基于数学形态学的图像二值化算法

提出了一种基于灰度形态学的二值化算法,获得了包含丰富边缘细节的二值图像。是一种简单,快速,实用的图像二值化算法。     

基于小波变换的中值滤波图像去噪

针对含噪图像提出了一种更为有效的去噪方法,即先对图像进行小波变换,然后对变换后的各频带子图像进行自适应中值滤波,接着再进行小波反变换,可得到降噪后的图像,同时较好地保持了图像的边缘信息.实验结果表明该方法是有效的.     

快速向量中值滤波算法

滤波一直是图像处理中不可缺少的部分.基于向量的1-范数和2-范数距离和排序,结合均值滤波算法,建立了一种适用于彩色图像的向量中值滤波算法,对脉冲噪声和高斯噪声具有很强的去噪性能.针对向量中值滤波计算量大的缺点,提出了一种快速算法,算法综合了各种有效的加速算法,使滤波速度提高了76.261%～93.389%.噪声仿真图像的滤波实验,验证了该算法的优秀滤波性能和高效率性.     

基于小波变换和自适应中值滤波的图像去噪

小波图像去噪已经成为目前图像去噪的主要方法之一。该文尝试把小波变换与自适应中值滤波这两种去噪方法相结合,对同时含有高斯噪声和椒盐噪声的图像进行了去噪研究。实验结果表明,此方法在去除噪声的同时也较好地保留了原始图像的边缘信息,效果不仅优于单一的小波变换或普通中值滤波的方法,更优于将小波变换与普通中值滤波相结合的方法。     

中值滤波与小波变换的指纹图像混合去噪的算法

图像去噪是指纹图像预处理中的重要内容,直接影响着指纹识别系统的准确率.结合中值滤波与小波去噪分别去除椒盐噪声和高斯噪声中的优势,提出了一种指纹图像混合去噪算法,并对其中的关键步骤进行了详细分析.仿真结果表明:相对于单一使用一种去噪方法,混合去噪算法能更有效地去除指纹图像中的椒盐和高斯混合噪声,获得了较好的峰值信噪比增益.     

基于模糊神经网络的图像滤波算法

针对传统的线性和非线性图像滤波算法对含有丰富细节的图像滤波处理的不足,提出一种基于模糊神经网络的图像滤波算法.该算法利用神经网络的自学习功能训练标准样本以确定模糊贴近度阈值,在基本不改变原有图像的灰度信息的前提下,找出图像受到噪声污染的像素点,采用迭代中值滤波算法得到的中值替换噪声点.仿真实验表明该方法有很好的滤波效果,优于传统的图像滤波算法.     

自适应窗口形状的中值滤波

中值滤波去除噪声的同时,难免出现含有线形图像的边缘轮廓信息跟随丢失的情况。为了达到滤除图像噪声最大化,有用信息损失最小化的目的,根据图像边缘特征选择或设计了适当大小和形状的窗口来进行中值滤波等操作。一方面,创新性地提出将Hough变换应用到车轮裂缝CT图像的滤波窗口形状的选择上,针对单一方向轮廓的图像,利用Hough变换检测出裂缝的方向,从而采用与裂缝形状相应的窗口对裂缝进行有针对性滤波,将该方法与传统方法进行了对比实验,并将60层滤波后切片图像堆栈得到了三维图像;另一方面,针对含有多个方向轮廓的图像,为了进一步改善滤波效果,提出根据像素梯度设计斜向滤波器,对多方向的线对进行滤波,数据显示经改进方法滤波后图像的峰值信噪比(PSNR)较传统的中值滤波提高了4~6,结构相似性(SSIM)提高了1%~2%左右,最后用683层荞麦切片CT图堆栈得到三维图像,对比滤波前后图像,可知该方法滤波效果良好。     

基于FPGA的中值滤波算法的实现

中值滤波算法是一种非线性得数字滤波算法,广泛的应用在图像处理中边缘检测算法的预处理中,经常用于去除数字图像信号中的噪声干扰。为了达到数字图像处理的快速性与实时性,本文将中值滤波算法在FPGA上实现。本文选取Xlinx公司的Artix系列FPGA作为主控芯片,软件开发平台为Vivado,使用开发语言为Verilog HDL,最后用Modelsim对实现的算法进行仿真,并将最终结果与Matlab处理结果进行对比验证。在算法实现中,采用流水线处理和并行运算结构,选用中值滤波模板大小为3×3,经过实验验证和对比,在FPGA上实现的中值滤波算法在速度和实时方面取得了预期的效果,可进一步应用于图像的边缘检测算法中。     

一种基于噪声连接分量的自适应层次中值滤波算法

针对椒盐噪声污染图像的降噪,提出一种基于噪声连接分量的自适应层次中值滤波算法。首先根据椒盐噪声像素点的邻接关系和分布特点,对噪声定位图像实施标记处理;然后计算各连接分量集合中元素的个数,将噪声定位图像分层,得到层次噪声定位图像;最后按照由低层到高层的顺序,逐层对噪声污染图像进行标准中值滤波处理,而标准中值滤波的窗口大小则依据连接分量自适应地进行调整,最终得到滤波结果。将该算法与标准中值滤波、自适应中值滤波进行仿真实验,并与其他中值滤波算法就指标PSNR进行比较,均表明该算法降噪效果优良。     

