基于Kirsch方向模板的SAR相干斑噪声抑制方法

提出一种抑制SAR相干斑噪声的加权平滑滤波方法。该方法利用 8个 3× 3的Kirsch方向模板分别与SAR图像进行卷积运算 ,取其中的最大值作为窗口中心像素的边缘强度值 ,中心像素灰度值的滤波输出为它的 8个邻域像素灰度值的加权平均 ,加权系数为每个像素的边缘强度值。给出了滤波核方程的推导过程 ,分析了滤波原理。将该方法用于SAR图像相干斑噪声抑制 ,并与Lee滤波器的去斑效果进行了比较。实验结果表明 ,该方法具有良好的抑制相干斑噪声效果和较强的边缘保持能力。     

基于直方图的自适应高斯噪声滤波器

图像滤噪时,利用原图像的信息越多滤波效果越好,但这通常是不可行的或不可能的。为此提出了一种图像恢复的新方法。该方法通过输入图像估计出原图像的直方图,并从该直方图得到一个包含原图像信息的模糊隶属度函数,以此隶属度函数构建一个模糊加权平均滤波器。该滤波器能够根据图像区域特性差异及噪声强弱自适应地采用不同的滤波尺度。实验结果表明,该滤波器滤波效果优于传统的滤波器和其它模糊滤波器,特别是当噪声发生概率超过0 3时,其滤波效果更加明显。     

基于融合距离的极化SAR图像非局部均值滤波

在极化合成孔径雷达(synthetic aperture radar, SAR)图像降噪领域,常见的非局部均值滤波仅依靠像素间的统计距离进行相似性度量,忽略了像素点的空间信息。本文结合极化SAR数据统计特性和图像空间特征作为像素间的相似性度量,提出了一种利用融合距离来计算相邻窗口权重的方法——基于融合距离的非局部均值滤波器。融合距离的引入使得滤波器能够更全面的评估像素间的相似性,从而得到更合适的像素权重。此外,本方法还引进变异系数对邻域窗口的权重进行评估,通过该参数可以控制滤波的程度。在多幅极化SAR图像上的实验结果表明,所提出的滤波器能够在有效抑制斑点噪声的同时保留较为完整的图像边缘信息和极化散射特性。     

利用改进的中值滤波消除QuickBird影像中的脉冲噪声

QuickBird高空间分辨率遥感影像已在各个领域得到了广泛的应用,然而其在获取和传输的过程中通常会受到噪声,特别是脉冲噪声的污染,从而影响了其后续应用。为此,提出了一种基于改进中值滤波的遥感影像中脉冲噪声的检测和滤除算法。首先利用一维拉普拉斯卷积核和扩张函数检测图像中的噪声像素;然后利用向量中值滤波（Vector Median Filter,VMF）对检测到的噪声像素进行恢复。实验结果表明,相对于其它几种噪声滤除算法,所提出的算法取得了较好的噪声滤除效果。     

基于方向小波的差值滤波图像去噪算法

针对利用方向小波的多方向框架分割图像时形成的像素序列长度的不同,提出一种新的基于方向小波的差值滤波图像去噪算法.该算法根据白噪声分布规则,将像素序列分成两组,分别采用不同的阈值萎缩方法,并将所产生的方向子图像进一步的作差值滤波处理,最后对所有子图像进行线性平均.对含不同程度高斯白噪声的图像去噪仿真实验表明,与其他小波阈值去噪方法相比,该算法能更有效的去除噪声和保持图像纹理细节,信噪比提高1～3dB.     

基于边缘轮廓上多尺度自相关矩阵的角点检测算法

为了减少边缘轮廓上微小变化和边缘噪声对检测结果的影响,提高检测准确率,提出了一种利用边缘轮廓上多尺度自相关矩阵的角点检测算法。该算法首先利用边缘检测器提取图像的轮廓,同时利用不同尺度的高斯核函数平滑图像,对于轮廓曲线上的每一个像素,利用微分算子获得不同尺度下灰度变化信息来构建自相关矩阵;最后将不同尺度下自相关矩阵的归一化特征值的乘积作为新的角点测度。如果该角点测度值既大于预设阈值,又是局部窗口内的极大值,就判定是角点。仿真结果证实所提算法可以更准确地检测图像中的角点且具有更低的错检概率。     

