基于像素空间相关度的微光双谱图像实时配准

针对目前不同光谱波段图像配准算法复杂、精度低和实时性差的问题,该文提出了基于像素空间相关度的双通道图像融合效果评价方法,将该指标用作实时图像配准的控制参数,在基于DM642的视频图像实时处理仿真平台上,对微光双谱图像进行了实时配准.实验结果表明:与常用的基于控制点、边缘等图像配准算法相比,该文提出的实时配准方法准确、有效,且不受图像灰度变化、噪声及不同微光成像波段成像器的光谱响应特征的影响.     

机器人双目图像实时立体匹配算法

针对移动机器人平台上的双目视觉深度信息获取问题,研究了一种适用于动态图像序列的双目图像立体匹配算法.采用成熟的半全局立体匹配算法对图像快速立体匹配;分析了在复杂环境下的运动平台上完成立体匹配所面临的主要噪声干扰,包括白斑噪声和断层闪烁噪声;为此,分别提出了白斑滤波算法和视差图时间域滤波方法以抑制这两种噪声.试验结果表明,所提出的算法能够有效抑制动态双目图像在立体匹配时的噪声干扰,最终能够实时获得连续清晰的视差图序列.      

基于序列图像的高密度脉冲噪声去除新方法

针对受脉冲噪声污染大(大于50%)的图像,提出运用多幅序列图像的点对点噪声检测算法.首先利用MMEM算法判断噪声点与非噪声点,再把非噪声点拷贝到输出图像,通过实验得出了噪声密度与所需要图像幅数之间的关系.通过噪声密度判别公式的引入,实现对噪声图像的自适应处理,实验显示该方法优于传统滤波算法.     

道路交通视频检测系统初探

提出一种实时自适应的道路交通视频检测方法,提高了视频监测系统在长时间运行条件下对光线变化、阴影和系统噪声的适应性.利用图像边缘检测和模式识别2种方法对前景目标车辆进行提取的算法,保证了准确率和效率.实时交通视频实验结果表明,该方法取得了较好的成果,为道路交通信息系统提供保障.     

基于子区生长的移动机器人视觉图像分割

针对区域生长法中自播种过程消耗了大部分时间的问题,提出了基于子区生长的图像分割方法,以提高图像分割效率.该方法在具有区域一致性的子区生长基础上,将分割与自播种过程结合在一起,提高了图像分割速度.同时针对图像噪声干扰子区一致性检测问题,提出采用区域像素平均距离作为区域一致性标准.实验结果表明:区域像素平均距离比传统的方差具有更好的噪声抑制能力;移动机器人视觉图像分割实验验证了所提出的基于子区生长的图像分割法的有效性.     

基于改进PCNN模型的对称中值滤波方法

为滤除灰度图像中椒盐噪声同时保留图像细节,提出了一种椒盐噪声滤波算法.首先利用改进PCNN模型执行一次点火操作从而定位灰度图像中噪声像素点位置,然后利用提出的对称检测中值滤波算法对已定位的噪声点进行滤波而其他位置像素信息保持不变.实验仿真表明,新提出的方法对噪声密度低于60%的椒盐噪声图像较已有的滤波算法有更优异的滤波性能.该算法能有效滤除噪声而且对图像的边缘细节保留完整,实验结果证明了算法的有效性.     

一种适合于图像细节保留的椒盐噪声滤波器

提出一种新的椒盐噪声滤除方法.通过对图像二值化,对其进行统计分析确定噪声点.仅改变噪声点的像素值,避免了中道滤波对图像细节的破坏,同时又滤除了噪声.实验结果表明,新方法可以有效去除椒盐噪声,同时很好地保护图像的细节.     

