梯度相似性的椒盐图像加权中值滤波算法

在对现有椒盐噪声中值滤波算法分析的基础上,提出了基于梯度相似性的椒盐噪声图像加权中值滤波算法。利用灰度图像窗口内各个像素点灰度值的差异,将含有椒盐噪声的图像分为疑似噪声点和信号点,然后利用窗口像素点的梯度相似性对疑似噪声点进行分析,并运用图像极值剪切技术去除噪声点像素的干扰。采用舍弃方差极大值的改进加权中值滤波算法给噪声点赋值。实验表明,该算法对图像的细节保留能力和滤波能力有较大的提高,能取得较好的峰值信噪比。     

一种加权中值滤波算法在医学磁共振图像去噪中的应用

为了更好地去除医学磁共振图像(MRI)中的高密度椒盐噪声和高斯噪声,提出了一种加权中值滤波算法.该算法的核心思想是利用改良的有限阈值策略对滤波窗口的每个像素点的灰度值与计算该像素点所得的相应权值之积进行求和,然后将运算结果作为滤波窗口中心点的输出值.利用该算法对含有高密度椒盐噪声和高斯噪声的医学MRI进行去噪仿真实验表明,该算法对高密度椒盐噪声和高斯噪声的抑制力显著优于单纯的中值算法和均值算法,且去噪后的图像具有良好的细节保真度和清晰度.     

基于SVM的SAR图像分割方法

先去噪再分割的SAR图像分割方法会损失有用的纹理信息,因此本文给出了一种直接对含噪SAR图像进行分割的方法.首先利用小波变换提取SAR图像的纹理特征,计算图像的灰度均值作为图像的灰度特征,然后用完全无监督的聚类算法进行分类,最后将特征值与类别标记作为支持向量机的训练样本,用训练后的分类器对图像进行分割.实验结果表明:本文所给出的方法在分割的准确性和抗噪性方面都优于几种有代表性的分割方法.     

基于纹理结构的超声图像自适应去噪模型

针对目前全变分模型不能在去除噪声的同时有效保持纹理信息的问题,提出了一种新的基于纹理结构的超声图像自适应去噪模型.该模型首先使用纹理信息来描述超声图像的斑点特性.根据纹理特性来定义均匀性值,从而把超声图像从灰度域映射到均匀性域.然后根据二维均匀性直方图来确定阈值从而将像素点分入均匀点集或非均匀点集.最后根据像素点所隶属的集合自适应的选择不同范数的全变分去噪方法,通过大量实验验证了所提模型的有效性.     

基于支持向量机的彩色滤波阵列插值方法

针对已有彩色滤波阵列插值方法的结果图像存在边缘模糊、虚假色的问题,提出了图像相关性与支持向量机将结合的插值方法.该方法以色彩相关性为基础构造色差平面,在色差平面上根据空间相关性选择适当的邻近点输入模式训练支持向量机,然后用训练的支持向量机及输入模式估计出未知像素点对应的色差,最后计算出各像素点未知的彩色像素值.实验结果表明,与已有算法相比,该算法结果图像的PSNR值、NCD值及视觉效果均有显著攻善.     

基于梯度方向的非局部均值图像去噪算法

传统非局部均值去噪算法忽略了像素点邻域灰度值之间的差异,导致图像边缘模糊及细节丢失.因此,利用两个像素点邻域之间的梯度方向在添加噪声前后仍具有相似性的特点,提出一种基于梯度方向的非局部均值图像去噪算法.首先,对含有噪声的图像进行高斯滤波预处理;其次,充分利用区域的梯度信息和邻域块之间的灰度值共同确定权重,对邻域块之间进行更好的相似性判断,进而优化传统非局部均值滤波算法.实验结果表明,相比传统的非局部均值算法,本文算法可保留更多的图像细节信息,得到更优的去噪性能.     

改进的自适应中值滤波算法及其应用

针对自适应中值滤波在窗口迭代过程中存在像素点重复参与运算导致算法复杂度较高的问题,提出了一种改进的中值滤波算法.首先依据有效像素点与窗口中心点间的坐标距离来快速确定最佳滤波窗口尺寸,避免了窗口迭代造成的像素点重复排序;之后对窗口内的有效像素点进行取中值操作,有效削弱了噪声点的干扰,进一步提升了图像滤波的质量.经实验验证,与自适应中值滤波算法比较,复杂度显著降低,峰值信噪比(peak signal to noise ratio,PSNR)值平均提高10 d B左右.和同类文献比较在算法复杂度和图像降噪效果间做出了一个较佳的权衡.最后将该算法应用于Kinect深度图降噪上获得了不错的效果.     

