基于GABOR滤波的大脑MRI图像边缘检测

基于二维Gabor滤波提出了一种对大脑MRI图像进行边缘检测与提取的方法,通过分析、简化、分解Gabor函数,设计了Gabor函数的多个参数,包括中心频率φ,滤波方向θ,以及沿着x轴和y轴Gaussian包络的空间常量σ。在算法实现过程中,恰当选取了一组可以覆盖给定图象整个频率空间的滤波,用这组滤波分别提取图象的局部信息,然后按照一定的规则将滤波后提取出局部信息的多幅图像整合为一幅图像。实验结果表明,该方法相对于传统的Gabor滤波可明显的减少计算量,并可连续、有效的检测边缘信息,定位准确,检测效果明显,对噪声也显示出较好的鲁棒性。     

对微弱线状分布目标的雷达检测方法

针对飞机尾流等空间分布式目标所具有的线性特征,提出一种基于Hough变换的微弱线状分布目标检测方法。首先描述了Hough变换直线检测的一般原理,推导建立了线状微弱分布式目标的雷达回波信号模型,给出了利用Hough变换技术对线状目标回波能量进行空域非相参积累的方法。结合某L波段典型雷达系统参数进行仿真实验,仿真结果表明该方法能够有效地实现对噪声图像中线状微弱分布式目标的检测。根据检测结果,利用逆Hough变换可以对目标空间位置进行较为准确的判断。     

基于RSPWVD-Hough的多分量LFM信号检测

由于多分量LFM信号的双线性时频分布（BTFD）存在交叉项的干扰，所以在低信噪比条件下直接在时频平面难于进行检测，采用重排平滑伪魏格纳维尔分布（RSPWVD），能在抑制交叉项的同时提高时频聚集性，并利用Hough变换检测图像中直线的原理，将多分量LFM信号的检测问题转换为在参数空间寻找局部极大值的问题，由于Hough变换运算量较大，提出一种在平滑重排后进行设定门限处理的方法，仿真实验表明，该方法可以在抑制噪声和交叉项的同时大大减少运算量。     

基于切割聚类的快速多分量LFM信号分离

针对多分量线性调频(linear frequency modulation, LFM)雷达信号检测和参数估计精度低、计算速度慢等问题,提出了一种基于小波变换的切割聚类拟合参数估计的算法。该方法首先通过小波变换得到信号的三维时频分布图,其次采用等高线截取提取出小波脊线,再找出脊线的交点,以交点为界对小波脊线图进行切割,利用模糊C均值聚类完成各LFM分量脊线的聚类,最后分别对每段脊线进行拟合加权,从而估计出多分量LFM信号参数。仿真结果表明,与基于Hough变换检测直线方法相比,不仅在计算复杂度以及参数估计的准确度上都有较大的提升,而且当LFM信号分量达到4个以上亦有较准确的检测精度。     

基于小波变换的图像边缘检测

提出了一种新的基于小波变换的多尺度多分辨率特性的边缘检测方法。分别利用不同尺度小波变换后的水平方向、垂直方向和对角线方向高频信息 ,根据李氏指数与小波变换关系 ,采用零交叉检测方法和极大值在不同尺度下传播的特性 ,检测出图像在 3个方向的极大值。对不同尺度不同方向高频子图像 ,首先采用平均值法确定阈值 ,去除震荡噪声 ,然后对不同方向高频子图像合成的图像 ,根据最大类间方差法 ,计算其阈值 ,求出极大值 ,最后从这 3个方向的极大值中确定出最大值。实验结果表明 ,检测出图像的边缘结果非常理想。     

基于递归修正Hough变换域的舰船多尾迹检测方法

针对SAR图像舰船尾迹的图像特征差异大的特点,提出基于递归修正Hough变换域的舰船多尾迹检测方法,即通过Hough变换域最大峰值检测出最明显的尾迹,再去掉Hough变换域最大峰以突出次大峰来检测第二条尾迹,由此递归修正Hough变换域多峰结构,直到检测完高于设定阈值的尾迹,从而实现线段对比度与宽度不同的舰船多尾迹检测。SAR图像多尾迹检测实验表明,该方法能有效检测具有图像特征差异的多直线尾迹。     

基于边缘连接的线段检测方法

提出了一种基于图像边缘连接的线段检测方法。数字图像中的线段是由很多线段图元组成,在同一条线段中,它们的方向是相同的并且受到真实线段的方向约束。因此可以通过提取小的线段图元,然后分析它们的连接特性,进行线段的检测。首先用ADM算法对图像进行边缘检测,得到单像素宽的边缘;然后在4个方向上进行线段的检测;对初步得到的结果进行合并和验证,去掉短的线段,连接临近的线段。经过实验证明,该方法能够快速地提取图像中的线段,并且对噪声具有一定的鲁棒性。     

基于模糊Hough变换的被动传感器系统航迹起始方法

提出一种基于模糊Hough变换(FHT)的被动传感器系统中的航迹起始方法。首先利用逻辑关系或规则初步排除鬼点,以降低计算复杂度,推导出被动传感器系统中的Hough变换形式。考虑到传感器系统误差和测量误差对检测结果的影响,将传感器系统获得的观测值模糊映射到参数空间,利用梯度信息降低计算消耗,求出参数空间的模糊累积矩阵,通过模糊推理确定出最终的航迹检测结果。实验结果表明,所提的模糊Hough变换方法能有效解决杂波环境下的航迹起始问题,且计算消耗小。     

