基于局部滤波模板的双边滤波算法研究

双边滤波器是一种以高斯核为基础的具有图像边缘保留和噪声滤除双重滤波作用的滤波器,能同时兼顾各像素值几何上的临近信息和亮度上的相似信息.为了进一步增加双边滤波器的保边作用,在传统双边滤波器的基础上,结合图像的梯度信息,将传统滤波模板改进为局部滤波模板,使图像自适应地在给出的滤波模板中选择较优模板进行滤波.实验结果证明,改...     

保持边缘的SAR图像滤波方法

首先阐明了SAR图像边缘和边缘保持的概念。其次，提出了一种评价平滑图像边缘保持的方法。通过计算发现，常用的标准滤波方法：增强Lee滤波、Kuan滤波、增强Frost滤波和Gamma MAP滤波的边缘保持能力很差。最后发展了一种能保持边缘的SAR图像滤波方法。这种方法是对Han等人去除SAR图像斑点噪声方法的改进，并分析了这种方法能够保持图像边缘的原因。     

电镜图像的量子衍生协同式边缘滤波

针对冠状病毒电镜图像特点及其轮廓提取、目标检测和噪声抑制的综合处理需求,研究了量子衍生边缘滤波机制及协同策略。从像素的双量子比特态表示与量子测量及结果检验方式出发,结合力场转换与量子衍生中值滤波,构建了量子衍生协同式边缘滤波框架及实施路线。实验分析了边缘滤波框架中的协同策略及融合效果,对比验证了量子测量结果检验方式的有效性。实验表明:冠状病毒电镜图像经过量子衍生协同式边缘滤波处理后,提升了形态学分析的质量条件。     

基于自适应形态滤波的医学超声图像降噪

针对医学超声图像上的斑点噪声,本文提出一种基于自适应形态滤波的降噪方法.首先构造一组检测图像中不同像素值突变的结构因子;再对每个结构因子构造相应的形态滤波结构元;最后对每个像素点邻域进行结构检测,找到该点处最可能存在的突变结构,以相应的结构元完成该点的形态滤波.对不同信噪比的仿真图像和实际图像分别采用本文方法和各向异性扩散滤波,不同尺度传统形态滤波进行了:比较实验,结果表明:采用本方法可将超声图像的信噪比、对比度噪声比和图像优度分别平均提高15%、37%和69%,优于其它方法.     

基于混合相关滤波信息融合再检测的目标跟踪算法

为了减小在目标跟踪过程中目标形变和复杂背景变化对跟踪效果的影响,提出一种基于混合相关滤波信息融合再检测的目标跟踪算法。首先,利用相关滤波算法提取到目标的方向梯度直方图HoG特征,利用颜色模板得到目标的颜色特征,计算两个模板的采样得分;其次,再将两者的特征信息用线性组合的形式进行特征信息融合确定目标位置,跟踪过程中,根据设定的阈值条件选择两个模板采样较大的得分再检测目标的位置;最后,输出所有帧目标位置的结果。与其他的算法进行比较,该算法在应对目标形变和背景杂波方面有较好的跟踪效果。     

基于FPGA边缘检测算法的研究

当前,基于计算机的图像边缘检测在各领域中占有重要环节,通过有效的边缘检测,可以大大简化后续图像处理过程对图像信息的分析工作。因此,基于FPGA的实时图像边缘检测的研究与设计已经倍受人们的关注。本文主要研究基于FPGA图像边缘检测的算法。     

针对合成孔径雷达图像的新型LOG边缘检测算法

传统LOG边缘检测算法对合成孔径雷达图像进行边缘检测时,对噪声敏感,同时也易损坏部分低强度边缘。针对这一问题,提出了一种新型的 LOG边缘检测算法,首先采用双边滤波和自适应中值滤波来代替传统LOG算子中的高斯滤波,再计算平滑后图像的拉普拉斯,最后提取运算后的零交叉点作为图像的边缘。仿真实验表明,本文方法在脉冲噪声环境下具有显著的去噪效果,而且能较好地保护边缘,提高了检测精度,相对传统LOG算法具有更好地检测效果。     

基于各向异性扩散滤波与非局部先验的PET图像重建算法

针对在正电子发射断层成像中,经典的惩罚最小二乘算法和基于局部先验惩罚的改进算法不能有效地抑制噪声并保护图像边缘的问题,提出了一种新的各向异性扩散滤波非局部惩罚最小二乘重建算法(PLS-PDE).新算法首先对图像进行基于非局部二次先验的最小二乘估计,接下来对此估计值进行基于双向扩散系数的各向异性扩散滤波.所提出的算法综合了非局部先验与各向异性扩散滤波的优点.实验结果表明,新算法在抑制噪声和边缘保护方面取得了良好的折中,较大程度地改善了重建图像的质量.     

基于图像边缘的灰度加权算法应用于LED管芯检测

LED管芯检测的像素级算法受到图像分割的影响,造成目标中部分像素的丢失.本文利用图像边缘区域的灰度加权算法,以求取物体边缘所在像素点的灰度来计算边缘位置.检测结果分析表明,该算法在检测精度上有了明显提高.     