一种基于局域自适应处理的SAR图像降斑算法

合成孔径雷达(SAR)图像所固有的相干斑噪声严重降低了图像的可解译程度,影响了对图像中的目标进行检测和识别,因此SAR图像的相干斑抑制一直是SAR图像应用的重要课题。提出了一种基于局域自适应处理的SAR图像降斑算法,算法根据区域像素点的分布特征自适应调整滤波窗口的大小,在均匀的背景杂波区域内增大滤波窗口来抑制斑点噪声,在包含目标的细节区域内减小滤波窗口,同时采用自适应阈值选择部分像素参加滤波的方法,以便在有效降斑的同时保持边缘和目标细节,最后通过对实际数据的处理验证了算法的有效性。     

一种多尺度圆形滤波器在肺结节增强中的应用

肺部CT图像的结节检测由于受到噪声和肺部区域中气管、血管的干扰,一直是医学辅助诊断领域中的一个难点。针对这一问题,提出了一种基于多尺度的各向异性平滑方程的圆形滤波器方法。该方法首先利用各向异性平滑方程与高斯圆模型的Hessian矩阵推导出多尺度的圆形平滑方程,利用该方程对结节图像进行多尺度平滑;然后分析了高斯圆模型Hessian矩阵特征值的特点,建立了圆形增器滤波函数。最后,利用该滤波函数对多尺度平滑后的结节图像进行圆形增强滤波。实验证明该方法能够有效地抑止非圆形状的干扰,得到较好的结节增强图像,为后续的结节特征提取与分类奠定了基础。     

光电经纬仪自适应调焦窗口构建

为解决靶场测量中基于图像处理的光电经纬仪自动调焦过程中计算量大和背景干扰的问题,提出一种大小和位置自适应目标变化的调焦窗口构建方法。该方法利用Mean-shift算法进行跟踪获得目标位置信息,并以目标中心位置为参考点,计算图像像素归属度;使用Log-Gabor滤波器组和高斯差分模型模拟人类视觉系统进行显著性检测,以归属度加权的视觉显著性特征确定目标区域,结合Epanechnikov核函数构建自适应核函数,降低目标尺度变化及背景像素的影响,实现目标的有效跟踪。对目标区域利用对角邻域法进行边界扩展,构建自适应目标变化的调焦窗口。在某型号光电经纬仪上的实验结果证明,该方法能够实时、有效地跟踪目标并构建调焦窗口。处理720piexl×576piexl大小的图像,耗时小于20 ms,满足光电经纬仪实际需求,具有广泛的工程应用价值。     

抑制SAR图像相干斑的自适应红黑窗滤波算法

针对经典空域滤波算法处理SAR图像时,在同一滑动窗内完全按同质区域性质处理数据而导致图像细节信息损失的情况,提出一种新的滑动窗结构的算法。该算法选取与窗口中心像素统计特性相近的像素进行滤波处理,解决了经典空域滤波算法存在窗口内数据不满足滤波模型对同质区域要求的缺陷。同时,针对强散射点的特殊性,设计了相应的检测及处理方法。实验结果表明,该算法在获得与经典算法相当的相干斑抑制的同时,较经典算法具有更强的边缘和细节保持能力,同时获得更好的图像视觉效果。     

基于星敏感器的像移补偿技术

星敏感器在大角速度转动时引起的星像降质不能忽略,采用了3种技术以补偿、消除这种影响。首先,用姿态估计和共线方程预测星像块中心位置和长度。其次,挑选视场内6~8个较亮的星像块,以预测的星像块位置为搜索起始点,块匹配算法可快速获得像素量级的像移,建立像移模型。同时,对相邻帧匹配的星像块的输出相加以提高信噪比。采用以上两项技术后,只需处理星图像中很少一部分像素,从而保证了实时性。最后,采用空间域像移补偿法,根据运动模糊的逆过程直接进行补偿,并给出了仿真结果。     

基于鲁棒估计的微弱目标检测噪声抑制技术

抑制目标图像中的噪声,缩短目标的首次捕获时间(FirstCaptureTime,FCT),对于微弱目标检测和跟踪具有重要的意义。基于以下判断:a.任何检测系统总是工作在一定的信噪比(SNR)水平下;b.运动目标成像面积总是大于一个像素,分别设计了两个噪声抑制算子Sa(.)及Sb(.)。在噪声抑制过程中,首先使用鲁棒回归估计方法,估计出噪声模型参数,然后分别应用噪声抑制算子Sa(.)及Sb(.)对图像噪声进行抑制。试验结果表明,该方法可以有效抑制目标图像中的噪声,缩短目标的首次捕获时间,为下一步目标的检测和跟踪提供了有利条件。     

