一种基于δ函数的图象边缘检测算法

提出了一种基于δ函数的图象边缘检测算法 .首先提出了正则化的 Shannonδ函数 ,它是低通滤波器 ,且其傅立叶变换是无限可微的 ,接着推导了正则化的 Shannonδ函数及其一阶导数的时域和频域公式 ,研究了正则化的 Shannonδ函数及其一阶导数与参数 s和 t的关系 .然后根据正则化的 Shannonδ函数及其一阶导数 ,提出了两种边缘检测算法 :一种是用于精细地检测边缘的 D算法 ;另一种是用于从含噪图象中检测边缘的 C算法 .D算法用正则化的 Shannonδ函数的一阶导数检测边缘 .C算法用正则化的 Shannonδ函数平滑噪声 ,用正则化的 Shan-nonδ函数的一阶导数检测边缘 .最后进行了仿真实验 ,仿真实验表明 ,D算法的性能由其参数决定 ,且该算法优于Sobel算法和 Prewitt算法 ;C算法优于 Sobel算法和 Prewitt算法 ,且与 Canny算法的性能相当 .总之 ,该算法是一种能有效地从无噪声图象中检测细节边缘和从噪声图象中检测边缘的边缘检测算法     

基于灰色系统理论的图象边缘检测新算法

边缘检测是图象特征提取与分析理解的基础,其检测质量直接决定后期理解的效果.寻找一种对噪声不敏感、定位精确、不漏检真边缘又不引入假边缘的检测方法,一直是人们的努力目标.本文尝试与探讨了基于灰色系统理论的图象边缘检测新算法.该算法首先对图象基元的特点进行分析,以确定非边缘点参考序列和待比较序列,然后通过两个序列之间的灰色关联度区分边缘点和非边缘点.实验结果证明,该算法不仅能够较为准确地检测出有用的边缘信息,具有一定的抗噪声能力,而且还可通过调整关联度阈值控制边缘信息量,因此其是一种有效的、具有可调功能的边缘检测新算法.     

基于视觉神经元ON—OFF模型的图象增强

探讨基于视觉神经网络 ON- OFF模型的图象增强 .通过计算仿真 ,找到了关于这种视觉模型应用于图象处理合适的实现形式 ;探讨了衰减常数和颜色恒定性的关系 ;以及空间常数变化和动态范围压缩与细节增强能力的联系 .使用合适的衰减常数 ,可以使该神经元模型在颜色恒定性计算上性能优良 ,同时 ,适当大小的空间常数 ,能够在颜色保真度和图像增强性能之间取得合适的平衡 .神经网络对复杂背景图象的增强效果良好 ,但是由于同样基于“灰度世界”假设 ,因此在处理违反这一假设的特殊图象时 ,此模型在颜色表征上仍然具有缺陷 ,这就部分限制了模型的应用 .最后探讨了可能的改进方向 .     

基于小波域边缘方向特征的SAR图象噪声抑制方法

给出了一种新的基于小波变换的合成孔径雷达 (SAR)图象斑点噪声抑制方法 .利用每一级小波分解得到的小波系数子带 HL和 L H,以及对原图进行水平方向旋转正负 4 5°扫描后得到的另外两个正交方向的小波系数子带 rc HL和 ra HL ,可以判断出对应点边缘方向性的强弱 ,通过设定方向性阈值 ,确定该点是否位于边缘上 ,进而对没有位于边缘的点进行平滑 ,达到保留图象边缘的同时 ,抑制斑点噪声的目的 .为解决对某些振荡型边缘的检测问题 ,还结合阈值法 ,对该方法做了改进 .实验表明 ,与小波域的硬阈值或软阈值去噪方法相比 ,此方法在有效地抑制斑点噪声的同时 ,更好地保留了 SAR图象中的边缘和纹理信息 .     

用于显微细胞图象的二维自适应阈值分割算法的优化

为了改善细胞图象的分割效果 ,考虑将二维自适应阈值分割算法应用于显微细胞图象的分割 .针对细胞图象的二维直方图特点和分割要求 ,在对传统二维阈值分割算法进行优化和简化的基础上 ,通过改变阈值取值范围、优化阈值搜索方法等措施 ,提出了一种快速实现细胞图象二维自适应阈值分割算法 .仿真结果表明 ,新算法与传统算法相比 ,不仅大大减少了计算复杂性 ,同时还使分割效果得到了一定程度的改善     

