基于局部统计信息的模糊选择滤波算法

提出了一种基于局部统计信息的模糊选择滤波算法,该算法的输出是sigma滤波器与多级中值滤波器滤波结果的加权复合,其权值则是通过对图像中局部统计信息的推理得到的。因此,该算法能够根据图像的具体情况自适应地进行滤波。试验表明,本算法能够有效滤除图像中不同种类的噪声,并具有很好的细节保护能力。

基于对偶方法和局部统计信息的快速图像分割

CV模型和局部二值拟合模型用于图像分割时往往只能得到局部最优解,且计算量大,分割速度慢。为此,引入一个变量,将其与已知变量组成对偶变量,并利用图像的局部统计信息,建立主动轮廓模型的对偶模型,实现图像的快速分割。针对合成图像、多目标物体图像和灰度不均匀的医学图像进行实验,结果表明,该模型能自动处理拓扑结构的变化,从而快速准确地分割图像。

基于聚类与局部统计的水平集医学图像分割

为增强水平集主动轮廓算法的噪声鲁棒性,考虑医学图像的灰度复杂、拓扑结构多变等情况,发挥水平集主动轮廓模型不依赖于初始轮廓的特性,提出一种基于聚类与局部统计的水平集医学图像分割方法。对传统的K均值与RSF模型进行改进,提高噪声的鲁棒性,能有效地处理真实医学图像的灰度非均匀性。进行CT和MR医学实验验证,实验结果表明,该方法能够比传统方法更有效地应对噪声干扰,提高了医学图像的分割精度和效果。

基于局部特征的自适应快速图像分割模型

基于区域的活动轮廓模型如Chan-Vese(CV)模型等以其能较好的处理图像的模糊边界和复杂拓扑结构而广泛运用于图像分割中.然而基于灰度分布均匀假设,该模型对于含灰度不一致性的目标分割结果较差.此外,纹理是周期性重复出现的细节,依靠灰度信息无法正确检测.针对这些问题,提出一种基于局部特征的自适应快速图像分割模型.一方面,利用两种区域项检测卡通部分和纹理部分的特征信息,在自适应的局部块中提取局部统计信息以克服卡通部分的灰度不一致性;另一方面,利用自适应的局部块中的纹理特征来计算背景和目标区域的Kullback-Leibler(KL)距离以检测图像的纹理部分.进一步,基于分裂Bregman方法对该模型进行快速求解.分别对医学和纹理图像进行了实验,准确性和时效性都有显著提高.

小邻域统计信息核磁共振医学图像分割模型

目的提出局部统计信息测地线活动轮廓图像分割方法。方法该方法采用高斯分布拟合图像局部灰度统计特征信息,构造了方向性驱动项。在此基础上,建立了局部统计信息测地线能量泛函。通过极小化该泛函,来驱动演化曲线有序地向目标边界逼近,最后,整个分割过程采用二值水平集方法实现。结果本文方法降低了灰度不均匀信息影响,达到提取感兴趣区域轮廓目的,提高算法效率和稳定性。结论实验结果表明,该方法可以快速准确地分割医学感兴趣目标边界。

一种基于修正Frost核的SAR图像斑点噪声抑制方法

针对合成孔径雷达(SAR)图像的斑点噪声抑制问题,给出了一种新的基于斑点噪声统计特性的滤波方法。该方法是对Frost滤波核的修正,综合考虑滤波窗口内的中心像元以及其他像元的局部统计信息,克服了传统Frost滤波器由于等权运算所带来的边缘等结构信息的模糊;同时也弥补了增强型Frost滤波器保留过多“假细节”的不足。实验结果表明,该方法在噪声抑制和细节保持方面取得了较好的折衷。

基于SOM聚类的台风云型模式发现

Dvorak等人提出的基于卫星云图的云型和云系特征的热带气旋强度估计方法已被世界气象组织推荐给全球使用。本文尝试从历史数据中自动发现典型的云型模式,实现Dvorak模板图像的自动选取、匹配和识别。采用SOM对12000多幅红外云图进行聚类,采用提出的局部统计信息等特征,分析了某些距离作为相似性度量存在而只能发现球形簇的缺点;对不同的特征和相似性度量进行了对比试验,并分析了SOM拓扑误差和量化误差。从实验结果可以看出,局部熵特征有着最小的量化误差,但聚类准确度较低。原始图像作为输入特征时,有着较高的聚类准确度及拓扑保持度。局部统计信息特征比局部熵特征量化误差大,但有着更高的聚类准确度。这些结论为采用无监督聚类方法来发现云型模式并找到最佳的特征和较好的相似性度量以取得更好的结果提供了重要的参考,也有助于避免目前云图自动化分析研究中对特征和度量选取的随意性。

严重椒盐噪声污染图像的非线性滤波算法

针对灰度图像的椒盐噪声滤波问题,提出一种保细节的非线性滤波算法。利用局部统计信息,首先将图像像素点粗分为信号点、可能的正噪声点和可能的负噪声点3类,建立噪声标矩阵;然后再根据噪声标记矩阵的局部统计信息,将可能的噪声点细分为信号点、噪声点和不确定点3种类别,并分别采用不同的方法进行滤波,以保留更多的图像细节。结果表明,本文算法在去噪能力、自适应性以及保留细节等方面都明显比其它4种算法强,尤其是对于噪声高度污染图像的情况。