基于MAS小波变换的红外小目标检测方法

提出一种基于MAS小波变换多尺度相关的红外小目标检测方法.该方法通过二进MAS小波对图像进行多尺度分析;利用边缘和噪声具有不同的Lipschitz指数造成它们的小波变换模在不同尺度下的不同传播特性,根据小波变换模尺度相关性区分边缘和噪声;利用小目标与背景和云层边缘具有不同的奇异性,在相同尺度下小波变换模不同的特性加以区分,得到最终的检测结果.实验结果表明,该方法能够有效地进行红外小目标检测.     

一种改进多尺度形态边缘检测算法

提出一种改进的多尺度形态边缘检测算法。用不同尺度大小的结构元素分别检测出图像的不同尺寸的边缘信息,运用本文提出的基于直方图配准的自适应方法对所获不同尺寸的图像边缘进行融合,获得理想的图像边缘,有效地消除了噪声。实验结果表明当图像中加入了强度超过20％的椒盐噪声后,检测到的边缘仍然非常清晰。     

基于边缘检测的邻域加窗图像去噪算法

针对目前图像去噪算法中,消除噪声的同时又破坏边缘细节信息的问题,本文提出了结合边缘检测及邻域加窗的新算法.该算法采取平稳小波基以保持相位不变性,对低频和高频子带进行边缘检测,并将检测后的边缘信息选择后融合,即可得到原图像近似的边缘信息.依据小波方向性特点和层内相关性原理,对不同的子带在非边缘信息处采用不同的模板进行加窗处理.实验结果表明,该方法在降低了图像噪声的同时又尽可能地保留了图像的细节,较好地复原了图像.     

采用零树结构分类小波系数的红外图像降噪

红外图像易受噪声污染,为了改善红外图像的质量,提出了一种基于零树结构分类小波系数的红外图像降噪算法.该算法利用小波零树结构表达尺度间的相关性,通过空间自适应阈值将小波系数进行分类,并根据不同类系数的统计特性采用不同的先验分布模型,在贝叶斯框架下实现降噪.实验结果表明,本文算法在峰值信噪比(PSNR)指标上优于传统算法;从视觉效果来看,该算法在有效去除图像噪声的同时能较好地保持空间细节,可以满足当前红外图像降噪的需求.     

基于小波变换与形态学的车牌定位方法

针对信号噪声环境下的车牌定位问题,提出了一种基于小波变换和数学形态学的图像定位方法.该方法先用自适应滤波多尺度边缘检测方法检测出车牌的边缘;然后用数学形态学方法对阈值二值化后的边缘图像进行系列形态运算,进一步消除无用信息;最后用基于车牌底色识别的方法进行车牌定位.实验结果表明,该方法定位效果好,适于有噪声的车牌图像进行定位.     

基于边缘探测的密集颗粒图像分割方法

针对密集的颗粒图像提出了一种基于边缘探测的颗粒分割方法.该方法采用分块自适应的边缘检测算法实现对图像的边缘检测,并采用形态学方法去除边缘噪音;采用分水岭算法对图像进行初步分割,根据分割区域自动选取种子点,并利用区域面积对种子点进行修正,然后从种子点发射探测线探测边缘位置,记录边界点,通过判断机制判别出由于边缘不完整或噪...     

一种基于Gabor滤波器的超声图像边缘检测方法

针对检测超声图像的边缘问题，介绍了一种基于Gabor奇部滤波器进行边缘检测的综合方法。为了去除图像噪声，首先进行基于小波变换和中值滤波的降噪处理，然后利用高斯函数平滑图像。在边缘检测过程中，使用Gabor奇部滤波器检测边缘。最后，使用非最大值抑制得到最终结果。结果表明该方法是对超声图像进行边缘检测的一种有用方法。当然，该方法也具有普遍性，可以应用到其他图像。     

基于线奇异性分析的图像边缘检测方法

针对基于图像像素点分析的边缘提取方法存在无法同时满足高抑噪性、连续性,定位性等问题,本文提出了方向Beamle变换(DBT)方法,在定义图像线奇异性的理论基础上,利用DBT对图像进行线奇异性分析,依据Beamlet变换具有的线段提取能力,将图像边缘检测问题转化为方向Beamlet变换系数矩阵中奇异点的检测问题,以降低噪声点对边缘检测结果的影响.通过对人工图像以及SAR图像的实验,与经典边缘检测算子相比较,验证了本方法具有较强的抗噪性,特别是针对直线边缘,在抑制噪声影响的同时保证了线状边缘的直线连接性,抗噪性较强.     

基于小波变换的图像边缘检测算法的研究

在对经典的图像边缘检测算法深入分析的基础上,进一步完善了基于小波变换的边缘检 测算法.随尺度增加,边缘和噪声的小波幅值表现出不同变化特性,从而在低信噪比的信号中检测出噪声和边缘.实验结果表明,基于小波变换的图像边缘检测算法能够比其它算法保留更多的图边缘信息,鉴别出伪边缘,其精度能够满足基于图像处理技术的各种质量检测系统的要求.     

