离焦模糊图像的盲复原算法

针对离焦模糊图像,提出了一种盲复原算法。该算法首先利用Hough变换检测出离焦图像中的直线边缘,然后基于图像的空域统计特性和修正的Grubbs检验法,定位出阶跃或近似阶跃直线边缘,在此基础上自适应计算出线扩散函数,最后利用线扩散函数求取离焦模糊半径,进而用Wiener滤波完成了图像的复原。实验结果表明,对真实的离焦模糊图像,该算法能够准确地检测和定位出阶跃或近似阶跃边缘,提高离焦模糊半径的鉴别精度和图像的复原效果,已在实际刑侦取证工作中获得较为成功的应用。     

一种离焦模糊图像的盲复原方法

针对离焦模糊图像提出了一种基于图像阶跃边缘扩散特性的盲复原方法。该方法通过改进Grubbs异常值检测准则,对图像中的阶跃或近似阶跃边缘进行定位。通过自适应选取最佳图像区域的方法计算线扩散函数,进一步利用离焦模糊半径与线扩散函数之间的关系,计算出离焦模糊参数。根据参数得到点扩散函数,最终对离焦模糊图像进行复原。实验结果表明,该方法的复原效果较好,具有一定的应用价值。     

基于模糊参数的高斯边缘检测模型方法研究

对图像边缘提取的问题进行了研究,针对以往边缘提取算法容易造成边缘断裂,提取较多噪声的缺点,提出一种利用模糊逻辑函数在全局上对图像进行增强,在局部进行边缘提取的算法。定义一个模糊逻辑函数,利用类似直方图均衡化的方法,对变换后的模糊逻辑图像进行对比度增强操作;在增强的图像上,对模糊逻辑函数进行局部非线性投影变换,并在变换基础上进行边缘图像的阈值检测,从而得到最终的边缘图像。在进行非线性变换的同时,利用梯度迭代法对非线性参数进行优化,从而保证获得最优的高斯模型,并提取出边缘信息。该方法在自动获得最优的系统参数同时,能准确有效地提取出图像的边缘,克服噪声对系统的干扰;并能广泛使用在基于边缘信息的图像处理系统和模式识别系统中。     

人工模糊图像边缘的盲检测算法

为检测并定位数字图像篡改中常采用的人工模糊边缘操作,提出一种基于模糊集合、局部清晰度与数学形态学的人工模糊边缘检测算法。利用模糊集合对图像边缘进行提取,得到被增强的经过人工模糊的图像边缘与被弱化的非人工模糊边缘;引入局部清晰度来区分人工模糊与离焦模糊边缘点;利用数学形态学中的腐蚀运算细化掉被弱化的非人工模糊边缘,保留被增强的人工模糊边缘,实现对人工模糊图像边缘的像素级定位。通过实例验证了该算法的有效性与正确性。     

一种离焦模糊图像边缘检测新方法

根据离焦模糊图像的特性,提出一种新的离焦模糊图像边缘检测算法,该算法通过定义一个新的边缘检测算子,利用新算子对图像各像素进行卷积,求得各像素的梯度和方向信息,根据梯度和方向信息进行阈值化处理,得到离焦模糊图像的边缘检测图像。实验结果表明,对于离焦模糊图像,利用新的边缘检测算子进行边缘检测,能够较好地检测被模糊而弱化的边缘,检测效果符合人眼视觉感受。     

非局部降噪快速模糊C-均值聚类算法

传统的模糊C-均值聚类算法未利用图像的空间信息,在分割迭加了噪声的MR图像时分割精度较差。采用了既能有效去除噪声又能较好地保持图像边缘特征的非局部降噪方法,结合基于图像灰度直方图聚类分析的快速模糊C-均值聚类算法,得到了一种具有较高分割精度的图像快速分割算法。通过对模拟图像、仿真脑部MR图像和临床脑部MR图像的分割实验,表明提出的新算法比已有的快速模糊C-均值聚类算法有更精确的图像分割能力。     

最小模糊熵算法在SAR影像溢油检测中的应用

针对溢油SAR影像的油膜识别不准确的问题,该文引入最小模糊熵的图像分割方法,构建基于一维灰度直方图与二维灰度直方图的最小模糊熵隶属度函数,并基于模糊熵分割算法对试验影像进行处理。实验结果表明:最小模糊熵的分割算法能够对SAR影像实现比较好的油膜分割效果,且二维的模糊熵分割效果由于加入了图像灰度邻域信息,抗噪能力更强,分割效果要优于一维的模糊熵分割算法。同时,实验验证对于直方图双峰特性不明显的图像,采用最小模糊熵的的分割效果要优于最大模糊熵。     

