一类新的广义形态开和广义形态闭滤波器

以数学形态学为基础的形态滤波器是一种非线性滤波器,基于基本的形态变换—腐蚀和膨胀,采用大小不同的结构元素,提出了一类新的形态滤波器——广义形态开和广义形态闭滤波器,这类滤波器具有平移不变性、递增性、对偶性等重要性质。为了验证广义形态开、闭滤波器的有效性,针对不同的噪声,使用这类滤波器对其进行滤波,滤波结果表明广义形态开、闭滤波器在抑制噪声的同时能够较好地保持细节,而且运行的时间将小于形态开闭、闭开、广义形态开-闭、闭-开滤波器运行的时间,形态滤波器算法简单便于并行实时处理。     

广义二值形态变换的方法及应用*

通过将最大相关原则一般化为部分相关原则的方法对形态变换进行了扩展和推广,使得新的形态变换形式能够反映出结构元素B与图像x各种不同的相关程度;通过对其基本性质的研究和建立,提出了具有调节形态变换相关强度的广义形态变换理论;通过引入相关强度系数的方法可以实现对结构元素与图像之间的相关程度以及结构元素对图像变换的敏感度的控制,同时能调整并控制由于不同尺度的结构元素所产生的过度膨胀或腐蚀现象。     

循环卷积的时域与频域算法研究

利用线性卷积计算循环卷积是信息处理的一种重要手段。在时域分析中,指出了利用线性卷积计算循环卷积的关键技术是在信号左端补元素,使系统函数与信号相对应,给出了信号补元素的3种方法:顺取法、反转法与倍补法,推导了线性卷积计算循环卷积的公式。在频域分析中,指出了循环卷积变换到频域的条件是系统函数与信号长度相等,且信号要延拓为周期信号。分析了信号周期延拓与系统函数右端补0元素的方法,推导了由傅里叶变换的性质计算循环卷积的方法。给出了循环卷积的时域与频域算法流程图。     

基于小波变换和PCA的SAR图像相干斑抑制

提出一种SAR图像相干斑噪声抑制新的滤波方法。该方法利用小波变换结合主分量分析(PCA)对SAR图像进行去噪。小波变换可以很好地保持边缘细节信息,主分量分析(PCA)能从混合信号中提取出主分量即信号的主要特征,将小波变换结合PCA用于图像处理,能在有效消除噪声的同时保持边缘信息。与Kirsch模板加权平滑滤波和结合小波变换的Kirsch模板加权平滑滤波去噪方法进行比较,实验结果表明,该方法具有良好的抑制相干斑噪声效果和较强的边缘保持能力。     

图像灰度值自然对数比率邻域滤波方法

提出了一种新的利用图像灰度值自然对数比率邻域滤波的图像平滑方法．从现有邻域滤波模型出发,分析了其去噪原理,讨论了其规一化因子中像素灰度值相似函数存在的问题。在此基础上针对具有代表性的双边滤波模型进行修改,提出新的灰度值自然对数比率相似函数模型。新的灰度值自然对数比率双边邻域滤波模型不仅保持了原有双边邻域滤波模型较好的平滑效果,而且保留了尽可能多的细节部分,同时对于彩色图像还保持了原有图像的色彩过渡。通过实验表明,本文提出的方法达到理想的去噪效果。     

一种基于灰值形态学的汽车牌照提取方法

提出了一种利用灰度形态变换快速提取汽车牌照区域的方法。利用灰度形态变换对输入的图像进行滤波,根据牌照的大致尺寸和滤波图像的模板卷积得到几个牌照的候选区域,最后分析候选区域内水平方向的波峰高宽比和波峰数得到真正的牌照区域。     

基于小波与卷积形态学结合的图像去噪的研究

提出了一种基于小波与卷积形态学结合的图像去噪算法。算法利用了小波变换的多分辨率、多尺度性,将要处理的图像分解到不同频率的多个尺度上,再采用卷积形态学的滤波技术,对分解后的子图像进行处理、小波重构。对一幅典型的含噪图像进行实验分析,证明了这种方法的可行性和有效性。     

