椒盐噪声图像降噪算法设计

由于环境和设备的影响,图像往往受到不同程度的噪声干扰。为了有效地利用图像所包含的信息,通常需要对图像进行去噪处理。因此,图像去噪作为图像处理最基本的步骤,已经成为当前研究的重点内容之一。通过对现在常用的图像降噪算法的研究,选定自适应中值滤波对图像进行针对椒盐噪声的降噪,使用整体嵌套边缘检测(Holistically-Nested Edge Detection,HED)算法对图片进行边缘提取,辅助保留图像的边缘信息,使得图像的边缘信息得到更好的保留。

一种新的基于多信息测度融合的边缘检测方法

针对高强度噪声图像,提出了一种新的基于信息测度概念和Dempster-Shafer(DS)证据理论的边缘检测算法.利用邻域一致性、方向性和结构性3种信息测度定量描述边缘特征;引入检测不确定性,根据各信息测度响应分布设计基本可信度分配函数,并利用DS合成规则加以融合;融合后根据组合决策规则将像素分类成边缘与非边缘.实验通过检测结果以及Pratt品质因数的分析比较,表明该算法能够有效地区分边缘点和噪声点.在低噪声情况下,检测性能与传统检测方法相近;而对于高强度噪声图像,该方法具有较强的噪声免疫力.

小波变换用于沙漠化土地景观格局的分析

用基于小波变换提供的新型噪声清除、多尺度边缘检测方法对位于内蒙古、辽宁、吉林三省 (区 )的科尔沁农牧交错区沙地景观空间格局遥感图象进行分析和研究 ,以掌握自然过程和人为活动的规律·实例表明 ,本文提供的自适应和多带多分辨小波变换方法得到了可行验证·据分析可知沙地农牧交错区的景观格局呈现出不规则的聚集度和不均匀性特征 ,这些特征是尺度效应的结果·这一结果为其它农牧交错区沙地的开发和利用活动提供了建设性的意见·

基于边缘检测的邻域加窗图像去噪算法

针对目前图像去噪算法中,消除噪声的同时又破坏边缘细节信息的问题,本文提出了结合边缘检测及邻域加窗的新算法。该算法采取平稳小波基以保持相位不变性,对低频和高频子带进行边缘检测,并将检测后的边缘信息选择后融合,即可得到原图像近似的边缘信息。依据小波方向性特点和层内相关性原理,对不同的子带在非边缘信息处采用不同的模板进行加窗处理。实验结果表明,该方法在降低了图像噪声的同时又尽可能地保留了图像的细节,较好地复原了图像。

DS证据理论在SAR图像边缘检测中的应用

提出了一种新的基于DS证据理论的SAR图像多尺度边缘检测方法。该方法利用DS证据理论融合多级尺度ROA算子输出响应,在融合过程中引入检测不确定性。并通过分析ROA算子检测门限与虚警率的关系设计基本可信度分配函数(BPAF),使得检测不确定性在门限处达到最大值。实验通过检测结果比较以及列表分析,表明本文算法能够有效降低边缘检测不确定性。

用于距离图像2D扫描线的极速边缘检测器

本文提出一种对距离图像2D扫描线进行粗大噪声去除和边缘识别处理的极速检测器.以扫描线典型轮廓分布规律分析为基础,定义了数个特征描述系数并以此建立判别准则,实现快速去噪和边缘检测.该方法具有内在的平移和旋转不变性,并可通过自适应参数来实现尺度不变性.文中采用基于候选点的参数自学习方法来进行阈值学习.将扫描点参数集计算步骤进行高度集成,可对最大限度消除冗余计算.通过实物扫描实验,对算法的计算复杂度、时间开销、检测准确度和稳定性进行了详细评估.在普通PC平台上,整合模式耗时约0.15ms即可准确检测单条扫描线中的所有边缘点.评估结果表明,本文提出的检测器具有极高的运行效率、检测准确性、鲁棒性和可扩展性,可满足极为苛刻的工业应用要求.

