基于免疫克隆选择算法的图像分割

图像分割是图像处理领域中不可缺少的一个分支。该文基于阈值分割方法,将免疫克隆选择优化算法应用到图像分割中,提出了一种新的图像分割算法。详细叙述了算法机理,并对算法复杂度进行了理论分析以及实验数据比较。在仿真实验中,将遗传算法和免疫克隆选择算法分别独立运行10次,对10次得到的阈值以及均值、方差进行了比较,并将函数评价次数作为算法复杂度的评价指标。该文算法不仅能够对图像进行准确的分割,而且在同样的种群规模下能够以较少的迭代代数和较低的函数评价次数得到最优阈值。仿真结果表明,该方法应用在图像分割中是可行的、有效的。     

基于改进人工蜂群算法的多阈值红外图像分割

针对传统的多阈值红外图像分割中多阈值选取存在的效率低、计算重复等问题,提出了一种基于改进人工蜂群算法的多阈值红外图像快速分割算法.首先,在阈值选取时引入人工蜂群算法,实现多阈值的选取.然后,针对原始人工蜂群算法存在的收敛速度慢、容易陷入局部最优的缺点,分别从引领蜂搜索、跟随蜂搜索和侦察蜂搜索3个方面进行了改进,使其更快、更准地收敛于最优解.实验表明,相比于原始人工蜂群算法,改进后的算法在精度相同时速度更快,迭代次数相同时结果更接近最优解.该算法能够在保证精度的前提下高效地对红外图像进行多阈值分割,是一种可行的红外图像分割方法.     

基于局部最大和最小强度先验的遥感图像盲去模糊

针对遥感图像的运动模糊问题，提出一种基于局部最大和最小强度先验的遥感图像盲去模糊方法。该方法利用遥感图像局部像素强度的稀疏性作为先验条件，使用简单的迭代阈值收缩方法求解潜像和模糊核，再由非盲反卷积算法得到去模糊图像。实验结果表明，所提方法能提高计算效率，对于可见、红外遥感图像，均能有效恢复图像的纹理细节，抑制伪影，提升了复原图像的主观效果与客观评价指标。     

一种改进的一维Otsu快速算法

阈值分割是众多图像分割方法中使用最普遍的一种方法,阈值的求解也是图像处理的重心。传统Otsu算法属于穷举式的阈值求解方法,需遍历每个灰度值并计算以其为阈值的类间方差,在此进行了大量不必要的计算,可能无法应用于某些实时性要求较高的环境中。对此提出一种快速的Otsu改进算法,在引入图像复杂度及其相关性质缩小了灰度的搜索范围,同时在搜索范围内使用了一种快速计算方法,较传统Otsu算法进行了二次加速。实验结果证明,该算法较传统Otsu算法提高了计算速度,且两种算法的图像分割结果相同。     

盲图像恢复中的二维盲均衡研究

数字图像在传输过程中,由于受到二维信道的点扩展函数(PSF)的影响,会产生图像模糊问题。在对图像进行恢复时,需要消除PSF的影响,在许多实际应用中PSF的特性未知,此时图像的恢复就是盲图像恢复。该文提出了一种应用于盲图像恢复的二维盲均衡迭代算法,该算法是通信领域中应用的EVA盲均衡算法的一种二维扩展。仿真结果表明,该算法具有信噪比增益高、收敛速度快等特点,有较为广泛的应用前景。     

一种基于压缩感知的迭代重建算法

迭代重建算法是一种经典的CT图像重建算法,适合于不完全投影数据的图像重建,其缺点是重建速度慢。为提高图像重建的质量和速度,文中利用压缩感知理论提出了一种改进的基于图像全变差最小的迭代重建算法。该算法在迭代的不同阶段对迭代初始值做不同处理,并在每次迭代结束后采用梯度下降法调整全变差。实验结果表明,该算法不但提高了图像重建质量,同时也加快了迭代图像的收敛速度。     

