基于IIR指数平滑滤波与非线性Laplacian算子的边缘检测方法

本文提出了一种基于ＩＩＲ指数平滑滤波与非线性Ｌａｐｌａｃｉａｎ算子的边缘检测方法，具有以下特点：采用最佳指数平滑滤波器增强抗噪声能力，且可实现无限大窗口的快速递归运算；利用非线性Ｌａｐｌａｃｉａｎ算子只沿边缘方向增强边缘，充分利用了边缘的局部方向信息；引入边缘强度信息，在二阶零交叉处根据边缘强度定位边缘；运算量独立于滤波器窗口尺寸，具有较高的计算效率．通过与ＬＯＧ算子的对比实验和在立体视觉中的应用表明，该方法具有良好的实用性．

基于Laplacian算子的同态滤波算法研究

针对频域同态滤波中运算量大、运算时间长、不能满足实时性要求的缺点,提出了一种基于Laplacian增强算子的空域同态滤波算法。首先对原有的Laplacian增强算子做改进,使其在增强图像高频成分的同时能够适当地抑制其低频成分,再将改进后的Laplacian增强算子同图像函数作卷积,快速实现空域内的滤波增强。实验表明,该方法不仅有效地压缩了图像的亮度范围,增强了图像的对比度,还大大提高了运算速度,节省了运算时间,适用于对快速性要求较高的实时性场合。

基于方向滤波器组与Laplacian能量和的图像融合算法

目的针对基于Contourlet变换的融合算法在边缘上易出现吉布斯现象,使其融合图像产生几何失真的问题,设计一种非下采样方向滤波器组耦合局部Laplacian能量和的图像融合算法。方法首先,结合多小波变换(multi-wavelet transform,MWT)与非下采样方向滤波器组(Non-Subsampled Direction FilterBank,NSDFB),将图像分解为3个高频方向系数和1个低频系数。对于低频系数,采用局部修正的Laplacian能量和(Local Sum-Modified-Laplacian,LSML)与脉冲耦合神经网络(Pulse couple neural network,PCNN)组合的LSML-PCNN模型来完成低频信息的融合。对于高频系数,通过提取低频和高频子带边缘,并利用系数绝对最大值法作为依据,实现高频系数的融合。结果实验数据表明,与当前图像融合方案相比,所提算法具有更高的融合质量,得到的融合图像边缘更加清晰和完整。结论所提算法拥有较高的融合视觉效果,可改善图像的对比度和分辨率,在图像处理领域具有一定的参考价值。

融合同态滤波与MSR算法的低照度船舶图像增强

传统的Retinex算法针对海上低照度船舶图像增强存在图像过度曝光、细节丢失以及边缘模糊等现象。因此,提出一种结合多尺度Retinex和同态滤波的改进算法。首先,对输入图像的RGB三通道利用改进的单参数同态滤波器进行处理,将处理后的图像转为HSV空间,其中采取自适应增强S分量;由多尺度Retinex算法估计其光照分量并由CLAHE算法均衡化,随之融合Gamma变换处理后的反射分量,融合后通过拉普拉斯算子对其边缘进行增强。最后有效融合校正后的光照分量与边缘增强后的反射分量,输出增强图像。通过实验结果对比分析,证实提出的算法有利于海上低照度船舶图像清晰度的提升及避免细节丢失和图像过曝问题的产生。

MULTIPLICITY OF SOLUTIONS OF WEIGHTED(p, q)-LAPLACIAN WITH SMALL SOURCE

In this article, we study the existence of infinitely many solutions to the degenerate quasilinear elliptic system -div（h1（x）｜△u｜p-2△u）=d（x）｜u｜r-2u＋Gu（x,u,v） in Ω -div（h2（x）｜△u｜q-2△v）=f（x）｜v｜s-2v＋Gv（x,u,v） in Ω, u=v=0 on δΩ where Ω is a bounded domain in RN with smooth boundary δΩ, N ≥ 2, 1 〈 r 〈 p ∞, 1〈 s 〈 q 〈 ∞; h1（x） and h2（x） are allowed to have ＂essential＂ zeroes at some points in Ω; d（x）｜u｜r-2u and f（x）｜v｜s-2v are small sources with Gu（x,u,v）, Gv（x,u,v） being their high-order perturbations with respect to （u, v） near the origin, respectively.

