基于模糊神经网络的彩色图像滤波器研究

为实现彩色图像噪声的滤波，基于模糊神经网络技术构建了一种新型的彩色图像滤波器．该滤波器通过对滤波窗口的彩色图像像素矢量进行模糊加权来判断邻近像素和中心像素的关系，针对不同性质的噪声由神经网络的自学习和自组织功能来自动调节滤波器的权值以实现噪声的滤除．用Flowers图像和Lena图像对经过训练的滤波器和矢量中值滤波器进行了测试对比．结果表明：模糊神经网络彩色滤波器无论对单纯的脉冲噪声及高斯噪声，还是二者的混合噪声，其滤除能力都要优于矢量中值滤波器，并且有较好的边缘和细节保持能力．     

自适应彩色图像SCM去噪

提出一种彩色图像去噪方法。该方法首先利用脉冲发放皮层模型spiking cortical model,SCM)的同步脉冲发放特性和脉冲噪声明显不同于周围非噪声像素的特点定位彩色图像各通道中脉冲噪声点的位置;然后根据噪声检测情况自适应地选择窗口的大小及对应的滤波方法仅滤除噪声像素,保持非噪声像素不变。实验数据表明该方法能够充分去除噪声的同时很好地保持图像细节。对污染严重的图像,用该方法去噪后的主观视觉和客观评价明显有所改善。     

彩色图像鲁棒聚类分割快速算法

给出一种具有鲁棒性的彩色图像聚类分割快速算法,以改善基于马氏距离聚类分割算法(MFCM)的实时性和抗噪性。利用彩色图像红、绿、蓝3通道分量构造三维直方图,统计出现频次不为零的灰度级组数目,用于取代像素值进行聚类。将图像像素邻域均值嵌入MFCM算法的目标函数,采用拉格朗日乘子法获取其迭代求解表达式,可得相应图像分割聚类算法。随机选取伯克利标准图像库中3幅彩色图像,添加不同强度的高斯噪声,进行分割测试。实验结果表明,改进算法对噪声图像的分割具有一定鲁棒性,对无噪声彩色图像分割相比MFCM算法具有更高执行效率。     

交警手势的图像处理与识别

提出了一种基于交警手势识别的交通灯控制方法．该方法首先对彩色摄影机采集的交警手势图像进行预处理。包括彩色图像平滑、彩色图像增强;其次利用边缘检测和图像分割方法对目标图像进行分割,由于图像受噪声干扰严重,采用Sobel算子消除噪声;再次将分割得到的目标轮廓进行表示与描述,为图像的识别作好准备;最后结合图像的轮廓特征对图像进行识别,采用了模糊模式识别方法．试验结果表明。该方法能够实现对交警手势准确的识别．     

基于中智模糊聚类的彩色图像鲁棒分割算法

为了提高噪声干扰彩色图像分割的鲁棒性,给出一种基于中智模糊聚类的彩色图像改进分割算法。将像素空间邻域信息嵌入现有的中智模糊C-均值聚类目标函数,利用马氏距离代替欧氏距离,度量中智模糊聚类中样本与聚类中心之间的差异程度,获得适合彩色图像分割的模糊聚类目标函数,并采用拉格朗日乘子法获取隶属度和聚类中心的迭代求解表达式。对彩色图像添加高斯噪声和椒盐噪声,图像分割测试结果表明,所给算法相比模糊C-均值聚类算法和基于马氏距离的中智模糊聚类算法有更强的鲁棒性。     

基于鲁棒性神经模糊网络的脉冲噪声滤波算法

在一个简单有效的脉冲噪声检测器和一个鲁棒性神经模糊(robust neuro-fuzzy, RNF)网络的基础上,对于被脉冲噪声污染的彩色图像,提出了一种新的脉冲噪声滤波算法。该算法可分两步进行,首先对RNF网络进行优化训练,然后用优化后的网络对被噪声污染的彩色图像进行噪声滤波。在该算法中,采用一个简单有效的脉冲噪声检测器,它能快速有效的检测出彩色图像中的噪声像素。经过优化的RNF网络仅对噪声像素进行滤波,而对非噪声像素则保持不变。在RNF网络的构造中,采用一个新的隶属函数,使该算法对于脉冲噪声具有鲁棒性。实验结果证明,与一些传统的非线性、多通道滤波器相比,该滤波器具有较好的滤除噪声能力,并且能较好的保留图像的边缘和细节,具有很好的鲁棒性。     

