血管内超声图像的预处理

对血管内超声图像进行噪声滤波和边缘增强是对图像进一步处理分析的基础工作。针对采集到的强背景噪声的血管内超声图像,双边滤波利用像素间的空间距离和灰度值之差来控制滤波效果,即平滑了图像又保持了边缘。Retinex算法把图像分解为反射物体图像和入射光图像,在增强管壁边缘的同时对噪声影响小。实验结果表明,综合利用双边滤波和Retinex增强算法,在滤除噪声增强边缘有较满意的效果,对血管壁边缘检测有明显的改善。     

一种改进的血管壁超声图像边缘检测方法

血管壁超声图像边缘检测是IVUS图像处理中必不可少的步骤和重要的环节。传统的IVUS图像边缘检测方法是直接采用Snake动态轮廓模型、GVF Snake动态轮廓模型对IVUS图像进行处理,这些方法不易得到确切的血管壁边缘边缘轮廓。本文采用先对IVUS原图像进行预处理的方法。在预处理中,提出了采用不同高斯滤波方差下的Canny算子边缘检测和Hough变换圆检测方法。之后再采取GVF变换、图像除噪与图像迭加等处理方法。实验结果验证了该IVUS图像处理方法的有效性。     

血管内超声图像序列的自动降噪方法

提出一种血管内超声图像序列的自动降噪方法。首先对图像序列中每帧图像进行中值滤波,抑制图像脉冲干扰及斑点噪声,保护边缘少受模糊,然后采用图像序列均值滤波方法抑制图像加性随机噪声,提高图像信噪比,并利用小波软阈值降噪的多尺度分析特性,对均值图像的细节加以分辨,再结合算术运算得到最终降噪效果。对比中值滤波、小波软阈值降噪等传统滤波方法,提方法能得到更好的降噪效果;利用所提方法对连续不同帧数血管内超声图像进行降噪处理,当图像帧数为10时,图像序列的降噪效果更好;通过峰值信噪比、降噪时间和边缘检测效果的对比,可以发现本文所提方法能改善降噪效果、提高边缘检测的准确度,保证降噪效率。     

基于GPU图像边缘检测的实时性

边缘检测是图像处理的基础,目前边缘检测算法不断完善,检测效果不断的提高,但检测速度方面的研究还存在很多不足,为了在保证检测效果的同时,提高边缘检测的速度,提出了一种基于可编程图像处理器GPU的边缘检测方法,应用GPU的像素着色器和Canny算子检测原理,用VC＋＋,Cg,OpenGL在Windows XP系统下进行仿真实验。结果表明,该方法不仅提高了边缘检测的速度,而且有效保留图像边缘信息,具有实时性,为今后基于GPU提高图像处理速度的研究提供了宝贵资源。     

血管内超声图像的噪声抑制与增强算法研究

针对含强背景噪声的血管内超声图像,噪声滤波和边缘增强是对血管内超声图像进一步处理的基础工作.提出一种自适应中值滤波结合改进的高通滤波的方法,有效的滤除了噪声并保持了边缘信息.Retinex增强算法可获得图像中各像素的相对明暗关系,并通过这种相对关系进行线性映射,从而增强图像且对噪声影响较小.实验结果表明,综合运用该滤波和增强方法,在滤除噪声的同时对边缘的增强有着比较满意的效果,为以后血管中外膜的提取提供了基础.     

基于血管内超声的动脉斑块识别

冠状动脉斑块在血管内超声图像上主要表现为内膜和内膜下组织不同程度地增厚,导致管腔横截面积缩小。识别动脉斑块的类型,可以为临床治疗提供指导意义。动脉斑块主要分为脂质斑块、纤维斑块和钙化斑块,其回声强度依次增强。利用图像像素点灰度在空间的分布规律提取动脉斑块图像纹理特征信息,选取灰度共生矩阵（GLCM）、局部二值模式（LBP）、邻域灰度（NGL）3种特征提取方式,并对提取到的特征通过支持向量机（SVM）和纠错输出码（ECOC）进行分类。结果表明,3种特征提取方式组合的分类准确性上获得较好的效果。     