基于三维离散余弦变换的静止彩色图象压缩

为了既能获得较高的压缩比 ,又能保证较好的图象质量 ,提出了一种基于三维离散余弦变换 (3D DCT)的静止彩色图象编码方法 .在此算法中 ,首先将原始图象分割成互不覆盖的 8× 8子块 ;然后根据局部能量的大小将各子块分为 4类 ,再把属于同一类的子块组合到一起 ,形成三维立方体并对三维立方体进行三维离散余弦变换 ,从而提高压缩效率 .计算机模拟结果表明 ,此算法在压缩比高于 4 0时 ,其平均峰值信噪比约为 2 9d B,解压后的图象质量有较高的保真度 ,在同等情况下 ,其比 JPEG标准提高约 5 d B     

基于四元数描述的彩色图象边缘检测器

为了对彩色图象进行有效的边缘检测 ,提出了一种彩色图象边缘检测的新方法 ,该方法先是采用基于四元数的滤波器来确定当前像点是否在同质区域边缘 ,进而检测出边缘像点 .实验表明 ,该方法对合成及自然彩色图象均有较好效果 ,能够方便快捷地得到图象的边缘 .     

面向图象压缩的图象分类及压缩结果预测

图象数据存在冗余使图象压缩成为可能 ,而不同图象的数据冗余度特别是空间冗余度相差很大 .对被压缩图象的空间冗余度这一图象的本质属性进行研究、减少图象压缩及方法选择时的盲目性是非常必要的 .为此提出了面向图象压缩的图象分类这一新概念以及具体分类算法 .该算法利用图象小波高频系数的分布特点 ,采用图象边缘度作为图象空间冗余度的度量 ,将不同内容的图象按边缘度大小分类 .分类的结果可对不同图象的压缩结果进行预测 .实验结果表明 ,图象分类结果和对压缩结果的预测是有意义的 ,并与人的视觉相吻合 .该分类思想对其他图象处理算法的选择和优化也有参考价值 .     

基于噪声调节主成分分析法的彩色图象融合滤波

彩色图象滤波是图象处理领域中的经典命题之一.由于滤波算子选择的不同,滤波后影像的质量也不尽相同.为此在分析经典滤波算子的滤波器特性的基础上,将含噪彩色图象的亮度分量分别经过中值滤波与小波软门限滤波,形成亮度滤波结果图象,而后利用基于噪声调节的主成分分析法对彩色图象与亮度滤波结果影像进行融合处理,得到融和滤波图象.同矢量中值滤波器和α-TMF滤波结果影像相比,融合滤波后影像与原始影像具有更好的峰值归一化均方误差,能够更加真实地反映原始景物的色彩信息.实验证明,该融合滤波方法能有效地滤除高斯噪声、脉冲噪声及其混合噪声.     

傅氏变换的自配准性质及其在纹理识别和图象分割中的应用

图象按纹理一致性进行辨识和分割是图象分析中的一个重要问题 ,有着广泛的实际应用 .讨论了傅氏变换应用于纹理识别的机理 ,并基于此提出了一种图象分割算法 .图象中的纹理线条呈现出很多方向 ,并随机地分布在图象的各个位置 ,然而对于它的傅氏变换幅度谱来说 ,相同方向的线条无论其位置如何 ,它们的贡献会被叠加在一起 ,集中地反映在通过频谱中心垂直于原线条方向的条带上 .这一现象被称为傅氏变换幅度谱的自配准性质 .首先对这一性质进行实验个例的研究和理论分析 ,然后设计算法将其应用于图象的纹理辨识和基于纹理的图象分割实验 ,取得了较为满意的效果 .实验证明 ,得益于自配准性质 ,傅氏变换方法不失为一种有潜力的纹理分析和图象分割方法 ,值得进一步扩展更多的图象应用领域     

基于局部不变特征及离群检测的图像区域克隆认证算法

针对数字图像出现的区域克隆安全问题,提出基于局部不变特征及离群检测技术的数字图像区域克隆认证算法。该算法首先通过高斯差分算子检测图像尺度空间中具有局部不变特征的特征点;接着,基于欧氏距离相似性度量和最近邻距离比率匹配策略,通过局部不变特征匹配检测图像区域克隆;最后,通过离群检测验证匹配结果。实验表明,该算法不但对图像区域克隆具有很好的检测效果,而且能有效抵御各种后处理篡改攻击。此外,与现有算法相比,本算法具有较高的计算效率。     

一种高效异常检测方法

借鉴万有引力思想提出了一种差异性度量方法和度量类偏离程度的方法,以此为基础提出了一种基于聚类的异常检测方法。该异常检测方法关于数据集大小和属性个数具有近似线性时间复杂度,适合于大规模数据集。理论分析以及在真实数据集上的实验结果表明,该方法是有效的,稳健并且实用。     

