基于多结构元的噪声污染灰度图像边缘检测研究

提出了具有多结构元的灰度形态学边缘检测梯度算子 ,根据图像的几何特征 ,采用多结构元对图像细节进行匹配 ,既能提取精细的边缘 ,又能很好地抑制噪声 .实验结果表明这种方法效果优于经典的边缘检测方法     

自动调焦系统中图像清晰度判别方法的研究

利用图像处理方法进行自动调焦的关键是图像清晰度特征值的提取。图像清晰度是衡量成像系统质量的重要指标。现介绍了四种新颖的判别方法,分别是经改进的灰度比较法,点锐度算法,平方梯度聚焦函数法,小波变换法。通过在不同的应用场合对这四种图像清晰度判别方法进行比较,为实际操作时如何选取提供了参考。     

基于深度学习的遥感影像变化检测方法

为了获得可靠的训练样本及提高遥感影像变化检测的精度,提出基于深度学习的遥感影像变化检测方法. 采用结构相似性方法（SSIM）选取纹理特征（灰度共生矩阵法）,通过融合变化向量分析（CVA）方法获取不同时相遥感影像差异图（DI）及纹理特征差异图获得差异影像,并采用构造的变分去噪模型对差异影像进行去噪. 利用频域显著性方法获取去噪差异影像的显著性图,通过模糊c-均值（FCM）算法对粗变化检测图（对显著性图选取阈值获得的）进行预分类（变化类、未变化类及未确定类）. 将从遥感影像上提取的变化像素和未变化像素的邻域特征引入深度神经网络模型进行训练,并利用训练好的深度神经网络模型对差异影像进行变化检测,得到最终的变化检测图. 对3组遥感影像数据集进行变化检测实验,结果表明本研究方法的变化检测精度高于其他比较方法.     

基于HSV空间的创新型车牌定位方法

在HSV空间中,将车牌底色用1表示,非车牌底色用0表示,实现二值化.用二分法扫描滤波后的区域,对黑白变化特征进行识别,完成车牌粗定位.在灰度图像中对提取后的车牌区域进行直方图统计.大于或等于车牌字符灰度值的像素赋值为1,否则为0.然后进行特征提取及投影分析,实现车牌精定位.     

基于灰度直方图均衡的超声医学图象增强方法

对超声心脏图象采用了全局直方图均衡（FFHE）、局域直方图均衡（LAHE）、自适应邻域直方图均衡（ANHE）等直方图均衡的图象增强方法，获得了超声心脏图象的局部组织细节和左心室内膜边缘的增强结果。并根据增强的不同目的比较了几种方法的特点。对于以局部细节为目的的增强采用ANHE效果较好，而以已整幅图象的边界信息为目的的增强采用FFHE方法效果较好。     

直线的光栅转换算法与快速反走样绘制技术

为了实现快速的整数反走样直线绘制,提出了一种基于双残差控制的直线生成方法和一种快速灰度计算技术.新的直线生成算法直接利用残差进行迭代,使每次步进过程能够反映直线绘制的本质特征和更多的信息,以便直接用于反走样绘制的灰度转换.新的灰度计算方法依据直线斜率对灰度变化量进行预估,并在每次迭代中进行校正,完全消除了由距离到灰度的转换.利用快速灰度计算方法仅用3~6次基本运算便可得到像素的精确灰度,从而实现了高效的整数型反走样直线绘制.分析和试验表明,该算法具有良好的反走样直线绘制性能,其效率明显高于现有的同类算法.     

改进Otsu图像分割方法

在计算分割阈值时,利用类内灰度差方进行多次迭代,获得阈值初值。图像总体灰度均值分别与目标及背景进行方差计算,得到最终分割阈值。     

绝缘子图像中的特征目标提取

电力系统的"遥视"功能可以监视变电站的设备运行情况,并将采集到的图像传输到终端。在对设备图像进行分析的过程中,正确提取出分析目标可以大大提高图像处理速度。分别提出了基于灰度特征和颜色特征对绝缘子图像进行目标提取的方法。前者步骤复杂,但受运行时间限制小;后者简单易行,但因涉及颜色特征,仅对运行时间短的绝缘子提取效果明显。     

结合混合符号压力函数的活动轮廓模型

为分割灰度不均图像和各类噪声图像,本文提出了一个结合混合符号压力函数的活动轮廓模型。首先,利用图像的全局和局部信息,根据当前活动轮廓的位置,构造一个混合符号压力函数,该函数通过自适应权值线性组合一个全局压力项和一个局部压力项,得到图像相对于当前活动轮廓的混合压力。然后,结合此混合符号压力函数,构造活动轮廓的演化方程,最后通过交替迭代算法求解模型。实验中采用不同的人造、医学和自然图像对模型进行了测试,实验结果表明,该模型对初始轮廓有较强的鲁棒性,能有效分割灰度不均图像及各类噪声图像,并且相对于其他活动轮廓模型,本文模型具有最好的实验效果。     

梯度和散度在弹丸图像边缘提取中的应用

本文将场论中等位线,梯度和散度的概念引入到图像分析中,基于梯度和散度的积分定义,结合图像梯度和散度的与坐标选取无关的简易近似公式,分析灰度图像梯度和散度的物理意义。本文将上述理论总结为一种图像处理方法,应用于弹丸的边缘的提取中,本文方法处理结果比动态边缘提取算子canny所提取的结果更理想。