基于深度卷积网络和卷积去噪自编码器的水声信号识别方法

针对复杂水声信号的分类识别问题,提出了一种新的网络模型结构,将卷积神经网络和卷积去噪自编码器结合到一起应用于水声信号Lofar谱的分类识别中。实验结果表明,该模型能够利用更少的参数学习更丰富的鲁棒性特征,目标识别的总体准确率达到81.2%,与传统卷积神经网络识别方法相比具有更高的识别准确率。     

基于真实场景图像下的卷积神经网络去噪算法

为了有效地去除实际图像中的噪声,提出了一种基于真实场景图像下卷积神经网络去噪算法,通过构建新的无噪图像数据集,输入至卷积神经网络中进行训练,并结合模拟退火算法提高训练率,建立去噪网络模型,实现真实场景图像去噪.实验结果表明:含噪的灰度图像与相机拍摄图像均取得明显的平滑效果,算法信号-噪音功率比(PSNR)值较高,图像边缘和细节也得到了较好的保留.     

FRFT域的数字图像chirp噪声抑制方法

针对含有chirp噪声的图像,应用传统的滤波方法难以实现有效的信噪分离,提出了一种基于分数阶傅里叶变换域的数字图像chirp噪声的抑制方法。该方法是将chirp信号分数阶傅里叶域的滤波算法引入到数字图像的处理中,是一种新的改善图像质量的手段。仿真结果表明,对于含有chirp噪声干扰这一特定退化模型的图像,采取最优估计下的分数阶傅里叶变换相比普通傅里叶变换和线性平滑滤波,图像恢复的效果更佳,它能有效地去除图像中的chirp噪声。     

一种灰度形态算子的构造方法

提出了采用灰度结构元图像的灰度形态算子的构造方法。所构造的形态算子采用了适合灰度结构元图像与灰度图像间操作的结构，其相应的操作具有较明确的物理解释，从而适合招待灰度图像处理任务。     

基于形态梯度运算的遥感图像边缘检测

针对常规线性边缘检测器处理遥感图象时细节丢失严重的缺点,介绍了数学形态学基本理论,讨论了数学形态学在边缘检测中的应用.形态学的灰度梯度运算是在经典形态变换基础上提出的一类非线性算子.对于结构元素的选取作了一定的说明.另外,还与传统线性算子的处理结果进行了比较.通过计算机对遥感图像的模拟实验表明：基于形态灰度梯度运算的遥感图像边缘检测方法,不但几何意义明确,易于构造,而且性能也优于传统检测算子,证实了该方法的可行性.     

基于多尺度形态学梯度的医学图像边缘检测

边缘检测是数字图像处理的一个重要内容,经典的边缘检测算子算法主要采用Prewitt算子、LOG算子、Canny算子等在空域中进行.数学形态学利用结构元素去探测图像,在讨论形态腐蚀和形态膨胀的基础上,提出了一种基于多尺度形态学梯度的医学图像边缘检测算法.单尺度形态学基元随着尺度的增大形成新的更大尺寸的结构元素,从而检测不同的边缘信息,最终重建较理想的图像边缘.仿真结果表明,该算法在含噪图像中能得到较为理想的图像边缘信息,其抗噪声性能明显优于经典的算子检测算法,检测精度较经典的单一梯度算子检测方法亦有一定的改善.     

Automatic target detection by optimal morphological filters

It is widely accepted that the design of morphological filters,which are optimal in some sense,is a difficult task.In this paper a novel method for optimal learning of morphological filtering parameters(Genetic training algorithm for morphological filters,GTAMF)is presented.GTAMF adopts new crossover and mutation operators called the curved cylinder crossover and master-slave mutaition to achieve optimal filtering parameters in a global searching,Experimental results show that this method is practical,easy to extend,and markedly improves the performances of morphoological filters.The operation of a morphological filter can be divided into two basic problems including morphological operation and structuring element (SE)Selection.The rules for morphological operations are predefined so that the filter‘s properties depend merely on the selection of SE.By means of adaptive optimization training,structureing elements possess the shape and structural characteristics of image targets,and give specific information to SE.Morphological filters formed in this way become certainly intelligent and can provide good filtering results and robust adaptability to image targets with clutter background.     