基于高阶累积量和匹配滤波的信号检测新方法

针对通信侦察中的空间弱信号检测问题,提出了一种基于高阶累积量和匹配滤波器相结合的信号检测新方法。该方法利用高阶累积量有二阶以上信息,且高斯噪声的高阶累积量恒为零的特性,在传统似然比检测基础上,依据高阶累积量对高斯噪声的抑制能力,结合匹配滤波器进行弱信号检测,在低信噪比条件下获得了更高的检测概率。蒙特卡罗仿真结果证明了该方法的有效性。     

图像混合噪声的模糊加权均值滤波算法仿真

针对图像混合噪声提出了一种新型的模糊加权均值滤波算法。该算法以象素的灰度差为基础,通过构建T-S模糊模型来自适应地计算反映各象素噪声污染程度的加权系数,然后通过加权平均算法得出最终结果,因此,该算法能够有效地抑制噪声象素对其邻域象素的影响,极大地改善了滤波效果。基于Matlab的多组仿真实验结果表明,该算法具有很好的普遍性和自适应性,能够比较有效地保护细节信息,对混合噪声有很好的抑制能力。     

基于改进梯度抑制的非平面场景运动目标检测

针对非平面场景3D结构产生的视差对导弹及无人机等空中机动成像平台运动目标检测影响,从提高运动目标检测的快速性和准确性角度,基于梯度抑制算法,提出了改进算法。首先,在非平面场景的运动目标检测中,考虑到视差干扰主要出现在背景边缘上,采用梯度抑制法滤除视差像素。其次,对经过梯度抑制法滤波后的像素,应用外极几何约束,进一步滤除机动成像平台大角度机动产生的剩余视差像素,从而提取出离散的运动目标像素,并进行二值化处理。然后,采用行列投影的方法对二值化的运动目标像素进行分类,确定运动目标区域。最后,对所提的方法进行了实验验证,验证了算法的有效性。     

基于Top-hat变换的PM模型弱小目标检测

为了实现红外复杂背景下弱点目标的有效检测,提出了形态学Top-hat变换和改进的非线性扩散(以Perona-Malik (PM)的研究为基础)模型相结合的滤波算法,用于增强红外弱小目标信号、抑制复杂背景和噪声。该方法首先利用形态学滤波中的Top-hat算子对图像进行目标增强,然后对形态学滤波后的图像采用改进的PM滤波器进行进一步滤波达到抑制背景突出目标的目的,最终通过阈值分割实现弱小目标的检测。对比实验结果表明,该算法能够在低信噪比(signal-to-noise ratio, SNR)下实现红外弱小目标图像的背景及边缘有效抑制、使图像的信噪比提高20%,检测能力在原有算法上提高了40%。     

脉冲噪声非线性变换设计的研究综述

由于脉冲噪声下的最优检测要求非线性运算, 信号检测常采用零记忆非线性变换接匹配滤波的检测结构。本文系统地综述了脉冲噪声下的非线性变换设计, 梳理了国内外研究在噪声模型、非线性函数和设计方法3个方面的工作, 并总结研究路线和规律。首先, 脉冲噪声模型常采用对称α稳定分布、Class A分布、高斯混合分布及其他混合分布。其次, 以拖尾函数为特征, 非线性函数模式可分为传统削波/置零、多区域组合拖尾、单参数特定拖尾、单参数非分段函数以及双参数可变拖尾。然后, 在设计方法上, 分析近似和正态变换的思路比较直观, 而最大信噪比和最大效能准则与检测性能有直接联系。之后, 总结了常见研究路线和主要研究成果的共性规律。最后, 探讨了噪声分布未知和效能寻优简化的问题, 展望未来可能的研究点。     

样条小波自适应阈值多尺度边缘检测算法研究

在Marr的计算机视觉系统中，图像边缘检测占据着重要位置。但由于问题本身的复杂性和技术手段的限制，已有的边缘检测方法并不能得到较理想的边缘。充分利用小波变换的特点。设计三次B样条平滑滤波算子，对图像进行多尺度滤波。得到不同尺度的小波变换，再结合由适应阈值方法，在每种尺度下分别提取图像边缘；而后利用过缘信息的多尺度特性。融合多尺度边缘得到单像素宽边缘。通过计算机仿真对该方法进行验证，实验结果表明该方法不仅能准确检测出图像边缘，而且能有效地抑制噪声，该算法对图像边缘检测的效果优于目前已有的边缘检测算法。     

Multi-resolution image segmentation based on Gaussian mixture model

1. INTRODUCTION Image segmentation, which groups an image’s pixels into some homogeneous regions with respect to one or more characteristics such as gray-level, color and texture, is a basic and challenging problem in image processing. Many researchers have devoted their efforts to this problem and many segmentation algorithms have been proposed[1], histogram based thresholding algorithm, edge detection method and region growing and merging method for instance. Gaussian mixture model bas…