合成孔径雷达图像斑点噪声滤波方法研究

探讨了适于合成孔径雷达图像斑点噪声滤波的小波基选择与小波提升问题.在分析了利用马尔科夫模型描述小波系数相关性问题的基础上,提出了一种基于小波系数高斯混合模型和隐马尔科夫模型的雷达图像斑点噪声滤波方法.使用几种典型的滤波处理方法,分别对星载和机载的合成孔径雷达图像进行滤波处理.实验表明,所提出的图像滤波方法能够更好地抑制雷达图像的斑点噪声.     

基于多图像非局部均值去噪算法研究

为提升图像去噪效果,本文提出一种基于多图像非局部均值去噪方法:首先利用多幅噪声图像线性加权并结合多图像非局部均值滤波获得预去噪图像和方法噪声;然后利用高斯滤波后的方法噪声与预去噪图像求解多图像非局部均值权值,结合权值与输入图像获得最终去噪图像.实验结果表明,针对高斯噪声图像,与NLM等单图像去噪方法相比,本文方法能获得的峰值信噪比能提升0~2 d B,有效改善了视觉效果.     

基于图像修复技术的抗核辐射图像恢复方法

强辐射环境下数码成像设备由于受到高能粒子射线的影响,采集的视频或图像信噪比非常低,严重影响了其在辐射环境下的应用.为了去除视频或图像中的噪声,减少辐射粒子对成像设备的影响,提出了一种基于修复技术的新型强辐射图像去噪技术.首先在分析强辐射环境下成像设备受干扰的机理基础上检测图像的强干扰噪声;然后将图像噪声区域看成待修复区域,利用图像修复技术进行噪声消除;最后利用基于非下采样轮廓波变换的去噪方法对修复后的图像进行后处理.实验结果及分析表明提出的方法算法效率高、降噪效果显著,能够很好地去除强度大、分布密集的噪声,有效提高了数码成像设备在强辐射环境下的工作性能.     

微光图像实时对比度增强处理

对比度低是微光图像主要特征之一，对比度扩展是微光图像增强处理的重要技术手段。该文详细叙述了采用灰度变换方法提高对比度的基本原理，在分析不同照度下微光图像直方图分布的基础上，建立了专门的灰度变换函数，并完成了硬件电路的设计与调试，实现微光图像的实时处理。该方法可直接应用于微光电视系统，能够显著地提高微光图像质量。     

分块噪声自适应高光谱图像去噪算法研究

高光谱图像在获取过程中容易产生噪音,从而影响了地物空间信息的识别。噪声去除是高光谱图像处理十分必要的步骤。结合低秩矩阵分解理论,在传统奇异值阈值方法的基础上提出基于分块的噪声自适应遥感去噪方法。实验结果证明,该方法运算速度快,并能够有效去除缺失值造成的死线噪声以及高斯噪声,在平均峰值信噪比(MPSNR)和平均结构相似性(MSSIM)上优于Godec算法。     

一种基于DWT和DFT的数字图像水印算法

提出了一种基于小波变换和离散余弦变换的数字图像水印算法.此算法首先对原始图像进行一级小波分解,再对其低频系数进行离散余弦变换,调整DCT中频系数的相对值,最后把由{-1,1}组成的伪随机序列嵌入其中.试验结果显示,此算法对JPEG压缩、gauss噪音有较强的鲁棒性.     

Matlab在激光水下图像处理中的应用

 水下激光成像技术在水下探测等海洋开发中具有重要的实用价值,但水介质的特殊性,使其所成图像易受噪声污染而造成分辨率下降。即使采用同步扫描和距离选通等技术,获得的成像质量仍然不好,图像存在由后向散射形成的散斑噪声和其他一些高斯噪声。为了进一步改善成像效果,需要利用数字图像处理技术对水下成像进行后续加工,水下图像处理结果的好坏直接影响到后面的特征提取和目标识别等的成败。本文分析了Matlab在数字图像处理中的应用, 并结合对激光水下图像的处理,说明了Matlab在图像处理中的强大功能,对常用的噪声抑制算法：维纳滤波、中值滤波、均值滤波进行了介绍,并且通过对实际的激光水下图像处理,利用以上各算法计算了处理图像的散斑指数、峰值信噪比和归一化均方误差,比较了其散斑抑制能力。     