自动检测图像目标的形态滤波遗传算法

提出了一种实现形态滤波器参数优化设计的贵传学习算法（Genetic Training Algorithm for Morphologi-cal Fitters,GTAMF）。采用新的交叉与变异算子－曲面体交叉与主从式变异,通过优化搜索全局以获得滤波性和时效性兼优的形态滤波器参数。实验结果表明该方法设计方便,实用性强且易于推广,对提高形态滤波性能效果明显,分析表明,形态滤波器可分解为形态学运算和结构元选择两个基本问题,形态学运算的规则已由定义本身而确定,于是形态滤波器的最终滤波性能就仅仅取决于结构元的选择。通过自适应优化训练使结构元具有图像目标的形态结构特征,从而赋予结构元特定的知识,使形态滤波过程融入特有的智能,以实现对复杂变化的图像具有良好的滤波性能和稳健的适应能力。     

基于多尺度形态梯度的灰度图像边缘检测

研究了一种基于多尺度抗噪型形态梯度的灰度图像边缘检测算法。该算法通过构造5个不同的结构元素,结合多尺度合成对图像进行边缘检测。为验证本文算法的效果,用几种传统的微分算子对实验图像进行了边缘提取的实验,并把结果与用本文算法提取的结果进行了比较。结果表明:本文算法比较成功地完成了图像的边缘检测,且检测效果在完整性和细节的丰富性方面优于经典的Sobel算子,LOG算子和Canny算子,但在某些边缘的连接性和平滑性方面不如Canny算子,在这方面还有待改进。     

多尺度方法结合卷积神经网络的行为识别

为了同时计算行为序列样本在时间和空间的特征,提出了一种基于包含多尺度卷积算子的卷积神经网络识别模型。首先通过叠加的方式将序列样本中的骨骼向量信息整合为一个行为矩阵,然后将矩阵输入识别模型。为了挖掘具有不同邻接关系的骨骼点在描述人体行为时的作用,将卷积神经网络各层中的卷积算子拓展为多尺度卷积算子,并使用该网络得到的特征进行分类。实验在MSR-Action3D数据集和HDM05数据集获得较好的识别率。     

M-idempotent and self-dual morphological filters

In this paper, we present a comprehensive analysis of self-dual and m-idempotent operators. We refer to an operator as m-idempotent if it converges after m iterations. We focus on an important special case of the general theory of lattice morphology: spatially variant morphology, which captures the geometrical interpretation of spatially variant structuring elements. We demonstrate that every increasing self-dual morphological operator can be viewed as a morphological center. Necessary and sufficient conditions for the idempotence of morphological operators are characterized in terms of their kernel representation. We further extend our results to the representation of the kernel of m-idempotent morphological operators. We then rely on the conditions on the kernel representation derived and establish methods for the construction of m-idempotent and self-dual morphological operators. Finally, we illustrate the importance of the self-duality and m-idempotence properties by an application to speckle noise removal in radar images.     

Variable structuring element based fuzzy morphological operations for single viewpoint omnidirectional images

Morphological tools can provide transformations suitable for real projective images, but the camera and objects to be analyzed have to be positioned in such a manner that a regular mesh on the objects projects a regular mesh on the image. A morphological modification of the image is thus the projection of an equivalent operation on the object. Otherwise, due to perspective effects, a morphological operation on the image is not the projection of an equivalent operation on the objects to be analyzed. With catadioptric omnidirectional images, it is almost impossible to place the sensor such that a regular mesh on the scene projects a regular mesh on the image. Nevertheless, with proper calibration of a central catadioptric system, the projection of a regular structuring element in a scene can be determined for each point on the image.

The aim of this paper is to present new morphological operators that use this projective property. These operators make use of a structuring element of varying shape. Since this varying shape cannot be represented as a binary union of pixels, we propose to use a fuzzy extension of the classical gray-level morphology to account for this phenomenon. This fuzzy extension is performed via fuzzy integrals.