一种基于多重分形的SAR图像边缘检测方法

分形维数只能刻画那些具有理想的自相似性的分形体,现实中的许多纹理并不满足这一条件,因此单一的分形维数并不足以描述和刻画SAR图像的纹理,多重分形维数更适合于描述图像的纹理.通过计算原始SAR图像离散点数据的奇异性指数,然后对应每一点奇异性指数计算全局多重分形奇异谱,根据判决准则区分边缘和纹理可以实现SAR图像的边缘检测,实验结果表明,基于多重分形特征的边缘检测算法能够检测到许多局部细节,同时又避免出现不重要的细节,突出了主要的边缘信息,很好地区分出SAR图像的纹理和边缘.     

一种基于局部特征的拓片图像边缘检测算法

针对传统边缘检测算法在处理拓片图像时,容易将模糊的细节部分丢失或者误检的问题,提出了一种基于局部特征的拓片图像边缘检测算法.该算法预处理部分采用了unsharp算子对细节部分进行保护和增强,利用局部标准差均值比(Local Standard Deviation Mean Ratio,LSDMR)对图像进行边缘描述,对LMSDR进行处理以得到图像边缘,实验结果表明,该算法对拓片图像模糊细节的边缘检测明显优于传统算法.     

基于多重分形分析的图像边缘检测算法

本文提出了一种基于多重分形分析的边缘检测算法。该算法通过定义在图像灰度级上的测度,计算图像中每一个象素点的奇异性和它的多重分形谱,然后根据多重分形谱,提取图像的边缘信息。经试验表明,该算法具有良好的边缘检测效果,并能突出主要的图像边缘细节信息。     

基于模糊增强信息的图像边缘检测改进算法

针对经典的Pal和King模糊增强算法存在的固有缺陷,提出改进的模糊增强算法;为增强图像的对比度而获取更多的图像边缘细节信息,提出基于模糊对比度的图像增强算法;结合全局模糊增强与局部模糊对比度增强两种算法思想,提出基于模糊增强信息的图像边缘检测改进算法,由于该算法在增强图像边缘细节信息的同时也增强了噪声,因此,采用中值平滑滤波方法消除噪声.实验证明,该算法取得了良好的边缘检测效果.     

基于多特征和模糊推理的边缘检测

图像边缘检测的传统方法一般仅基于边缘邻域的一阶或二阶导数这一单一特征,并且对模糊边缘图像不敏感,针对此问题,本文提出基于多特征和模糊推理的边缘检测算法.根据不同类别的边缘点附近灰度分布的特点定义多种边缘特征;利用不同的边缘特征确定模糊规则,用min-max重心法模糊推理该点的边缘隶属度,实现边缘检测.最后,文中给出应用本算法进行边缘检测的实例,与传统算法相比较,本算法检测边缘效果更好,并能较好地抑制噪声.     

基于数字图像边缘特性的形态学滤波取证技术

针对数字伪造合成图像中最常用的模糊操作,本文提出了一种基于图像形态学滤波边缘特性的盲取证算法;该方法用同态滤波和形态学滤波的方法增强了模糊操作的图像边缘,分析了离焦模糊和人工模糊边界特点,利用离焦模糊和人工模糊的边缘特性实现了针对数字图像伪造的被动盲取证;实验表明,该方法能够有效地检测伪造数字图像的模糊操作痕迹,并能对已模糊操作的图像局部进行准确定位.     

一种基于Sobel算子梯度增强的边缘检测算法

针对传统Sobel算子在图像边缘检测中存在的弱边缘提取较差及边缘较粗等不足,提出了一种局部梯度增强的检测算法.算法采用改进的Sobel算子卷积模板计算图像梯度;然后对梯度图像采用局部标准差方法增强局部弱边缘的梯度,最后对局部梯度增强的图像进行细化处理并提取图像边缘,得到边缘图像.实验结果表明,该算法获取的边缘图像边缘信息较丰富,连续性好,边缘较细,整体效果优于传统Sobel算法,具有较高的实用价值.     

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。     

改进的多重分形图像奇异性分析算法

为了准确地研究图像奇异性以及各部分的属性及特征,采用一种基于亚像素边缘测度的多重分形算法,该算法根据方形孔径采样定理计算亚像素位置的梯度面密度函数值和图像任意子集(半径可以达到亚像素精度)的边缘测度,进而利用多重分形理论将实际图像分割成一系列具有不同奇异性指数的分形集合.并利用含有不同信息含量的分形集合重建原图像算法,实现了图像从纹理到边缘各层面内容的精确划分.对该算法进行了理论分析和实验验证,得到3×3亚像素方法提取的边缘信息重构原图像,其峰值信噪比达到14.76dB.结果表明,重建图像峰值信噪比主要依赖于所提取的边缘信息质量以及重构系数比,提取的各层面信息与人类的视觉系统所捕获的重要信息相吻合.     

图像模糊信息粒的适应性度量及其在边缘检测中的应用

关于模糊信息粒的研究现在已逐渐成为一个新的热点.本文就依靠模糊信息粒处理图像的有效性问题做了深入的讨论,提出了模糊信息粒相对于图像的适应性度量问题,并给出了一种度量的定义;另外,我们将这种度量思想应用到图像的边缘检测中,得到了一种新的基于模糊信息粒的边缘检测方法.该方法有很强的物理背景,实验表明它的效果很好,是一种实用的、有前途的检测算法.     

