基于多方向多尺度的强噪声图像边缘检测算法

在噪声图像中如何有效地提取边缘是图像分析中的难点,至今还没有得到圆满解决。本文在修正的广义形态边缘检测算子的基础上,提出了基于多方向多尺度的强噪声图像边缘检测算法。该算法既能检测出具有方向性的边缘,还能有效抑制无方向性的噪声。为验证算法的有效性,针对强噪声图像进行了边缘获取实验,实验结果证明,该算法对获取强噪声的图像边缘是非常有效的。     

固体发动机ICT断层图像去噪技术

由于受扫描电子设备、光电转换过程和重建算法的影响,固体发动机经ICT系统检测生成的灰度断层图像中含有多种噪声,严重影响了检测人员对发动机内部缺陷的诊断。为此,利用图像滤波技术对断层图像进行有效的处理,去除图像中的噪声,突出缺陷信息。在理论分析均值滤波、中值滤波、维纳滤波和小波变换滤波这4种滤波方法的基础上,分别将这4种方法应用到固体发动机ICT断层图像去噪中,经对比。得出维纳滤波在较好的保存缺陷信息的同时,有效的去除了噪声,是最适用于固体发动机缺陷检测需求的图像去噪方法。     

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。     

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。     

一种改进的星图降噪算法研究

在星敏感器的使用过程中,由于外界环境的影响及传感器自身的限制,拍摄出来的星图不可避免地存在一些噪声,因此对星图进行去噪处理是一项非常重要的工作。针对传统高斯模板滤波存在的引入邻域噪声、无法自行根据星图特性修正等造成去噪效果不好的问题,提出了一种改进的星图降噪算法。该方法在滤波前先进行坏点剔除工作,并采用高斯低通滤波与高通滤波结合的方式对图像进行处理,在抑制噪声的同时有效地保留了星点信号。通过阐述星敏感器的工作原理,分析星图的噪声特性,对星图滤波去噪算法进行研究,并进行模拟星图影像提取星点坐标实验。结果表明：使用该算法进行滤波比传统的高斯滤波算法提取的质心坐标精确度更高,较传统方法横坐标提高0.00538个像素点,纵坐标提高0.0077个像素点,证实了图像处理算法的有效性。     

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。     

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。     

基于DCT中频域数字水印算法研究

提出了一种基于DCT的图像水印算法,该算法充分利用人眼视觉系统特性,把水印嵌入DCT中频域中。保证了水印的不可见性。并用高斯低通滤波攻击和椒盐噪声攻击对算法鲁棒性进行检测。实例分析结果表明该算法具有较好的鲁棒性和隐蔽性。     

基于数据融合的边缘检测新方法研究

基于经典形态学的边缘检测方法虽然具有较好的去噪能力,但其得到的往往是断续的,不完整的边缘信息,不能反映全部的边缘特性.分别利用改进的数学形态学的方法和拉普拉斯算法对图像进行边缘检测,然后将两种方法处理后的图像进行数据融合,实验结果表明,该方法得到的图像边界细腻完整,具有较好的抗噪性.     

基于运动形态学的掠地飞行器视频检测方法

 结合数学形态学、视频图像运动分析以及数学统计分析方法,提出了一种用于空中预警控制系统(AWACS)的小型掠地飞行器运动形态学视频检测方法。该方法首先应用形态学tophat滤波提取出视频图像中的可疑目标(SO),并求取SO的运动参数,利用真实目标和类目标干扰的不同运动特性,应用数学统计的方法对各运动参数进行分析以剔除部分类目标干扰,从而获得潜在目标(PT)的灰度分布和运动参数。在应用形态学tophat滤波器进行可疑目标提取中,一种新的金字塔型结构元的引入有效减少了虚警数量。外场试验表明,该检测方法能够有效抑制航拍掠地飞行器视频图像中的地物干扰,降低虚警目标的数量。     

A salient edges detection algorithm of multi-sensor images and its rapid calculation based on PFCM kernel clustering

Multi-sensor image matching based on salient edges has broad prospect in applications, but it is difficult to extract salient edges of real multi-sensor images with noises fast and accurately by using common algorithms. According to the analysis of the features of salient edges, a novel salient edges detection algorithm and its rapid calculation are proposed based on possibility fuzzy C-means （PFCM） kernel clustering using two-dimensional vectors composed of the values of gray and texture. PFCM clustering can overcome the shortcomings that fuzzy C-means （FCM） cluster- ing is sensitive to noises and possibility C-means （PCM） clustering tends to find identical clusters. On this basis, a method is proposed to improve real-time performance by compressing data sets based on the idea of data reduction in the field of mathematical analysis. In addition, the idea that kernel-space is linearly separable is used to enhance robustness further. Experimental results show that this method extracts salient edges for real multi-sensor images with noises more accurately than the algorithm based on force fields and the FCM algorithm; and the proposed method is on average about 56 times faster than the PFCM algorithm in real time and has better robustness.     