基于模糊集的图像边缘检测算法

边缘检测一直是图像处理中一个热门课题,本文在对经典模糊边缘检测算法思想进行分析的基础上,提出了一种边缘检测算法,该算法通过阈值分区间定义一种模糊隶属函数,可将数字图像转化在等效的模糊特征平面上,然后选用适当的增强算子对图像进行模糊增强,增强后的图像经逆变换后进行边缘提取即可得到所需图像的边缘特征。应用这种算法计算量小,运算速度较快,提取的边缘细致,是一种很有实用价值的边缘提取算法。     

基于数据融合的图像边缘检测算法研究

提出了一种基于数据融合的图像边缘检测算法。该算法对原始图像分别采用Canny算子和小波变换两种方法进行边缘提取,再将两种方法结果通过数据融合的手段获得一幅新的边缘图像。实验证明,融合后的图像边缘包含了原始图像丰富的细节信息和较完整的轮廓,该算法优于单独采用Canny算子所获得的边缘图像,是一种有效的图像边缘检测方法。     

高压电力设备红外图像的边缘检测

红外图像的边缘检测是红外图像目标识别以及进一步红外故障诊断的关键环节.文中讨论在高压电力设备故障红外诊断系统中对红外图像的预处理过程,并通过几种边缘检测算子对噪声的抑制效果和边缘定位精度的对比分析,选用效果最优的边缘检测算子来实现红外图像的边缘检测.通过实例,验证了图像预处理和边缘检测方法的有效性.     

基于尺度与对比度不变的图像边缘检测算法

为了克服当前边缘检测器中难以准确估计边缘的对比度和宽度,且易受到噪声影响,导致其边缘提取精度降低的问题,设计了一种尺度与对比不变的边缘检测算法。首先,借助Gaussian分布函数来描述目标边缘,求解闭合形式的位置、宽度、对比度、偏移和方向等参数,并且将噪声滤除为低对比度特征。其次,定义了一种尺度归一化方法,确保所有像素点在尺度空间中都能获得稳定的极值。然后,通过梯度幅度信息,基于Laplacian计算方法,构建尺度与对比度不变的边缘检测器,消除对比度参数的影响,准确获取图像的边缘。测试数据显示,较已有的边缘检测方法而言,所提方法呈现更优的提取效果,得到的边缘更加清晰与完整。     

基于ROEWA与Hough变换的SAR图像边缘检测

指数加权平均比率(ROEWA)算子是SAR图像常用多边缘检测算子之一,但该算子只能检测图像的边缘强度,无法得到边缘的方向。为此利用Hough变换优秀的抗噪性能和方向选择性,提出了一种基于Hough变换的SAR图像边缘方向计算方法。首先使用ROEWA算子对SAR图像进行边缘检测,然后在传统非极值抑制定位方法的基础上,进一步细化边缘,最后利用Hough变换对细化后图像计算边缘方向。SAR图像对比实验结果表明,该方法能够更准确地计算边缘位置与边缘方向,为SAR图像线性目标检测提供了一条有效途径。     

多尺度压缩求导的一维图像边缘检测

为了更加精确地计算塑料薄膜缺陷的宽度,在基于小波算法的多尺度变换基础上,提出了一种用于一维图像不同尺度间的压缩求导边缘检测方法.小波变换提供图像的多尺度描述,将压缩求导应用于不同尺度间的小波域,从而可将各尺度的图像信息更加有效地合成,得到最优的边缘检测效果.该方法比以往的单纯直线拟合方法具有更好的精确度,可以有效地增强边缘和抑制噪声.对一维图像进行的实验证明该方法是正确和有效的.     

Edge detection based on directional space

A new method for edge detection based on directional space is proposed. The principle is that: firstly, the directional differential space is set up in which the ridge edge pixels and valley edge pixels are abstracted with the help of the method of logical judgments along the direction of differential function, forming a directional roof edge map; secondly, step edge pixels are abstracted between the neighboring directional ridge edge and directional valley edge along the direction of differential function; finally, the ridge edge map, valley edge map and step edge map gained along different directions are combined into corresponding ridge edge map, valley edge map and step edge map. This method is different from classical algorithms in which the gray differential values of the mutual vertical direction are combined into one gradient value. The experiment of edge detection is made for the images of nature scenery, human body and accumulative raw material, whose result is compared with the one of classical algorithms and showing the robustness of the proposed method. __________ Translated from Journal of Harbin Institute of Technology, 2004, 36(1): 43–47 (in Chinese)     

