基于Contourlet变换和模糊理论的红外图像增强算法

红外图像具有噪声大、对比度低等特点,针对该特点,提出了一种基于Contourlet变换与模糊理论的红外图像增强算法。首先对图像进行Contourlet变换,得到多尺度多方向的低通子带和带通子带。对低通子带,进行基于子带系数最大最小值的线性变换,提高图像的整体对比度;对于带通子带,先估计噪声阈值,对子带系数进行抑制噪声处理,然后通过模糊增强算法,对高频系数进行非线性增强,增强目标边缘纹理的特征,抑制背景信号。最后经过Contourlet逆变换得到对比度增强,噪声被抑制的图像。经过算法仿真,与几种现有的图像增强算法相比,该算法更能有效地抑制噪声,增强图像的对比度,突出图像的边缘与细节纹理信息。     

超空泡图像的自适应多尺度小波边缘检测

针对水下高速射弹试验获取的超空泡图像中夹杂较多噪声,而传统边缘检测算法在自动边缘检测中抑制噪声效果差的问题。文中采用自适应多尺度小波边缘检测,对超空泡图像进行边缘检测。算法中首先对图像进行多尺度下的小波变换和相邻尺度间的梯度增强,再采用K均值聚类进行边缘的自动检测,得到不同尺度下的边缘,根据小波基的不同选择对应的多尺度融合方法进行多尺度融合,得到最终的边缘图像。实验表明,文中算法相比传统边缘检测算法,有效地抑制了图像中噪声,得到了更完整的边缘信息。     

基于复小波方向信息的SAR图像斑点噪声抑制

针对一般小波去噪方法在去除合成孔径雷达(Synthetic Aperture Radar-SAR)图像斑点噪声时不能有效保持图像边缘信息的问题,提出结合双密度双树复小波变换（Double-Density Dual Tree Complex Wavelet Transform –DD_DTCWT）方向信息进行边缘检测的SAR图像噪声抑制算法。本文对边缘检测指标进行改进,利用DD_DTCWT方向复小波系数的相对方差作为边缘检测指标,通过相对方差分布密度函数获取阈值处理的自适应门限,由此实现SAR图像的自适应滤波。实验结果表明,本文提出的边缘检测和主方向高频复系数提升方法可以有效保持并增强图像的边缘信息。与SRAD算法和基于DD_DTCWT的双变量收缩函数（Bivariate Shrinkage Function--BSF）算法相比较,本文算法具有更好的边缘保持能力。      

椒盐噪声图像降噪算法设计

由于环境和设备的影响,图像往往受到不同程度的噪声干扰。为了有效地利用图像所包含的信息,通常需要对图像进行去噪处理。因此,图像去噪作为图像处理最基本的步骤,已经成为当前研究的重点内容之一。通过对现在常用的图像降噪算法的研究,选定自适应中值滤波对图像进行针对椒盐噪声的降噪,使用整体嵌套边缘检测（Holistically-Nested Edge Detection,HED）算法对图片进行边缘提取,辅助保留图像的边缘信息,使得图像的边缘信息得到更好的保留。     

基于分数阶微分与独立分量算法的红外图像边缘提取

探讨了基于分数阶微分增强和独立分量分析在红外图像边缘提取上的应用.首先,从数字图像分数阶微掩模及其运算规则出发对红外图像进行增强.然后,基于信息最大化算法对自然图像进行迭代训练,得到ICA所需的基函数.最后,运用独立分量算法对增强后的红外图像进行边缘提取.实验结果表明,分数阶微分在增强红外图像灰度变化不大的平滑区域中的边缘特征效果明显,而ICA算法做边缘提取即使在有噪声的情况下也能较好地提取红外图像的边缘特征.     

基于多尺度加权引导滤波的红外图像增强方法

现有的红外图像存在细节模糊、边缘和纹理不清晰的问题。针对上述问题,本文提出一种基于加权引导滤波的红外图像增强方法。首先,将图像通过带转向核的多尺度加权引导滤波进行分层处理,得到多幅含有细节信息的细节层图像和基础层图像;接着,对细节层采用基于Markov-Possion的最大后验概率算法和Gamma校正算法对细节层进行增强;然后,对基础层采用限制对比度的自适应直方图均衡算法进行对比度拉伸,最后,进行线性融合得到增强后的图像。综合主、客观实验结果,得出本文方法具有良好的细节增强效果,处理后的图像边缘和纹理信息比较突出,且算法在信息熵（IE）,熵增强（EME）和平均梯度（AG）3个指标都有较优的计算结果。基本满足红外图像细节得到增强,边缘纹理清晰的需求。     

