广阔的应用价值。     

基于匹配滤波的Gm-APD激光雷达三维重构算法研究

Geiger mode Avalanche Photo Diode(Gm-APD)激光成像雷达三维重构常用的峰值法对于异常峰会提取到错误的目标位置,阈值选取整数会造成重构三维像信噪比不高及目标缺失等。针对此问题,提出了基于加权一阶类高斯匹配滤波算法,通过对脉冲回波触发频数直方图的拟合归一化得到权重窗口平滑直方图再次选取峰值位置进行重构。应用基于Poisson分布的Gm-APD触发模型理论推导得到该算法的探测率及虚警率表达式并与峰值法对比,理论结果为使用基于加权一阶类高斯匹配滤波算法提取到目标的概率更高,通过Monte Carlo仿真验证了理论推导结果。最后使用两种算法对真实实验数据进行三维重构,主观及客观对比其重构得到的三维距离像,基于加权一阶类高斯匹配滤波算法在复原效果上较峰值法有了明显提升。结果表明,基于加权一阶类高斯匹配滤波算法在处理低信噪比、实时三维重构等方面具有良好的实际应用前景。