边缘特性及边缘检测在图像插值算法中的应用研究

首先论述边缘的基本特性,边缘蕴含丰富的内在信息,如方向、阶跃性质、形状等,对于剧烈跳变的边缘,灰度值差变化大,跳变节奏加快,产生阶跃变化或屋顶状变化。然后分析Canny边缘检测,指出其具有很好的边缘强度估计,为提高插值图像质量和插值算法提供理论根据。     

基于量子核聚类算法的图像边缘特征提取研究

为了提高图像边缘特征提取质量,采取了量子核聚类算法。首先把像素映射量子编码,在码元建立域内对像素块进行随机采样;然后通过聚类距离计算数据点和每一个聚类核心的距离,把数据向量分配到距离最小的核心向量中,核函数确定有效影响范围;最后对像素聚类相异性分析,给出了算法流程。实验仿真显示这种算法对图像边缘特征提取轮廓清晰,连贯性好,评价指标MS和聚类准确率较好,算法收敛快。     

一种改进的基于局部能量图像融合算法

分析了基于局部能量的小波图像融合算法的优缺点,针对该算法存在的对窗口内像素包含独立信息考虑不足的问题,提出了一种改进算法。改进算法利用了窗口中心像索的相位信息,将基于局部能量的选择和加权平均融合规则相结合。当两幅源图像小波分解后的对应高频系数相位相同时,采用局部能量极大值准则选择融合图像对应的高频系数,相位相反时,采用局部能量加权平均方法确定融合图像对应的高频系数。实验证明了改进算法的有效性。     

基于边缘检测的邻域加窗图像去噪算法

针对目前图像去噪算法中,消除噪声的同时又破坏边缘细节信息的问题,本文提出了结合边缘检测及邻域加窗的新算法.该算法采取平稳小波基以保持相位不变性,对低频和高频子带进行边缘检测,并将检测后的边缘信息选择后融合,即可得到原图像近似的边缘信息.依据小波方向性特点和层内相关性原理,对不同的子带在非边缘信息处采用不同的模板进行加窗处理.实验结果表明,该方法在降低了图像噪声的同时又尽可能地保留了图像的细节,较好地复原了图像.     

结合阈值去噪与边缘优化的图像增强算法

针对图像在传输过程中容易出现干扰的问题,该文通过研究图像的增强技术,通过对比分析,提出了一种结合阈值去噪与边缘优化的图像增强算法,该算法结合小波Contourlet 变换与人眼的视觉固有特性,有效地对分解后的图像系数进行分类,并结合改进边缘优化算法的增益因子来优化边缘区信号;而非边缘区采用改进后的软阈值去噪算法进行去噪处理.经实验,该算法具有准确性高与去噪能力强的特性,能够在去噪的同时有效保护边缘信号,与预期目标相符,具有一定的实用价值.     

基于改进蛙跳算法的图像自适应增强研究

为了提高图像增强的效果,提出改进蛙跳算法。首先对蛙群分组,一组采用群体智能算法,另一组用自适应算法;基于实数算法对图像像素映射编码;然后通过模糊集合对蛙跳微调更新;最后以均方误差函数作为评价函数,通过Beta非线性变换函数最优参数值实现图像自适应增强。实验仿真结果得出:改进蛙跳算法对图像增强对比度较高,处理时间少,像素数据求解精度高。     

基于均值聚类和循环导向滤波算法的农业图像去雾研究

采用均值聚类和循环导向滤波(MCLGF)算法对农业图像去雾进行了研究。首先,建立雾天图像光学模型;接着任意选取两个子特征向量作为初始聚类中心,根据分类结果,将有雾图像通过均值聚类分为天空区域和非天空区域,再通过天空区域中求取原图的最大像素值作为大气光值;然后,循环导向滤波实现细节平滑和边缘保持,最小化代价函数使导向滤波器的输出图像与输人图像差异最小;最后,给出了算法流程。实验仿真显示:该算法能够有效地降低图像中的雾气,结构相似度平均值为0.98、信息保真度平均值为0.96、图像信息熵可达9.12,可见边的正则梯度均值可达0.85,这4个评价指标相比其他算法均较好。     

基于改进半阈值迭代算法的ECT图像重建

针对电容层析成像逆问题求解存在病态性和欠定性的问题,将压缩感知理论应用到成像过程中缓解其欠定性.首先将初始信号稀疏化处理,其次基于高斯随机阵对灵敏度矩阵的各行重新排列,随后进行奇异值分解得到了列独立性更高的观测矩阵.最后将基于l1/2-范数的半阈值迭代算法引入到ECT成像过程中,并在罚函数中加入l2-范数的约束项,通过...     

An Image Edge Detection Algorithm Based on Multi-Feature Fusion

Edge detection is one of the core steps of image processing and computer vision. Accurate and fine image edge will make further target detection and semantic segmentation more effective. Holistically-Nested edge detection (HED) edge detection network has been proved to be a deep-learning network with better performance for edge detection. However, it is found that when the HED network is used in overlapping complex multi-edge scenarios for automatic object identification. There will be detected edge incomplete, not smooth and other problems. To solve these problems, an image edge detection algorithm based on improved HED and feature fusion is proposed. On the one hand, features are extracted using the improved HED network: the HED convolution layer is improved. The residual variable convolution block is used to replace the normal convolution enhancement model to extract features from edges of different sizes and shapes. Meanwhile, the empty convolution is used to replace the original pooling layer to expand the receptive field and retain more global information to obtain comprehensive feature information. On the other hand, edges are extracted using Otsu algorithm: Otsu-Canny algorithm is used to adaptively adjust the threshold value in the global scene to achieve the edge detection under the optimal threshold value. Finally, the edge extracted by improved HED network and Otsu-Canny algorithm is fused to obtain the final edge. Experimental results show that on the Berkeley University Data Set (BSDS500) the optimal data set size (ODS) F-measure of the proposed algorithm is 0.793; the average precision (AP) of the algorithm is 0.849; detection speed can reach more than 25 frames per second (FPS), which confirms the effectiveness of the proposed method.