基于边缘检测的图像锐化算法

图像锐化是一种补偿轮廓、突出边缘信息以使图像更为清晰的处理方法。锐化的目标实质上是要增强原始图像的高频成分。常规的锐化算法对整幅图像进行高频增强,结果呈现明显噪声。为此,在对锐化原理进行深入研究的基础上,提出了先用边缘检测算法检出边缘,然后根据检出的边缘对图像进行高频增强的方法。实验结果表明,该方法有效地解决了图像锐化后的噪声问题。     

电弧焊熔池图像的边缘检测

本文提出一种基于Canny算子和形态学的图像边缘提取算法。熔池图像经过预处理后,运用形态学的开闭运算滤除噪声和局部灰度增强后用Canny算子检测得到清晰的连续的边缘。实验结果表明,该方法明显优于经过传统滤波后再进行Canny算子的边缘检测效果,为后续的特征提取,目标识别提供了良好的基础。该算法对噪声有很好的鲁棒性,并得到真正的边缘。     

改进的基于模式噪声的源相机检测算法

针对基于模式噪声的数码相机源检测中存在的问题,提出了一种改进的模式噪声提取算法。在Lukas算法的基础上,首先利用Wallis预滤波处理抑制低频噪声并增强模式噪声;再利用Sobel边缘检测算子对图像的复杂边缘纹理区进行有效剔除,最后利用经过上述处理得到的图像模式噪声与相机参考模式噪声模板进行相关检测。实验结果表明,提出的改进算法可以有效提高源相机检测的性能。     

一种Sobel算子的抗噪型边缘检测算法

边缘检测在图像处理过程中占有重要的地位,Sobel算子是在数字图像边缘检测中常用的一种方法。经典Sobel算法简单、速度快,但也存在着边缘定位不精确、提取的边缘较粗、噪声干扰情况下抑制能力差等问题,针对这些问题,提出了一种抗噪声的Sobel边缘检测算法。算法先对图像采用多子窗口进行滤波,去除图像中存在的噪声;然后采用改进的Sobel算法对图像进行边缘检测,算法结合边缘方向计算梯度图像,并对梯度图像在3×3邻域内采用统计信息结合梯度阈值进行了2次边缘细化处理。与经典的Sobel算法及其他文献算法进行了对比试验,结果表明,该算法对噪声具有较强的抑制能力,在去除噪声的同时能够准确地检测出图像的边缘,而且得到的边缘更细,定位更精确。     

印制电路板光电图像边缘信息提取

针对印制电路板(printed circuit board, PCB)光电图像模糊且含噪声的具体情况,提出了改进的边缘信息提取算法。首先分别对自适应模糊集增强算法与数学形态学边缘检测算法(edge detection algorithm of mathematical morphology, EDAMM)实施改进,并分析了其基本原理。然后结合这两种算法对PCB光电图像进行预处理及边缘信息提取。最后对两幅由不同成像系统获取的PCB光电图像进行了边缘信息提取实验。结果表明：用本文算法获得的PCB光电图像明暗对比度较高,并提取了精确且清晰的图像边缘信息,明显减少了噪声,所得图像的优质系数较高,两幅图像的优质系数分别是0.885 2、0.874 9,均高于本文中所提到的另外4种算法的结果。可见,采用本文算法可以更好地去除PCB光电图像中的模糊与噪声,并精确地提取出PCB光电图像的边缘信息。     

改进的分水岭算法在医学图像分割中的应用

针对传统分水岭算法对噪声敏感和易于产生过分割的问题,提出了一种将同态滤波增强与控制标记符分水岭相结合的分割策略.该方法先进行同态滤波增强预处理,再采用改进控制标记符的分水岭分割算法进行分割.仿真实验表明,提出的算法很好地抑制了过分割,实现了有意义的医学图像区域分割,同时还具有较强的区域轮廓定位能力,不需要再进行后续的合并处理,算法简单,并且能够适应医学图像分类与信息提取的需求.     

基于小波和统计特性的自适应图像增强

本文提出一种用于图像特征增强的空频分析方法--图像经过多级小波分解后,依据邻域特性来判断各带通子带图像上的边缘点;依据统计特性来估计噪声在空频域上的分布,并依此构造具有空频自适应性的边缘增强增益;最后用调整后的小波系数重建图像.实验结果表明,本文算法在增强图像边缘的同时,能够有效减小对噪声的放大作用.     

