结合蚁群算法与二维直方图的红外图像分割

现有的图像分割算法存在着耗时量大,分割效果不佳等问题,不适用与红外系统领域的应用。针对上述问题,根据灰度级－梯度二维直方图的目标分割优势,通过与蚁群算法相结合,提出了一种结合蚁群算法与二维直方图的红外图像分割算法。通过在传统的灰度－梯度二维直方图进行引入边缘与噪声区域的相关量;通过将图像窗口化,并根据最佳分割阈值对蚁群的启发函数以及信息素更新进行重新定义,来实现红外目标的快速提取。实验结果表明,该算法分割后的红外目标边缘清晰,抗干扰能力较强,且运算速度也得到了有效提高。     

噪声图像中提取边缘的蚁群搜索算法

该文提出一种边缘引导的蚁群搜索算法,以解决常用的边缘提取方法抑制噪声能力不强,提取边缘不连续的缺点.此算法首先进行边缘检测获取由真实边缘和噪声组成的可能边缘点;然后利用可能边缘信息引导蚁群迭代搜索局部边缘曲线,并根据蚂蚁搜索曲线的长度更新其行走路径上的信息素分布,使搜索逐渐向真实的边缘收敛;最后,依据信息素遗留提取真实的边缘曲线.相对传统的蚁群算法,该文利用边缘信息引导蚁群搜索,增强了搜索的目的性,提高了算法效率.多组噪声图像的实验表明:该算法能够有效地从噪声图像中提取物体的真实边缘,在最大限度地保留细节信息的同时抑制噪声.     

基于区域特征分割的红外弱小目标提取算法

针对现有的红外图像中目标分辨率低且边缘弱等问题,提出了一种基于区域特征分割的红外弱小目标提取算法;该算法根据灰度形态学理论,利用红外背景与目标轮廓信息来提取图像的目标信号;其中算法先根据红外图像的灰度与形状的相似度进行归属度处理,来分类出图像中的目标区与背景区;接着,根据边缘检测算法,该算法对目标区的目标的进行轮廓提取;实验结果表明,该算法能够有效的进行目标提取针对红外图像的不同性质;具有精度高,抗干扰能力强的分割优势。     

基于改进剪切波和Canny的故障区域检测算法研究

针对机械故障红外热图像存在各种噪声造成故障区域测量参数提取精度低的问题,本文提出了基于改进剪切波和Canny的故障区域检测算法。该算法包括基于改进剪切波的去噪算法和改进Canny算子的边缘检测算法,在去噪中本文提出的是一种基于剪切波和高阶谱相结合的新算法,可以有效地去除高斯噪声与椒盐噪声的混合噪声并保留图像细节;在图像的边缘检测中本文利用剪切波与Canny算子相结合的改进新算法对红外故障图像进行边缘提取,从而消除了传统的Canny算子在检测时出现的伪边缘现象。实验仿真结果表明本文提出的去噪算法与传统的去噪算法相比显著提高了图像的峰值信噪比(PSNR),同时图像的边缘和细节也得到了很好的保留,实现了故障区域特征参数的精确有效提取。     

改进蚁群优化算法的图像边缘检测

为了解决图像边缘检测中的噪声问题,并提升检测效率与检测效果,提出改进蚁群优化算法的图像边缘检测方法。所提方法改进了传统蚁群优化算法直接在像素域进行迭代的边缘检测过程,其将蚂蚁分为探测蚁和寻路蚁,寻路蚁采用数据结构控制思想在原图像上随机选择迭代路线,根据蚂蚁移动角度设置像素点结构搜索路线,在所经过的每个像素点上进行附近像素点结构搜索,快速获取整体图像边缘检测信息,再利用探测蚁将寻路蚁给出的结果进行蚂蚁外激素检测,完成对检测效率与检测效果的改进。实验结果证明,相比传统蚁群优化算法,改进蚁群优化算法在图像边缘检测的效率与效果上均有很大提高。     

