散斑噪声污染的激光水下图像滤波算法

水是一种特殊的介质 ,在激光水下图像中总存在因水的后向散射引起的散斑噪声。充分利用形态学的不同结构元多方向形态滤波的多分辨率特性 ,以及形态学运算固有的能将大量的复杂图像处理运算转换为基本的逻辑与移位运算的组合来完成的特点 ,提出了一种多方向的形态滤波算法。不仅有效地抑制了因海水后向散射引起的散斑噪声 ,同时保留了激光水下目标图像的几何结构细节特征。实验表明这是一种有效的滤除水下激光图像散斑噪声的快速滤波算法。

基于分形的激光水下图像分割研究

针对激光水下图像的特性 ,提出一种基于分形常数的图像分割方法 ,以克服因水下成像带来的图像灰度分布不均和严重的散斑噪声影响给分割造成的困难 .实验表明在目标和背景的一般分形特征差异不明显的情况下 。

MATLAB在激光水下图像处理中的应用

介绍了MATLAB的功能,分析了MATLAB在数字图像处理中的应用,并结合对激光水下图像的处理说明了MATLAB在图像处理中的强大功能。

基于数据挖掘的水下激光图像识别技术

为了提高水下激光图像识别精度,提出一种基于数据挖掘的水下激光图像识别方法。首先收集水下激光图像,提取其Gabor特征,并采用主成分分析法对特征进行选择,消除冗余特征,然后根据特征对训练样本进行处理,并输入到相关向量机进行学习,建立水下激光图像识别分类器,最后采用具体水下激光图像进行仿真对比测试。测试结果表明,本文方法可以提高水下激光图像的识别率,而且获得较快的水下激光图像识别速度,具有较高的实际应用价值。

激光水下成像系统辐射标定算法

由于像增强器的非线性响应破坏了散斑噪声的统计规律,因此直接对激光水下图像进行散斑噪声抑制得到的图像复原结果受到非线性响应的约束。为了恢复散斑噪声的固有特性,本文提出一种对光晕具有鲁棒性的辐射标定算法。这种辐射标定算法通过灰阶映射函数以及积分时间增量,将非线性响应曲线的非线性部分转化为线性部分,再通过线性插值标定出像增强器对于激光信号的非线性响应关系,从而达到恢复散斑噪声的分布规律,提高噪声抑制效果的目的。通过实验对比了辐射标定前、后激光水下图像的噪声抑制效果,验证了本文算法能够有效地提高散斑噪声的抑制效果。

基于K-L变换的水下激光成像弱目标检测

为了解决传统利用人造目标和背景在几何构成上的差别,或者利用人造目标和自然背景在图像灰度上的差别检测人造目标的不足,针对获得的水下激光图像对比度低、目标尺寸小及背景复杂等特点,利用正交变换的去相关特性,提出了一种基于K-L变换的水下激光图像弱小目标检测与描述方法。实验仿真结果表明,此方法可实现低信杂比条件下水下激光图像弱小目标的有效检测。

基于自适应脉冲耦合神经网络的水下激光图像分割方法

距离选通式水下激光成像技术是一种能够有效抑制水介质的后向散射效应的探测技术,在海洋研究、深海探测和水下作业领域中拥有广阔的应用前景。然而在水下激光图像中出现的散斑噪声和灰度不均匀现象使得实现目标的准确分割较为困难。通过分析散斑噪声形成的机理,提出了一种水下激光图像的有效分割方法。该方法根据像素的噪声响应和灰度分布特性自适应确定各神经元的关键参数,并对噪声位置的神经元的行为进行抑制,基于最大二维Renyi熵准则采用梯度下降法确定了神经元的动态阈值,通过实验结果的比较分析说明该方法明显优于Normalized Cut、模糊C均值、均值漂移和分水岭分割方法,而运行时间约为常规脉冲耦合神经网络的五分之一。

基于改进生成对抗网络的水下激光图像后向散射光修复方法

为提高水下激光图像的质量,改进了生成对抗网络的生成网络,使其成为一种包含跳跃结构和空洞卷积的深度卷积神经网络。利用该网络从自建数据集中学习待修复图像到目标图像的端到端映射参数,再对带有强后向散射光的水下激光图像进行修复。实验结果表明,所提方法能够快速对后向散射光区域进行填充修复,相比传统去噪和增强对比度方法联合处理的结果,所提方法的峰值信噪比平均提高了9.10dB,特征相似度平均提高了0.11,实现了水下激光图像的去噪、对比度增强和非均匀性照明改善,较好地去除了后向散射光。