基于小波变换和数学形态学的遥感图像边缘检测

由于遥感图像一般带有较大的噪声，通过实验表明，用传统的边缘检测方法效果不理想。采用小波方向性检测技术并结合数学形态学的方法，提出了一种基于小波变换和小尺度的数学形态学的遥感图像边缘检测方法。实验表明本算法计算有效，边缘定位准确，对噪声有一定的抑制作用，边缘检测效果明显。     

小波变换在遥感图像处理中的应用

遥感图像处理对于航空、航天、军事侦察、灾害预报等许多军事和民用领域至关重要,本文针对遥感图像噪声大、边界不清楚等问题,提出了应用小波变换对遥感图像进行降噪和边缘检测处理的方法。然后详细介绍了基于小波变换的图像降噪和图像边缘检测原理,并对具体的遥感图像进行降噪和边缘检测处理,实验结果表明小波变换降噪结果优于中值滤波和均值滤波降噪结果,基于小波变换的边缘检测可有效地检测遥感灰度图像的边缘,其边缘检测结果优于Canny算子。     

基于分数阶微分的遥感图像边缘检测方法

边缘保持是单幅遥感图像的超分辨率重建的关键步骤,边缘检测的精度直接影响着遥感图像边缘保持的效果。针对传统边缘检测算子对噪声敏感,边缘检测效果不理想的缺点,采用经典的分数阶微分G-L定义推导出的差分定义方程,构造了该文的分数阶掩模算子。通过与传统边缘检测算子检测结果的对比试验,结果表明:该算子可以有效地提取遥感图像的边缘信息、对噪声有较好的抑制作用和能获得更高的信噪比。     

基于模糊C均值聚类和Canny算子的红外图像边缘识别与缺陷定量检测

针对脉冲红外热成像检测缺陷构件时,红外图像噪声较大、边缘信息模糊等特点,提出了一种基于模糊C均值聚类和Canny算子相结合的边缘检测新方法。该方法首先对输入的红外图像进行整体灰度变换,采用模糊C均值聚类对图像进行区域分割、提取和二值化;再将各个区域进行叠加,使红外图像的边缘变得连续;最后,采用Canny算子对处理后的图像进行边缘检测,实现缺陷的识别。在图像边缘检测基础上,分析了图像定位缺陷位置与实际缺陷位置之间的相对误差,并运用物像关系,实现缺陷几何尺寸的定量检测。结果表明:该方法对缺陷边缘识别完整清晰,具有较高的定位精度和抗噪能力,有利于缺陷的识别与定量检测。     

聚类分割的交互式遥感热红外图像模糊增强北大核心CSCD

交互式遥感热红外图像在边缘区域的像素呈现较强交互干扰,缺少必要区分过程,导致增强后的交互式遥感热红外图像视觉效果差、抗噪性能差、增强效率低。提出基于聚类分割的交互式遥感热红外图像模糊增强方法,采用模糊C均值聚类算法,对交互式遥感热红外图像聚类分割处理,对边缘区域特殊及弱小交互目标分割,进一步区分交互区域的干扰,缩短后期增强所用的时间。采用中值滤波方法去除交互式遥感热红外图像中存在的噪声,结合Sobel算子和二阶微分算子的拉普拉斯算子对去噪后的交互式遥感热红外图像进行锐化处理,通过图像去噪和图像锐化实现交互式遥感热红外图像的模糊增强。仿真实验可知,所提方法进行交互式遥感热红外图像模糊增强所获取的图像清晰度较高、抗噪性能较佳、增强效率较高。     

分区均值的自适应噪声图像边缘检测算法

针对边缘检测算法存在的检测精度与抑噪的矛盾,提出一种基于新的图像边缘检测算法。算法将检测窗口按照0o,45o,90o和135o四个不同方向分别划分为两个子区域,先统计每个检测窗口(3×3)内脉冲噪声点的个数,如果超过3个,则扩大检测窗口至5×5。对于检测窗口每个方向划分的两个子区域,分别计算区域内的非噪声点的平均灰度值,利用平均值差的绝对值作为窗口的方向梯度值,进而求得中心点的梯度。然后,对梯度图像采用改进的非极大值抑制方法进行细化,并提取边缘。实验结果表明,该算法检测的图像边缘方向性较强,边缘较细,不仅对不同程度脉冲噪声干扰图像具有较强的抑噪能力,而且对高斯噪声也具有一定程度的抑制效果,算法具有较强的适应性。     

一种新的基于图像区域特征的生物芯片边缘检测方法

传统的边缘检测方法是通过灰度级的不连续来定义图像边缘的。这种定义并没有考虑噪声因素的影响，因为噪声点也具有灰度突变性，所以这不足以将边缘信息和噪声信息区分。对于采集到的生物芯片图像来说，由于识别圆时所采用的Hough变换计算量大，而传统的边缘检测对噪声敏感，会大大增加可能的边缘点数，从而为后期的工作带来不便。考虑到边缘的连续性和方向性，文中提出了基于图像区域特征的检测边缘的方法：标准差方法和模板检测法。利用这两种方法分别对生物芯片进行了检测，结果表明，两种方法所检测出的边缘清晰、连续，并且大大减少了边缘点的数目，为生物芯片的后期识别打下了良好的基础。     

结合蚁群搜索与边缘检测的红外轮廓提取算法

现有的边缘检测算法对红外图像进行边缘提取的过程中,容易出现边缘模糊和噪声残留等现象;针对这种现象,提出了一种结合蚁群搜索与边缘检测的红外轮廓提取算法。根据小波变换后各高频子带间的相关性,引入了图像的相关性因子来对图像信号进行分类;并对提取的边缘信号进行基于蚁群算法的边缘检测算法进行边缘提取,来去除其中的噪声信号并对弱边缘信号进行保护。实验结果表明,其实验结果与预期效果基本相符,在不同复杂背景的红外图像中,都具有较好的边缘保护效果与抗干扰能力。     

一种基于小波SAR图像斑噪声抑制的改进算法

基于小波变换的合成孔径雷达(SAR)图像斑噪声抑制算法,能很好的减小相干斑噪声对SAR图像的影响.但该算法在平滑噪声的同时,往往也会使图像的边缘变得模糊,降低了SAR图像的分辨率.比例边缘检测算法能较完整和准确的检测出SAR图像的边缘.我们试图提出一种改进算法,结合小波方法和比例边缘检测两种算法的优点.利用比例边缘检测提取出SAR图像的边缘图,用小波的方法对去边缘的图像进行去斑噪声处理,再把边缘图叠加到去噪后的图像上.试验证明这种算法能够在去除SAR斑噪声的同时,较好的保持SAR图像边缘.     

一种红外序列图像目标边缘检测方法

红外序列图像边缘检测是图像处理中的重点和难点之一.提出了一种基于柔性形态学的红外序列图像边缘检测算法,首先对目标红外图像进行柔性边缘提取,然后在此基础之上采用模糊c均值聚类方法将图像转化为二值图像,从而得到比较精确的目标边缘检测图像.计算机仿真实验表明,该方法的性能优于传统的检测算子,并且具有抑制噪声的功能.