一种基于小波变换的SAR图像边缘检测器(英文)

边缘提取是图像处理与图像分析的基础。本文基于小波变换 ,研究了 SAR图像边缘提取的方法 ,从而为合成孔径雷达 (SAR)图像辅助导航系统奠定基础。由于 SAR图像受固有斑点噪声的影响 ,采用小波变换与固定阈值提取 SAR图像边缘特征时 ,将有大量虚假边缘产生 ,特别是在图像的亮区。为此 ,本文提出了采用具有恒定误警率的阈值 ,以消除斑点噪声的影响。同时 ,分别对两幅不同的图进行仿真 ,仿真结果表明 ,斑点噪声的影响被大大抑制 ,且由于阈值是由小波变换系数直接构成 ,能保证辅助导航对实时性的要求。     

基于计算机视觉任务的图像直线提取技术

提出一种基于计算机视觉任务的图像直线提取技术 ,首先用边界检测算子提取边缘 ,然后用链码将边缘表示出来 ,并记录链码的端点 ,即直线的端点 ,通过逐步删除对计算机视觉任务无意义的链码 ,得到图像直线的链码表示 ,最后用最小二乘法拟合图像直线的链码。该技术能尽可能多地从图像中提取直线信息 ,既可以较准确地提取直线的端点信息 ,又能得到直线的准确表示     

基于Contourlet域SOT结构的SAR图像相干斑抑制算法

把SOT结构引入到能够最优表示图像的Contourlet变换中,结合Contourlet系数域的结构特点和SAR图像相干斑乘性噪声模型提出了一种新的相干斑抑制算法。对基于小波系数域SOT结构的相干斑抑制算法中固定在一个低频尺度中选择根系数的方法进行了改进,根据SAR图像的匀质性条件自适应地在两个不同低频尺度中选择根系数。把该算法应用到实测SAR图像中取得了很好的目视效果,各项指标得到了有效提高。     

基于区域的GLRT车辆目标检测方法

基于合成孔径雷达(Synthetic aperture radar,SAR)图像的地面车辆目标自动检测是一项重要的SAR军事应用研究。提出一种基于区域的广义似然比法(Generalized likelihood ratio test,GLRT)的目标检测方法,该方法将GLRT目标检测理论与图像分割技术相结合。首先利用普通图像常用的分割聚类方法从SAR图像场景中粗略地分离出陆地杂波区域和目标潜在区域。然后根据分割结果,分别对两区域数据建立合理的统计模型。最后在背景和目标统计特性都已知的情况下,采用GLRT目标检测方法对目标潜在区域的像素点进行逐一检测,获得更为精确的检测结果。对实际SAR数据处理的结果表明,该方法能有效地从陆地场景中检测出地面车辆目标,且具备一定的精确性和快速性。     

二值图像的自适应窗口边缘检测技术

英国Aleksander等人用RAM网络实现的自适应模式识别系统可以认为是一种逻辑神经网络,本文详细描述了利用这种模型实现的自适应窗口边缘2检测技术,包括模型的理论分析,边缘检测种种的各种实现方法和实验结果。基于这种模型的边缘检测技术的基本思想是:首先对窗口边缘检测技术,包括模型的理论分析,边缘检测的各种实现方法和实验结果。训练一个或多个对目标物体边缘敏感的模式,然后对图像逐点扫描和测试,根据窗口对特定扫描区域的响应实现对边缘的检测。其过程和模式识别中的训练—识别过程相似。文中讨论了“中心块”和“边缘训练”窗口的响应行为以及窗口大小的选择、响应阀值的确定和N元的选用等具体方法。并给出了相应的实验结果。研究表明,这种方法对边缘检测和噪音滤除都具有较好的效果,且硬件容易并行实现。     

磁共振图像的一种多尺度边缘检测算法

医学图像的病灶呈弱边缘特性，用传统的边缘检测方法效果不理想。本文提出了一种改进的多尺度边缘检测算法：在传统的Mallat小波模极大值边缘检测方法的基础上，应用模糊算法构造相应的隶属函数，提取弱边缘信息，最后应用多尺度边缘融合算法将不同尺度下的边缘图像合成。实验结果表明，该方法对噪声有一定的抑制作用，可有效检测出弱边缘信息，定位准确，且检测效果明显。本算法可以兼顾良好的边界定位、噪声抑制和弱边界检测等性能指标，可以有效解决传统边缘检测方法中存在的高定位精度及强去噪能力之间的矛盾。     

