基于协方差描述子的彩色图像分割算法

为克服模糊C均值聚类图像分割对噪声较为敏感的缺陷,提出了一种结合协方差描述子的模糊C均值聚类算法。采用协方差描述子的滤波能力以改善传统模糊C均值聚类算法对噪声敏感的缺陷;提取超像素的协方差矩阵作为特征,降低图像识别的特征冗余。并做了仿真实验,对提出的算法与三个图像分割算法进行比较,结果表明该图像分割算法具有较好的噪声鲁棒性和分割准确率。     

一种基于模糊C均值的图像超像素分割方法

在分析现有图像分割算法基础上,提出一种基于超像素的模糊C均值分割算法.首先利用像素间灰度和距离定义像素间相似度,从而循环迭代出图像的超像素;然后进一步提取每个超像素的小波能量特征并利用模糊C均值算法对该特征进行聚类.大量实验表明,提出的图像分割算法对噪声有一定稳健性,分割准确率高,并能有效抑制孤立点的影响.     

基于X射线焊缝图像缺陷特征提取的研究

本文针对X射线焊缝图像的复杂性,提出了准确快速的提取焊缝区域和缺陷的方法。由于检测到的X射线图像具有对比度不高、光照不均、缺陷边缘模糊、图像噪声多、存在较大的背景起伏等缺点,首先对含有缺陷的焊缝图像进行一系列的图像预处理;然后采用自适应阈值分割算法来提取焊缝缺陷区域,为缺陷特征测量做准备工作;最后,在图像本身所包含的几何特征、灰度特征、结构信息、颜色信息等特征中,对缺陷图像进行几何特征的测量,以便对缺陷类型进行分类。结果表明,该方法能较准确地提取射线图像的焊接缺陷,并能较准确的获取该缺陷的几何和代数特征,具有良好的适应性和实用性。     

一种用于消除红外图像噪声的自适应加权滤波算法

针对带有高斯噪声和椒盐噪声两种混合噪声的红外图像,提出了一种自适应加权混合去噪算法。该算法首先通过邻域像素的灰度差值来判断像素噪声的类别,然后对高斯噪声采用自适应加权均值滤波法滤除,对椒盐噪声采用自适应加权中值滤波算法滤除。实验表明,该方法优于传统均值滤波算法和中值滤波算法,能同时消除混合噪声,并具有较好的保护图像细节的能力。     

复杂纹理背景下的红外图像目标提取

纹理特征是红外图像中的重要因素之一.提出了一种复杂纹理背景下的红外目标提取算法.由于均值漂移算法是一种非参数密度估计算法,在图像分割中得到了广泛应用,所以首先通过均值漂移算法对红外图像进行平滑处理,以消除噪声对图像质量的影响;然后对平滑后的红外图像的像素进行均值漂移图像分割,并结合8邻域差值聚类法提取出红外目标前景信息.与传统的纹理处理方法相比,该算法可剔除纹理背景而保留非纹理目标,无监督性和适应性较好,在军事领域具有一定的应用价值.     

基于自适应平滑滤波的图像增强

为了有效增强含有噪声点的图像,采用基于自适应平滑的图像增强方法。首先根据当前像素点与周围相邻像素点灰度之差决定是将此点进行均值滤波还是沿着某方向进行加权滤波,即利用多个平滑模板对图像进行自适应平滑滤波得到平滑后的图像;然后将原图像减去平滑后的图像得到细节图像;最后将细节图像乘以系数后加在平滑后的图像上得到增强的图像。与单纯的平滑、单纯的锐化相比,此方法不仅有效去除了噪声,又增强了图像的细节,增强效果明显。     

基于局部模糊熵与Otsu的图像阈值分割

传统的图像阈值分割方法对噪声和灰度不均匀敏感,且阈值的确定主要依赖于灰度直方图,未考虑图像中像素的空间信息。通过对含噪声图像像素属性的深入分析,提出了一种基于局部模糊熵和Otsu的图像阈值分割方法。局部模糊熵的滤波作用提高了算法的抗噪性,Otsu的自动阈值选取则提高了算法的可靠性。实验结果表明,该方法能自动、有效地选取阈值,分割效果优于传统的阈值分割方法。     

