基于Canny的改进图像边缘检测算法

边缘检测是图像处理领域中最重要的关键技术之一。针对经典边缘检测算法抗椒盐噪声性能较差及阈值选取适应性不强等问题，提出了一种基于Canny的算法架构，结合自适应中值滤波(Adaptive Median Filtering，AMF）、大津法(Otsu）以及最大熵法(Maximum Entropy Method，MEM）的改进图像边缘检测算法。该算法首先结合改进自适应中值滤波对图像降噪，从而在保留图像细节的同时较好地滤除了椒盐噪声干扰。而后利用基于Otsu和MEM提出的改进双阈值选取方法，获取自适应的高低阈值对图像边缘进行检测，边缘检测准确度可以达到96%以上。实验结果表明，本文算法在椒盐噪声干扰下针对背景复杂的图像有更好的边缘检测效果。     

噪声检测自适应窗口滤波算法

脉冲噪声的存在,从视觉上影响图像的质量。为了去除图像中的脉冲噪声,提出了利用相似邻居数对图像中的噪声像素进行标记并建立相应矩阵,接着根据噪声的污染程度自适应的选择滤波窗口,最后对噪声像素进行自适应均值滤波去除图像中的脉冲噪声。实验结果表明,算法能有效降低图像中的脉冲噪声,对图像的边缘与细节保持较好。     

基于稀疏表示的图像混合噪声抑制算法

中值滤波能有效地抑制脉冲椒盐噪声,但它对于图像中的高斯噪声的去除效果不佳;而简单地使用针对高斯噪声的方法,对混合噪声也不能起到较好的抑制效果。稀疏是图像的重要特性,是进行图像处理的重要先验。本文提出了基于稀疏表示的混合噪声抑制算法。实验表明,本文算法可以有效地滤除混合噪声,且较好地保护了图像细节特征。     

基于预先校准的压力敏感涂料图像处理方法

基于国产单组份压力敏感涂料预先校准试验,以自主编制的涂料校准与特性分析图像后处理软件为主要分析工具,对PSP图像平均、滤波以及无效采集图像剔除等图像后处理方法进行了较为深入地研究,研究分析结果表明:一些随机因素或操作失误会造成某些PSP采集图像为跳点,图像后处理中,应将无效采集图像剔除;与高斯滤波、平均滤波相比,中值滤波可以更好地抑制图像的椒盐噪声,同时,滤波窗口大小对图像滤波效果有较大影响;图像平均可以有效地抑制CCD相机的随机噪声,同时,存在着最佳的图像平均幅数,超过最佳图像平均幅数,随机噪声的抑制效果变化不再明显,反而会降低试验效率。     

基于中值滤波和小波变换的混合滤波方法在推进剂监测中的应用

目前,监测传感器传出信号中混有很多噪声,为提高信号可信度,需要一种有效的信号处理方法。文章基于Matlab仿真环境,完成了信号仿真和滤波算法的设计,重点对单传感器仿真信号的去噪和多传感器信息融合进行了研究,提出了基于中值滤波和小波阈值滤波的混合滤波方案和基于Kalman滤波的信号融合方案。研究工作有:基于高斯白噪声和脉冲噪声的数学特性,合理假设出5种基本信号形式;依据实际数据,完成单传感器和多传感器信号仿真,确定信噪比和均方根误差作为去噪评定指标;综合分析现有的滤波算法的滤波特性,利用不同长度滑动窗口的中值滤波处理实验信号,选取合适长度的滑动窗口。设置对比实验确定小波阈值滤波中的小波基函数选取、阈值计算和分解尺度等参数;融合中值滤波和小波阈值滤波优势,设计混合滤波方案,去除单传感器仿真信号中的噪声;研究信息融合理论在泄漏监测系统中的应用,设置不同融合方式下的对比实验,确立最佳融合方式下的Kalman滤波方案,实现多传感器信息融合。     

子波域自适应滤波方法

推导和给出了噪声能量阈值的理论计算公式,并提出了一种实时估计信号噪声方差的有效方法,从而构成形式完整和实用的自适应相关计算子波阈滤波算法。仿真计算和分析表明：给出的方法具有良好的自适应性能和显著的滤波效果,在有效去除噪声的同时,很好保留了信号的主要细节。     

适用于爆炸物CT检测重建图像去噪新算法

场旅客行李爆炸物CT检测成像过程中不可避免地受到噪声影响,对重建图像的去噪处理是爆炸物CT检测技术中的一个重要环节。针对机场旅客行李隐藏爆炸物快速检测、重建图像质量要求和引入的噪声特点,提出了一种有效的图像去噪算法将小波包分析与快速中值滤波相结合,并且对小波包系数运用一种新的阈值去噪方法。实验结果表明,该算法能更有效地去除重建图像的噪声并保持图像的边缘细节。     

外测数据处理中小波滤波的鲁棒性算法研究

为消除外测数据处理中异常值和噪声信号对处理结果的影响,结合数据处理的实际,给出一种基于小波变换的鲁棒性滤波算法。首先用移动中值滤波算法剔除原始数据中的异常值,然后采用小波系数去噪算法并结合经验维纳阈值滤波算法,抑制数据中的噪声。仿真计算及实际工程应用表明,该算法在保留特征段及有用信息的同时,有效地剔除了异常值,抑制了噪声,具有很好的鲁棒性。     

地基观测红外目标二维经验模式分解检测方法及应用

针对复杂条件下的地基观测红外图像目标检测问题,引入二维经验模式分解(BEMD)方法对复杂条件下的目标红外实测图像进行了处理分析:首先对目标观测原始红外图像进行中值滤波,对原始红外图像进行噪声抑制预处理;然后利用BEMD算法对预处理后红外图像进行自适应分解,获得按频段分布的二维基本模式分量与残余图像,并对分解后的红外图像进行有效重构,获取处理后的红外目标图像;最后利用点锐度方法定量评估目标红外图像处理效果,并与原始红外图像进行比对分析。基于实测红外图像处理结果表明,BEMD方法有效抑制了云层背景杂波噪声,且有效检测出清晰的红外目标,处理后的红外图像清晰度较原始红外图像显著提高。     

基于属性形态学分析的图像显著极值检测及应用

由于图像噪声的存在,使得利用传统的极值检测算法通常会使要提取的显著极值淹没在大量的噪声极值中;同时由于先验知识的缺乏,采用普通滤波技术也往往不能很好的滤除噪声,反而会破坏图像的关键结构。本文提出了一种基于属性形态学分析的图像显著极值检测算法。该算法可以在不需要对图像进行滤波的前提下,从数学形态学的角度对图像极值的显著性进行计算和评估,从而能够较好地提取出显著的极值。在沉浸模拟算法的基础上,给出了基于属性形态学分析显著极值检测的快速算法实现,并将其成功应用在视觉注意选择和独立运动目标检测上。实践证明,该算法不仅具有较好的抗噪声特性,而且快速实用,具有广泛的应用价值。