基于自适应模糊映射图估计的离焦靶标图像盲复原

为解决靶标图像全局和局部离焦模糊问题,提出一种基于自适应模糊映射图估计的快速盲复原方法。首先,根据尺度空间图像边缘的连续性,自适应选择二次模糊量参考矩阵,并对离焦模糊靶标图像进行二次模糊,然后基于图像边缘差比计算稀疏模糊映射图,利用引导滤波进行插值获取模糊映射图,最后基于光学离焦退化模型建立模糊映射图和模糊退化图像之间的物理关系,实现离焦模糊靶标图像快速复原。实验结果表明,本文方法能够有效恢复离焦模糊靶标图像,增强靶标图像边缘特征,在算法运行效率上有极大优势,避免了迭代算法的高时耗问题,适合实际工业应用。     

基于频谱预处理与改进霍夫变换的离焦模糊盲复原算法

为了提高离焦模糊图像复原清晰度,提出一种基于频谱预处理与改进霍夫变换的 离焦模糊盲复原算法。首先改进模糊图像频谱预处理策略,降低了噪声对零点暗圆检测的影响。 然后改进霍夫变换圆检测算法,在降低算法复杂度的同时,增强了模糊半径估计的准确性。最 后利用混合特性正则化复原图像模型对模糊图像进行迭代复原,使复原图像的边缘细节更加清 晰。实验结果表明,提出的模糊半径估计方法较其他方法平均误差更小,改进的频谱预处理策 略更有利于零点暗圆检测,改进的霍夫变换圆检测算法模糊半径估计精度更高,所提算法对已 知相机失焦的小型无人机拍摄的离焦模糊图像具有更好的复原效果。针对离焦模糊图像复原, 通过理论分析和实验验证了改进的模糊半径估计方法的鲁棒性强,所提算法的复原效果较好。     

自适应多方向模糊形态学边缘检测算法*

提出了一种新的基于模糊增强的自适应多方向模糊形态学边缘检测算法。该算法可以适应多峰直方图分布图像的模糊边缘检测,结合了模糊增强方法和模糊形态学边缘检测方法,先使用隶属函数将图像转换为等效的图像模糊特征平面,在此基础上进行模糊增强,降低边缘模糊度,然后再转换到统一模糊区域中;最后进行多方向模糊形态学边缘提取。仿真实验证明该方法能够较好地去除椒盐噪声,并且能够检测出图像中模糊的边缘。     

A nonparametric procedure for blind image deblurring

Observed images are usually blurred versions of true images, due to imperfections of imaging devices, atmospheric turbulence, out of focus lens, motion blurs, and so forth. The major purpose of image deblurring is to restore the original image from its blurred version. A blurred image can be described by convolution of the original image with a point spread function (psf) that characterizes the blurring mechanism. Thus, one essential problem for image deblurring is to estimate the psf from the observed but blurred image, which turns out to be a challenging task, due to the “ill-posed” nature of the problem. In the literature, most existing image deblurring procedures assume that either the psf is completely known or it has a parametric form. Motivated by some image applications, including handwritten text recognition and calibration of imaging devices, we suggest a method for estimating the psf nonparametrically, in cases when the true image has one or more line edges, which is usually satisfied in the applications mentioned above and which is not a big restriction in some other image applications, because it is often convenient to take pictures of objects with line edges, using the imaging device under study. Both theoretical justifications and numerical studies show that the proposed method works well in applications.     