SAR图像线条特征提取方法研究

雷达图像的线条特征提取算法一般分为三步，首先作图像预处理，然后采用特定的边缘检测算子提取边缘点，第三步形成各种有意义的线条特征，并且将断裂的长线连起来。常见的提取算法都是基于光学图像的，所以在确定边缘点时，假定图像中的噪声是加性高斯白噪声。这样，在合成孔径雷达（SAR）图像中使用光学图像中提取边缘点的方法就不行了，这是因为SAR图像中的相干斑噪声是服从K分布的。不过，将边缘点连接为有意义的线条特征的方法还可以沿用。所以，我们可以采用两步检测算子来检测边缘点，然后使用从相位编组思想演化而来的方向编组法形成直线条特征方法。大量的实验验证了这种方法对于SAR图像是切实可行的。     

一种基于局部平衡的红外图像锐化算法

首先分析红外图像边缘与随机噪声和非均匀性固定噪声的分布特点,为区别红外图像中由真实边缘和由各种噪声引起的灰度变化,给出了局部力矩矢量和局部平衡系数的定义;并且基于这两个定义,提出了基于局部平衡系数和局部对比度的图像锐化算法。该算法不同于传统图像锐化算法只基于局部对比度的缺点,在图像锐化过程中考虑图像边缘和非均匀性的空间分布的差异,不但改善了传统边缘增强算法对随机噪声放大的缺点,而且降低了非均匀性噪声的增强。实验结果表明,该方法具有良好的前景和实用价值。     

SAR图像直线提取

针对合成孔径雷达(SAR)图像中相干斑的统计特性,设计了对应的直线提取算法.首先组合运用Canny算子和Ratio算子得到边缘点及其边缘方向,然后根据边缘方向一致性原理得到初始直线图;最后,通过高层编组方法连接由于噪声引起的直线缺损.本文提出的边缘检测方法克服了边缘方向量化带来的直线断裂,并且具有恒虚警的特性.高层编组过程通过对初始直线图的分析确定可能扩展的直线区域,之后在原始图像中进行统计证实,得到完整的直线图.直线提取算法在X波段机载SAR图像上进行了试验,得到了满意的效果.提取的直线图可以用于遥感图像矢量化、自动目标识别等方面.     

基于视觉对比度分辨率的红外图像增强算法

针对传统红外图像增强方法存在增强后目标边缘模糊及背景噪声过增强的缺陷,结合人眼视觉特性,提出了基于视觉对比度分辨率的非线性变换算法。该算法根据人类视觉在不同背景灰度下分辨目标的能力不同,自适应调整灰度变换曲线,使目标映射到人眼分辨的敏感区域,同时使背景噪声映射到人眼分辨的不敏感区域。经测试表明:提出的算法与传统算法相比更易突出红外图像目标的细节信息及其边缘轮廓,峰值信噪比提高近1倍,对比度增益提高近0.5倍。     

基于分数阶微分的图像边缘细节检测与提取

图像边缘细节包含重要的视觉感知信息,是进一步进行图像理解与场景感知的基础.针对常用的边缘梯度检测方法难以有效提取类似于分形纹理结构的复杂图像边缘问题,提出一种基于分数阶微分的图像边缘检测方法.该方法首先基于分数阶微分的性质进行图像拐点检测,并进一步结合拉格朗日多项式插值和Grumwald-Letnikov(G-L)分数阶微分的定义,推导出具有非整数步长像素信息的图像边缘检测算子.实验表明,该方法能有效提取图像中的边缘细节(拐点)特征.对被噪声严重污染的具有复杂边缘细节的图像,该算子同样具有较好的边缘细节检测能力,获得更好的视觉效果.     

基于人眼视觉的红外图像增强算法研究

红外图像具有低对比度、噪声大、动态范围大以及视觉效果差等特点。传统的图像增强算法具有各自的局限性,处理后的视觉效果并不理想。为了改善红外图像的视觉效果,增强图像中目标的识别力,研究了基于人眼视觉特性的Retinex算法,结合红外图像的成像机制,将适用于可见光图像的Retinex增强算法应用于红外图像,取得了良好的视觉效果。在此基础上,对算法进行自适应改进,提出了AMSR算法。采用几种传统的图像增强算法和基于Retinex的算法对具有典型特性的红外图像进行增强处理,并计算客观评价指标。通过对实验结果的主观评价和客观指标分析,验证了AMSR增强算法对红外图像具有适用性和优越性。本文的研究工作对红外目标探测和识别具有重要的意义。     

一种低对比度红外图像增强方法

简要介绍了图像增强方法,分析了海军靶场红外图像的特点,并提出了相应去除噪声和图像增强方法。海军靶场红外图像具有动态范围小、噪声多、对比度低的特点。在图像增强处理时,将多幅背景均匀的红外图像进行统计平均得到背景噪声,通过图像点运算消除背景噪声,用灰度修正的方法完成图像增强处理,取得了较好的图像视觉效果。用该算法对靶场现有低对比度图像进行增强处理取得了较好的结果,验证了算法的有效性。