基于计算机视觉的视频图像关键帧提取及修复方法

为了提高视频图像关键帧提取及修复效果,设计了一种基于计算机视觉的视频图像关键帧提取及修复方法。基于计算机视觉进行视频图像采集;采用阈值分割法建立灰度值模型,计算背景与目标的灰度差;利用视频图像中的主要特征窗口获取像素值,使用熵值法采集剩余的局部纹理图像,以完成视频图像关键帧提取。在此基础上,利用加权法还原原始矩阵,完成视频图像关键帧修复。实验结果表明,此方法提取的图像清晰度较高,能够提取到图像的颜色特征和纹理特征,提取多个视频图像关键帧的时间较少。     

基于引导核聚类的非局部均值图像去噪算法

为改善非局部均值(NLM)算法对不规则纹理图像的去噪效果,提出了一种基于引导核聚类和自适应搜索窗的NLM图像去噪算法。首先使用基于引导核的模糊C均值(FCM)聚类算法对相似窗进行预筛选,划分其类别;然后根据相似窗的类别计算每个像素点对应的搜索窗大小,保证相似性较高的相似窗数量;最后分别对每一类进行自适应搜索窗的NLM图像去噪。实验结果表明:与基于Zernike矩、基于主邻域字典(PND)、基于均值方差预筛选等3种NLM改进算法相比,该NLM改进算法对强噪声污染或不规则纹理的图像,其去噪效果更为有效,并更好地保持了图像的纹理、边缘,在峰值信噪比(PSNR)和结构相似性测度(SSIM)等客观定量评价指标上优于其他NLM改进算法。     

三线结构光光条中心的提取方法

三线结构光三维测量中,结构光图像光条中心点提取的精度直接影响系统最终测量精度.提出一种三线结构光光条中心的亚像素级提取的融合方法,该方法融合了自适应中值滤波法、阈值法、均方灰度梯度法和加权灰度重心法.采用自适应中值滤波法对光条图像进行去噪、用阈值法初步提取光条中心,采用均方灰度梯度法求光条法线方向,在法线方向上应用加权灰度重心法获得亚像素级光条中心.实验结果表明:该方法可以精确快速地提取光条中心,达到亚像素级的精度.     

SAR图像纹理特征提取与分类研究

为了高精度地提取合成孔径雷达(SAR)图像中的有用信息,提出一种基于灰度共生矩阵的纹理特征辅助SAR图像分类方法,该方法选择的是在合适的窗口尺寸下能将各种地物类型区分开的最佳纹理特征组合.采用增强的Frost滤波法对SAR图像进行斑点噪声抑制,通过比较各典型地物基于灰度共生矩阵的纹理特征统计量,确定参与分类的最佳纹理特征组合、计算灰度共生矩阵的最佳窗口尺寸;采用主成分分析法去除各纹理特征之间的相关性,选择信息量大的2个主成分与图像的灰度共同组成3个波段的图像;最后采用最大似然分类法对该组合图像进行分类.结果表明:该方法提取出的纹理特征辅助SAR图像分类,比无纹理信息参与的SAR图像分类,其精度可提高11.20%.     

一种基于颜色和纹理的优化SVM火灾识别方法

提出一种基于火焰颜色和纹理特征的提取方法,采用量子遗传算法优化支持向量机,构造QGA-SVM火焰图像分类器.算法利用火焰颜色特征对去噪增强后的图像提取火灾疑似区域,采用Uniform LBP提取其纹理特征;运用KPCA算法对特征向量进行降维处理,将KPCA选择出来的特征输入到经量子遗传算法优化过的支持向量机(QGA-S...     

基于方向梯度的时域降噪算法及实现

提出基于方向梯度的时域降噪算法,利用运动估计技术,计算相邻图像间的运动矢量.通过计算图像每个像素点方向梯度,将图像所有像素点分为噪声点、边界点和内部点.对噪声点沿运动轨迹方向采用时域加权滤波,对边界点和内部点保持原来的灰度值.采用Matlab软件仿真环境实验结果表明:该降噪算法在去除视频序列噪声的同时也能很好地保护图像的细节.     

