基于小波模极值的虹膜特征提取算法

随着生物识别技术日益扩大的应用范围和研究深度,各种识别算法层出不穷.主要介绍了虹膜特征提取阶段一种常见的小波模极值算法,阐述了算法技术、解决方案和效果.     

一种基于极值中值的新型滤波算法

提出了一种新的利用局部统计信息（极值）的自适应中值滤波方法－－极值中值滤波算法,该方法可以有效地去除图偈中的椒盐噪声,并保留图象的细节,本文首先给出了一个噪声判别标准,然后描述了滤波算法的执行过程,对本算法与标准中值滤波算法,以及近几年出现的几种改进型中值滤波算法进行了分析与对比,最后给出了一组实验数据,实验结果表明,与其他算法相比,本算法招待速度快,去除噪声与保留细芤的效果好。     

一种基于极值和方向的滤波算法

提出了一种有效的椒盐噪声图像滤波算法。该算法首先对含有噪声的图像取3×3邻域,判断某点是否为邻域极值将全部像素点分为可疑噪声与信号点集合;其次对每一个可疑噪声点在其3×3邻域内构造八个方向的梯度算子模板,通过比较8个方向梯度的大小,进一步确定其是否为噪声点;最后对噪声点进行邻域的中值滤波。实验结果表明该算法在滤除噪声的同时,很好地保存了图像的原始信息且有较好的信噪比。     

基于保矩算法的异性纤维特征提取方法

通过分析皮棉图像色度分量的分布规律，提出一种皮棉异性纤维特征提取方法，以Cg分量代替Cb分量组成YCrCg颜色空间进行特征提取。为有效地融合各色度特征，采用保矩算法对色度分量进行降维得到一维融合色度子图像，通过对该子图像进行阈值分割最终得到异性纤维特征。实验结果表明，该方法能有效地增加皮棉与异性纤维的对比度，平滑背景干扰，提高异性纤维特征的提取精度。     

基于双窗口和极值压缩的自适应中值滤波

为了提高中值滤波器的滤波性能和适应不同密度的椒盐脉冲噪声,从噪声检测的准确性、噪声滤除的有效性和滤波速度的实用性等3个方面分别对中值滤波方法加以改进,提出了一种基于双窗口和极值压缩的自适应中值滤波方法(DWECAMF)。该方法采用大窗口检测噪声和小窗口滤除噪声的滤波策略、压缩噪声滤除窗口内极大值和极小值策略以及自适应脉冲噪声滤除策略,以提高图像滤波性能,同时采用了移动滤波策略提高滤波速度以增强其实用性。实验表明,该方法在以上3个方面的性能都有极大提高,并且对不同密度的椒盐噪声都具有很好的滤波性能。     

基于极值的椒盐噪声滤波改进算法

为了在有效滤除椒盐噪声的同时更好地保护图像细节,提出一种基于极值的椒盐噪声滤波改进算法.算法首先进行噪声检测,将灰度值为0和255附近的像素点,且不构成5像素或以上直线的点作为噪声点,其余点作为信号点;然后进行噪声滤波,为了保护图像中的边缘、细节或细线,信号点不做任何处理,而对噪声点使用梯度法进行处理.Matlab仿真实验结果表明,新算法不仅能有效滤除椒盐噪声,在保护细节方面也取得了优于传统中值滤波算法的效果.     

一种基于改进的极值中值滤波算法

提出的改进的极值中值滤波(IEM)算法是在极值中值滤波(EM)算法的基础上做了如下两点改进.首先,采用更合理的检测方法来检测噪声点,减小将信号点误判为噪声点的概率.其次,采用改进的滤波算法,解决了当噪声点个数大于像素总数一半时,传统中值滤波无能为力的问题.实验证明,当噪声密度很大时,IEM方法不仅比EM方法有更好的滤波效果,而且能够更好地保护图像细节.     