X射线线阵探测器校正与滤波

针对X射线线阵探测器像素响应不均而造成X射线图像产生竖条纹,以及由探测器本身和外界产生噪声干扰的问题,提出了一种新型的校正与滤波模型,解决了传统校正方法因忽略噪声影响而使得校正完成后数据波动较大的问题。结合X射线特性及X射线线阵探测器的成像原理,分析了像素响应不均时的输出特性及噪声,建立了改进的两点校正算法与基于偏微分方程的半隐式差分滤波模型。实验证明,分辨率为19 216的X射线线阵探测器在经过该模型校正后,有效地解决了像素响应不均的问题,抑制了噪声的影响,在位深为16 bit的情况下,平均均方误差低于五个灰度级,提高了X射线图像检测的质量。     

结合Delaunay三角网的图像分割

为了有效消除图像噪声影响，提出结合Delaunay三角网的图像分割方法。首先，将像素灰度看作定义在像素格点上的‘高程’，并在此三维图像表达上构建Delaunay三角网，该三角网在图像域上的投影将图像域划分成若干个子区域，形成超像素，再对每个子区域内像素灰度值做均值化处理，由此将原图像转换为均值图像；最后在均值图像上进行图像分割，可以很好地削弱噪声对图像分割的影响。采用本文思想，基于Intel(R) Core(TM) 3.20GHz/2G内存/Matlab2015a平台，以经典的模糊C均值（Fuzzy C-means, FCM）图像分割算法为例，分别对Berkeley标准测试图像和遥感图像进行了分割实验。生成一幅具有三个同质区域的模拟图像，分别采用对比算法和本文算法对模拟图像进行分割测试，对比算法1（基于ENVI平台的ISODATA分割算法）的三个同质区域（1-3）的用户精度、产品精度、总精度和Kappa值分别为74.87%/55.72%/73.64%、83.98%/37.87%/85.38%、70.25%和0.54；对比算法2（基于中值滤波的FCM分割方法）的三个同质区域（1-3）的用户精度、产品精度、总精度和Kappa值分别为98.16%/70.54%/99.73%、88.10%/99.16%/87.87%、89.93%和0.84；本文算法的三个同质区域（1-3）的用户精度、产品精度、总精度和Kappa值分别为96.25%/80.35%/99.49%、99.76%/94.53%/86.67%、93.30%和0.89。定性和定量的测试结果验证了本文方法的有效性、可靠性和准确性。      

基于FCM的分块自适应图像分割方法研究

基于模糊C均值聚类（FCM）的图像分割是应用较为广泛的图像分割方法之一,但是传统的模糊C均值聚类算法都是基于欧氏距离的,对于图像中的噪声是十分敏感的。针对这一局限性,提出一种基于FCM的分块自适应图像分割方法。该方法不仅考虑了噪声不均匀分布对分割结果的影响,而且充分考虑了图像像素的灰度信息和空间信息。通过对含有噪声的自然图像和合成图像的分割试验,我们可以得到,与传统的FCM图像分割算法相比,本文方法能显著提高含有噪声图像的分割质量。     

基于加权平均值的汽车车牌监控图像过滤技术研究

车牌监控图像由于照明、天气、运动目标位置和运动目标速度的不同,图像质量差异很大,从而不利于车牌监控的定位和识别。本文采用最大值法、平均值法和加权平均值法三种方法对车牌监控图像进行过滤,结果表明：采用加权平均值法进行车牌图像颜色过滤能够保留绝大部分的汽车车牌信息,使得目标和背景之间边界清晰,是一种较好的车牌图像彩色过滤方法。     

X射线环焊缝图像降噪及增强方法研究

为了降低X射线焊缝图像中的椒盐和高斯混合噪声,在结合中值和均值滤波优点的基础上,提出一种基于噪声强度概率识别滤波器,首先对两种噪声分离,然后根据像素点受噪声污染的概率大小,选择不同的滤波窗口,这样既保留了图像的细节又有针对性的除去了噪声;在增强部分,提出一种非线性图像增强方法,具有自动针对焊缝区域增强而非背景区域,可以有效增强环焊缝X射线图像至个人最佳视觉感受值,较传统方法增强效果好且更符合工业现场需求,最后,通过实验验证了所提降噪及增强方法的可行性及优势。     