结构自适应的视频通信误码图像恢复方法研究

提出视频通信差错控制中基于空域纹理匹配和边缘重建的图像恢复方法。该方法将视频通信中受损块进行简单分类,然后对受损的纹理块、边缘块和平坦块采用“分而治之”的策略:①对受损纹理块采用最佳邻域匹配算法,在图像中寻找其相似块,并用该相似块取代坏块;②对受损边缘块,利用受损块周围的边缘信息,通过边缘检测和合适的边缘勾连准则,确定应该勾连的边缘对象,然后调整拟合与插值的参数来重建受损块中存在的边缘信息;③对平坦块,采取多方向线性插值进行恢复。仿真实验结果表明:该方法能适应于不同种类的图像、计算量适中,而且在保持边缘的连续性的同时恢复图像的感觉质量较高。     

基于直线特征的航拍图像机场跑道自动识别算法

针对航拍图像中机场跑道的区域灰度特征和边界直线特征,提出了一种基于直线特征的机场跑道自动识别算法。首先对航拍图像进行边缘检测;然后在归一化的边缘检测幅度图像中进行直线提取,并对提取的直线进行三次连接;再进行机场跑道边界平行直线对的提取;最后根据区域灰度特征对机场跑道区域进行验证,完成机场跑道的识别和定位。大量实验结果表明,本算法对云层遮挡等具有较强的鲁棒性,并且定位准确,是一种有效的机场跑道识别算法。     

面向变化检测的SAR图像超像素协同分割算法

针对面向对象的合成孔径雷达(synthetic aperture radar, SAR)图像变化检测中存在的多时相图像边界和空间对应关系不一致的问题,提出了一种面向变化检测的SAR图像超像素协同分割算法。首先,分别计算两幅不同时相SAR图像中两个像素点之间的强度相似度,并进行加权组合得到新的像素强度相似度。其次,对两幅不同时相的SAR图像及其对数比值图分别进行边缘提取,以同一像素位置的最大边缘值构造二值边缘图。最后,以融合了像素强度、空间距离和边缘信息的相似度代替CIELAB彩色空间相似度,利用改进简单线性迭代聚类算法对多时相SAR图像进行超像素分割,得到边界准确、空间对应的协同分割结果。基于一组仿真和一组实测多时相SAR图像的协同分割实验结果表明,该方法的边缘贴合率、欠分割误差和可达分割准确率均优于其他4种经典方法。     

Image edge detection based on beamlet transform

Combining beamlet transform with steerable filters, a new edge detection method based on line gra-dient is proposed. Compared with operators based on point local properties, the edge-detection results with this method achieve higher SNR and position accuracy, and are quite helpful for image registration, object identification, etc. Some edge-detection experiments on optical and SAR images that demonstrate the significant improvement over classical edge operators are also presented. Moreover, the template matching result based on edge information of optical reference image and SAR image also proves the validity of this method.     

一种基于广义多尺度分形参数的图像边缘检测方法

分形是实现自然纹理描述的一种有效方法.本文从分数布朗随机场模型的描述出发,证明了具有不同分形特性的两种纹理边缘处的H参数估计值大于1的一般结论、将H参数泛化用于描述一般图像的特性,从而提出了一种基于广义多尺度分形参数的图像边缘检测方法.该方法通过构造多分尺度的广义分形参数H值,从而可以实现图像边缘的有效提取.     

基于二维直方图和粒子群优化的边缘检测

针对基于二维直方图的分割方法存在计算耗时的缺点,将群体智能中的粒子群优化算法应用到图像分割中,提出了一种新的边缘检测算法。新方法在定义的二维灰度空间中,利用粒子群优化算法自适应搜索最优解,并以此作为边缘检测算子的门限,阈值变换后便可得到表示原图像主要特征的分割结果。通过对水下图像处理的实验证明,该算法对简单背景的图像分割是有效的,和传统检测方法相比,具有更好的抗噪性能。     

灰度和彩色图象分割的一种改进算法

图象边缘检测技术是图象处理中最重要的内容之一,且已在图象分析和识别区域中得到广泛的应用。但由于边缘点不连续和难以把存在大量碎边缘的高细节区提取出来这两个原因,而不能直接实现完整意义上的图象分割。为了提高图象分割的边缘准确性和区域一致性以及降低分割错误率,提出用边缘生长的方法来解决不连续的边缘点链接问题,以便间接地将高细节区围成一个区域。该算法也可以嵌入到其他利用边缘信息的分割算法中。     

基于l1范数主成分分析的极化SAR图像变化检测

为提高极化合成孔径雷达(synthetic aperture radar, SAR)图像变化检测算法的鲁棒性以及检测精度,提出基于范数主成分分析(linorm principal component analysis,l1-PCA)模型的变化检测算法。首先,采用基于Hotelling-Lawley复矩阵迹变化检测算子构造差异图;其次,采用l1-PCA模型获取差异图的变化信息,使得每个像素以一个特征向量来表示;最后,使用k-means算法对变化信息进行聚类,得到变化检测结果。该方法是一种非监督变化检测方法,相比于基于2范数的PCA检测方法,l1-PCA在特征提取方面具有更高的鲁棒性,并且可以进一步提高变化检测精度。基于RADARSAT-2卫星获取的3幅图像进行的实验结果表明,相较于其他两种典型算法,所提算法更加稳定,精确度更高。