复脊波变换SAR图像去噪算法

在分析传统脊波变换去噪方法优缺点的基础上,针对其不足,提出一种基于复脊波变换的去噪方法。算法将传统脊波变换中的标量一维小波变换替换为二元树复小波变换,使得脊波变换具有平移不变性;然后,对图像采用冗余分块处理,使得处理结果更平滑,有效地提高了图像的峰值信噪比(PSNR)。仿真实验表明,在SAR图像去噪应用中,本方法能够更好地保留图像中的纹理信息,处理结果优于传统脊波变换以及小波变换去噪方法。

面向云计算的主成分分析多变量局域预测模型

针对云平台无法从单变量负荷序列中获取完整预测信息的问题,提出了一种基于主成分分析的多变量局域预测模型并应用于云计算底层资源的预测中。利用主成分分析法综合考虑多种底层资源间的影响关系,确定多变量相空间的嵌入维数,并与局域预测法相结合,由此建立多变量局域预测模型。仿真实验表明,基于主成分分析的多变量局域预测模型的预测精度高于单变量局域预测模型,是面向云计算底层资源预测的一种有效方法。

新的噪声污染灰度图像边缘检测统计方法

针对传统算子进行边缘检测时易丢失边缘信息和在非边缘处增强噪声的缺陷,提出一种基于非参数变点统计分析的噪声图像边缘检测方法,该统计方法不但不需要图像数字特征的任何先验信息,而且对噪声污染的图像不作任何滤波处理。实验结果表明,提出的算法优于Sobel算子,并能抑制信噪较低的高斯噪声和密度较高的椒盐噪声对分割结果的影响,是一种有效的噪声污染灰度图像边缘检测方法。

一种基于变点统计分析的图像边缘检测的方法

基于统计的图像边缘检测方法是计算机视觉中边缘检测的重要方法之一。提出了一种基于非参数变点统计分析的方向性边缘检测算法,该方法可以最小化对图像数字特征的先验信息的需求。深入讨论该算法在含有高斯噪声和椒盐噪声的灰度图像处理中的一些问题,通过实验与MATLAB的经典的边缘算子sobel算子和canny算子相比较。该方法不仅能很好地检测出图像的真实边缘,而且有效地抑制了两种噪声对边缘检测的影响,取得了较好的效果。