一种固定阈值的毫米波图像边缘检测方法

文章提出了一种固定阈值的毫米波图像边缘检测方法。根据图像的统计特征确定出像素的标准梯度强度，并采用单阈值对图像进行边缘粗定位，然后施行非最大抑制处理和滤波，得到最终检测结果。由于该算法对各幅毫米波图像设置相同的阈值，故能实现自动检测，同时还具有计算量小的特点。实验结果表明该方法进行毫米波图像边缘检测的有效性和可行性。     

基于图像统计特征的小波变换插值方法

针对一般图像插值方法常见的两个缺点:边缘锯齿、细节模糊,提出了一种基于图像统计特征的小波变换插值方法,该方法利用图像插值前后边缘统计特征的相似性,从低分辨率图像中获取估算高分辨率图像所需的协方差矩阵和向量,保持了边缘光滑性。同时利用小波分解与重构,将图像非边缘的细节特征进行了增强。该方法无需迭代运算,计算量较小。实验结果表明了用该方法获取高分辨率图像的有效性和可行性。     

基于B样条函数的偏徽分方程图像去噪

各向异性扩散偏微分方程(PDE)的图像平滑方法能够在去噪的同时在一定程度上保持图像的边缘特征，但对图像细节的保持仍不理想。提出采用归一化的3次B样条作为扩散函数，给出了新的PDE模型算法，该算法能在除噪声的同时增强图像边缘细节，并可降低迭代次数，对加性和乘性噪声均有效。     

基于统计处理和B样条小波变换的毫米波图像边缘检测

针对毫米波图像噪声强、分辨率低的特点,提出了一种新的边缘检测方法。该方法首先根据统计信号处理理论定义了标准化梯度强度这一物理量;然后采用3次B样条函数的一阶导数作为边缘检测算子,由小波变换后得到的图像水平、垂直方向的高频信息,并根据这些信息确定出标准化梯度强度;接着采用单门限的处理得到图像粗边缘;最后对粗边缘施行非最大抑制处理和滤波来得到检测结果。实验证明,该方法可用固定的单门限自动、快速地检测出毫米波图像中人体背景下物体的边缘,满足安检需要。     

基于压缩采样的图像序列光流场计算

压缩采样是一个新兴的研究领域,为亚奈奎斯特采样频率进行图像获取提供了一个框架。光流场计算在计算机视觉系统中应用广泛,将压缩采样理论引入图像序列的光流计算问题,提出利用梯度图像的空域稀疏性和傅里叶变换的时移性,直接由测量数据求解光流场,该方法无需重建原图像序列,且在同样检测性能的情况下,所需测量数据少,可以降低采样、通信和存储成本。