基于边缘检测的图象小波阈值去噪方法

边缘特征是图象最为有用的高频信息，因此，在图象去噪的同时，尽量保留图象的边缘特征，应是图象去噪首要顾及的问题。基于这一思想，提出了基于边缘检测的图象小波阈值去噪方法。该方法在去噪之前，先通过小波边缘检测方法确定哪些小波系数是图象的边缘特征，这些小波系数将不受阈值去噪的影响，因此，可以只是根据噪声方差来设置去噪的阈值，而不必担心损害图象的边缘特征。理论分析和实验结果都表明，与普通的小波阈值去噪方法相比，该方法不但可以保持图象的边缘信息，而且能提高去噪后图象的峰值信噪比1-2dB。要做到既去除图象噪声，又不模糊图象边缘特征是很困难的。该方法把去噪和边缘检测结合起来，在一定程度上解决了这种两难的问题。     

基于噪声水平估计的图像盲去噪

三维块匹配(BM3D)去噪是当前去噪性能最好的算法之一。但由于时间复杂度较高,而且需要输入精确的图像噪声水平参数,极大地限制该算法的广泛应用。因此,文中首先采用基于网格的块匹配策略,提出快速三维块匹配(FBM3D)算法。然后提出基于迭代的盲图像噪声水平估计算法,由SVM学习算法确定迭代的初始值,再由图像质量判定迭代是否终止。测试实验表明,与原始的BM3D算法相比,该算法在计算效率、视觉感知效果和定量评测方面均有明显改善。     

一种基于属性的异常点检测算法

异常数据检测是数据挖掘研究的热点之一。本文在对现有异常点检测算法分析的基础上,提出了一种基于属性的异常点检测算法。简要地介绍了异常检测的现状,对基于属性的异常检测算法进行了详细分析,包括算法设计基础、算法描述、复杂度分析等。并通过与基于距离的异常点检测算法进行实验比较,表明了算法的优越性。     

基于像素同龄组和相邻组的绝缘子去噪方法

针对红外图像带有脉冲噪声和高斯噪声的特点,提出了一种新的去噪方法。首先根据像素同龄组所含的个数来确定脉冲噪声和信号区域,然后利用像素相邻组判断目标边缘,在保持边缘和有用信号区域不变的同时,利用同龄组内的像素平均值对其它像素进行去噪处理。实验表明,该方法在信噪比上比其它方法要优越,并且能较好地保留边缘等细节信息。     

基于图象的绘制中的纹理编辑

现有的基于图象的绘制 (IBR)系统中 ,只能提供新视点的图象 ,并不具有对场景编辑的功能 .由于 IBR系统的场景模型不同于传统图形学 ,难于直接应用传统图形学中已有的方法进行编辑 .为此提出了一种修改 IBR场景中物体的表面纹理的方法 ,这种方法通过在原始的参考图象上指出编辑区域并给出纹理定义 ,修改各个视点上的纹理 .这种方法不限制编辑区域的形状、尺寸 ,并且考虑了亮度信息 ,适应了环境光照 ,使新纹理与原有场景更好地融合在一起 .实验证明 ,场景的复杂程度并不影响本方法的效果 ,但是由于本方法不能得到场景物体准确的三维数学模型 ,无法用现有图形引擎进行绘制 ,因此无法实现硬件加速 ,不适用于过大的场景     

基于构造型神经网络的异常模式发现方法

数据流的异常模式检测中,有时受噪声等因素影响发生概念漂移,影响了检测效率。针对此问题,提出一种基于构造型神经网络增量学习的异常模式动态检测方法,以提取滑动窗口内数据的数据概要,修正全局数据概要,更新已有的学习模型。另外,数据流速、流量等因素也影响检测效率,采用粒度分析思想改进检测方法,设置合适的时间滑动窗口,根据数据量自适应选择分析粒度,进而更准确地发现异常模式。无线电通信信号监测数据异常模式检测实验验证了本方法的有效性。     

单幅雾天图像的同步去噪与复原

在单幅雾天图像复原中图像不可避免地存在大量噪声,这会对复原结果带来很大影响。文中提出一种基于联合双边滤波的单幅雾天图像同步去噪和复原算法。该算法首先根据暗通道先验假设估计出可反映场景深度特性的初始传输图。其次,利用联合双边滤波器,在原始图像的引导下对初始的粗糙传输图进行细化,有效降低光晕现象的出现。再使用一次双边滤波求解复原图像,在得到去雾图像的同时实现图像去噪。最后,在滤波过程中引入一个色彩恢复因子,解决复原过程引起的色彩失真问题。文中对各种类型的图片进行对比实验,结果表明该算法能在去雾的同时有效抑制图像中的噪声,并保持较低的计算复杂度。此外,引入的色彩恢复因子也给复原图像带来丰富的色彩。     

基于支持对象的野点检测方法

从模式识别的角度出发，分析了基于核的野点检测方法，指出随着样本数目的增加，该方法会因为过大的优化规模而无法实际操作，为此提出了基于支持对象的野点检测方法，该方法大大降低了运算规模和内存需求，保证了野点检测实时性的要求。