基于EMD方法的多尺度边缘提取

提出了一个基于EMD方法的多尺度边缘提取方法。利用EMD方法沿水平方向和垂直方向分别处理SAR图像，得到不同尺度的图像。计算不同尺度图像的梯度，得到不同尺度图像的边缘。根据一致性条件，从不同尺度图像的边缘提出SAR图像的边缘。利用这个方法处理了合成孔径雷达图像，成功地提取了图像的边缘信息。     

基于改进的灰色关联度的根系图像边缘检测

目的实现对植物根系形态基本参数的计算和分析。方法针对阵列分布内窥式图像获取技术采集的根系图像,提出一种改进的灰色关联度的边缘检测算法。该算法基于灰色关联分析理论,采用变权的邓式关联度模型,利用Sobel算子的2个模板作为参考序列,选取像素的八邻域分量值形成比较序列,通过两类序列之间的关联度实现边缘检测。结果仿真结果表明该算法与传统的边缘检测算子相比,能够较准确地检验出有用的根系边缘信息。结论基于Sobel算子的变权关联度的根系边缘检测算法有效地提高了边缘检测效果,具有一定的抗噪性能。     

基于分形特征的图像边缘检测方法

运用分形理论描述图像纹理特征,通过分析不同纹理图像及图像边缘处的分形参数,得到一种新的边缘检测分形特征,从而提出一种基于分形特征的图像边缘检测方法。自适应阈值的引入,能够实现不同图像的边缘检测。该算法简单迅速,并具有良好的抗噪性能。     

The spatial statistics of structural magnetic resonance images: application to post-acquisition quality assessment of brain MRI images

This report describes a new quality evaluation method for structural magnetic resonance images (MRI) of the brain. Pixels in MRI images are regarded as regionalized random variables that exhibit distinct and organized geographic patterns. We extract geo-spatial local entropy features and build three separate Gaussian distributed quality models upon them using 250 brain MRI images of different subjects. The MRI images were provided by Alzheimer's disease neuroimaging initiative (ADNI). Image quality of a test image is predicted in a three-step process. In the first step, three separate geo-spatial feature vectors are extracted. The second step standardizes each quality model using corresponding geo-spatial feature vector extracted from the test image. The third step computes image quality by transforming the standardized score to probability. The proposed method was evaluated on images without perceived distortion and images degraded by different levels of motion blur and Rician noise as well as images with different configurations of bias fields. Based on the performance evaluation, our proposed method will be suitable for use in the field of clinical research where quality evaluation is required for the brain MRI images acquired from different MRI scanners and different clinical trial sites before they are fed into automated image processing and image analysis systems.     

模糊推理在边缘检测中的应用

针对传统边缘检测算法边缘轮廓模糊、易产生伪边缘等缺点,提出一种基于模糊逻辑推理策略的边缘检测新方法,在无需确定阈值的情况下对数字图像进行边缘提取。给出一种以变化的3×3模板为基准的模糊推理规则,通过对周围像素点的垂直和水平方向以及连续四点像素的黑白分布的判断,提取出图像中的黑点、白点和边缘部分。实验结果表明:与Robert算法相比,该方法对图像中噪声和双重边缘的抑制以及对曲线的圆度轮廓的提取都有很好的效果。     

基于小波和奇异值分解的图像边缘检测

针对传统图像边缘检测抑制噪声能力弱的问题,给出了一种小波变换和局部梯度场内奇异值分解相结合的边缘检测方法.首先在图像预处理阶段,为了提取准确的边缘特征,文中利用小波变换的时频局部化特性,对图像进行小波变换.该文对用小波求取的梯度场使用局部梯度奇异值分解的方法;利用奇异值的特性和良好的稳定性,使提取的边缘特征更加突出并且能够达到抑制噪声的目的.实验证明该文方法既能在无噪声影响的图像中提取出清晰完整的单边缘,又能在有噪声干扰的情况下提取出理想的边缘.     

基于数学形态学的彩色图像边缘检测

为了克服传统边缘检测方法对噪声敏感的缺点,提出了一种基于数学形态学的彩色图像边缘检测新方法。该方法是在RGB空间内,把每个像素作为一个向量进行排序,将灰度形态学推广到了彩色图像。然后通过分析噪声（主要是椒盐噪声）污染图像的特点对彩色图像形态学基本算子进行了改进。改进后的算子有很强的抗噪性,可以直接实现边缘检测。实验表明,与传统方法相比,该算法能够更有效地抑制噪声对边缘检测的影响,并较好地保持图像边缘细节。     

自然纹理背景的目标提取

针对自然纹理背景,提出一种基于多尺度小波特征融合的人造目标检测方法。在小波变换域,纹理背景和目标区域的多级小波系数具有不同的能量分布,能量特征可作为简单、有效的空间特征来检测目标。由于小波函数具有良好的局域性特点,不同尺度下用它检测出的边缘特征点移位不会超过1个像素。融合边缘特征和能量特征进行人造目标检测,可有效地保证目标边界的定位精度,达到较好的鲁棒性和准确性。实验结果证明,该方法对纹理背景下人造目标面积探测的误差率小于5％,目标探测概率大于94．1％。     

基于拉普拉斯金字塔分解的多尺度边缘检测

边缘表现为图像中具有奇异性点的集合,利用改进的拉普拉斯金字塔分解捕获这些奇异性点,得到各尺度下的带通图像,通过分析,得出分解后的带通图像在边缘处产生零交叉点,构造统计量帮助提取零交叉点,再通过多尺度边缘融合实现多尺度边缘提取.与LOG和Canny边缘检测的对比实验表明,所建立的算法能够可靠、有效、精确的获得图像的边缘.     

基于梯度与归一化互信息的印刷图像配准

目的为了提高印刷图像配准的精度。方法提出一种基于梯度和归一化互信息的印刷图像配准方法。首先获取图像的归一化互信息,同时使用边缘检测算子获取图像边缘梯度的模值和方向角,然后根据边缘梯度信息和归一化互信息构造新的测度函数,以新的测度函数为目标函数,用Powell优化算法获取用于配准的最优参数。结果通过将文中提出的方法和基于归一化互信息的图像配准方法分别用于印刷图像配准,得到的统计实验结果表明,对于100项随机配准参数,新方法得出的配准误差波动幅度更小,配准精度更高。结论文中所提方法在准确性上优于基于归一化互信息的图像配准方法。