基于灰度和空间特性的谱聚类图像分割

为了克服谱聚类图象分割方法性能容易受到图像大小和相似性测度的影响,提出一种基于灰度和空间特性的谱聚类图像分割算法。该算法不对图像中的像素之间建立相似性,而是利用各个像素的灰度在图像中的分布信息和像素点的空间邻接信息建立灰度之间的相似关系,通过对图像中灰度的分类进而获得原始图像的分割结果。因此,该算法不会受到图像大小的限制,无论对于多大的图像,相似性矩阵的大小都是小于等于256×256。Berke-ley基准图像数据集上的分割仿真实验验证了该方法的有效性。     

彩色图像YCbCr域自适应数字水印算法

提出了一种用MATLAB实现的彩色图像水印算法。利用彩色图像在YCbCr域内对色差分量的DCT系数的改变加入水印,将色差分量矩阵进行8×8分块,根据每个小块内边缘点的密度将所有小块分成两类,不同类的小块分别按照不同的拉伸因子,加入水印信息。由于水印加入过程中考虑到人类视觉系统的纹理掩蔽功能,使得添加的水印具有自适应性。经试验测试,提出的算法实现的水印对于诸如JPEG压缩、放大缩小等常见的图像处理和噪声干扰具有很好的稳健性。     

嵌入邻域像素的彩色图像鲁棒聚类分割算法

为提高彩色图像模糊聚类分割算法的抗噪性,给出一种嵌入像素邻域信息的彩色图像鲁棒聚类分割算法。为适合彩色图像分割,以协方差马氏距离代替模糊C均值聚类算法目标函数中的平方欧氏距离;将样本协方差矩阵行列式作为正则项融入聚类目标函数,以增强算法普适性;将邻域像素滤波信息嵌入聚类目标函数,以改善聚类算法的抗噪性能。针对噪声干扰彩色图像的分割测试结果表明,所给分割算法抗噪鲁棒性良好。     

基于Kinect的深度图像修复方法

提出采用基于权值的联合双边滤波器(WJBF)和深度补偿滤波器(DCF)相结合的方法对深度图像进行修复。首先,通过Kinect获得对齐后的彩色图像和深度图像;然后,利用基于权值的联合双边滤波器处理深度图像中的空洞和噪声;最后,用深度补偿滤波器减少边缘模糊。将本文算法与3种常用的深度图像修复方法进行了定性和定量上的分析和对比,实验结果表明,本文方法具有更好的修复效果。     

一种改进的严重脉冲噪声滤除算法

为了有效改善受严重噪声污染图像的恢复效果,准确定位噪声点和改善所恢复图像的峰值信噪比,提出一种改进的非线性自适应滤波算法.该方法利用初始标记窗口的局部统计信息,首先将图像像素点粗分为信号点、可能的正噪声点和可能的负噪声点三类,建立噪声标记矩阵;根据噪声标记矩阵的局部统计信息,将可能的噪声点细分为信号点、噪声点和不确定点,并分别采用不同的方法进行滤波;对于不确定点进行2次判断,对于噪声点用其4邻域均值来代替。本算法的优点是计算速度快,噪声点定位准确,可以保留更多的图像细节。实验证明,该算法可有效恢复受严重脉冲噪声污染的图像。     

Filtering algorithm of line structured light for long-distance obstacle detection

Since unmanned ground vehicles often encounter concave and convex obstacles in wild ground, a filtering algorithm using line structured light to detect these long distance obstacles is proposed. For the line structured light image, a ranked-order based adaptively extremum median (RAEM) filter algorithm on salt and pepper noise is presented. In the algorithm, firstly effective points and noise points in a filtering window are differentiated; then the gray values of noise points are replaced by the medium of gray values of the effective pixels, with the efficient points'' gray values unchanged; in the end this algorithm is proved to be efficient by experiments. Experimental results demonstrate that the proposed algorithm can remove noise points effectively and minimize the image blur, resulting into protecting the edge information as much as possible.     

