用模糊概率检测图象边缘的方法

提出一种用模糊概率检测图象边缘的方法；详细讨论了边缘隶属函数的建立及用模糊概率检测图象边缘的具体方法和步骤。最后给出用该方法检测图象边缘的实例，结果令人满意。     

边缘检测的分层松弛方法

本文基于图象的分层表示,提出了一种边缘检测的分层松弛方法。实验结果表明,本文方法计算简单,运算速度快,而且不受噪声影响,能有效地应用于细胞图象的边缘检测。     

基于聚类原理自动确定小波边缘检测阈值

用小波进行图象边缘检测，在具体实现还需人工介入一阈值以消除噪声，应用时很不方便，基于小波边缘检测的特点，再利用模式识别中有关聚类的一整套方法，就可针对不同的图象自动确定阈值，从而消除噪声，以获得较好的边缘检测效果。     

焊缝图像边缘检测方法探讨

边缘特征是图象最为有用的高频信息。由于存在噪声,采用经典算子的方法,图像的边缘检测效果不太好。本文首先介绍了经典的边缘检测。然后,针对上述算法的缺陷,提出基于小波变换的边缘检测。实验结果分析表明,在边缘精度、强弱边缘提取和噪声抑制方面,该算法是有效的。     

提取深度图象尖顶边缘的一种新方法

提出了一种以基本数学形态学运算为基础的在深度图象中提取尖顶边缘的方法．首先用形态梯度算子处理深度图象，使尖顶边缘包含在图象的凹谷中．然后用形态凹谷检测算子将凹谷检测出来，并在尖顶边缘处形成凸峰．计算凸峰的局部极点，从而得到对应的尖顶边缘点的位置．用实际的深度图象进行了实验，结果证明这种方法快速有效，并且具有良好的抗噪声性能。     

基于脊波变换的车牌边缘检测

通过分析现有的一些边缘检测方法,针对在复杂环境下对车牌图象进行分割提取这一问题,提出了一种基于脊波变换的边缘检测方法.这种方法以脊波变换为理论基础,具有多方向和多尺度性,能对车牌中的不同方向的边缘特征进行有效的检测.实验表明,该检测方法抗噪声更强,定位更准确.     

噪声图象边缘增强的W滤波器

本文提出一种新型噪声图象增强的滤波器-W滤波器。该滤波器能够在有效地滤除噪声分量的同时,增强图象边缘。在图象平坦区,W滤波器输出图象具有足够的分辨率和保真度;在边缘区,避免了传统方法形成的由噪声分量引起的假边缘;改善了图象的视觉效果。理论分析和实验结果表明,W滤波器能够增强任何形状的噪声污染边缘。同CS滤波器(比较选择中值滤波器)性能相比较,本文提出的方法能同时达到滤除噪声和边缘增强的目的,一维和二维信号测试结果有力地支持上述结论。     

边缘保持递归去噪算法及在图象处理中的应用

为了在图象处理时，既可以有效地去除噪声，又不会太多地破坏边缘，在一维卡尔曼滤波器的基础上，通过加入噪声图象边缘的结构信息，导出了一种简单的、可快速计算的边缘保持递归去噪算法。算法的主要思想是将与边缘大小和位置有关的信息从噪声图象中提取出来并将这些信息作为卡尔曼滤波器的控制输入，采用这种方法可以有效地降低图象边缘破坏的程度。对包含边缘信息和不含边缘信息的Ｘ线头影图象进行了处理，实验结果表明，加入边缘信息的卡尔曼滤波器的性能明显优于传统的卡尔曼滤波器，改进的滤波器在去除图象噪声的同时，可以有效地保持图象的边缘。     

