基于变分法的医学超声图像去噪研究

目的 :医学超声图像中斑点噪声的存在,降低了图像质量,本文着重讨论医学超声图像的去噪问题。方法:针对超声图像的斑点噪声,本文基于全变分正则化模型,首先对超声图像进行对数变换,将乘性斑点噪声转化为加性噪声,再对对数变换后的图像进行全变分正则化处理,最后通过指数变换重构超声图像。结果:子宫超声图像去噪实验中,将全变分法与常用的中值滤波和小波变换去噪方法进行对比,结果显示全变分法的去噪性能指标明显优于其余方法。结论:采用基于全变分正则化的方法,不仅很大程度上抑制了医学超声图像的斑点噪声,而且保留了清晰的边缘细节信息,具有重要的学术价值和现实意义。     

基于改进的MDAL算法的图像复原研究

目前基于小波框架的图像复原模型研究较为普遍,它在图像方面的成功应用主要是因为稀疏逼近的分段光滑函数。虽然基于l_0平滑的图像复原算法中能够提供图像的稀疏表示,但基于l_0范数的约束项会使得计算量较为复杂,且代码运行时间较长。针对此问题,提出一种改进的MDAL算法。算法中采用光滑高斯函数近似代替l0范数,通过牛顿迭代法来更新小波框架的系数。实验结果表明,与其他算法相比,提出的改进的MDAL算法具有自适应的鲁棒性,很好地保持了图像的边缘特征,能够明显改善图像的视觉效果,且具有较高的峰值信噪比(PSNR)。     

基于小波变换的一种红外图像增强算法

图像增强处理是红外图像预处理的必要和关键环节,但目标物体信号弱造成红外图像的对比度差,外界噪声干扰严重造成图像质量差。基于此,提出了一种基于小波变换与奇异值分解和阈值滤波相结合的增强算法。本文用小波分解将红外图像的高频与低频系数分开,低频域用奇异值分解处理方法来增强对比度和图像质量,高频域用阈值滤波处理来消除噪声突出细节;最后,经过小波逆变换和小波重构得到最终的增强图像。实验结果表明:此方法对比传统的红外增强算法,可以将红外图像的对比度提高,增强红外图像细节,在直观上更符合人的感官感应,是一种有效的红外图像增强方法。     

一种基于 Sobel 算子的小波与 IHS 遥感影像融合算法

针对IHS图像融合算法中颜色畸变比较明显的问题,提出一种新的基于小波与IHS相结合的遥感影像算法.经IHS变换的多光谱影像Mul的I分量与全色影像Pan由二维离散小波分解,对小波高频和低频分量采用不同融合规则:低频分量采用绝对值加权平均的方法,把两者的低频系数按其权值比例合成到新的分量I1中;高频系数采用基于区域分块的Sobel算子的绝对值取大. 实验结果与IHS法、传统小波与IHS结合法相比较,该算法能获取更多的光谱信息,人眼视觉效果也较好.     

一种基于模糊特征的火灾烟雾实时识别算法

提出一种基于烟雾模糊特征的火灾烟雾实时判别算法,利用二维小波变换分析背景边缘能量信息来判定图像中烟雾区域。先用背景差分法提取前景图像,确定火灾疑似区域,再利用小波分析方法提取烟雾背景模糊特征,最后通过分块判别的方法实现烟雾图像的识别。实验结果证明,该算法通过提取烟雾预判别区域,大大降低了计算量,实现了实时烟雾图像识别,增强了算法的应用效果。     

提升小波和模糊聚类在图像数字水印中的应用

将提升小波变换与模糊聚类相结合,提出一种基于变换域的自适应盲水印算法。算法利用提升小波变换得到图像的低频子图,结合人类视觉特征进行模糊C均值聚类,进一步划分出最适合水印嵌入的纹理区域,并嵌入经过混沌映射加密的水印。对比攻击实验表明该算法具有较好的透明性和鲁棒性,能有效抵抗多种类型的攻击。     

基于小波变换的影像融合技术研究

小波变化可以实现时频两域的有效变换,能够从各种大地测量信号中快速有效的提取有用的信息,用于误差提取以及尺度分析,通过函数的伸缩和平移能够实现多尺度的细化分析。本文主要基于小波变换下针对数字图像进行高分辨率图像和高光谱图像的融合,并用Erdas软件实现了两幅图像的基于小波变换的有效融合。     

基于低秩矩阵优化的纹理图像修复

提出了1种新的低秩纹理图像修复算法,该算法将低秩纹理图像修复问题建模成低秩矩阵优化问题进行求解。由于单纯使用低秩假设不足以描述自然图像的性质,因此除了纹理的低秩性以外,算法还使用了自然图像的连续性假设:在优化目标函数中加入了总变分算子。结合纹理的低秩性和连续性假设,提出了基于凸优化的纹理图像修复算法,可以在不知道图像损毁区域的情况下自动检测损毁区域并修复纹理图像。通过结合图像的低秩性假设和连续性假设,此算法有效弥补了单纯使用低秩假设的不足之处。该算法可以有效修复低秩纹理图像,且无论是在主观视觉效果还是客观量化指标上全面优于现有同类算法。     

一种指纹图像预处理方法的研究

实现一套指纹图像预处理算法,主要包括指纹图像灰度归一化和均衡化、指纹图像分割、指纹图像的二值化、指纹图像增强、指纹图像细化。采用基于梯度的指纹图像分割方法,去除指纹图像中的无用信息,并使用连通域检测方法对分割后的指纹图像进行优化。引入基于动态阈值法的二值化算法,实现指纹图像的方向二值化。采用基于骨架提取技术的细化算法,完成指纹图像的细化处理。最后使用MATLAB8.2平台对该算法进行验证,在相同特征提取算法和匹配条件下,该算法的识别精度高于传统算法。     

一种结合区域选择和SIFT算法的遥感图像配准方法

针对SIFT算法存在提取特征点数目大、运算速度慢、匹配点正确率不高的问题,提出一种基于区域选择和SIFT的遥感图像配准方法。首先对遥感图像进行粗配准,按照粗配准系数获得图像系列的重叠区。分割重叠区域,利用二维小波变换对分割图像进行变换得到其三个方向的高频分量,计算其高频能量总和,选取能量值最大的图像块代替原图像按照SIFT算法进行配准。改进后的方法不仅能够避免传统SIFT配准提取冗余干扰特征点,且能够加快匹配速度,提高匹配点正确率,尤其适用于大幅遥感图像配准。实验结果表明,该改进算法能够获得较高的配准精度且配准效率高。