热物理温度场研究中干涉图像的自动提取法

热物理研究中,用光学测量法测量温度场为佳,但光学测量法中从干涉条纹图像提取等温线往往是手工完成的,精度和效率低.因此,借鉴前人计算机处理干涉条纹图像的经验,研究了一套针对热物理研究中用计算机实现提取干涉条纹中心线(即等温线)的方法.针对热物理温度场图像的特点,着重在噪声消除和断裂毛刺修补[8]方面提出了改进,实验结果证明,此方法能较好地测绘出温度变化后的温度场分布情况,使条纹更光顺.     

高斯图像噪声实现的两种改进

该文对传统的高斯图像噪声的实现从高斯特性和噪声率等方面提出了两种改进方法,并给出按改进方法和传统方法产生的高斯噪声图像的直方图。改进方法较传统方法有高斯特性更准确,噪声率(图像中受噪声影响的像素数与总像素数之比)可调,“白”性不变等特点,更适于成为图像处理研究的噪声源。     

不同时相的遥感热红外图像在研究城市热岛变化中的处理方法

卫星图像的热红外波段已被广泛地用来研究城市热岛效应。由于客观条件的限制,在城市热岛变化的比较研究中,很难获得不同年代的同时相图像,特别是在南方多云雨的地区。所以,这给城市热岛的变化研究带来了很大的困难。为此,采用了将不同时相的热红外图像进行正规化、分级,并制成差值影像图的方法,较好地减少了季相差异的影响,使得不同时相的热红外图像得以对比。为了定量地研究城市热岛(UHI)的变化,还创建了城市热岛比例指数(URI)。该指数通过热岛面积和城市建成区面积的比例关系并赋于不同的权重值来定量地评估热岛现象的变化情况。     

基于频域共轭梯度算法的盲目图像恢复

在分析了目前各种算法存在的一些基本问题的基础上，提出了盲目图像恢复的频域共轭梯度算法，算法假设退化系统的点扩散函数具有圆对称性，并考虑图像的频域具有复共轭对称性，在频域里建立了新的优化判据；采用共轭梯度算法搜索判据，从而在有实际物理意义的区域中收敛于最优解；对光学成像系统常见的离焦、衍射模糊问题进行了仿真；用该算法实现了其退化图像的恢复，给出并分析了结果。     

基于混合图像分割与梯度算法的发光物体图像重建技术研究

传统的图像重建算法存在光源分布不均以及噪声干扰等问题,导致图像重建效果差。针对该问题,提出了一种改进的混合图割算法和梯度算法的发光体图像重建技术。算法首先采用图像分割算法得到在未知先验条件的情况下的发光源情况;然后利用不同的梯度算法,根据重建状态得到发光源准确的分布情况;最后利用内部光源的多级网络提高计算速度和重建的准确性。仿真实验结果表明,本方法即使在存在检测噪声和模型结构误差的情况下,仍然能够得到很好的重建性能,具有较高的实际应用价值。     

图像噪声去除的小波相位滤波算法

利用小波变换进行信号与图像去噪是小波应用的一个重要方面。小波变换具有“变焦”时频局部化特性,可以实现紧立集正交变换,使得其在数据压缩、图像处理与去噪等领域得到广泛应用,并且得到了不少较为成熟的算法。在大量的小波去噪文献中,以基于小波幅度去噪的研究居多,而本文则欲讨论基于小波相位特性的图像去噪方法。通过对图像作二维小波分解,然后对各尺度上得到的小波系数依据相位特性进行滤波,由所余系数重构图像即可得到去噪的结果。1 图像的快速小波分解 1.1 小波分析理论所谓小波分析,从数学角度去看,它属于调和分析的范畴,但从事计算数学的工作者把它认为是一种近似计算的方法,用于把某一函数在特定空间内按照小波基展开;从工程角度去看,小波分析是一种信号与信息处理的工具,是继Fourier分析之后的又一有效的信号分析方法。小波变换作为一种新的多分辨分析方法,特别适合于处理非平稳信号。     

图像噪声分析下的计算机生成图像检测算法

在生成图像的处理过程中,由于计算机生成图像与自然图像在物理生成机理方面存在着明显的差异性,因而也在一定程度上决定着其在图像噪声分布领域也存在着较为明显的差别.基于此,提出了图像噪声分析下关于计算机生成图像的检测算法,通过探索研究来进一步挖掘、提取计算机生成图像检测的新计算统计方法.     

