飞机发动机损伤图像的分割处理

在形态学边缘检测算子的基础上,综合应用了形态学中的腐蚀和膨胀,提出了一种改进的多尺度形态边缘检测算法,得到修正的边缘检测算子,减轻了图像边缘检测的模糊性,并有效降低了噪声对边缘检测的影响。通过实验得到噪声存在条件下较为理想的图像,验证了该算法的可行性和有效性。     

多帧PML规整化湍流退化图像复原算法

从湍流退化图像中有效地恢复出原目标图像,是空间目标成像观测亟待解决的问题。为解决强模糊实际观测湍流退化图像的复原问题,本文提出了多帧PML规整化图像复原算法。该算法主要利用非线性规整化项在点扩散函数和目标图像的估计过程中进行平滑。为验证算法的有效性,针对强噪声退化图像进行了恢复实验,实验结果证明,该算法对于强噪声湍流退化图像的复原是非常有效的。     

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。     

基于提升小波和形态学的图像边缘检测算法

基于提升小波变换和形态学的基本理论,提出了一种提升小波和形态学相结合的图像边缘检测算法,算法充分利用了提升小波变换相对于传统小波变换快速而有效的完成小波分解和重构的算法优势。形态学运算在图像处理中具有独特的优势,利用其对图像膨胀和腐蚀的差运算来获取图像的边缘,取得了很好的效果。实验结果表明,算法边缘定位准确,抗噪能力强,检测出的图像边缘连续、平滑,是一种有效的边缘检测方法。     

图像边缘提取的启发式搜索算法

常规的图像边缘提取方法容易受到噪声的影响,导致了大量不连续边缘的产生。本文试验了一种基于边缘分段自增强的启发式搜索(EdgeDetectionalgorithmbasedonHeuristicSearchED-HS)算法,该算法通过对边缘检测后图像的遍历搜索获得各种可能的边缘轨迹,然后对每条搜索轨迹进行分段自增强,最后根据增强程度的积累决定图像边缘。文中阐述和分析了算法的机理,并以加入了高斯噪声的“Lena图像”作为样本进行了计算验证。结果初步证明了该算法能够在较高的噪声条件下有效的提取到连续、清晰的边缘。     

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。     

基于区域能量的自适应多尺度边缘检测

提出了基于区域能量的自适应多尺度边缘检测方法,研究了局部区域内不同边缘方向两侧能量的分布情况;在此基础上提出了一种基于区域能量阈值差与区域面积比值的自适应多尺度方法,最后给出了仿真实验以及与传统方法的对比。结果表明,新方法能进行有效边缘检测并能更好地去除噪声。     

基于小波变换的遥感图像边缘检测方法研究

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,本文针对遥感图像的特点,提出了一种基于小波变换的图像边缘检测方法,同时还对小波变换在图像处理中的适用性进行了详细分析。由实验结果表明,本文方法可以获得非常细致有效的边缘信息,在有效抑制噪声的同时,提高了边缘定位精度。     

基于区域分割的红外与可见光图像融合算法的研究(英文)

由于红外图像和可见光图像的成像特点不同,因此在航空监视领域红外图像和可见光图像融合有重要的研究意义。由于非下采Contourlet变换具有更好的方向性、较高的逼近精度和更好的稀疏表达性能,能有效的提取图像的特征信息。因此我们在非下采Contourlet域,以空间频率为度量标准对红外图像进行阈值分割,经过分割将红外图像和可见光图像分别划分为目标区域以及背景,随后对红外图像和可见光图像进行边缘检测从而得到边缘区域,针对三个不同区域分别选择不同的融合规则进行融合。通过两组不同灰度差异的红外与可见光图像的实验,将基于像素点,窗口策略的融合算法和本文所提出基于区域算法进行了主观和客观的对比,试验结果表明基于区域分割的红外与可见光图像融合算法不仅能有效提取出红外图像中的目标信息还能有效的保持可见光图像的所反映的光谱信息,因此本文提出的算法是一种有效且可行的图像融合算法。     

恶劣天气下的仿生偏振定向方法

针对偏振光导航在恶劣天气下精度显著下降的问题,提出了一种可以在恶劣天气下基于大气偏振模式的定向算法。与现有方法相比,首次将三维块匹配与canny边缘检测结合的思想应用于修复被不同天气破坏的偏振角度图像中。具体而言,将偏振角度图像的修复分为噪声粗处理和边缘提取处理去噪两部分。在噪声粗处理阶段采用三维块匹配算法,在边缘提取处理去噪部分,利用canny边缘检测算法对偏振角度图像进行二次去噪。实验结果表明,该方法不仅能够提高晴朗天空下的定向精度,而且能够显著提升在阴天、沙尘、雾霾等恶劣天气条件下的导航定向精度,即使在偏振角图像对称∞模式被破坏的情况下,航向角精度仍可由9.4470°提高到1.6859°。     

恶劣天气下的仿生偏振定向方法

针对偏振光导航在恶劣天气下精度显著下降的问题，提出了一种可以在恶劣天气下基于大气偏振模式的定向算法。与现有方法相比，首次将三维块匹配与canny边缘检测结合的思想应用于修复被不同天气破坏的偏振角度图像中。具体而言，将偏振角度图像的修复分为噪声粗处理和边缘提取处理去噪两部分。在噪声粗处理阶段采用三维块匹配算法,在边缘提取处理去噪部分，利用canny边缘检测算法对偏振角度图像进行二次去噪。实验结果表明，该方法不仅能够提高晴朗天空下的定向精度，而且能够显著提升在阴天、沙尘、雾霾等恶劣天气条件下的导航定向精度，即使在偏振角图像对称∞模式被破坏的情况下，航向角精度仍可由9.4470°提高到1.6859°。     

