基于数学形态学和LMS滤波的图像边缘检测算法研究

传统的边缘检测算子对灰度图像进行边缘检测时存在图像细节被丢失,边界不连续等问题。针对上述问题,提出一种基于数学形态学和最小均方差滤波相结合的图像边缘检测方法,该算法先利用小均方差滤波的方法可以有效地滤除图像中的噪声,然后利用形态学中的腐蚀运算对图像进行边缘检测处理。实验结果表明：该方法能够有效地去噪,精确地检测图像中的细节,并且边界的连续性好。     

基于MRF模型和形态学运算的SAR图像分割

针对目标监测分析中的SAR图像分割问题,构造了一种基于马尔可夫随机场(MRF)模型和形态学运算的处理方法.首先利用SAR图像邻域空间上的马尔可夫性以及像素灰度的高斯分布模型,以较少的迭代次数实现了SAR图像的初分割;然后通过形态学运算进行处理,抑制干扰性分割,同时填充目标区域内部空洞,改善分割效果.实验结果显示,该方法...     

基于多尺度多方向结构元素的形态学图像边缘检测算法

为进一步改善图像处理中的噪声抑制和边缘检测性能,提出了一种多尺度多方向结构元素形态学图像边缘检测算法.该算法基于数学形态学中结构元素的方向性差异,充分利用了腐蚀、膨胀、开、闭及其变换和组合运算.对图像进行去噪、边缘提取等预处理操作,以提高图像的信噪比和边缘细节;利用递归的多尺度多方向结构元素形态学滤波得到图像的初始轮廓;利用多尺度形态学和多方向结构元素进行图像边缘检测.实验结果表明提出的算法抗噪性强,能有效准确地提取边缘信息.     

基于纹理特征和数学形态学的SAR图像目标检测方法

SAR图像目标检测是SAR图像解译的基础。针对含有目标的SAR图像,利用垂直方向的边缘纹理检测方法对预处理后的图像进行垂直边缘检测,再运用数学形态学中的腐蚀运算和膨胀运算对垂直方向边缘图进行虚警滤除处理,从而得到感兴趣的目标检测区域。详细地给出了SAR图像目标检测步骤,并将本方法与其他方法的检测结果进行了比较,实验结果表明,在均匀杂波背景与非均匀杂波背景下,该方法能够快速有效地实现SAR图像目标检测。     

Top-hat形态学滤波在图像预处理中的应用及FPGA实现

阐迷了数学形态学在灰度图像滤波中的应用,设计出一种以现场可编程逻辑门阵列(FPGA)实现灰度形态学图像预处理的硬件架构,该结构的优势在于可自动生成定长结构元素的滤波器.对灰度图像形态学滤波效果进行了仿真.仿真表明,该方法在提高图像信噪比的同时,对外景干扰也有一定抑制作用,且具备很高的实时性,对系统小型化也具有重要意义.     

一种基于形态变换的图像去噪方法

图像去噪是一种图像预处理方法。图像去噪能够从复杂的信号中提取所需要的信号,便于对图像作进一步的处理。数学形态学是一种对图像进行分析的数学工具,其分析的基础是图像的形态。文章利用数学形态学以图像形态为主要研究对象这一特点,对一幅含噪的典型图像进行实验。通过实验,表明该方法可以较好地保留图像原有的特征。     

一种基于卷积运算与全变分模型的图像去噪方法

梯度模值较易受到外界影响,导致全变分模型在大噪声点处往往不能很好地消除噪声,从而产生阶梯效应。针对该问题,提出了一种基于卷积运算与全变分模型的图像去噪方法。首先,针对以扩散形式获得的图像像素点进行卷积运算,利用滤波去噪降低大噪声点的灰度值;其次,以能量泛函形式构建图像全变分模型,并求解泛函对应的拉格朗日方程极小值来实现图像去噪;最后,将去噪后图像作为双边滤波算法的引导图像进行二次去噪,从而进一步提升图像去噪质量。仿真实验结果表明,与经典方法相比,该模型对去噪过程中的阶梯效应问题具有较好的处理效果。     

基于双树复小波和形态学的红外图像去噪方法

红外成像技术随着科技的快速进步在各个领域的应用与日俱增。但是,红外成像后的图像较为模糊且噪声较大,严重影响了目标检测和识别的效果,对图像进行有效的去噪处理就显得很有必要。在研究双树复小波变换和形态学滤波的基础上,提出了一种基于MAP估计的双树复小波变换与形态学滤波相结合的红外图像去噪方法,并将其应用于红外图像的去噪。与传统的去噪方法进行比较,无论从视觉效果还是客观评价指标上来看,所提方法都优于传统的去噪方法,可以广泛应用于红外图像处理领域。     

基于数据融合的SAR图像斑点噪声抑制

合成孔径雷达图像中的斑点噪声极大地降低了图像的可读性,不利于图像解译和信息提取。根据均值滤波和小波软阈值去噪算法的优点,提出了一种基于数据融合的合成孔径雷达图像相干斑抑制算法。该方法首先对含噪图像进行均值滤波和小波软阈值去噪,再对滤波后的两幅图像在小波域进行数据融合。实验结果表明,这种方法抑制SAR图像斑点噪声的效果较好。     

一种快速的航空图像边缘提取方法

航空图像边缘提取对于图像的判读具有重要的辅助作用.在分析航空图像特点和形态学基本原理的基础上,提出了一种新的复合型数学形态学边缘提取算法.通过对一幅实际的航空图像的仿真实验,结果表明,该方法比传统的数学形态学边缘提取算法具有更好的抗噪能力和边缘提取效果,并且算法运算时间短.     