基于熵算子边缘检测的组合滤波器设计

噪声的干扰和影响是众多图像质量影响因素,在去除噪声的同时,保持图像的边缘和细节尤为重要。本文针对传统全方位多级组合滤波器在去除噪声的同时,会严重模糊图象边缘这一问题,分析了其原因,并指出为了更准确地判断出边缘细节信息,应考虑转角线条走向等特殊情况。提出了一种在去除噪声的同时,可以很好的保持图象边缘细节信息的基于熵算子边缘检测的组合滤波算法,实验结果表明,该算法在去除噪声的同时,能更好地保持图象边缘细节,取得较好的处理效果。     

多结构元素多尺度的数学形态学图像边缘检测算法

边缘检测是图象处理与模式识别的一个重要图象预处理过程。传统的边缘提取方法如Sobel,Prewitt和Canny等非常有效但对噪声非常敏感。形态学边缘检测目前已成一个研究热点,但大多算法采用单一结构元素,很难对复杂边界进行有效的处理。因此我们提出一种基于多结构元素多尺度的数学形态学边缘检测算法,先用多尺度结构元素交替顺序形态开-闭平滑图象以去噪,再用多结构元素对不同方向的边缘进行提取,最后把各方向边缘融合得到图象边缘。实验结果表明,提出的算法不仅有很强的抗噪性,而且很有效的提取图象的边缘。     

视觉信息的随机共振

通过噪声的概率分布论述了噪声在图像处理中增强或弱化视觉效果的作用,阐明了随机共振图像产生的机理,即在一定噪声强度条件下,图像视觉质量可以达到最佳效果．证明了不仅是噪声强度,而且噪声的类型同样会影响视觉质量．通过两种典型噪声的比较分析,得出了在各种类型的噪声中,以添加线性分布的均匀随机噪声所产生的随机共振图像质量效果为最好的结论,本研究为图像表述、目标识别、视觉理解等工程应用提供了一种方法．最后,为自动实现图像的随机共振,给出了一个最佳噪声强度的快速搜索算法．     

快速自适应滤波的图像增强方法

为了快速有效的去除图像中的干扰噪声,同时避免边缘有用信息的模糊化,提高图像的层次感和清晰度,采用快速自适应滤波与模糊集相结合的方法来进行图像增强。基于FPGA的快速自适应卡尔曼滤波器能够根据图像不同区域的噪声干扰程度实时有效地滤除噪声,对于去噪后带来的边缘模糊化问题,再采用分段模糊增强来解决。实验结果表明,该方法不但能够快速有效地去除噪声,而且图像的边缘细节信息也得到了很好保留。     

基于小波域的多尺度图像融合方法

提出了一种基于小波域的多尺度图像融合方法，对于高频细节部分和低频近似部分采用不同的融合规则，有效地克服了以往图像融合时容易受噪声干扰、空间细节信息丢失的缺点．通过计算机仿真，将融合结果与传统小波融合方法以及基于PCA的融合方法进行比较，该方法获得了更好的图像融合效果，是一种有效的图像融合算法．     

基于自适应阈值的红外图象增强

针对红外图像高背景、低反差的特点,在传统的分段线性变换的基础上,提出了一种自适应的算法。通过对原始图像的直方图统计得到该图像的背景阈值,再通过对原始图像上目标区域的灰度估算得到该图像的目标阈值,由此将图像分解成背景、目标和不感兴趣的区域三部分,然后通过分段线形变换将背景和不感兴趣的区域进行灰度压缩,同时将目标区域进行灰度拉伸,从而达到有效的抑制背景、增强目标的目的。通过实验结果比较,该算法无论在阈值的自适应方面或者是图像增强的效果,都优于传统的直方图均衡和双直方图均衡算法。     

