基于边缘信息与偏移场矫正的多相Chan-Vese图像分割模型

图像中存在的灰度不均匀现象与演化曲线被错误的目标边缘引导给图像的多相分割带来了很大困难。针对这一问题,利用对数变换将乘性偏移场转化成线性偏移场,通过核函数引入局部灰度信息建立了偏移场矫正模型。此外,运用水平集函数与图像梯度的方向信息重建了边缘指示函数,增强了演化曲线对正确目标边缘的识别能力。人工合成图像和自然图像的分割实验结果表明文中提出的模型能够取得令人满意的分割结果。

基于自适应参数回归的非局部图像滤波算法

针对图像加性高斯白噪声,提出一种优化的自适应参数滤波算法。该算法以非局部欧氏中值(nonlocal Euclidean medians,NLEM)滤波算法为基础,根据含噪图像梯度幅值在一定噪声范围内服从Rayleigh分布这一特性,求得以梯度幅值和噪声标准差为自变量的二元自适应滤波参数,并将它引入到邻域的权值计算中。其次,噪声的变化影响着p范数回归的选择,在一定范围内以噪声标准差为自变量对参数p进行多项式拟合,得到自适应p范数回归。在自适应滤波参数基础上,用自适应p范数回归进一步改进NLEM滤波算法的1-范数回归。所选图像的实验结果表明,本文算法在一定噪声范围内不但获得满意的去噪效果,而且有效地减少人机交互程度。

基于偏移场修正的C-V模型水平集图像分割算法

灰度不均匀效应广泛存在于现实图像(real-world images)中,这给图像分割带来了很大的挑战,目前许多的图像分割算法都依赖于图像灰度分布均匀这一假设,这严重影响了算法分割现实图像的分割精度。因此文章结合图像的数学模型,提出了一种基于偏差修正的C-V模型,该方法在水平集函数的演化过程中,同时进行图像的分割与偏移场的估计,利用偏移场的估计值来抑制灰度不均匀效应的影响。仿真结果表明,该方法比经典的C-V模型有更高的分割精度,对初始化轮廓曲线以及噪声有较强的鲁棒性。

基于方向和距离的双因子定权的地磁数据通化方法

针对地磁数据通化处理中传统使用的直接平均法、反距离加权平均法和纬度差加权平均法在定权时存在的缺陷,并根据地磁场强度与纬度变化关系密切这一特点,提出了基于方向和距离的双因子定权方法,即在定权时不仅考虑了地磁台站之间的距离在权值中的贡献,而且在权值分配中加入了地磁台站在纬度和经度方向的影响,从而改进了通化结果的精度,为卫星、航空和海洋磁力测量数据提供更加准确的日变改正值。采用Intermagnet网站提供的地磁台站测量数据对所提定权方法的有效性进行了测试。实验结果表明:所提定权方法计算结果精度优于传统定权方法,为实施地面磁力测量存在困难地区的地磁数据日变改正提供了一种更优的定权方法,具有较好的应用前景。

地磁日变数据确定中顾及纬度和经度方向影响的双因子定权方法

首先分析了地磁日变数据确定时传统使用的基于台站间纬度差和距离定权方法存在的缺陷;然后根据地磁场与纬度变化关系密切这一特点,提出了顾及纬度和经度方向影响的双因子定权的地磁日变数据确定方法;最后利用Intermagnet网站提供的地磁台站测量数据对所提方法的有效性进行了验证。与传统使用的距离定权法和纬度差定权法处理精度相比较,所提出的双因子定权方法具有更大的优势,为地磁日变数据的确定提供了一种新的更优的方法,在卫星、航空和海洋磁测数据的日变改正中将有较好的应用前景。