基于边缘检测与分裂合并的多区域分割研究

为了使多区域分割后的图像边缘更加清晰,提出了一种将边缘检测与分裂合并法相结合的多区域图像分割方法.其基本思想是用边缘检测算子与分裂合并法分别对同一幅图像进行分割,然后应用信息融合技术将经过上述处理后的两幅图像融合,得到新的图像.在进行图像融合时,采用了像素级和特征级两种融合方法.实验结果表明,该算法可将图像明显地分割成多个区域,且边缘清晰,分割效果令人满意.

基于网格数据图的自适应细分及边缘提取

文章针对网格数据计算的可视化表达,给出了网格数据图有限元自适应细分方法;进而提出了网格计算与图形及数字图像处理的信息融合提取算法,实现了数据的自适应采样细分、图像分割与边缘提取。实验结果表明,该方法在不增加太多的计算及数据量情况下,可以很好地提高特征区域数据分辨率和网格数据计算的效率。

结合平稳小波变换和形态学的图像去噪算法

图像噪声去除是否有效将直接影响后续图像处理的质量,为了在消除噪声的同时保持图像边缘细节,提出一种结合平稳小波变换及形态学处理的新算法。该算法利用平稳小波相位不变性的特点,充分考虑小波系数的层内相关性;同时结合形态学的方法对图像的边缘信息进行估计;最后通过选择性质相似的区域进行阈值去噪。实验结果表明,该方法在降低了图像噪声的同时又有较好的视觉效果。

边沿检测与噪声消除方法研究

应用灰度台阶的概念 ,对二值图像和灰度图像的噪声与边沿的特征进行分析 ,给出边沿与噪声的本质特征 ,并给出区分噪声与边沿的函数关系式 ,据此公式 。

基于特征级数据融合的遥感图像重构模式研究

基于图像特征级数据融合的遥感图像重构是在突出目标地物的空间结构和纹理特征情况下的信息融合.本文在数字图像小波多分辨率分析理论基础上,采用小波变换方法对高分辨遥感图像的目标地物边缘进行信息增强,然后与多光谱遥感图像进行特征信息融合.在融合过程中,首先对多光谱图像中的R、G、B三个波段的图像进行小波分解,得到相应的低频图像,然后对特征增强后的高分辨率图像进行小波分解,再将分解后的高频图像分别与低频图像进行融合,最后经RGB合成为彩色图像.该方法既改善了图像的清晰度和分辨率,同时也保留了原图像的光谱信息.本文最后通过融合实验验证了上述结论.

小波变换在遥感图像处理中的应用

遥感图像处理对于航空、航天、军事侦察、灾害预报等许多军事和民用领域至关重要,本文针对遥感图像噪声大、边界不清楚等问题,提出了应用小波变换对遥感图像进行降噪和边缘检测处理的方法。然后详细介绍了基于小波变换的图像降噪和图像边缘检测原理,并对具体的遥感图像进行降噪和边缘检测处理,实验结果表明小波变换降噪结果优于中值滤波和均值滤波降噪结果,基于小波变换的边缘检测可有效地检测遥感灰度图像的边缘,其边缘检测结果优于Canny算子。

合成孔径雷达图像解译技术探讨

首先对合成孔径雷达图像解译的研究背景及发展历程作了简单介绍 ,然后分别从斑点噪声抑制、边缘检测、区域分割、目标检测与识别等方面进行了分类探讨。指出新的解译技术应综合利用新特征、新信息和新的研究理论 ,开展多信息合作与融合机制的研究以及人工智能的应用。

基于matlab和小波分析“一体化”法在医学图像处理中应用

在随机选用了互联网脑部CT图像和医学教育网基础医学理论部分的肝硬化CT图像的基础上,分析了图像数据信息,提出"一体化"法医学图像数据分析方法,对医学图像数据降噪、增强、融合和边缘检测进行了实验论证,与传统医学图像数据分析方法进行降噪实验比较,论证了"一体化"法处理医学图像的有效性。