基于坡度滤波的无人机测绘点云特征提取与滤波分类研究

为提高无人机测绘点云数据的质量与利用率,利用坡度滤波技术优化设计无人机测绘点云特征提取与滤波分类方法。利用硬件设备获取无人机测绘点云数据,通过粗配准和精准配准两个步骤,实现对初始点云数据的配准工作。通过对无人机测绘点云数据的滤波处理,降低初始数据中的干扰项。利用坡度滤波技术提取无人机测绘点云数据的地形、纹理、形状等特征,根据特征相似度的计算结果,完成测绘点云的滤波分类。通过性能测试实验得出结论:与传统方法相比,优化设计方法得出点云数据的信噪比提高41.22,特征提取占比所有提升、冗余度得到明显降低,分类查全率和查准率分别提高了1.25%和2.1%。     

基于微粒群算法的OTSU图像分割方法

本文研究了图像闽值分割方法中常用的OTSU算法,在此基础上提出了基于微粒群算法的OTSU图像分割方法,该方法利用微粒群算法的快速全局寻优,确定图像的分割闯值所对应的灰度值,在该灰度值下目标和背景的方差最大。实验中选用了像素分别是8位和16位的两幅图片来进行分割,得到了较好的分割效果,而且该方法大大提高了计算速度,是一种有效的图像分割方法。     

基于特征提取的SAR图像滤波算法

针对SAR图像所包含的地物目标比较复杂的特点,提出一种新的SAR图像滤波算法.该算法利用Contourlet变换能保持边界.结合特征提取可以获得区域目标点特征的特点,利用自适应阈值的方法对SAR图像进行滤波.与传统Lee滤波和保持边缘特征滤波算法进行比较,实验表明新的算法不仅提高了图像的质量.其量化指标也得到了提高.作为该算法的应用.利用变换域内低频图像和子带图像的融合规则对L和C两个波段的SAR图像进行去噪融合,可以看出该算法的去噪效果.     

一种去除椒盐噪声的自适应极值中值滤波算法

针对椒盐噪声的特点,为了更好地滤除图像中的椒盐噪声同时又能较好地保护图像细节,提出一种自适应极值中值滤波算法。该算法通过对窗口内的非噪声点的检测自适应调整窗口大小,使用Max-Min算子作为噪声检测器,通过设置合理的阈值对灰度值等于极大值或者极小值的窗口中心的像素点进行噪声识别,减小将信号点误判为噪声点的概率,然后将检测出的噪声点用窗口内信号点的中值代替,而信号点保持不变直接输出。同时对超过设定的最大窗口的情况,窗口中心的像素点的灰度值用4个相邻的已处理的像素点灰度值的均值进行替换。实验仿真结果证明了该算法滤除椒盐噪声的有效性,在噪声较大时,去噪效果更明显。     

自适应ANC技术在热工特征信号提取中的应用研究

随着对火电厂控制运行水平的要求不断提高,先进的控制、诊断、优化功能需要一些难以测量或测量不准确的状态参量,而该类参量往往包含有很多噪声干扰难以直接分析。为更好分析热工过程对象特性,还原被噪声所掩盖的潜在信息,提出了一种改进的Sigmoid函数变步长LMS算法,利用自适应噪声抵消的方法对受到扰动影响的热工对象输出数据进行分析处理,降低干扰因素影响,从而使原始特征信号得到相对精确的恢复。现场数据分析表明了该算法的有效性和可行性。     

基于PSO改进的OTSU图像分割方法

阈值的选取对图像分割后的效果起着至关重要的作用,本文针对图像分割过程中阈值选取的问题,提出了一种基于PSO优化的改进OTSU图像分割算法.该算法以最大类间方差作为PSO算法适应度函数,以当前分割阈值组合作为粒子的当前位置,阈值更新速度作为粒子的当前速度.通过迭代计算更新粒子位置和速度,最后确定图像分割的最佳阈值.与传统OTSU图像分割算法及基本遗传算法图像分割算法相比,该算法稳定性更好,算法效率更高.     