基于小波包能量熵和BP神经网络的孤岛检测法

非计划性孤岛会对电网造成严重的冲击以及人身伤害,实现孤岛检测必须准确快速。针对目前的基于信号处理的孤岛检测技术,提出了小波包能量熵和BP神经网络的孤岛检测法。通过小波包变换分解重构公共点电压与逆变器输出电流,得到重构序列,对其进行熵运算,得到更稳定,且更具有代表性的特征向量,可以更有效地区分孤岛发生前后的能量分布。通过BP神经网络对孤岛进行判断,实现了孤岛检测。通过MATLAB/Simulink仿真,表明了此方法的有效性,并且响应速度非常快,未引入扰动,故不会产生电能质量的问题,其稳定性高,检测盲区小。     

基于Canny算子的多尺度小波变换图像边缘检测方法

图像边缘检测是图像处理中的重要一环,本文基于Canny边缘检测算法,提出了一种改进的Canny边缘检测算法。该算法采用新的基于多尺度小波变换边缘检测的设定方法,充分利用了不同的尺度变换可以得到不同边缘细节的特点,可以对低分辨率的边缘能够很好的提取,并能有效的抑制噪声,具有优于传统Canny算法的性能。经实验仿真,验证了该算法的有效性。     

基于剪切波变换的SAR图像舰船检测

针对强噪声背景下合成孔径雷达图像中舰船检测困难的问题,提出了基于剪切波(Shearlet)变换舰船检测方法。首先利用Shearlet变换分解原图像;然后根据Shearlet高频系数在目标区域和背景区域具有不同的表现性质,将多方向多尺度的Shearlet系数进行融合,实现了噪声抑制和舰船目标增强;最后采用阈值方法分割出舰船目标。实测SAR图像数据的实验表明,所提出的检测方法在强噪声背景下,相对于传统恒虚警率方法和基于小波加强的方法,能够达到较高的检测概率和较低的虚警率。     

基于整数提升小波时间熵的超声波回波位置检测

超声波的回波位置与信号检测具有十分重要的意义。本文引入小波时间熵技术实现了超声波回波位置的检测,其中针对超声波信号的特点对原有的小波时间熵算法进行了改进。选择适当的窗口宽度,从振动信号的低频系数出发计算时间熵,获得了良好的实际信号处理结果。文中针对超声波回波检测实际装置实现的要求采用了整数提升小波,降低了算法对硬件系统的需求,加快了算法的运行速度与性能。     

空中小目标实时检测的快速局部熵算法研究

基于局部熵的空中小目标检测算法时间复杂度高,难以满足工程应用中对系统实时性的要求,严重影响了此算法在工程中的实际应用,且与此相关的优化研究很少.针对这一现状,提出了一种快速局部熵算法,此算法将Box-Filtering优化技术引入传统局部熵计算公式的泰勒展开,采用迭代方式替代传统方法,剔除了大量冗余计算,并详细给出优化...     

基于CEEMD与排列熵相结合的谐波检测方法研究

为消除基于互补集合经验模态分解（Complementary Ensemble Empirical Mode Decomposition,CEEMD）的谐波检测法易受到迭代次数与辅助白噪声的干扰而产生虚假分量与模态混叠等问题,以及CEEMD方法在检测噪声背景下的谐波信号精度不高的缺陷,提出一种基于排列熵（Permutation Entropy,PE）算法与CEEMD相结合的PE-CEEMD谐波检测方法。首先对谐波信号进行互补集合经验模态分解,得到若干频率由高到低排列的固有模态函数（Intrinsic Mode-Function,IMF）,利用排列熵算法快速选定随机性较大的噪声分量进行剔除,对剩余信号再进行CEEMD分解。仿真实验数据表明,相较于CEEMD方法,PE-CEEMD方法能够较好地克服模态混叠与虚假分量等问题,并且针对复杂谐波信号的各次谐波频率成分与幅值的检测精度分别提高了4.424%与9.3%。