基于蚁群搜索的直线检测算法

提出一种直线检测的蚁群搜索算法,以解决常用的直线检测方法抑制噪声能力不强、检测直线不连续的缺点.此算法首先进行边缘检测获取边缘点;然后利用边缘信息引导蚁群迭代搜索可能的直线边缘,根据直线的搜索长度更新蚂蚁运动路径上的信息素分布,使搜索逐渐向长直线收敛;最后,依据搜索路径的信息素遗留提取图像中的直线边缘.多组标准图像的实验表明:该算法能够有效地从图像中提取直线,同时具有较强的噪声抑制能力.     

一种抑制脉冲噪声的边缘检测算法

提出了一种针对脉冲噪声图像的边缘检测算法,算法借鉴了中值滤波的思想,并采用十字型卷积模板计算图像梯度。首先,对参与图像中梯度计算的像素点进行阈值判断,如果是噪声点,该点像素值用3x3窗口中值滤波结果值替代,然后参与梯度计算,如果不是噪声点则直接参与梯度计算;其次对梯度图像进行细化和二值化以提取边缘图像。实验证明,本文算法对脉冲噪声污染图像边缘检测效果良好,较好地抑制了脉冲噪声的影响,而且提取的图像边缘较细,轮廓清晰。和传统的边缘检测算法及基于小波模变换的边缘检测算法相比,算法在抑噪能力上和边缘提取效果上均比较优秀。     

基于红外图像特征与K-means的边缘检测

为解决红外图像边缘模糊导致边缘提取困难的问题,提出一种基于边缘特征与K-means结合的红外图像边缘检测方法。首先将人眼视觉特性与红外图像边缘点处的灰度分布特点结合,构造出反映其结构特征的数据集;再利用K-means将数据集分为边缘点和非边缘点,提取出图像边缘;最后利用二步法将边缘进行细化,以便实现红外图像边缘检测。实验结果表明:该方法能够通过自适应阈值提取出红外图像的完整外部轮廓,并保留内部边缘信息,对弱边缘起到良好的提取效果,并有效抑制噪声干扰。     

阈值选取与边缘检测相结合提取红外图像特征

提出了一种阈值选取与边缘检测相结合提取红外图像特征的方法。对红外图像进行边缘检测,并选定阈值将其二值化;在二值边缘图像中应用双窗口分别选定目标和要去除的噪声,在各窗口中采用双向扫描提取目标特征。实验结果证明了其良好的性能。     

结合方向边缘检测的红外与可见光图像融合算法

针对现有红外与可见光融合算法中存在边缘模糊与目标不清晰等问题,通过对红外图像与可见光图像的研究,提出一种基于方向边缘检测的红外与可见光的图像融合算法。通过在传统的边缘检测算法基础上,引入一个方向因子,提出了一种新的方向边缘检测算法;并根据高频子带与低频子带中小波系数的不同特性,分别对其采用了不同的融合规则。实验结果表明,该算法能够有效的提取图像中的边缘信息与目标信号,具有可靠性高、清晰度高的市场优势。     

改进的基于模式噪声的源相机检测算法

针对基于模式噪声的数码相机源检测中存在的问题,提出了一种改进的模式噪声提取算法。在Lukas算法的基础上,首先利用Wallis预滤波处理抑制低频噪声并增强模式噪声;再利用Sobel边缘检测算子对图像的复杂边缘纹理区进行有效剔除,最后利用经过上述处理得到的图像模式噪声与相机参考模式噪声模板进行相关检测。实验结果表明,提出的改进算法可以有效提高源相机检测的性能。     

一种基于TS201的微弱信号检测平台设计

微弱信号的提取在信号检测中占据十分重要的地位,文中研究了一种基于TS201芯片的微弱信号的检测平台设计,利用正弦信号的特性,进行多重自相关运算,有效的提高信噪比,提取淹没于噪声背景下的微弱信号。文中给出了具体的硬件结构设计和算法实验。实验结果表明,检测平台能有效的提取微弱信号。     