改进的自适应中值滤波算法

自适应中值滤波算法能有效地滤除图像的脉冲噪声,但是,随着噪声密度的增大,算法的滤波性能递减.当前对中值滤波算法进行改进的算法,也存在着相应的局限性.针对中值滤波算法的局限性,提出了改进的自适应中值滤波算法.算法根据滤波窗口的灰度极值进行噪声检测.对噪声点,用滤波窗口的灰度中值代替.如果中值为噪声点,则自适应地增大滤波窗口以取新的中值.如果窗口增大到允许的最大尺寸时,中值依然为噪声点,则取滤波窗口中除灰度极值外的其他像素的灰度均值.对标准图像和医学图像进行仿真实验,实验结果和数据证明,随着噪声密度的增大,标准的自适应中值滤波算法的滤波性能递减;改进的自适应中值滤波算法的滤波性能依然良好,在有效滤除噪声的同时,很好地保持图像的边缘和细节部分.     

基于改进狼群算法的三维OTSU阈值法

三维OTSU阈值法引入了邻域中值及均值信息,抗噪性明显提高,但仍存在分割效果不佳的现象,而且阈值维度的增加导致算法运算量庞大、运行时间过长。为提高算法的计算效率和寻优准确率,利用改进的狼群优化算法来搜寻最佳分割阈值。采用花授粉算法优化后计算的最佳阈值调节狼群算法的初始阈值,使狼群在算法初期具有较高的全局探索能力,提高求解速度。为避免算法后期种群聚集的现象,将高斯变异引入围攻行为,设置变异函数,将满足变异条件的个体狼进行变异,避免算法陷入局部最优,提高寻优精度。将改进的算法与传统三维OTSU算法以及CWPA算法优化的三维OTSU法进行图像分割对比,实验显示,改进的算法使分割时间显著降低,并提高了计算阈值的准确度。     

基于OTSU的图像插值算法

在图像畸变矫正和图像缩放过程中,需要使用插值算法对像素点进行插值.为了更好地保留图像的纹理细节,以及降低算法时间复杂度,论文提出一种基于OTSU的图像插值算法.利用被插值点四邻域像素的方差来划分图像区域,并采用OTSU算法确定阈值,对图像平坦区域采用双线性插值,而图像纹理细节部分采用双三次插值.实验结果表明,该算法很好...     

基于改进型最大类间方差法的瞳孔定位方法

为了提高人机交互中瞳孔定位的精确性与快速性,提出一种基于改进型最大类间方差法的瞳孔定位方法。对图像进行基于光线补偿和中值滤波的预处理操作,进而根据直方图统计出图像中未出现的像素灰度值,计算余下像素的最大类间方差,求取二值化图像的最佳阈值,采用椭圆拟合方法确定瞳孔中心及半径。实验结果证明,该方法准确快速,为视线跟踪奠定必要的基础。     

改进蜜獾算法优化OTSU的图像分割研究

群体智能算法结合图像分割技术已经成为图像处理领域中的新热点,传统的图像分割方法需要大量的人力和时间,蜜獾算法(honey badger algorithm,HBA)可以通过模拟蜜獾觅食的行为来执行优化任务,在寻找解决问题的过程中可以逐步逼近最优解来实现图像分割任务;通过反向学习策略改进蜜獾种群的初始化,提高种群多样性和分布平衡,从而提高算法的整体搜索能力;引入柯西变异因子,对算法计算得到的可行解进行扰动,使算法更易于跳出局部最优,增强算法的局部搜索能力和收敛精度;选取三幅测试图像进行分割验证,实验结果显示,融合改进蜜獾算法和二维OTSU算法得到的分割图像精度更高、效果更细致,验证了方法的有效性;综上所述,改进蜜獾算法具有更好的鲁棒性和泛化性,优化的二维OTSU算法可以更好地处理复杂场景和图像。