基于判断脉冲噪声的中值滤波改进算法研究

为提高图像去噪效果,在分析了中值滤波算法及判断脉冲噪声中值滤波算法基础上,对算法进行了门限选择及噪声误判的改进,改进后的算法增强了单线元素边缘的检测能力。通过仿真结果,可以看出对图像的去噪效果有一定的提高,信噪比也有所提高。     

基于数学形态学的车牌定位算法

车牌定位是汽车牌照识别系统的重要环节，直接影响车牌识别的准确率。利用Sobel算子对汽车图像进行边缘检测，并运用数学形态学的膨胀、区域填充以及腐蚀对二值图像进行处理，可以得到几个车牌候选区，然后利用面积、长宽比以及垂直投影特征值进行综合的分析方式，能准确定位车牌区域。实验结果表明，车牌定位准确率在95％以上，定位时间为0．15s，并适用于不同环境。     

基于变尺度形态学的遥感图像边缘检测算法

针对遥感图像的噪声问题,在数学形态学的基础上提出了一种利用结构元素尺度变换的边缘检测算法。首先利用腐蚀运算对图像降低噪声,然后利用膨胀运算填补腐蚀产生的空穴,在这个过程中采用不同尺度的结构元素,最后通过检测算子得到图像的边缘图。实验结果表明,与传统的边缘检测算法相比,该算法不仅具有较强的边缘提取能力,而且通过合理选择结构元素的尺度能明显降低噪声对检测结果的影响,准确检测出大多数遥感图像的边缘。     

基于L-曲率流滤波器的图像降噪算法

提出了L-曲率流滤波器的图像降噪(滤波)算法,该方法按图像信噪比大小分高、中、低3类,分别由L滤波器降噪、多级L滤波器降噪以及多次迭代的组合滤波器降噪,并进行了实验研究。结果表明:该算法与均值和中值滤波器相比,输入图像信噪比越低,滤波效果越明显。当输入图像为低信噪比时,对于受高斯噪声污染的图像,该算法滤波比均值滤波平均提高2.98 dB;对于受脉冲噪声污染的图像,该算法滤波比中值滤波平均提高11.09 dB,说明该算法对降低不同种类和不同信噪比的图像噪声有较强的适应性。     

基于形态学的边缘检测研究

针对传统形态学边缘检测算子的局限性及适用范围,提出一种新的基于数学形态学的边缘检测方法,该方法在传统的形态学边缘检测算子上加以改进,是一种多尺度多结构元素相结合的形态学边缘检测方法.通过对实验图像的分析表明,在有效取得图像边缘的同时,对椒盐噪声和高斯噪声都有很好的抑制作用,是一种较好的改进算法,具有一定的实用性.     

基于FCM聚类的粒子滤波多目标跟踪算法

针对多目标跟踪中相似目标的发散问题和跟踪核函数窗宽固定的缺陷,提出一种基于FCM(fuzzy C-means)聚类的粒子滤波算法.该算法结合经典粒子滤波理论,使用可变椭圆作为粒子区域,在粒子滤波的重要性重采样后,通过Mean-Shift算法获得每个目标的聚类中心,使用FCM聚类算法完成粒子聚类,获得相应目标的粒子子群,最后通过粒子子群估计各目标的最终状态并修正核窗口宽度.实验表明,与传统粒子滤波算法相比,该算法解决了传统粒子滤波的发散问题,减少了粒子数量,能够准确地对多目标进行跟踪,具有很好的鲁棒性和实时性.     

基于Laguerre滤波的超声波流量计降噪方法研究

针对气体超声波流量计利用过零检测定位波形脉冲时的干扰因素,以及计算系统对数据处理实时性的要求,对基于Laguerre滤波的递归最小二乘（RLS）降噪算法进行了研究,实现了在处理速度与稳定性上的折中。为信号后处理提供了理想的波形,避免了波形失真导致脉冲漏检、零位判断错误等误差因素的产生,给出了实时性强、波形定位准确、系统稳定性和抗干扰性能良好的气体超声流量计信号处理算法。研究结果表明,基于此算法的气体超声波流量计经检验具备2级精度。     

基于高斯和与SCKF的非线性非高斯滤波算法

针对均方根容积卡尔曼滤波(SCKF)对非高斯情况滤波效果差的问题,在分析SCKF和高斯和滤波基础上,提出一种高斯和均方根容积卡尔曼滤波新算法。算法采用高斯和形式来逼近非高斯后验概率密度,将SCKF作为子滤波器,对每个高斯分量进行时间和量测更新,使其有效解决非线性非高斯滤波问题。仿真结果表明,高斯和均方根容积卡尔曼滤波估计精度高于粒子滤波和高斯和扩展卡尔曼滤波算法,与容积粒子滤波精度相当,但耗时约为容积粒子滤波的15%,是一种较好平衡跟踪精度和实时性的非线性非高斯滤波算法。