基于改进的Laplacian算子的图像边缘检测

分析了图像边缘特性以及Laplacian算子检测图像边缘的基本原理,并对经典Laplacian算子进行改进,提出了一种新的边缘检测算法,以便准确地检测出图像中的目标边缘,利用该改进算法来检测图像的边缘。

基于Laplacian算子的图像边缘检测方法研究

在分析图像边缘特性及其 L aplacian算子检测原理的基础上对经典 L aplacian算子算法进行改进 ,以便能准确地检测出图像中的目标边缘 。

基于复Shearlet变换耦合改进引导滤波的图像融合算法

为了提升图像融合性能,更好保留源图像信息和提高图像的空间连续性,抑制伪Gibbs效应,通过结合复Shearlet变换(CST)与引导滤波器(GF)的优点,定义了一种新的图像融合方案。首先,通过双树复小波变换(DTCWT)与Shearlet变换,构建了具有平移不变性的CST,利用CST对图像分解,输出低频、高频系数;对于低频系数,利用双尺度引导滤波融合,根据邻域像素之间的强相关性来进行权重优化,提高图像的空间连续性;而对于高频系数,利用改进的Laplacian能量和与引导滤波进行融合;最后,通过逆CST技术来获取融合图像。实验表明,与当前常用图像融合算法比较,对于LIVE数据集中任意尺寸为256×256像素的2幅多聚焦灰度图像(同一场景的左、右聚焦各一幅)而言,当Shearlet变换层数为4时,所提算法具有更好的融合视觉效果与客观评价,可较好地保留源图像的信息,且提高了融合图像的空间连续性,其融合图像的熵值、互信息以及边缘强度值更大,分别为5.97、5.88与0.72。

用于成像激光雷达数据的快速滤波算法

在对三维成像激光雷达获取的数据进行曲面重构时,由于数据中存在噪声,使得重构的曲面不光滑、不连续,因此需要对数据进行滤波处理,滤除其中的噪声。提出了一种改进的Laplacian方法,在该方法中引入低通滤波函数,该函数包含了一个防收缩比例因子,能对曲面进行无收缩的光顺,保留数据中的低频部分,舍弃其中的高频部分。实验结果证明,该方法具有Laplacian方法简单、计算速度快的优点,同时消除了其网格收缩性、细节丢失过多的缺点,能满足曲面重构要求。该滤波算法可以广泛地适用于三维成像激光雷达的数据处理和曲面重构。

基于张量的图象边缘检测及滤波

边缘检测是数字图象处理中一种重要的处理手段 ,目前普遍采用的方法是基于直角坐标系下的 L aplacian算子 ,取其零交叉位置来检测 .而现实中 ,往往可见到许多曲面上的图象 ,比如柱面贴图 ,球面贴图 ,动态景物的数字化效果以及三维医学图象 ,结合深度信息采用基于微分几何曲线坐标系下的算子进行图象边缘检测及滤波是一种新的尝试 .从结果可以看到 ,处理效果明显优于普通的方法 .

基于Laplacian算子的一种新的边缘检测方法

本文在分析经典 L aplacian算子作用原理的基础上对其进行改进 ,提出了一种新的边缘检测算法 .实验证明 ,该算法能有效地消除噪声、准确地检测图像中的目标边缘 。

最优实验设计与Laplacian正则化的WNN的非线性预测控制

提出了基于最优实验设计与Laplacian正则化的自适应小波神经网络(Wavelet neural network,WNN)的非线性预测控制算法。该方法迭代地从WNN隐含节点候选集选取隐含小波神经元,并使用扩展卡尔曼滤波(Extended Kalman filter,EKF)方法调整该节点参数。为了控制WNN的复杂度,提出采用Laplacian正则化和最优实验设计选择重要的WNN隐含节点,使用最小描述长度(Minimum description length,MDL)准则确定节点数量。使用在线基于Gustafson-kesscl(GK)的模糊满意聚类算法确定WNN初始参数值和权重更新策略,该策略具有直观性和物理意义。最后给出基于WNN线性化模型的预测函数控制方法。对工业焦化装置温度控制进行仿真,结果说明了算法的有效性。