基于静止图像的小波图像编码

小波图像编码是近十几年发展起来的一种新兴的图像编码方法，目前对其研究较为广泛。主要介绍了当前基于静止图像的小波编码的原理、基本特性、现有方法和发展前景，以及所存在的问题。希望以此进一步推动这一前沿领域的研究工作。     

红外图像评价质量研究

按照红外图像的形成过程分析可认为一幅红外图像是由目标图像、背景图像和噪声图像,目标图像和背景图像是红外图像的主体,噪声图像是叠加在红外图像主体上的干扰.文章从红外图像主体能提供的信息量是否丰富、细节是否明显,噪声图像相对图像主体的大小三个方面入手,对红外图像进行质量评价,评价结果与主观评价相一致,具有较好的可比性.     

基于图像修复的图像编码技术

数字图像修复技术是图像恢复领域的一个重要分支,它的目的是根据图像现有的信息来自动恢复丢失的信息,它可以用于旧照片中丢失信息的恢复、视频文字去除以及视频错误隐藏等。结合数字修复技术的图像压缩编码技术是基于对象的第二代图像编码中的研究热点之一。这里首先介绍了图像修复技术的概念,然后分类说明了几种常见的修复技术,在此基础上,得到了基于图像修复的压缩编码技术的基本处理流程,最后以具体算法为例说明了基于图像修复的压缩编码技术的压缩过程。     

基于图像核函数的图像目标识别技术研究

核方法已经广泛应用于模式识别的各个领域,但是传统的核函数仅能接受一维矢量作为输入数据,对二维图像数据需要进行一定的预处理.本文从核函数构造的角度出发,以RBF核函数为结构原型,定义了一种输入量为图像数据的新型核函数.从形式上看,本核函数仅在输人数据的类型上有所不同,其他方面完全一致,经典的基于核方法的分类器算法都可以使用本核函数.对UCI数据实验结果表明,本核函数在多种图像识别应用中均有良好的效果.     

基于融合的红外图像增强方法

由于成像过程中受外界环境影响以及成像系统自身固有特性,红外图像不可避免地会产生大量噪声,使成像系统直接获得的红外图像具有对比度低、信噪比低、边缘模糊等特点。因此,想要对红外图像目标进行很好的识别,必须对红外图像进行增强处理。提出了一种新的红外图像增强方法。该方法首先用中值滤波和均值滤波结合的方法对图像进行滤波,再用改进的OTSU法分割图像,接下来对分割后的前景和背景图像分别使用平台直方图均衡处理,并在这种分割基础上确定需要锐化的图像边缘,最后将处理后的前景和背景相加,并和需强化的边缘图像加权融合得出增强图像。仿真结果表明,所提方法对红外图像细节等综合因素的增强效果较好,并有效可行。     

基于Matlab的图像增强与复原技术在SEM图像中的应用

改善图像质量是当今研究的热点.这里利用Matlab的工具函数,采用灰度直方图均衡化和低通滤波,以及图像复原技术对一幅上皮细胞SEM(即扫描电子显微镜图片)图像进行处理,并比较他们的效果.实验结果表明,使用Matlab工具箱大大简化了编程工作,为生物医学图像处理提供了一个技术平台,综合运用直方图均衡化和低通滤波和自适应维纳滤波好于简单的使用某一方面的技术,如直方图均衡技术,更好地改善了SEM图像质量,使低对比度图像得以改善,上皮细胞与背景的区分更加明显.     

基于分形编码的图像相似匹配研究

本文以自适应四叉树分割的分形图像编码为基础，研究了极坐极表达下分形码之间的匹配，并在此基础上提出了图像间分形码峰值信噪比的概念和算法，以达到量化图像间相似性的目的，实验证明，这种基于自适应分形编码的图像相似性匹配方法 人的主观判断非常接近，非常适合于用来构建和管理大图像数据库。     

图像融合技术在成像中的应用

阐述了基于小波变换的图像融合的基本原理、方法及优点.通过对可见光图像与红外图像进行融合的实验比较表明,以图像的边缘特征为融合准则的融合效果更好.这种方法比较适用于场景监控的应用领域.它突出了目标的边缘,从而使观察者更容易发现和识别目标.     

一种基于图像特征的图像分类方法

图像分类是色域匹配的关键环节,不同类型的图像采用不同的匹配方法.针对如何有效分类图像,设计了一种基于图像特征的图像分类算法.首先建立图像颜色的三个通道特征统计模型和基于空间灰度级的纹理统计、边缘特征的统计模型,然后根据模型计算出图像的三类特征值,利用特征统计评判和神经网络技术分析计算数据,最后得出图像类型.实验结果表明,算法有较高的分类精度.     

低对比度图像分割算法研究

在分析图像分割算法的基础上，针对灰度随机分布的低对比度图像．提出采用空间区域方差和灰度区域方差进行图像增强和灰度分区。实验结果表明该方法能有效地实现低对比度图像的分割。