基于MTM和灰色关联度的混合噪声自适应滤波算法

利用MTM滤波算法和灰色关联度的特点,提出一种基于MTM滤波算法和灰色关联度相结合的混合噪声图像的自适应滤波算法.算法选取加窗混合噪声图像的MTM值,采用灰色关联度自适应地计算各像素的加权系数,通过加权得到滤波后图像.仿真实验表明,该算法有较好的自适应性,不但能够有效抑制图像的噪声,而且能较好地保护图像的细节信息,提高图像的清晰度.     

一种自适应窗口滤波算法研究

提出了一种滤波窗口方位、尺寸和形状都可随图像纹理结构自适应变化的开关滤波算法。滤波窗的尺寸可随图像梯度值的变化而变化,滤波窗方位排列与图像对应点像素最小梯度值方向一致。同时,为了将受噪声污染的点和图像的细节纹理像素点分开,给出了一种噪声点检测判据和开关算法流程。与传统均值、中值及相关文献提出的自适应平滑滤波算法相比,由于本文算法在降噪的同时兼顾了图像的局部纹理分布结构,因此在保护图像细节方面做得更好。仿真实验结果证明了本文算法的有效性。     

基于置信区间的自适应加权均值滤波算法

为了改善图像滤波的效果,提出1种基于置信区间的自适应加权均值滤波算法。根据高斯噪声的特点以及其对原图像的影响,仅对滤波窗口中处于置信区间的像素求加权均值。同时考虑了灰度相关性与距离相关性,将灰度测度因子和距离测度因子进行线性加权求和,得出加权系数。最后对加权均值滤波后的图像进行折中的灰度均衡化。实验结果证明,相对于标准均值滤波(SMF)算法和自适应均值滤波(AMF)算法,该文算法的滤波图像更加清晰,很好地恢复了原图像,同时保留了图像的边缘和细节;该文算法对应的归一化均方误差明显低于SMF算法和AMF算法。     

一种新的基于脉冲噪声点检测的自适应中值滤波算法

传统的中值滤波算法在去除脉冲噪声时会造成图像细节信息的丢失,从而使图像变得模糊,提出一种新的基于脉冲噪声点检测的自适应中值滤波算法.该算法先检测出脉冲噪声点,采用自适应窗口对噪声点进行中值滤波.仿真实验表明,与传统中值滤波相比,这种新算法很好地保留了图像的细节,提高了峰值信噪比.     

基于同值压缩的自适应中值滤波

为了在图像去噪处理中更好地保持或还原图像细节,针对脉冲噪声,把滤波窗口中等值的像素压缩后作自适应中值滤波,提出基于同值压缩的自适应中值滤波算法,并用实验来检测其优越性.该滤波算法执行速度快,去噪性能和图像细节保持及还原能力明显优于经典中值滤波及自适应中值滤波.     

自适应分区的色调映射算法

针对HDR图像色调再生提出了一种自适应分区映射算法.首先将HDR图像的色度和亮度信息分离,根据直方图特征对亮度进行自适应分区,并构造分段线性色调调整函数,将显示亮度范围分别分配给不同的亮度分区,以增加再现图像的感知对比度;然后通过双边滤波技术提取图像细节进行补偿,保证了再现图像细节可见;最后将彩色和非彩色信息合成,并对亮度压缩带来的彩度损失进行色彩校正.实验表明:新算法在动态范围压缩、细节保持和颜色表现上均优于传统算法.     

一种基于极值的自适应中值滤波改进算法

提出了一种基于极值的自适应中值滤波改进算法,该方法可以有效地保护图像细节,并去除图像中的椒盐噪声.首先利用椒盐噪声的分布给出疑似噪声的判断标准,然后根据噪声密度自适应地确定滤波窗口大小,再采用一种新的算法进行滤波,最后将本算法与其他几种滤波算法进行对比,实验结果表明,本算法优于其他中值滤波算法.     