基于Tsallis交叉熵快速迭代的河流遥感图像分割

为了使河流遥感图像分割的精度和速度进一步提高,本文提出了一种基于二维Tsallis交叉熵快速迭代的河流遥感图像分割方法。鉴于现有的Tsallis交叉熵阈值法运算效率不够高,首先提出了一维Tsallis交叉熵阈值选取的快速迭代算法;然后导出了基于灰度级—邻域平均灰度级直方图的Tsallis交叉熵阈值选取公式,以进一步提高分割精度,并采用递推方式计算阈值选取准则函数中的中间变量,避免其重复运算,加快运算速度;最后,提出了二维Tsallis交叉熵阈值选取的快速迭代算法,推导出相应的公式,大大减少了运算量。大量实验结果表明,与近年来提出的4种阈值分割方法相比,本文方法在对河流遥感图像的分割效果及运行时间上均有明显优势,是河流检测与类型识别系统中可选择的一种快速有效的分割方法。      

一种改进的毫米波图像超分辨率重建算法

针对毫米波成像时,由于天线孔径受限使得获取的图像空间分辨率很低、高频信息损失严重的问题,提出一种改进的非凸集投影超分辨算法。该算法以非凸集阈值收缩迭代算法(Non-convex Shrinking Iteration,NCSHI)为基础,采用具有平移不变特性的双树复数小波作为稀疏基,引入了两步迭代过程,有效地利用了前两次的迭代信息。实验仿真结果表明,该算法有效地改善了伪吉布斯效应,收敛速度更快,具有良好的超分辨性能。     

基于渐进阈值分割的多云背景目标检测

本文针对海上多云背景条件下飞机目标检测效果差的问题,在分析多云背景目标图像特性的基础上,提出了一种基于渐进阈值分割的多云背景目标检测算法。该算法首先采用云层背景抑制算法进行图像预处理,然后采用渐进迭代方法进行多阈值图像分割,利用链码描述算法完成目标特征计算,采取信息逐层筛选策略确认潜在目标区域,依据设定的阈值概率实现真实目标确认,完成多云背景条件下的目标稳定检测。通过仿真实验和实际工程应用,证明了该算法的可行性和有效性。     

改进的TV-Stokes图像修复模型及其算法

该文在研究图像修复的基础上,提出了一种改进的TV-Stokes图像修复模型。通过分析新模型的性质,给出一种高效且快速的数值算法。由于新模型耦合了两个变量,因此新算法首先采用交替迭代策略化原问题为两个去耦的次问题,然后再对两个次问题分别利用对偶方法和分裂Bregman方法进行数值求解。实验结果表明该文所提出的算法不但修复图像的效果较好,而且修复的速度较快。     

A fast iterative scheme for multilevel thresholding methods

The previously published optimal thresholding techniques based on some objective functions are very efficient in the bi-level thresholding case, but they are impractical when extended to multilevel thresholding. The reason for this is their computational complexity which grows exponentially with the number of thresholds. In this paper, an iterative scheme is proposed to render these optimal thresholding techniques more practical. The proposed algorithm starts with a bi-level thresholding, then uses the initial results to obtain higher-order thresholds. This algorithm is iterative and the convergence is proved. We also introduce some useful programming techniques to make the computation more efficient. The proposed algorithm can therefore determine the number of thresholds automatically as well as save a significant amount of computing time.     

语音重构的DCT域加速Landweber迭代硬阈值算法

重构信号的最基本理论依据是该信号在某个变换域是稀疏的或近似稀疏的。基于语音信号在DCT域的近似稀疏性,可以采用压缩感知(Compressed Sensing, CS)理论对其进行重构。压缩感知理论中的迭代硬阈值(Iterative hard thresholding, IHT)算法以其较好的性能被广泛用来重构信号,但其收敛速度比较慢,如何提高收敛速度,一直是迭代硬阈值算法研究的重点之一。针对压缩感知理论中的IHT算法收敛速度相当慢的问题,提出了语音重构的DCT域加速Landweber迭代硬阈值(Accelerated Landweber iterative hard thresholding, ALIHT)算法。该算法对原始语音信号做DCT变换,然后在DCT域将每一步Landweber迭代分解为矩阵计算和求解两步,通过修改其中的矩阵计算部分实现Landweber迭代加速,最后通过迭代硬阈值对信号做阈值处理。实验结果表明,加速Landweber迭代硬阈值算法加快了收敛速度、减少了计算量。      