基于形态学的SAR图像相干斑抑制算法的改进

在抑制相干斑噪声的同时应尽量保持图像的边缘和纹理特征。基于数学形态学方法的几何滤波算法在有效去除相干斑的同时，能较好地保留图像的边缘特征，但是运算量较大，处理速度较慢，将不利于数据的实时处理。为了克服此缺点，本文应用形态学中平滑方法对该算法作了改进。并对真实SAR图像进行处理并与几何滤波算法及Lee滤波算法处理结果作比较。结果验证了改进算法与几何滤波算法相比在达到同样的处理效果的情况下．减少了一半以上的运算量，大大地缩短了处理时间。     

基于微分图象噪声估计的主动型边界检测方法

提出一种简单的主动型边界检测方法。它首先通过噪声估计捕捉图象中可能存在边界的邻域，然后获取邻域中有关边界的空间参数，由此选择最佳微分滤波算子对相应邻域进行滤波，以获取边界点。该方法具有很强的处理针对性，因此它运算速度快、精度高、一次即可获取单象素宽的边界。     

基于阴影信息的多视角SAR图像识别

传统的SAR图像识别技术主要基于目标的电磁散射特性,而目标阴影信息对SAR图像目标识别具有重要的作用。若能获取同一目标在多个方位角下的多幅SAR图像,可改善目标识别的性能。针对该问题,本文提出了一种基于隐马尔可夫模型及阴影信息的多视角SAR图像识别技术。该技术提取目标阴影形状的链编码作为特征向量,并结合同一目标在不同方位角下的多幅图像的特征向量,生成该目标的特征序列,然后利用HMM对特征序列进行识别。仿真结果表明,该方法可有效实现SAR图像目标识别。     

Scratch Detection Algorithm of Car Surface Based on Directional Color SUSAN Operator

The car surface scratch detection adopts the traditional manual detection with poor efficiency and high missing rate. Because of the gray mark and the background of car surface scratches,the traditional edge detection algorithm cannot meet the needs of car surface scratch detection. Therefore,the directional SUSAN algorithm based on CIELab color space is adopted in this paper. The direction template and the circle template to calculate the color difference of the color image are used in the algorithm which has been converted to the CIELab space. The edges and scratches are eliminated by matching and contrasting the detected image with the edge template. Experimental results show that the algorithm can effectively detect scratches on the surface of cars,improve the detection speed and reduce the undetected rate.     

一种基于时间差分运动检测的改进方法

本文提出了一种基于时间差分运动检测的改进方法。首先计算时间上连续的两帧灰度图像的差分图像；然后，将得到的差分图像通过低通滤波和二值化处理；最后，利用图像序列中的多帧灰度图像计算得到一组二值图像，通过对二值图像进行像素的算术运算，提取出运动目标区域。实验结果表明：这种方法是有效的。     

基于Contourlet变换的子带自适应图像去噪

Contourlet变换是继小波变换之后的又一新变换。由于Contourlet变换的多尺度和多方向特性,能有效地捕获到自然图像中的轮廓,并对其进行稀疏表示.本文提出一种基于Contourlet变换子带自适应图像的新颖去噪算法。该算法核心是估计无噪期望信号的概率。即结合无噪子带系数的广义Laplacian模型和加性高斯白噪声的概率估计,分析每个子带信号概率为固定的情况。实验结果显示这种新的子带自适应图像去噪算法优于Bayesian wavelet shrinkage和ContourletHMT算法。     

基于Sobel算子的亚像素边缘检测方法

提出了一种基于Sobel算子的亚像素边缘检测方法。此种方法先由Sobel算子确定图像边缘的大致位置，然后用三次样条插值函数对灰度边缘图进行内插计算，使目标边缘定位达到亚像素级。对插值后的灰度边缘图，利用最大类间方差法确定阈值提取边缘。实验表明，该方法能精确定位目标边缘，优于传统的边缘检测方法。     