一种新的基于Laplacian算子的边缘检测方法

Laplacian算子是二阶微分算子,利用边缘点处二阶导函数出现零交叉的原理检测边缘,对灰度突变敏感,定位精度高,但抗噪性差。本文基于Laplacian算子的边缘检测模型,采用最大/最小中值滤波器,提出一种新的边缘检测方法。实验结果表明该方法具有保护边缘和平滑噪声的优点,边缘检测效果理想。

基于Laplacian金字塔的逆有序抖动算法

针对有序抖动半调图,提出一种基于Laplacian金字塔的逆半调方法。采用分治策略,利用Laplacian金字塔变换将图像分成低频和高频区域,通过滤波器组抑制高频噪声,同时保持图像边缘,改善逆半调图像的质量。实验证明,该算法具有时空复杂度较低、峰值信噪比高等特点。

网络数据拉氏滤波的主要影响因素及其改进

对测量网络数据用正交试验法确定了影响Laplacian滤波的主要影响因素,针对Laplacian方法容易丢失特征和体积收缩大的缺点,提出了Laplacian方法的一种改进算法,改进后的算法在滤波除噪的同时,较好地保持了模型特征,减少了体积收缩。

基于改进Laplacian算子的弱小目标检测

由于图像中的背景复杂、目标弱小,在面对具有强噪声或者目标存在遮掩的情况下没有很好的检测算法。提出一种改进的Laplacian算子和Hog特征及Adaboost分类器相结合的算法。该方法根据拉普拉斯算子的边缘检测特性,先通过中值滤波滤掉一部分随机噪声,然后利用改进的Laplacian算子对图像进行卷积,获取图像使用稀疏矩阵表示的Hog特征,输入到Adaboost分类器后最终得到一个最准确的目标,并且在仿真实验中的准确率高达93.5%。

非负Laplacian嵌入在颅脑MR图像分割中的应用

在图理论的基础上,将非负Laplacian嵌入应用于颅脑核磁共振图像分割。该算法首先利用均值漂移算法对图像进行预分割,然后利用Gabor滤波器组对分块进行纹理特征提取,再将各分块映射为图中的每一个顶点,最后对图进行非负Laplacian嵌入得到每一小块的聚类结果。实验表明,相对于传统的Laplacian嵌入方法,非负Laplacian嵌入能够得到更好的分割结果。

利用面片法向均值滤波的混合型网格去噪方法

通过对面片法向均值滤波去噪方法的研究,提出了一种改进的混合型去噪算法。通过取值顶点的一环正常边二面角的平均,将顶点分为噪声顶点和一般顶点,然后对噪声顶点利用Laplacian方法进行平移去噪,同时将保持特征的面片法向均值滤波去噪方法作用于一般顶点。实验结果表明:这种混合方法能有效地去除大小噪声,并且在去噪过程中能保持网格的特征。

独立式脑-计算机接口信号处理和识别方法研究

目的 为独立式脑-计算机接口(brain computerinterface ,BCI)选择合适的数据预处理、特征提取和模式识别算法,提高系统的识别率。方法 分别使用不同的空间滤波算法、特征提取方法和模式识别算法,对同一组BCI数据进行处理,并对结果加以比较分析。结果 使用空间滤波器small laplacian提高信噪比,AR谱估计提取C3和C4导联特定波段能量作为特征,Bayesian判决进行分类,可以取得较好的识别率。结论 高信噪比以及合适的特征是提高识别率的关键因素。

基于伪谱法的VSP逆时偏移及其应用研究

逆时偏移被认为是对地下复杂构造进行成像的精确偏移方法,尤其是能够有效地对回转波、绕射波、多次波等各种波动现象进行成像.近几年来随着并行计算机和存储设备的快速发展,逆时偏移方法备受关注.本文采用伪谱法实现了VSP逆时偏移,该方法不仅实施简便,而且计算效率高,精度好.并运用反周期扩展法来消除伪谱法中特殊的周期性边界效应问题.对VSP绕射点模型进行试算,分析了因覆盖次数不足在近井区产生的假象问题.对地堑模型和半圆隆起模型也获得了较好的VSP逆时偏移成像效果.并分别对VSP全波波场及分离出的上行波场进行了逆时偏移成像,可明显发现直达波在炮点和检波点位置处收敛成像,也产生了很强的成像噪声.最后对某地区实际观测的VSP资料进行了逆时偏移成像,并与Kirchhoff法VSP偏移结果和地面地震偏移结果进行了对比,显示了VSP逆时偏移在近井区成像上的优势.