基于谱间去相关模型的迭代硬阈值重构算法

根据高光谱图像的特点,提出一种基于谱间去相关模型的迭代硬阈值重构算法。根据高光谱图像序列的相邻图像之间具有很强的相关性,在迭代硬阈值重构算法中建立谱间去相关模型,除去重构图像观测数据中谱间相关的观测数据,去相关后的图像的观测数据更加稀疏,重构性能更高。实验结果表明,在相同观测数目下,本算法与迭代硬阈值重构算法相比,有效提高了图像的重构质量。     

基于小波域滤波的迭代硬阈值压缩感知重构

图像压缩感知迭代重构算法主要采用迭代阈值法解决信号的重构问题,但是迭代阈值法仅仅利用变换系数进行阈值处理,并未考虑系数的邻域统计特性,导致重构性能不高。提出一种基于小波域滤波的迭代硬阈值迭代算法,利用小波域系数的邻域统计特性修订迭代硬阈值重构算法的代价函数,进行两步迭代收缩,并在迭代中用小波域滤波除去其中的重构噪声。实验结果表明,在相同的观测数据下,相比已有的经典算法,新算法的重构图像质量较高,并且可以获得快速的重构速度。     

基于标准差梯度的模糊边缘检测算法

红外图像的边缘检测是图像处理领域的难题之一。结合红外图像的特点,将最小误差原理推广到模糊域进而应用到红外图像的边缘检测上,提出了一种基于标准差梯度的红外图像模糊边缘检测算法。首先提出了一种基于标准差的梯度算子,将图像中潜在的边缘区域很好地区分出来;而后引入模糊最小误差阈值算法．根据此算法自适应提取了标准差梯度图像中的最优阈值,从而实现了红外图像的目标边缘检测。与传统的基于梯度的红外图像边缘检测算法进行对比实验,结果表明,该算法用于红外图像边缘检测能获得更好的效果。     

Reconstructing Sparse Signals from Dyadic Wavelet Transform Modulus Maxima

The problem of how to recover a signal from its dyadic wavelet transform modulus maxima is considered. Based on the additional assumption that the signal has sparse representations in some transformed domains, a regularization-based reconstruction approach is proposed. The resulting minimization problem can be efficiently solved by iterative thresholding algorithm. Numerical experiments show the effectiveness of the proposed algorithm.     

基于多小波变换及综合阈值的图像去噪方法

提出了一种基于多小波变换的综合阈值图像去噪方法。该方法通过对含噪图像进行多小波变换,克服了单小波变换中无法同时满足正交性和对称性的缺点。同时,在两种经典的硬、软阈值处理方法基础上,提出了一种综合阈值处理方法。将该阈值方法和多小波变换相结合,根据多小波分解后的能量分布特性,在不同尺度的子带选择不同的最佳阈值,有效地提高了重构图像质量。并且对阈值进行向零收缩处理,防止有用信息当作噪声滤除。实验结果表明, 相对于传统的硬、软两种阈值处理方法,文中的去噪方法在输出信噪比和主观视觉效果上都有明显改善。     

一种自适应多尺度积阈值的图像去噪算法

该文提出了平稳小波变换(Stationary Wavelet Transform, SWT )域自适应多尺度积阈值的图像去噪算法(SWT domain Multiscale Products, SWTMP)。与传统的阈值去噪算法不同,该阈值不是直接作用于小波系数,而是作用于小波系数的空间多尺度积。分析了SWT域含噪图像多尺度积的特点,提出了SWT域自适应多尺度积阈值的计算方法。多尺度积强化了图像的重要结构信息,弱化了噪声,在有效去噪的同时更多地保留了图像的边缘和细节。实验结果表明,所提算法对自然图像去噪后的视觉效果和性能指标均好于二进小波域多尺度积阈值(Adaptive Multiscale Products Thresholding, AMPT)去噪方法。