基于形态学处理的突发信号宽带检测算法

在非协作通信中,确定突发信号的中心频率和起止时刻,是突发信号检测的主要任务。本文对突发信号的宽带时频图进行形态学滤波以及骨架提取,利用处理后的时频图信息进行信号的时间占有度统计,并以此确定突发信号中心频率;采用基于Goertzel算法的Power．Law检测器来实现突发信号的捕获;根据信噪比的粗估计采取合适的起止时刻检测方式,完成突发信号的检测。仿真结果表明,算法能够较好地确定突发信号的中心频率,提高起止时刻的检测性能。     

一种新的红外热像仪图像边缘检测方法

针对红外热像仪采集的红外影像边缘信息模糊、影像存在噪声、边缘信息难提取的特点,提出了一种基于数学形态学对LOG算子改进和Roberts算子数据相结合的边缘检测新方法。该方法首先引进形态学中的开闭运算对具有随机噪声的红外影像进行滤波,接着运用拉普拉斯算法边缘检测,然后再采用Roberts算子提取边缘信息,建立相应的融合规则及阈值条件,将两种方法检测出的影像边缘信息融合,得到最终的融合影像。最后,对增加椒盐噪声的影像用MATLAB进行仿真实验,结果表明,该方法结合了两种检测算子的优点,定位精度高,有很强的抗噪性,获得了比较理想的检测效果。     

基于噪声方差估计的红外弱小目标检测与跟踪方法

针对红外弱小多目标图像背景杂波干扰严重、弱 小目标检测率低和目标跟踪困难的问题,提出一种 基于噪声方差估计的红外弱小目标快速检测与目标跟踪算法。首先采用改进的形态学 滤波抑制背景噪声, 对处理后的多帧图像进行方差估计初步突出目标像素;然后对其进行信噪比(SNR)估计得到整个图像序列像素得 分,图像中像素SNR高的被标记为目标像素;再对标记过的图像进行分块分析 ,准确提取出连续图 像序列中的目标像素;将检测出的目标像素作为Hough变换的目标跟踪算法的输入,设置双 阈值实现目标 的有效跟踪。实验结果表明,在复杂背景下的红外弱小目标提取中,基于噪声方差估计的目 标检测拥有较 高的检测概率和较低的虚警概率,将其获得的目标像素作为Hough变换的输入,不仅可以有 效跟踪目标, 而且简化了算法的复杂度,实现目标的快速提取和跟踪,具有很高的应用价值。     

基于小波变换的水天线提取算法研究

文中提出了一种基于小波变换的复杂背景下受强杂波、噪声污染的水天线的检测算 法。该算法利用了小波变换的多尺度特性,将要检测的图像进行多尺度小波变换,再采用多尺度边缘匹配,将不同尺度的输出集成为一个简单边缘图像。仿真试验结果表明,该方法可较强的抑制强杂波背景和强噪声的干扰,能有效检测出复杂海面背景中的水天线。     

基于三维块匹配的红外图像降噪与缺陷量化方法

对金属表面的缺陷检测以及量化逐渐成为一项重要的工作,对于保障器件安全有着重大意义。本文以钛合金为例,使用了一种以激光器为热源的的红外热成像缺陷量化方法。利用激光器可以点加热的优点对缺陷周围进行加热并对金属背面进行图像采集,为了使红外图像清晰表示并保留边缘,对红外图像进行同态滤波,变换后的红外图像进行噪声估计并使用基于三维块匹配的去噪算法将图像进行去噪,并且对去噪图像进行边缘检测以及缺陷量化。实验表明该系统可以有效的对金属材料进行缺陷检测,该红外去噪算法在峰峰值信噪比(PSNR)方面得到了显著的提升,在去除乘性噪声的同时也使图像边缘得到了有效地保留,该缺陷量化方法可以将误差控制在15 %以内。