基于链码跟踪的Data Matrix二维条码快速识别

为实现工业现场中Data Matrix二维条码的快速识别,提出一种基于链码跟踪、直线段提取的条码快速识别方法。首先采用Sobel算子提取图像边缘;然后基于链码跟踪方法,跟踪图像的边缘点,记录链码;接着根据快速直线段提取方法,将直线相似度低于阈值的线段剔除,结合线形连接方法合并断裂线段,并使用长度判别剔除不可靠的线段;最后结合Data Matrix二维条码的特征,定位Data Matrix二维条码。实际测试表明,该识别方法能够快速、准确地定位二维条码区域,识别正确率可达99.39%以上,具有实时性强、可靠性好等特点,满足工业现场要求。     

基于二维直方图和最大熵门限化的直线边缘检测方法

提出了一种基于二维直方图和最大熵门限的直线边缘检测方法，为了得到与实际边缘对应的单宽度直线，还利用了细化、连接与直线跟踪等处理方法，不但可以自动确定阈值，而且可以较好地保留弱边缘，去除噪声，最后得到单宽度的直线边缘，这对于目标识别和图像理解有着重要的意义。     

基于傅立叶变换的二维条码识别

研究了基于傅立叶变换的二维条码识别技术 .首先探讨了二维条码的定位分割技术 ,即在条码中分割出单行码字符号的图象 ,分析条码信号经过点扩展函数卷积后的降质模型 ,并讨论条码信号的一阶导数和中点的性质 ,通过分析条码信号 ,提出了一种计算点扩展函数标准方差的算法 ;然后利用傅立叶变换对条码信号进行反模糊滤波 ;最后对复原的条码信号做差分处理 ,并采用边界强度直方图策略自适应地选取阈值滤去噪声导致的无效边界 .在边界强度直方图中 ,采用基于矩阈值选取的方法寻找最佳阈值 .实验结果表明 ,该识别算法具有优秀的性能 ,显著地提高了条码的识别率 ,满足了实际使用的要求     

基于模糊最大熵原则的地图图像分割

在分析地图图像特征的基础上，结合直方图和最大模糊熵原则，提出地图图像分割的自动阈值算法，通过多幅真实地图的实验表明，用该算法分割得到的黑版黑不但保持了线划的连续性，而且对边缘的定位准确，便于识别。     

一种计算图象形态梯度的多尺度算法

分水岭变换是一种非常适用于图象分割的形态算子,然而,基于分水岭变换的图象分割方法,其性能在很大程度上依赖于用来计算待分割图象梯度的算法。为了高效地进行分水岭变换,提出了一种计算图象形态梯度的多尺度算法,从而对阶跃边缘和“模糊”边缘进行了有效的处理,此外,还提出了一种去除因噪声或量化误差造成的局部“谷底”的算法,实验结果表明,图象采用本文算法处理后,再进行分水岭变换,即使不进行区域合并,也能产生有意义的分割,因而极大地减轻了计算负担。     

基于模糊熵和非分离小波变换的图像融合算法

针对传统可分离小波图像融合过程中存在部分边缘丢失和纹理信息模糊的问题,提出了突出图像细节和消减图像模糊性的融合算法.该算法在非分离小波分解框架下,对反映图像近似内容的低频分量采用局部模糊熵极大值融合规则.对反映图像细节特征的高频分量提出了区域亮度细节占优加权的融合规则.最后通过非分离小波逆变换重构融合图像.实验结果表明,该算法能在保留源图像信息的情况下,提高融合图像的清晰度,增强细节信息及亮度对比度.     

基于波形分析的二维条码识别

传统的条码识别方法是通过边缘检测来定位条码边界，对于被光学系统点扩展函数严重模糊的高密度条码图像，这种方法的性能急剧下降，为了克服点扩展函数造成的模糊，提出了一种基于波形分析的二维条码识别算法，先在图像上定位条码位置，并在条码中分割出单行码字符号的图像，然后分析条码波形，计算出点扩展函数的标准方差，根据点扩展函数，重建条码波形，最后为了提高对图像噪音的抗干扰性，根据波形峰点定位条码边界，实验结果表明，基于波形分析的识别算法具有优秀的性能，显著地提高了高密度条码的识别率，满足了实际使用的要求。     

基于边缘拟合直线的遥感图像自动配准

旋转问题是目前图像自动配准中的一个难点,普通方法计算复杂度大,无法满足很多应用中实时性的要求,而基于边缘方向直方图的方法对噪声很敏感,对边缘进行直线拟合,提出了一种新的基于边缘拟合直线的配准算法。提出了边缘拟合直线角度差直方图的构建方法,并利用它对待配准图像进行旋转角度补偿,然后使用边缘点集的Hausdorff距离进行平移量估计,获得变换参数的近似值;最后以基于Renyi熵的互信息为相似性测度,利用遗传算法在粗配准的近似解的小范围邻域内快速寻找最优解进行精确配准。该方法计算简单、抗噪声性能强且能获得较好的配准精度。