改进的油井远程夜视监控图像处理方法

为了提高油井监控的安全系数,针对油井夜视监控图像中噪声的特点,提出了一种自适应的混合滤波算法.对于图像中存在的高斯噪声,设计了一种加权处理的均值滤波算法;对于脉冲噪声,提出了一种改进的比较选择滤波算法,可根据不同的图像自适应地选择合适的滤波参数,在滤除脉冲噪声的同时保持图像边缘信息;最后将两种滤波算法有机结合起来对实际的油井夜视监控图像进行处理.实验结果表明本文提出的算法不仅能够有效地去除图像中的高斯噪声和脉冲噪声,还能保持图像的边缘特性,有效地改善了监控图像的质量.     

具有细节补偿和色彩恢复的多尺度Retinex色调映射算法

针对带色彩恢复的多尺度Retinex色调映射算法(MSRCR)在分离图像光照信息时未保留部分细节信息,导致结果图像出现细节模糊和颜色失真的问题,提出了一种具有细节补偿和色彩恢复的多尺度Retinex色调映射算法(MSRCD).该算法利用Retinex理论的基本原理将高动态范围图像分为反射层和光照层,先使用双边滤波从图像光照层中提取出细节信息进行补偿,然后从图像的反射层中分离出基本层信息并进行自适应调整,压缩其动态范围,最后通过色彩校正还原图像颜色.实验结果表明,与MSRCR算法及基于双边滤波的算法相比,MSRCD算法的处理结果保留了更丰富的细节信息,色彩逼近于真实场景且避免了光晕的产生.     

改进Canny的核磁共振图像伪影校正算法

核磁共振图像伪影校正是当前图像处理领域的研究重点,为了有效消除核磁共振图像中的伪影,提高医学图像质量,该文提出一种基于改进Canny的核磁共振图像伪影校正算法。首先对当前核磁共振图像伪影校正的研究现状进行分析、指出存在的不足,然后采用Canny算法对伪影边缘进行检测和识别,并采用双边滤波代替高斯滤波消除核磁共振图像中的噪声、增强核磁共振图像中的伪影信息,采用Otsu法选定图像分割的最优阈值,最后采用B样条法校正异常投影数据,并采用仿真实验对算法性能进行分析。结果证明,该文算法有效抑制了核磁共振图像中的伪影,视觉效果和客观结果均要优于其它伪影校正算法,更加有利于核磁共振图像的后续处理。     

基于帧间运动的神经网络非均匀性校正及其硬件实现

为解决红外焦平面阵列的非均匀性噪声制约红外成像质量问题,提出基于场景的神经网络非均匀性校正算法,利用帧间运动的图像序列实现非均匀性校正.先采用基于投影的运动估计算法选取神经网络算法的学习参考帧,再进行偏置矩阵计算的基于帧间运动判断的神经网络非均匀性校正算法,有效克服了传统SBNNT由于运动不足产生的鬼影问题.算法已在以TMS320DM643为处理核心DSP硬件处理平台上实现,取得了较好的校正效果.     

基于Nios红外图像实时非均匀性校正研究

针对红外成像系统在图像处理中所涉及的数据量大,实时处理难于实现的特点,运用Altera公司SOPC-Nios嵌入式软核心处理器技术,提出一种利用FPGA硬件实现红外焦平面阵列实时非均匀性两点校正的方法.该方法针对非均匀性校正关键的内部循环和耗时算法,创建Nios嵌入式处理器的定制指令,将复杂的顺序指令简化为硬件实现的单指令,用硬件实现校正算法,极大地提高了系统的处理速度和性能,有效地解决了红外成像技术中实时性难题.     

红外图像非均匀性校正算法评估

红外图像非均匀性校正算法的选择直接影响成像质量和实现的难易程度.通过采集到的红外图像,对常用的几种非均匀性校正算法进行了定量分析和定性比较,结果发现,两点非均匀性校正算法、两点与LMS综合算法均有较好的校正效果,但综合算法具有更小的剩余非均匀性.非均匀性的评估为红外图像处理算法的选择提供了依据.     