基于分形特征融合的目标边缘检测算法

针对复杂背景下目标边缘检测问题,研究了分形在目标检测中的应用,提出了基于分形特征融合的目标边缘检测算法。首先求取图像的分形维数和几何度量空间变换率,然后运用Dempster-Shafer证据理论对分形维数和几何度量空间变换率进行融合处理,对图像像素分类,从而得到目标边缘,最后细化边缘得到目标检测结果。实验表明,该算法能够克服复杂背景的干扰,有效地提取目标边缘。     

一种多尺度分形的舰船目标检测方法

阐述了图像分形维和多尺度分形特征的概念,提出了一种多尺度分形目标检测方法。实验证明,自然背景与人造目标所在区域的多尺度分形特征差别非常明显。对于舰船目标检测,给出方法的检测结果稳定,优于边缘检测、阈值分割和单一分形维检测的结果,是一种非常有前途的方法。     

基于LGF的海杂波中微弱目标检测方法

该文主要研究了海杂波的模糊分形特性以及模糊分形理论在海杂波微弱目标检测中的应用。模糊分形理论是在融合了模糊理论与分形理论的基础上提出来的,其两个重要概念是局部模糊分形维数与局部分形度。海杂波序列的分形程度可以构造为一种模糊属性,即模糊集,其具有良好的模糊理论中定义的 “度”的概念,且对海杂波与目标具有良好的区分能力。局部模糊分形维数与局部分形度是针对短时海杂波序列进行处理的,对长时间海杂波序列进行处理可以滑动处理单元实现。经X波段实测海杂波数据验证,该文所提方法具有良好的微弱目标检测能力。      

一种基于局部分形维的CFAR检测算法

目标检测是图像处理领域和计算机视觉中一项非常重要的研究课题.针对光学遥感图像自然背景下人造目标检测中检测时间长,虚警率偏高的问题,本文提出一种基于局部分形维的CFAR检测算法.该算法首先引入重标极差分析法,把图像的局部窗转化为一维序列的形式,且通过对一维序列极差和偏差的运算得到反映图像局部纹理特征的局部分形维,并以此构造出图像的分维像.然后在分维像基础上进行快速CFAR检测,确定滑窗中心点像素是否为目标像素.最后对目标像素进行聚类以提取感兴趣目标区域.利用本文提出的算法对不同地区的光学图像进行了大量的实验,得到了较好的检测结果.实验结果证明了该算法在高分辨光学图像中能有效、快速地地检测自然背景中的人造目标.与传统的人造目标检测算法相比,本文提出的算法能有效地减少检测时间,降低虚警率.     

基于多重分形的红外图像增强技术

红外图像边缘模糊,对比度较低,不适合人眼观察,应该对其进行增强.但是,以往的增强方法对噪声增强过度,使细节失真,且未考虑人眼的视觉特性,视觉效果不够好.提出用多重分形理论对红外图像进行分析,提取了红外图像的多重分形奇异指数和多重分形谱特征.分析得到了图像每个像素的分形特征数据,利用人眼的视觉敏感特征把图像的像素分为平滑区、纹理区和边缘区.人眼视觉空间频率特征对图像细节的边缘区域比较敏感,利用这一特性对图像加权增强.最后,进行了计算机仿真实验,实验结果表明:该方法能够突显人眼敏感的图像区域,解决红外图像边缘模糊的问题,使增强图像更适合人眼观察.     

Fractal feature analysis and classification in medical imaging

Following B.B. Mandelbrot's fractal theory (1982), it was found that the fractal dimension could be obtained in medical images by the concept of fractional Brownian motion. An estimation concept for determination of the fractal dimension based upon the concept of fractional Brownian motion is discussed. Two applications are found: (1) classification; (2) edge enhancement and detection. For the purpose of classification, a normalized fractional Brownian motion feature vector is defined from this estimation concept. It represented the normalized average absolute intensity difference of pixel pairs on a surface of different scales. The feature vector uses relatively few data items to represent the statistical characteristics of the medial image surface and is invariant to linear intensity transformation. For edge enhancement and detection application, a transformed image is obtained by calculating the fractal dimension of each pixel over the whole medical image. The fractal dimension value of each pixel is obtained by calculating the fractal dimension of 7x7 pixel block centered on this pixel.     

基于分形理论的目标检测

军事目标检测一般是由自然背景和少量的人造目标所组成．现有的图像目标检测方法大多是基于对目标本身特性进行分析，不适用于目标特性未知的军事目标检测．本文根据人造目标和自然背景在分形特征上的固有差异，在利用分形维数提取人造目标边缘特征的基础上，结合小波分析方法提取的目标边缘特征，对自然背景中的人造军事目标进行检测．实验证明该方法具有较好的适应性．     

小波变换在医学图像边缘提取中的应用

边缘是图像的重要特征。医学图像往往较模糊．其边缘特征难以用传统方法检测。小波变换具有良好的局部化特性、多分辨特性．及检测信号局部突变的能力。对图像进行二维小波变换，其梯度模值反映了图像的边缘。介绍一种基于小波变换的图像边缘提取方法。实验证明．与传统边缘检测方法相比，该方法去噪效果好，能提取图像中较弱的边缘，且能使边缘细化。这些特点使得他特别适合于医学图像边缘的提取。