基于变指数分数阶全变差和整数阶全变差的图像恢复算法

结合变指数全变差(totalvariation, TV)和整数阶TV,提出一种变分图像恢复算法。该变分问题的能量泛函主要分为三个部分:变指数p(x)的分数阶TV正则化项、整数阶TV正则化项和数据保真项。该模型中的指数p(x)是与图像的梯度信息有关的函数。在理论上,由于分数阶导数和整数阶导数的结合,使得所提方法不仅能有效地去除图像噪音,保护图像的边界高频信息,还能更好地保留图像的纹理细节等中低频信息,同时可以极大地消除图像处理中产生的阶梯效应和散斑效应。在模型的求解上,利用变分法可以简单地将极小化泛函的优化问题转化为梯度下降流方程。最后,通过模拟数据和真实数据对本文所提方法进行了验证。试验结果表明,该方法可以去除噪声的同时,有效保持边界和纹理细节,并且对噪声是鲁棒的,具有一定的实际应用价值。     

一种改进的模糊核聚类图像分割算法

模糊核聚类算法已广泛应用于图像分割领域,然而该算法对初始值的选取、噪声以及图像灰度不均匀比较敏感.针对该问题,提出了一种改进的模糊核聚类图像分割算法.将改进的最大类间方差法(Otsu)引入模糊核聚类算法中,结合图像的概率信息和空间信息,得到了一种高效、实用的图像分割方法.实验结果表明,改进算法具有较强的抗噪能力,较高的分割精度,可以用于工程实际.     

一种基于数据融合和小波变换的图像边缘检测方法

论文提出利用数据融合和小波变换进行图像边缘检测的一种方法。此方法首先对同一地区的多谱段图像用小波变换进行融合预处理,然后直接采用小波变换系数动态地调整边缘判别的阈值,对融合图像进行边缘检测。试验结果表明,此方法不仅能有效地抑制噪声,而且对具有多种边缘特征的图像均有良好的适应性。     

多孔小波和非下采样滤波器组去除遥感图像的多种噪声

结合àtrous小波变换和非下采样轮廓波变换的优点,提出一种基于àtrous 非下采样轮廓波变换的遥感图像去噪方法.该方法用非抽取离散小波变换的àtrous算法对图像进行多尺度分解,然后用非下采样的多方向滤波器组对得到的细节分量进行多方向分解.对含有多种噪声的遥感图像,àtrous 非下采样轮廓波变换将图像中不同种类的噪声分解到不同的小波系数分量中,使得可以根据噪声特性选择最合适的去噪方法,比用一种方法去除所有类型的噪声更科学且去噪效果更好.     

结合灰度熵变换的PCNN小目标图像检测新方法

为了自动地进行小目标图像分割检测,从含单一弱小目标图像的特征出发,提出了一种结合灰度熵变换的脉冲耦合神经网络(PCNN)小目标图像分割检测新方法. 该方法在对有随机噪声和复杂背景图像进行非线性灰度熵变换滤波的基础上,考虑灰度熵值灰度图在满足先验概率目标背景比条件下,选择包含单一小目标局部窗口作为处理图像区域,并在局部最小交叉熵判据下,进行改进型PCNN迭代分割检测处理. 实验结果表明,该方法不仅能可靠地检测出复杂背景及随机噪声干扰下弱小目标,并且在PCNN运行处理过程中,可自动地完成最佳分割检测.     

改进的方位各向异性地震反演裂缝预测技术及应用

在有限(窄)方位各向异性叠前地震反演裂缝预测技术中,如何克服噪音对反演结果的影响,一直是地震反演预测裂缝中的难题。通过对Rüger公式的近似、简化与改进,有效分离地震数据中的有效信号和噪音的效果。在地震反演中,结合成像测井解释裂缝成果,选定最合理的压噪因子参与反演计算。采用该计算方法预测裂缝密度与方位分布,不仅与成像测井吻合率较高,而且为井间裂缝预测提供了可靠的依据。在塔里木盆地YB1井区奥陶系鹰山组碳酸盐岩裂缝储层预测中应用效果较好,成功预测出该区裂缝主要在断层附近较发育,在构造隆起的东北部,裂缝发育程度较高,是该区油气进一步勘探开发的有利区域。