基于图像局部梯度L0范数正规化的图像分解算法

针对基于梯度L0范数正规化的变分泛函最优化分解图像时误判噪声梯度为边缘梯度的问题,提出一种基于图像局部梯度的L0范数正规化的图像分解算法。该算法构造了一个由保真函数和正则项构成的适用于图像分解的变分泛函,其中正则项用图像的局部梯度的L0范数进行估计,进而通过求解泛函的最小值,以分解出图像的结构信息(即图像的边缘)。与直接基于图像一阶梯度的L0范数的分解算法相比,该算法可以去除噪声梯度的干扰,从而使分解出的图像边缘中不含有噪声。实验结果表明,该算法在分解图像结构和纹理时,既能很好地把边缘保留在图像结构层中,也可把噪声分解到图像结构层外。     

基于梯度的图像分割新方法

针对玉米图像和Lena图像的分割方法进行了讨论与研究,将传统的阈值分割与图像梯度计算结合在一起,提出了一种新的彩色图像分割方法.该方法对玉米图像和Lena图像不但具有较好的分割效果,而且具有计算简单,抗噪声能力强,并且同时适用于灰度与彩色图像的场合,较好地克服了传统阈值分割方法的缺点.实验表明该算法不仅能够较好地分割出图像边界,且具有较好的时间性能和较好的分割效果.     

噪声对基于不同梯度算子的ICG算法的影响

反向合成梯度算法是一种基于局部指向性的反向合成图像对齐算法,能有效克服光照变化对匹配结果准确性的影响。局部指向性的计算在本质上是梯度的计算,可以用不同的梯度算子求解。该文采用4种梯度算子计算局部指向性,通过给输入图像和模板图像中加入噪声模拟实际图像,研究了噪声对基于4种梯度算子的反向合成梯度算法的影响。     

基于图像块能量梯度的多聚焦图像融合

针对多聚焦图像,提出一种基于图像分块的融合方法。将源图像分为大小相同数量相等的子块,采用能量梯度算子作为对焦评价函数,计算各个图像子块能量梯度匹配度,设置匹配度阈值分离出源图像中的清晰区域。源图像中的清晰区域直接作为融合图像相应的区域,其它区域的处理中,构造与相应子块能量梯度大小相关的图像序列,以及像素点到各个子块中心距离相关的融合函数,然后用融合函数对图像序列融合。实验结果表明该方法有效性和合理性。     

基于零交叉的噪声图像边缘检测

由于数字图像中可能包含不同程度的噪声,使得边缘检测在图像处理中变得比较困难。传统的边缘检测算法对于信号中的噪声比较敏感,使得边缘信息不能完全准确地检测出来。本文提出了一种基于零交叉的噪声图像边缘检测方法。在文献[1]算子的基础上先平滑图像,计算图像的梯度,然后对梯度图像用新推导出的递归算子求二阶导数,并分别按行方向和列方向进行过零点检测,最后合并两个方向上检测到的过零点得到图像边缘。实验结果表明,该方法不仅对于含噪图像具有良好的边缘检测效果,而且由于所有滤波算子都是可递归执行的,大大减少了运算量和运算时间。     

一种新的图像椒盐噪声的非线性滤波算法

为了在滤除椒盐噪声的同时能很好地保持图像的边缘细节,提出了一种新颖的图像椒盐噪声非线性滤波算法。利用局部统计信息,先将图像像素点分为信号点和可能的噪声点两类。然后将可能的噪声点进一步细分为边缘点、噪声点和信号点：利用方向信息、均方差来判断是否为边缘点,利用自适应阈值的方法来判断是否为噪声点,并且对边缘点和噪声点采取不同的方法进行滤波。经过仿真实验并与其它滤波算法进行比较表明,文中的算法具有更好的效果。     