一种改进的模糊聚类算法在图像边缘检测中的应用

提出了一种改进的模糊聚类图像边缘快速检测算法,该算法在利用像素灰度值的同时还考虑了像素的空间信息,基于模糊集合理论将图像从灰度空间映射成一个模糊隶属度矩阵,然后将隶属度矩阵中的元素作为样本进行模糊聚类,从而提取出图像边缘。基于热力学原理选取隶属度函数,通过调节温度系数,实现图像边缘由粗到细的提取。实验证明,该方法在计算速度、滤除噪声、提取边缘等方面均优于C-均值聚类算法。     

基于B-样条插值的图像边缘检测

为了能高质量地进行图像边缘检测,提出了一种新的基于B-样条插值的边缘检测方法.该方法为了保证图像边缘检测后的质量,采用3次B-样条对图像的像素点灰度值进行插值运算,提出了基于B-样条插值的一阶和二阶微分算子,并引入数字滤波技术加以实现.利用B-样条可分离的特性,实现了2维空间的基于B-样条插值的连续图像的重构函数,在此基础上提出了用于边缘检测的基于3次B-样条的一阶梯度模板和二阶微分模板.该方法非常适合于采用硬件的并行化实现,极大地提高了图像处理速度和边缘检测质量.     

SAR图像中动目标自聚焦检测的方法改进

构造了各聚焦图像块的对比图像块,对比图像块内的静止背景与聚焦图像块内的静止背景图像保持同步变化,它们的锐度始终相等,而对比图像块内的动目标与聚焦图像块内的动目标图像有很大差异,以聚焦图像块与对比图像块锐度比检测动目标,可排除静止背景锐度下降的影响,提高检测性能。实测数据表明该算法有效。     

基于快速均值漂移和水平集方法的图像分割技术

通过加强边缘检测函数的约束作用,对L i提出的无需重新初始化的水平集方法进行了改进,用于提高水平集方法对弱边缘与低对比度图像的分割处理性能。同时,利用快速均值漂移法对图像进行预分割,将得到的轮廓作为水平集方法的初始轮廓,从而降低水平集函数的迭代次数。脑部M R图像的分割实验结果表明,该算法能够准确地提取相应的脑组织,同时大大地提高水平集函数的演化速度。     

机载合成孔径雷达动目标检测与成像技术的发展(英文)

基于机载合成孔径雷达 (SAR)的地面运动目标检测与成像技术已经成为现代雷达技术发展的一个重点。本文首先建立了运动目标回波的数学模型 ,在此基础上分析了机载 SAR对运动目标成像的特点 ,然后对近年来这一技术的发展过程和研究现状进行了全面的综述 ,最后对这一领域今后的发展方向进行了展望。     

基于形态学梯度矢量的图像边缘提取算法

图像的边缘在很大程度上可以用梯度的概念来解释和描述,而现有的形态学梯度边缘检测算子抹煞了梯度的矢量性。文章提出了一种新的图像边缘提取算法:在边缘检测部分提出了具有方向估计的形态学梯度算子,且从理论和实际应用两个方面给予证明。并将模糊处理加入该系列算子,使这些算子在噪声抑制和提高边缘清晰度两方面均有较好的表现。同时在图像分割部分改进了最佳阈值化分割,利用小范围的边缘梯度各方向上的最佳阈值化进行调整,使图像的边缘更加完整、清晰。     

基于曲率的指尖检测方法

指尖检测是基于视觉的徒手人机交互系统的关键环节,由于背景的复杂性和系统的实时性要求,导致指尖的精确定位在处理速度和准确性方面存在很大问题。本文针对这一问题,提出了一种简单高效的基于曲率的指尖检测方法。该方法首先将输入视频流基于肤色空间进行二值化,并将二值化后的视频序列作为输入数据;然后采用边缘检测算法提取出肤色区域的边缘(肤色区域的轮廓),在肤色区域的轮廓上根据曲率来对类指尖的点进行检测,并且根据类指尖点的位置关系来判定一个肤色区域是不是手;最后通过过滤算法过滤掉误判手臂点。实验结果表明,该方法在不同的应用背景下都具有很好的检测效果,对光照的鲁棒性也较高,并且能够达到实时检测的效果。