井下电视图像定量解释

井下电视成像系统是一项较新的测井技术 ,可以直观地监测井下油管或套管的技术状况 .利用数字图像处理技术 ,对井下电视图像进行了数字化处理、图像分割和边缘跟踪 ;并利用成像原理得出了电视图像中实物的几何尺寸 ,达到了井下电视的定量解释目的 .通过实际应用表明 ,该定量方法解释结果准确可靠 ,是对井下电视测井技术的进一步完善     

象素级多传感器图像融合技术

多传感器图像融合是图像信息物综合怀分析过程，它可有效地萃取多通道图像信息，构成统一图像，提供显示中心显示或决策机构判别。各种图像传感器的性能极大地依赖于使用环境，至今还没有一种图像传感器在多种不同的使用条件下，其各项性能都高于其它类型的图像传感器，融合多传感器国图像能够提高图像探测系统的探测和识别能力。     

运动图像序列的移位帧累积技术研究

研究一种适用于运动图像序列的移位帧累积技术．通过在目标运动方向上对运动图像进行移位，满足像素间的空间相关性；进而实现运动图像序列的帧累积．阐述了移位帧累积的具体实现方法，推导了运动图像间移位量的数学模型，并讨论了移位帧累积实时处理的可能性．实验表明：通过数学模型所确定的移位量与实验结果具有良好的一致性；处理后的微光运动图像的噪声得到了抑制，像质较处理前有了明显提高，所讨论的移位帧累积方法突破了帧累积平均仅适用于静态图像增强的限制，是一种提高运动图像像质的有效方法．     

基于主成分分析的光伏热斑红外图像混合噪声去噪方法

为了解决光伏板热斑故障检测时受噪声影响的红外图像分辨率低而导致热斑区域难以识别的问题,提出一 种基于主成分分析的红外图像混合噪声自适应去噪方法。 该方法通过自适应窗口预处理算法将获取的热斑红外 图像进行初步去噪,滤除图像中的低密度椒盐噪声,减小噪声信号对后续选取降噪训练集时所造成的影响;然后, 采用基于块匹配的主成分分析法对预处理后的图像信息进行降维处理,提取信号的主要特征,降低噪声滤除时的 计算复杂度;最后,使用线性最小均方误差估计对图像进行二次去噪处理,滤除残余噪声;此外,在二次去噪之前重 新计算图像噪声水平,使最终的去噪图片获得了更好的视觉效果。 实验结果表明:该方法能够有效去除光伏热斑 红外图像中的混合噪声,客观评价指标显示噪声较小时,图像结构相似性可保持在 0. 9,在高密度噪声影响下,峰值 信噪比相较于修正的阿尔法均值滤波算法平均提高 2 dB,实际视觉效果中保留了图像细节特征,可以明显观测到 热斑区域。     

一种基于犹豫中智集和水平集的图像分割方法

皮肤镜图像分析技术的第一步为图像分割,分割的结果会直接影响到后续的处理过程,针对具有背景噪声、模糊边缘和灰度不均的皮肤镜图像,提出了一种新的结合水平集的犹豫中智集图像分割方法;首先利用犹豫中智集理论将图像转换为犹豫中智集图像,其中犹豫中智图像由三类子集组成(T、I、F),利用犹豫中智集图像突出表达图像的目标信息和边缘信息;然后针对传统 DRLSE 水平集的不足进行改进,构造新的边缘停止函数,并增加灰度驱动能量项,最后通过改进的DRLSE 水平集对 ISIC(2018)皮肤镜图像进行分割测试;实验结果的交并比(Jaccard Index)值均大于 95%,且均方误差(MSE)、峰值信噪比(PSNR)和结构性相似指数(SSIM)均表现良好,表明方法能够准确、有效的分割具有模糊边缘和灰度不均的皮肤镜图像,对后续的皮肤镜图像的处理与诊断奠定了基础。