基于数学形态学的毫米波图像边缘检测方法

讨论了数学形态学的基本原理及其在毫米波辐射遥感图像边缘检测中的应用,提出了一种用灰度形态变换原理进行检测的有效算法。对一幅毫米波图像的实验结果表明,该算法具有较好的抗噪和边缘提取能力,比传统的基于模板的图像边缘检测算法具有更好的边缘提取效果。

基于统计处理和B样条小波变换的毫米波图像边缘检测

针对毫米波图像噪声强、分辨率低的特点,提出了一种新的边缘检测方法。该方法首先根据统计信号处理理论定义了标准化梯度强度这一物理量;然后采用3次B样条函数的一阶导数作为边缘检测算子,由小波变换后得到的图像水平、垂直方向的高频信息,并根据这些信息确定出标准化梯度强度;接着采用单门限的处理得到图像粗边缘;最后对粗边缘施行非最大抑制处理和滤波来得到检测结果。实验证明,该方法可用固定的单门限自动、快速地检测出毫米波图像中人体背景下物体的边缘,满足安检需要。

一种固定阈值的毫米波图像边缘检测方法

文章提出了一种固定阈值的毫米波图像边缘检测方法。根据图像的统计特征确定出像素的标准梯度强度,并采用单阈值对图像进行边缘粗定位,然后施行非最大抑制处理和滤波,得到最终检测结果。由于该算法对各幅毫米波图像设置相同的阈值,故能实现自动检测,同时还具有计算量小的特点。实验结果表明该方法进行毫米波图像边缘检测的有效性和可行性。

一种自适应二值化的毫米波图像边缘检测方法

针对毫米波图像分辨率较低、噪声大、成像物体边缘提取困难等问题,提出了一种基于自适应图像二值化的毫米波图像边缘检测方法。该方法通过对图像直方图的分析,自动地确定两个峰值的位置,得出阈值,对图像进行二值化,再对二值化后的图像进行边缘检测。实验表明,这种方法能较好地检测出毫米波图像中人与物体的边缘信息,同时又去掉了大多数由噪声引起的伪边缘。该方法避免了大量的方差计算,计算量仅为大津法的 50%左右,能够满足自适应性和实时性的要求。

PMMW金属目标图像处理与计数技术实现

被动毫米波金属目标图像识别并自动统计出目标个数是军事自动化技术的一个重要环节。给出了毫米波探测目标的简要原理,针对目前有关毫米波被动探测并自动计算出金属目标个数方法的欠缺,首次尝试并给出了被动毫米波金属目标图像处理方案及详细处理过程,在毫米波图像分辨率低的条件下,将图像二值化,用数学形态学对图像进行处理,用Canny算子进行边缘检测并提取图像的边缘轮廓,再用Visual C++6.0开发工具,实现二值图像连通域像素标记算法,搭建起金属目标个数的计数系统。给出系统的定量分析,并与面积法计算目标个数做了对比。经分析,系统具有准确性,且响应时间短。

基于元胞自动机的毫米波图像边缘检测

考虑到毫米波图像噪声较强、模糊严重的特点,本文在边缘提取之前对图像进行了去噪预处理,并将元胞自动机引入到多灰度级图像边缘提取中。试验结果,证明了该方法的有效性和优越性。