尺度变化下飞机着降区自适应分割算法

无人机利用视觉在未知区域寻找着降区时,获取的航拍图像易受光照影响并存在尺度变化,对航拍图像进行分割的主要目的是找出满足无人机着降区域大小且地物类型(如土地、湖泊等)相同的区域,所以要求其分割算法既要有聚类的能力,又具有将不同类的地物进行有效分割的能力。针对上述航拍图像的特点和分割任务需求,提出了一种尺度变化下飞机着降区自适应分割算法。首先根据无人机当前的高度信息和对着降区几何大小的要求,计算当前时刻图像的地面分辨率及满足无人机着陆时所需的最小像素数;然后提出一种自适应mean shift分割算法对航拍图像进行粗分割,其中核函数的带宽参数根据计算出的最小像素数结合最大类间方差法的阈值进行选取;接着对粗分割的图像利用Canny算子进行边缘提取实现图像的精细分割,得到最终分割结果;最后利用Google Earth在不同场景和尺度下的图像进行分割实验,实验结果表明该算法可以满足分割的任务需求实现准确分割,并对光照和尺度变化较为鲁棒。

基于对象识别和分割的图像噪声抑制

在医学图像降噪中,不损失图像细节是至关重要的。传统的方法是直接对整个图像进行滤波处理。然而这种操作在减少噪声的同时也会破坏图像的细节。因此,关键的问题就是怎样在保持图像细节的同时能够减少噪声。为了解决上面提到的问题,在这篇论文中提出了一种模拟生物视觉的图像处理方法,首先提取图像的边缘信息,将图像分割成边缘区域和非边缘区域,然后对这两个区域采取不同的滤波降噪,再进行重新合成。与传统方法相比,本方法在保存图像细节上有一定的效果。

基于边缘检测和数据融合技术的图像增强

文章提出了一种基于边缘检测和数据融合技术的图像去噪方法。以小波变换为基础,结合数据融合技术,在预先确定图像边缘的基础上进行图像增强。实验结果表明,利用边缘检测和数据融合技术的图像增强系统,在保证图像纹理信息的基础上,极大地抑制噪声。

基于FPGA的8方向Sobel自适应阈值边缘检测系统设计与实现

针对传统Sobel边缘检测算法需要人为设定阈值,且对图像复杂纹理的识别能力较弱等问题,文中提出一种图像自适应阈值及3×3算子的8方向Sobel边缘检测算法,并在现场可编程门阵列(FPGA)上通过流水线设计和乒乓操作加速实现。基于Xilinx公司的Spartan6系列FPGA硬件平台,将OV5640摄像头采集到的图像数据流缓存于SDRAM;再利用移位寄存器将图像数据传输至图像算法模块,经过图像中值滤波及8方向Sobel边缘检测算法进行处理;最后,通过驱动VGA实时显示视频图像的边缘信息。实验结果表明:利用文中算法并基于FPGA输出的图像,在有效降噪的同时能够较好地滤除虚假边缘并保留真实的边缘信息;相较于传统算法,利用所提算法处理后的图像边缘清晰度有明显提高,且系统具有良好的准确性和鲁棒性。

基于多源信息融合的高光谱图像拼接研究

为了保证高光谱图像后期拼接的质量,避免图像细节丢失,提出基于多源信息融合的高光谱图像拼接方法。首行采用多个传感器对高谱图像进行采集,并进行降噪处理和采用索贝尔算子方法对高光谱图像边缘进行检测,然后采用色度空间转换方法将髙光谱图像由RGB颜色空间转换为YUV空间,并采用拼接方法对高光谱图像进行拼接处理,实验证明该方法拼接的高光谱图像信噪比、对比度以及边缘融合效果都优于对比算法,而高光谱图像效率高。

一种基于小波变换和数据融合降噪的图像边缘检测方法

提出的一种基于小波变换和数据融合降噪的边缘检测方法,是在边缘检测前先进行去噪处理,为避免去噪不完全、微分算子对噪声敏感,在边缘检测的同时增强了噪声,并把微分算子检测得到的边缘幅值图像融合与去噪相结合。最后,对融合后的图像进行灰度阈值处理和细化,得到边缘二值图像。实验结果表明:该方法在抑制噪声的同时能较好的检测出图像的边缘。