基于预测梯度的图像插值算法

提出一种新的非线性图像插值算法,称为基于预测梯度的图像插值（Image interpolation with predicted gradients,PGI）.首先沿用现有的边缘对比度引导的图像插值（Contrast-guided image interpolation,CGI）算法思想对低分辨率图像中的边缘进行扩散处理,然后预测高分辨率图像中未知像素的性质,最后对边缘像素采用一维有方向的插值,对非边缘像素采用二维无方向的插值.与通常的非线性图像插值算法相比,新算法对图像边缘信息的理解更为完善.与CGI算法相比,由于梯度预测策略的使用,PGI算法能够更有效地确定未知像素的相关性质（是否为边缘像素,以及是边缘像素时其边缘方向）.实验结果表明,PGI算法无论在视觉效果还是客观性测评指标方面均优于现有的图像插值算法.此外,在对彩色图像进行插值时,本文将通常的RGB颜色空间转化为Lab颜色空间,不仅减少了伪彩色的生成,而且降低了算法的时间复杂度.     

图像梯度分类的概率模型及在边缘检测中的应用

从图像梯度分类的概率模型出发,提出一种自动确定Canny算法阈值的新方法。通过实验表明,这种改进的Canny算法是有效的,性能优于传统Canny算法。     

基于梯度融合规则的医学图像融合方法*

为了更好地满足临床诊断和治疗的需要,本文提出了一种在图像融合阶段对测量值进行自适应梯度加权和图像重建时采用CoSaMP重建算法相结合的方法。该算法首先对两幅源图像分块并进行稀疏表示,同时利用观测矩阵进行测量。在测量数据融合阶段引入图像梯度来反应图像本身的边界信息,先计算每幅分块子图像的梯度;然后利用自适应梯度加权的融合规则得到融合的测量数据,并对融合测量数据进行随机压缩采样;最后通过CoSaMP算法对采样数据进行信息重构实现测量数据的恢复。该方法克服了图像融合时信息畸变的缺陷,并且可以根据不同融合区域自动调整融合规则的权重系数,有效地避免了设置固定权重系数造成的融合误差。实验结果和评价指标验证了本文算法的有效性和先进性。     

噪声图像滤波的树型滤波器

本文提出了一种在空间域根据图像的邻域特性和边缘方向信息进行滤波与增强的方法。该方法利用图像的结构信息,对噪声进行分区处理,克服了传统线性滤波器引起的边缘模糊和细节损失。在算法实现上,充分发挥中值滤波器滤除脉冲干扰能力强,边缘保持好的优点。从而使恢复图像边缘和细节清晰。理论分析和计算机仿真结果表明,本文提出的滤波器结构在噪声滤波和边缘保持方面优于中值滤波,α-裁剪均值滤波、Winsorized均值滤波,建立了一种崭新的硬件方案。(本算法已在PCVISION图像系统上仿真。)     

基于图像梯度信息的插值方法

图像插值是图像处理中的一个基本问题,为了获得更合理的图像插值权函数,从1维函数中插值的有关思想出发,通过梯度信息在图像插值中的应用研究,构造了一种基于图像梯度信息的加权插值方法。该方法利用图像为分片连续的光滑函数的先验信息,通过建立一个与各点梯度值成反比的权函数来完成对图像的插值,同时对涉及的有关参数选择问题进行了讨论,给出了一种合理的参数选取方法。仿真计算表明,该方法对一般图像均具有较好的插值效果,尤其适用于对比度较强,且边缘简单的图像,插值后的图像边缘更清晰。     

基于梯度的多曝光图像融合

针对运动场景拍摄的不同曝光度的图像序列,提出基于梯度的多曝光图像融合方法,将不同曝光度的图像细节呈现到同一张普通图像上。该方法是直接加权融合的方法,先用梯度信息来定义权值,然后用多分辨率加权融合。实验表明,本文的方法取得较好实验结果,消除运动物体对图像融合产生的影响,同时增强了图像的细节表现能力,具有较好的实用价值。     

一种强噪声背景下图像标定符号的定位方法

图像中标定符号的定位与识别是进一步计算数字图像对应的空间距离的依据。本文应用Hough变换对图像标定符号进行定位,克服了强噪声背景下单独采用灰度特征定位的缺陷。定位后对图像进行分割,并与传统方法比较。实验证明,本方法对在图像中所占比例较小的标定符号有较好的定位效果,并结合标定符号的灰度特征对强噪声背景下的标定符号进行准确分割。