图像高椒盐噪声的迭代滤除算法

为有效滤除图像中的高椒盐噪声,提出一种迭代滤波算法.首先采用极值方法检测出噪声点,然后对噪声点以迭代方式逐步滤波,直到噪声点全部清除.利用迭代方式中每一噪声点都能直接或间接利用到图像有用信息的特点,滤波输出始终采用恒定的3×3小邻域,避免了大邻域窗口的诸多弊端.基于图像相关特性,在滤波输出上采用一种基于灰度差的加权均值方式.仿真结果表明,该算法能有效滤除图像中的高椒盐噪声,性能优于其他许多同类算法.     

基于图像邻域特性的高斯噪声去噪

针对传统高斯噪声去噪算法残余噪声较大的不足,根据噪声对图像视觉的影响,提出了基于像素邻域相关性的去噪算法.首先运用邻域像素的连续性判断像素点是否位于平滑区内;其次对非平滑区根据边缘和纹理的局部连续性运用形态学提取图像边缘和纹理进而定位噪声点;最后对平滑区内的噪声运用自适应邻域进行去噪处理,对非平滑区的噪声仅利用非平滑区的邻域进行平滑,实现了对高斯噪声先定位再去噪.经实验结果验证:与传统方法相比,该算法较好地抑制了图像平滑区内噪声,提高了去噪后图像的视觉效果.     

融合Canny边缘检测技术的SAR图像改进滤波方法

5×5窗口的增强型Lee滤波方法能够有效抑制相干斑噪声,但边缘细节等纹理信息损失严重。针对增强型Lee滤波方法的这一缺点,结合边缘提取技术,提出改进的滤波方法。该算法首先对图像进行5×5窗口增强型Lee滤波处理,然后对图像使用Canny算子进行边缘纹理信息提取,最后将增强型Lee滤波后图像的边缘和纹理区域的像元值用边缘提取技术得到的结果进行取代。通过利用均值滤波、Lee滤波及其增强型、Kuan滤波及其增强型、Gamma MAP滤波和改进方法对SAR图像进行处理,得到改进的滤波方法在克服相干斑抑制和边缘保持这一对矛盾上是有效的。     

基于小波分解的织物疵点检测

根据小波在奇异信号分解中的特点,提出了一种基于小波分解的疵点检测新方法．首先根据织物纹理特点,确定小波函数．其次对被检测图像进行小波变换,获得分解后的子图;根据织物纹理组织单元,把高频子图分割成若干子窗口,统计子窗口的能量标准差与均值加权求和作为提取的特征．最后通过测试图像子窗口特征与标准予窗口特征相比较,判断疵点是否存在．实验表明,该检测方法是有效的,检测正确率达到90％以上．     

Surfacelet联合多向Cycle Spinning的图像去噪方法

为了有效地保留去噪后图像的细节和纹理,综合利用Surfacelet变换和Cycle Spinning,提出一种新的图像去噪方法.Surfacelet具有良好的多维信号处理能力,但是Surfacelet不适宜直接处理二维图像,该文把多幅加噪图像分别进行多个方向的Cycle Spinning并压成图像序列,生成后的多个序列合成一个图像序列,进行Surfacelet变换后,对其系数硬阈值去噪.实验结果显示,去噪后图像无Wavelet的伪吉布斯现象以及Contourlet的划痕效果,该方法能明显改善图像视觉效果,显著提高图像的PSNR值.     

分数阶积分的图像去噪算法

为了在去噪的同时更好地保留图像的细节纹理信息,提出一种分数阶积分的图像去噪算法FIDA。论述了FIDA在135°、90°、45°、0°、180°、315°、270°、225°这8个方向上的分数阶积分掩模的构造,及FIDA的数值运算规则。实验以视觉感知和PSNR值两个主、客观标准对FIDA的去噪性能进行度量,表明FIDA去噪算法的有效性:在去噪的同时对图像的边缘纹理细节信息保留较好,尤其是对灰度变化不大的弱边缘和弱纹理细节信息的有效保留。     

一种有效的SAR图像目标识别方法

根据不变矩特征提取和支撑矢量机分类的优势,提出了一种有效的SAR图像目标识别方法.首先对样本SAR图像进行预处理。然后提取目标区域的不变矩特征并计算灰度均值,将其组成特征向量训练SVM分类器,最后用训练好的SVM分类器对要识别的SAR图像进行目标识别.采用该方法对一些含有桥梁和坦克的SAR图像进行目标识别实验,取得了较好的识别结果.