基于最大累积剩余熵的红外图像分割

经典阈值化分割方法是常用的图像分割方法之一,但对于低对比度,低信噪比的红外图像分割效果不理想,将累积剩余熵运用于红外图像分割,即寻求使得累积剩余熵最大的灰度值作为分割阈值,实验结果表明:基于最大累积剩余熵的图像分割方法是一种有效的红外图像分割方法,比起经典的阈值分割方法,分割红外图像的效果要好。

改进阈值与尺度间相关的小波红外图像去噪

为了更有效地去除红外图像中的噪声,提出一种基于改进阈值与尺度间相关的小波红外图像去噪方法.一方面利用阈值修正方案和新阈值函数对通常的小波阈值去噪法进行改进;另一方面通过对阈值邻近的小波系数进行小波变换尺度间相关性估计,提高小波系数阈值判断的准确性.实验结果表明,与通常的小波阈值去噪法相比,该算法能更有效地去除红外图像中的噪声,获得更高的峰值信噪比(Peak signal-to-noise ratio,PSNR)、边缘保持指数(Edge preserved index,EPI)和更好的视觉效果,具有较好的实用性.

改进的PSO混合算法

为了提高粒子群算法的寻优速度和寻优精度,提出一种改进的PSO混合算法。在差分进化(DE)算法中引入了动态比例因子,在PSO算法中引入DE算法的变异、交叉操作,重新构造PSO算法的粒子位置更新公式。选取了4个基准函数进行测试,并与其他PSO混合算法作了比较。仿真结果表明该方法是有效的。

基于二阶导数算子与小波变换的图像去噪

二阶导数算子噪声定位的图像去噪法对椒盐噪声有很强的去噪能力,但对高斯噪声去噪效果较差,基于小波变换的图像去噪法能有效去除高斯噪声,但几乎不能去除椒盐噪声。针对上述问题,采用二阶导数算子降噪与小波变换去噪相结合的方法对图像去噪,利用2种方法进行优势互补,能较好地去除椒盐、高斯噪声和椒盐-高斯混合噪声,降低选择阈值的难度,有利于提高图像去噪精度。实验结果表明,该算法是有效可行的。