基于多尺度深度学习的自适应航拍目标检测

无人机已经被广泛应用到各个领域,目标检测成为无人机视觉领域关键技术之一。针对无人机图像中场景复杂、尺度多变、小目标丰富等问题,提出了一种基于多尺度深度学习的自适应航拍目标检测算法。首先,构建自适应特征提取网络MSDarkNet-53,引入多尺度卷积方式,采用不同类型卷积核对不同尺寸目标进行运算,有效扩大感受野。其次,结合注意力机制的优点设计卷积模块,自适应优化特征权重,增强有效特征,抑制无效特征,得到表征能力更强的特征。最后,构建基于多尺度特征融合的预测网络,根据小目标的特点,选取多层级特征映射融合成高分辨率特征图,在单一尺度上进行目标分类和边界框回归。实验表明：本文算法提升了无人机图像的目标检测精度,具有良好的鲁棒性。     

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Prewitt算子的量子边缘检测算法

量子图像处理是量子算法在图像处理中的应用,目前基于量子图像存储的预处理研究非常少,限制了量子图像处理在目标选取和图像识别等应用。提出了一种基于Prewitt算子的量子边缘检测算法,在NEQR图像表示法的基础上增加9个量子比特保存邻居位置的灰度值和边缘标定,通过移位变换完成邻居位置的灰度值获取,利用经典Prewitt算子计算灰度梯度值,设计量子电路实验量子边缘检测。仿真证实了提出的方法是可行的,且量子成本较低。     

基于边缘检测与颜色目标定位的图像检索

提出一种先利用图像边缘信息缩小检索范围。再利用图像颜色信息进行目标定位的图像检索算法。首先。提取图像边缘信息。利用图像位错率进行边缘信息比较,位错率越小图像边缘信息越接近;然后,利用主色调确定图像的目标块,进行目标子块间的比较。算法忽略图像中不重要的背景因素,有效利用重要的目标因素。从而提高了检索效率。仿真实验证明该算法比单一使用边缘检测、颜色目标定位具有更好的检索性能。     

一种适应较大比例变化的多传感器图像配准方法

提出了一种基于边缘曲率区域极值和边缘相关的图像配准方法。算法首先提取图像的较长边缘并对其进行改进的Freeman编码;然后使用Freeman码计算曲线的曲率,根据曲率极值的对应情况初始匹配边缘并得到比例变换因子;然后重采样图像,使用边缘相关、一致性检测方法得到对应的相关边缘对,最后使用最小二乘法得到图像的配准参数。算法可以适应配准图像间有较大旋转角度和较大平移变换等情况。     

基于信息论匀质性测度的各向异性扩散相干斑抑制算法

 针对传统各向异性扩散抑斑算法存在的均匀区域噪声平滑不充分、边缘随迭代弱化及迭代次数的确定缺乏理论指导等问题,提出了一种新的各向异性扩散抑斑算法,该算法采用信息论匀质性测度作为图像中匀质区域与边缘的鉴别因子,使扩散系数能够更准确地控制扩散强度与扩散速率,从而达到充分平滑均匀区域噪声及保护边缘的目的。基于各向异性扩散方程求解与鲁棒误差范数最小化的等效性,提出了一种各向异性扩散方程的迭代停止准则。利用合成孔径雷达图像对本文算法的抑斑和边缘保持性能进行了仿真实验验证。结果表明,本文算法在均匀区域相干斑噪声抑制、边缘保持等方面均取得了优于传统算法的效果。     

基于伪彩色的感兴趣目标检测方法

若获取的灰度图像中含有较大噪声时,传统Itti算法经常会出现漏检以及错检的情况。为此,提出了基于伪彩色的感兴趣目标检测方法。首先对灰度图像添加相应的彩色信息,生成一幅目标细节较为清晰的伪彩图;其次根据Itti算法进行显著性计算;最后通过模板匹配检测出感兴趣目标。实验结果表明：算法能够达到补偿由于噪声问题引起的显著性目标无法检测的问题。     

一种平稳小波方向能量阈值滤波的SAR图像去噪方法

由于 SAR图像相干斑噪声是非高斯分布的,无法直接采用光学成像系统的去噪技术处理,因此,目前还没有真正的理想算法广泛适用于 SAR图像去噪。在分析目前流行的空频域去噪方法优缺点的基础上,提出了 1种小波域 SAR图像去噪方法。为了克服离散小波变换缺乏平移不变性及方向选择性受限的缺点,该方法利用平稳小波将图像分解为低频逼近信号和高频细节信号;对于噪声信息较少的逼近信号,利用增强 Lee滤波去噪;对细节信号,根据相干斑噪声在小波域的方向能量特性进行自适应的阈值滤波;最后重建去噪后的 SAR图像。实验表明,该方法去噪能力强,同时边缘保持较好。     

基于序列二次规划优化阈值的NSCT高斯噪声图像滤波方法

提出了一种基于序列二次规划(SQP)优化阈值的非下采样Contourlet变换(NSCT)图像高斯白噪声去除方法。该方法利用广义交叉验证(GCV)准则作为优化指标,使用序列二次规划算法对NSCT域的去噪阈值进行优化,能够在噪声方差等图像先验知识未知的情况下得到最优去噪阈值。确定阈值后,采用非线性阈值函数对Contourlet系数进行处理。实验结果表明与其他Contourlet域去噪方法相比,该方法能有效去除图像的高斯白噪声,提高图像的峰值信噪比,并较好地保留图像的边缘信息。