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°。     

Moving Object Detecting Method in Video

A method of moving object detection that integrates image gradient information with motion information is described herein. One multi-scale morphological gradient operator is used to detect gradient information. This operator has a very good effect on the detail of the edge location. The result is superior to the traditional method in edge continuity and isotropy. Past approaches have used methods of detection based on motion information and edge information, but this is the first to use a multi-scale morphological gradient operator. The implementation described can operate on lower resolution images under difficult conditions. Novel contributions include: 1. Based on multi-scale morphological gradient operator, this algorithm is robust to noise, object shadow, and illumination. 2. Using interframe difference and only the first two frames, this detection method uses very little computation and is suitable for real-time applications. 3. This method can detect rigid-body or non-rigid-body moving objects among video sequences with complicated backgrounds.     

基于红外视觉/激光雷达融合的目标识别与定位方法

近年来,基于可见光图像的目标识别在无人车感知领域得到了广泛应用.然而,可见光图像目标识别无法应用于弱光和黑暗环境.针对于此,提出了一种基于红外视觉/激光雷达融合的目标识别与定位算法.首先,通过基于颜色迁移的数据增强训练方法,提高了红外目标识别算法的泛化性能.继而,提出了一种基于激光雷达修正的单目深度估计方法,通过视觉图...     

永磁同步电机无传感器转子位置观测器研究

永磁同步电机的运动是一个强耦合非线性动态过程,旋转高频电压注入下 的电机模型存在建模误差,数据采集存在测量噪声和系统噪声,采用传统的线性控制理 论难以达到要求。提出了以不依赖于准确数学模型的广义预测控制算法为基础的转子位 置观测器,可有效提高转子位置检测精度,增强抗干扰能力。仿真实验结果表明,在存 在建模误差和噪声的情况下,基于广义预测控制算法位置观测器的旋转高频注入法可准 确追踪转子位置。     

基于运动信息的视频图像空间目标检测

针对卫星拍摄的以深空为背景的视频图像中空间运动目标的检测问题进行了研究,提出了一种基于运动信息的目标检测算法。首先,通过均值滤波对图像进行降噪处理；然后,采用基于局部统计的可变阈值来分割单帧图像,使用灰度重心法计算像点坐标。当卫星凝视目标区域时,恒星可以认为是静止的,而目标依旧在运动,基于此,可检测出空间运动目标。基于某型卫星在轨拍摄的视频图像验证了算法的有效性。     

基于数学形态学的图像边缘检测技术

边缘检测通常是用类似于素描图的图像表达出物体的要素和特征。实际图像中,边缘由灰度突变的象素点组成,在数字图像处理和分析中具有重要的作用。本文综合国内外最新文献资料,分析了多种基于数学形态学的边缘检测技术:基于多尺度形态学的边缘检测、基于数学形态学多极平均的图像的边缘检测、基于偏微分方程的形态学的边缘检测、基于均衡化和数学形态学的组合边缘检测、基于坐标逻辑的多结构元图像边缘检测等技术,并综合比较了其优缺点,探讨了其发展方向。     

海陆交界非平稳场景星载ScanSAR扇贝效应抑制方法

扫描式合成孔径雷达(ScanSAR)因不受光线、天气影响,能够提供宽测绘带图像而被广泛应用在海洋监测领域。但ScanSAR图像的扇贝效应(Scalloping)和子带拼接效应(Inter-Scan Banding,ISB)严重地降低图像质量,尤其在海陆相接一类的非平稳场景下,干扰更为严重,影响图像的应用效能。针对上述问题,文章给出了一种基于图像分层和卡尔曼滤波的ScanSAR图像扇贝效应和子带拼接效应的抑制方法。针对非平稳场景,先进行图像分层处理使其满足线性卡尔曼滤波需求;然后,利用加性二维周期函数对子图层的扇贝效应和子带拼接效应进行建模;再将卡尔曼滤波器应用于条纹抑制;最后,对真实ScanSAR图像数据的有效处理结果验证了算法的有效性。     

基于运动特征和中心环绕模型的空对地车辆检测方法

平台的移动基于空基车辆检测以其视野广、速度快、适应性强等优点,近些年成为了智能交通和航空应急救援等领域内的一个热点课题。然而,在城市背景的交通环境下,由于复杂背景造成的干扰、车辆运动的不规律性以及光照等条件变化带来的噪声,有效地获取运动对象特征是空对地视觉监视方法面临的一个难题。为有效解决这一问题,提出了结合运动特征的中心环绕模型进行空对地车辆检测的算法。现有的空对地车辆检测算法,大多是针对固定的摄像头的情况下,基于运动特征进行检测,例如光流法、背景差法等。这些方法在对高速公路等背景相对较为简单的环境下获得了良好的检测结果,但当面对城市复杂背景条件或摄像头自身运动的状况时,难以有效地检测出运动目标。而在对颜色、强度等静态特征进行显著度分析的基础上,加入了对运动特征的分析,可以解决在复杂环境下准确提取车辆目标有效特征的问题。试验表明,相较于基于图像相减的检测算法和单一显著度算法,该算法可以获得更高的检测率与更低的误报率。