均匀量化颜色选择算法的研究与实现

从彩色图像输入设备获得彩色图象，其红、绿、蓝３个分量均为１个字节，所以可表示２５６＾３种颜色。对一幅彩色图象的３个分量在其颜色值的范围内进行均匀量化，输出值均取６个等级，从而把一幅彩色图象转换成２１６种颜色。用这２１６种颜色修改彩色表，然后将量化后的图象数据写入显示缓冲区，从而实现对一幅彩色图象的显示。     

图像椒盐噪声的分阶段中值滤波算法

针对自适应中值滤波算法的缺陷---对高密度椒盐噪声图像滤波后留下黑色斑块,提出了一种分阶段中值滤波算法。该算法对图像执行两次小窗口的滤波操作,相较于采用较大窗口的滤波,其在有效去除噪声的同时降低了结果图像的模糊程度。先对所有噪声点进行一次中值滤波消除了盐粒噪声,再用窗口内非噪声点的灰度中值代替胡椒噪声点的灰度值以去除黑色斑块。最后的仿真实验结果表明,本文算法既有像自适应中值算法一样滤除低密度椒盐噪声的良好性能,又有对高密度椒盐噪声图像的降噪能力。     

基于模糊逻辑的足迹图像滤波算法

根据足迹图像噪声的特点,提出一种基于模糊逻辑的足迹图像去噪算法．算法首先分析足迹图像中像素不同方向邻域的灰度值分布情况进行噪声像素点的检测．然后使用改进的去除最大最小灰度值中值滤波算法对已检测噪声像素点的灰度值进行复原估计．最后,通过所设计符合实际的模糊逻辑规则,进行足迹图像噪声污染像素点的复原．实验结果表明,新算法在去除噪声的同时能够较好地保持足迹图像的细节特征,取得了优于现有大多数足迹图像滤波算法的效果．     

改进的自适应中值滤波算法及其应用

针对自适应中值滤波在窗口迭代过程中存在像素点重复参与运算导致算法复杂度较高的问题,提出了一种改进的中值滤波算法.首先依据有效像素点与窗口中心点间的坐标距离来快速确定最佳滤波窗口尺寸,避免了窗口迭代造成的像素点重复排序;之后对窗口内的有效像素点进行取中值操作,有效削弱了噪声点的干扰,进一步提升了图像滤波的质量.经实验验证,与自适应中值滤波算法比较,复杂度显著降低,峰值信噪比(peak signal to noise ratio,PSNR)值平均提高10 d B左右.和同类文献比较在算法复杂度和图像降噪效果间做出了一个较佳的权衡.最后将该算法应用于Kinect深度图降噪上获得了不错的效果.     

基于不变矩特征的沥青路面破损图像识别

提出了一种减少沥青路面破损图像识别计算量的图像分割方法。将路面图像等分为64×64像素的子块图像,并用灰度方差值描述子块图像特征。设计了基于BP神经网络的子块图像模式分类器,利用子块图像模式分类结果所组成的矩阵作为路面破损图像分割结果。并将路面破损图像子块模式矩阵的不变矩作为路面破损图像的整体特征,在此基础上设计了基于全局优化算法的路面破损前馈神经网络分类器。最后进行了路面破损图像识别试验,识别率达到83 3%。     

均匀分布随机噪声图像产生方法

提出了一种产生随机脉冲噪声图像的方法,并结合程序说明实现随机脉冲的均匀分布条件,通过模拟实验结果表明,所产生的噪声图像的直方图分布特性优于ＷｉＴ软件结果。     

基于局部保边函数的低信噪比图像去噪

传统的去噪算法要求含噪图像信噪比较高,并且去噪后图像边缘及纹理信息受到不同程度地损失。本文针对传统算法的不足,提出了基于局部保边函数的低信噪比图像去噪算法,首先对低信噪比图像运用自适应中值滤波器减少椒盐噪声对图像的影响同时保留图像边缘和纹理等细节信息;其次分析处理后的图像局部邻域内像素之间的关系,设计图像局部保边映射函数,最后利用Poly-Ribière-Polak(PRP)算法求出目标函数的最值进而实现低信噪比图像的去噪处理,去除高斯噪声和残余的椒盐噪声。 与传统算法相比,本文去噪效果较好,尤其是对PSNR为5.4db的低信噪比图像去噪后图像PSNR 达到24.3dB。