改进卡尔曼滤波的IRFPA非均匀性校正算法

提出一种改进的卡尔曼滤波的IRFPA非均匀性校正算法,该算法使用求逆引理对传统迭代公式进行求逆变换,使用误差协方差逆阵形式实现迭代过程,使算法计算复杂度由nk×nk阶矩阵求逆降低至nk维对角矩阵求逆,简化了传统卡尔曼滤波算法的递推过程,提高了实时性能．通过对实际采集的红外图像序列进行仿真实验,结果表明：该算法在继承传统校正算法校正精度的同时,兼顾提高了算法校正速度,运行效率可以提高至2倍．     

基于AOTF的高光谱偏振红外焦平面非均匀性校正

针对在高光谱偏振成像系统中,由于红外面阵探测器CCD像元响应的不均匀性引起像素误差,提出了一种适于AOTF的高光谱偏振红外焦平面非均匀性校正的方法。本文采用积分球进行辐射定标,分析输出辐照度和像元响应的关系,提出了曲线拟合方法,此方法加快了运算速度并使得输出非均匀性减小了90%以上。根据实验结果对粗糙度进行对比分析,场景的粗糙度降低了20%以上,得到在单色光和复色光下粗糙度一致,解决了在高光谱全偏振成像时CCD对其造成的影响,从而使得光谱精度更高。     

一种新的红外焦平面阵列非均匀性校正技术

在分析了红外焦平面陈列非均匀性的噪声特性基础上,提出用噪声抵消的方法来对红外焦平面阵列的非均匀性进行自适应校正,针对实际图像进行了实验,结果表明该方法比神经网络法能得到更好的校正效果。     

红外焦平面阵列非均匀性校正算法的研究

红外焦平面阵列普遍存在非均匀性,会严重影响红外成像质量。对非均匀性的主要来源和表现形式进行了探讨,介绍了在工程应用中常用的校正方法,两点温度校正法、时域高通滤波法和人工神经网络法,给出详细的推导,并对几种校正算法进行了分析和研究,对这几种校正算法的优点和缺点进行讨论和综合对比,为进一步开展红外焦平面非均匀性校正提供参考意见。     

一种改进的红外图像序列帧间位移估计算法

提出一种改进全局运动估计算法,能够在网格状、水纹状固定图案噪声存在的情况下,有效获取红外图像序列的帧间亚像素微位移.算法先通过自适应滤波器进行预处理,抑制图像噪声;再基于最小化均方误差函数,获取参考帧与目标帧之间微位移的解析表达式.计算机模拟图像序列与实际红外图像序列的实验结果表明,该算法比目前常用的微位移估计法具有更好的适应性,可有效应用于存在固定图案噪声的红外图像序列微位移估计.     

改进的神经网络非均匀性校正算法研究

针对传统神经网络非均匀性校正算法所存在的像素点期望值估计不准确、场景长时间静止时校正图像发生衰退以及校正图像出现鬼影的问题,在原有的神经网络算法的基础上做了进一步的改进。主要包括三个部分:首先,计算场景的局部方差,设置合理判断阈值,区别不同的场景区域;再通过比较前后两帧场景的绝对误差值,判别场景是否静止,来控制校正参数是否更新;然后利用图像配准的方法,计算出帧间位移,对校正步长做出修正。最后与传统神经网络算法进行对比实验,结果表明,改进的神经网络算法在鬼影抑制和非均匀性校正方面都具有较好的效果。     

多模序列图像目标跟踪的特征融合粒子滤波实现

针对图像制导中信息的模糊性和不确定性问题,将多源信息融合技术应用于红外／可见光双模复合成像制导。采用方差比测量的方法将特征选择问题转化为一个两类判别问题,并引入自适应特征选择机制;通过计算目标和背景间不同特征分布直方图对应的似然比,在高维特征空间中选择4个判别性较好的特征区分目标和背景,根据bahattacharyya距离建立跟踪所需的观测似然函数,在粒子滤波的框架下实现了算法对单模序列图像中目标的跟踪;引入跟踪性能品质度量因子和加权融合策略衡量多信源下对目标的跟踪性能,实现对双模序列图像中目标的稳健跟踪,解决了单一信源在特定因素下跟踪性能不理想的缺陷,提高了算法性能。仿真实验结果验证了算法的有效性。