基于改进的各向异性SUSAN算法的MEMS微结构图像滤波

为了改善在滤除微机电系统微结构图像的噪声时导致边缘模糊的问题,提出了一种改进的各向异性SUSAN滤波算法。该方法用独立强度传播模型决定长短轴的方差,由该点的梯度方向决定滤波器的长轴方向,由局部图像的灰度值与核值的差构成的局部均值构成SUSAN滤波器的自适应阈值,从而构建出各向异性SUSAN滤波器。该算法在平滑图像同时能保持图像的边缘特征。结果表明,各向异性SUSAN滤波器能够很好地降噪并保持图像的边缘信息。     

空域红外图像的背景噪声分析及预处理

文中就如何提高空域背景下弱小目标的信噪比问题展开讨论，基于对背景噪声的统计分析提出了自适应滤波和小波分析两种图像预处理算法，达到抑制背景噪声，增强小目标的目的，并将二者进行了性能分析。     

指纹图像的预处理算法

提出了基于方向特性的指纹预处理算法,包括前景/背景提取、平滑、二值化、二值滤波、细化5部分。该算法通过计算指纹方向图对指纹图像进行分割,依据方向场实现二值化,最后采用骨架提取技术细化指纹。这套算法成功减少了原特征的丢失和伪特征的增加。实验结果显示,该算法能够去除噪声,得到较高质量的指纹图像。     

基于提升小波变换和中值滤波的图像去噪方法研究

针对实际拍摄的背景复杂、目标对比度和信噪比低的图像,在综合考滤图像去噪平滑效果、图像清晰程度和时间复杂度的基础上,提出一种基于提升小波变换和中值滤波的图像去噪方法.首先对含噪图像进行提升小波分解,再在图像高频部分进行中值滤波以改善图像的消噪效果,最后采用信噪比(SNR)与均方根误差(RMSE)和图像灰度曲面图作为图像去噪效果的评估,将提升小波变换和中值滤波相结合的图像去噪方法与小波去噪、小波与中值滤波结合消噪等进行对比实验.实验结果表明,该方法既能消除图像噪声又能达到保持其图像边缘要求,且时间度较低.     

一种基于极值的自适应中值滤波算法

图像平滑处理中,如何在去除噪声的同时完整地保留图像边缘细节一直是非线性滤波算法研究的热点问题。提出了一种基于极值的自适应中值滤波算法,该算法根据图像中某点是否为邻域极值点将全部像素分为可疑噪声与信号两类。对可疑噪声点采用包括八个一维窗口和一个二维窗口在内的不同尺度和不同方向的九个子窗口,按照各个子窗口的均方差大小,自适应选择窗口进行中值滤波;对信号点不加处理,灰度值不变。测试结果表明,该算法的滤噪特性和细节保护能力优于多级中值滤波;执行速度较快,优于经典中值滤波。     

一种基于图像平滑的阈值分割方法

阈值分割是图像分割技术中一类广泛使用的方法,Otsu法是其典型代表。针对Otsu法不能准确分割低对比度或低信噪比的图像的缺点,提出了一种新的动态阈值分割方法：先用平滑滤波器平滑得到原始图像的动态背景图像,原始图像与动态背景图像相减得到差图像,在差图像上通过设定阈值来实现原始图像的分割。仿真实验表明,该方法具有较低的算法...     

基于灰度形态学累加和SUSAN算法的红外弱小运动目标检测

本文提出了一种基于灰度形态学累加和SUSAN算法的红外弱小运动目标检测方法.首先利用Butterworth滤波器对原始红外图像进行高通滤波,得到包含少许噪声点和目标点的处理图像;然后,通过基于灰度形态学的多帧累加的方式进一步提高图像的信噪比;最后利用SUSAN检测算子对多帧累加过的红外图像进行分割并将真实目标检测出来.为了提高小目标检测的实时性,给出了基于FPGA DSP的硬件实现结构.实验表明,该方法能够较好地消除背景和抑制噪声,从而准确有效地检测红外运动弱小目标.     

基于人体手指静脉图像分割算法的研究

根据人体手指静脉图像的结构及特点,提出了一种能很好地抑制噪声、剔除图像的伪边缘、准确定位手指静脉图像边缘信息的方法。首先采用高频强调滤波对梯度图像进行增强,然后利用B样条函数对增强后的图像进行多次拟合,最后对拟合的曲面进行分水岭分割。实验结果表明,通过该方法处理的梯度图像再进行分水岭变换,有效避免了过分割问题,同时准确定位了手指静脉图像边缘信息,提高了手指静脉图像分割精度。