木材缺陷重建图像的多核模型研究

针对基于应力波技术的木材无损检测算法中,重建后的木材缺陷图像与真实的木材缺陷图像差距较大,不能够准确地反应出真实情况下木材内部缺陷的大小和形状这一现状,采用多核模型进行优化重建算法,提高重建图像的准确率。以含有空洞的椴树木材为实验样本,利用多核模型优化重建的缺陷图像,提高重建图像的拟合度。根据采集到的数据建立点速度模型,对得到的点速度模型用多核模型进行优化,将多核模型优化的重建缺陷图像阈值分割处理,得到轮廓平滑、拟合度高的缺陷重建图像。研究结果表明,利用多核模型优化可以更加准确地反应出木材内部真实缺陷的情况,通过和其他方法的比较,证实了多核模型比其他模型更能准确表示木材内部缺陷,重建图像的拟合度更高,为提高木材缺陷重建图像提供了可行性方法,可为木材缺陷检测装置的设计提供参考。     

基于引导滤波和NSST的工业CT图像边缘检测

针对传统边缘检测算法不能准确检测有噪工业CT图像边缘的问题,提出一种鲁棒性好、能有效保持细小边缘的边缘检测算法.用引导滤波取代高斯滤波作为边缘检测的预处理,避免Canny算法对边缘的损坏,得到初步检测结果.在此基础上采用非下采样Shearlet变换分解图像,提取包含图像边缘细节信息的各尺度不同方向的高频系数.对每个方向的系数进行模极大值检测,并结合不同分解程度下边缘像素处的系数关系进一步调整模极大值,低频置零并通过反变换得到高频边缘检测结果.将初步检测结果与高频检测结果进行融合,经数学形态学处理得到最终边缘检测图像.实验对比了Canny算子以及近年来提出的同类边缘检测算法的结果,所提算法表现出更好的边缘保持特性,检测的完整性和准确性更高,品质因数比实验中的其他算法平均高出12%,边缘检测效果优越,为工业CT无损检测系统提供了更好的边缘检测方案.     

小波域内循环平移操作的图像高分辨率重建算法

为解决传统的图像插值算法因具有全局性而不能较好地处理图像边缘细节信息,且易在细节区域产生锯齿线的问题,提出了一种图像分辨率和对比度增强算法.该算法先用小波零填充算法得到高分辨率图像,并通过纠正残差过程来弥补丢失的边缘和纹理特征,然后对其进行定向循环平移操作.考虑到图像小波分解后水平、垂直、对角方向的高频分量能够反映图像...     

一种自适应的木材表面缺陷图像分割方法

木材表面缺陷图像的分割是木材表面图像处理中的基础性难题,针对这一问题提出了一种基于测地线活动轮廓模型的木材表面缺陷图像的分割算法。采用图像梯度信息对此模型进行了改进,使其更适合对木材表面缺陷的分割。实验表明:改进的测地线活动轮廓模型算法结合了图像梯度信息,对死节、虫眼、边缺及树脂纹几种常见木材表面缺陷图像的分割取得了比较理想的分割效果,相对于传统测地线活动轮廓模型有所提高。     

应用二维混合变换的脂肪肝超声波图像特征提取

采用一种二维混合变换—二维离散傅里叶离散小波混合变换（2-DDFT-DWT）,去除与脂肪肝散射粒子混迭的噪声,进而提取脂肪肝散射粒子。该算法从水平方向对超声波图像用DFT进行滤波处理,从垂直方向对超声波图像进行DWT尺度纹理信息提取处理。并给出了水平方向的偏DFT的正变换与反变换的定义与算法,及垂直方向的偏DWT的定义与算法。通过实例说明了脂肪肝超声波图像特征提取算法的应用,给出了与二维离散傅里叶变换及二维离散小波变换算法提取脂肪肝散射粒子纹理的比较结果。     

小波域内循环平移操作的图像高分辨率重建算法

为解决传统的图像插值算法因具有全局性而不能较好地处理图像边缘细节信息,且易在细节区域产生锯齿线的问题,提出了一种图像分辨率和对比度增强算法。该算法先用小波零填充算法得到高分辨率图像,并通过纠正残差过程来弥补丢失的边缘和纹理特征,然后对其进行定向循环平移操作。考虑到图像小波分解后水平、垂直、对角方向的高频分量能够反映图像这3个方向的边缘变化情况,从而利用图像不同方向的高频分量来刻画图像像素点不同方向的突变程度。根据这个突变程度来实现循环平移操作的自适应融合过程,这样可以避免过度抑制边缘细节信息。最后对重建的高分辨率图像小波分解后的高频分量使用非线性增强函数,提高图像对比度,突出边缘和轮廓信息。实验结果表明,该算法在增强图像空间分辨率和对比度的同时,保留了原图像包含的边缘和轮廓信息,不仅有较好的视觉效果,还有一定的抗噪能力。     

一种有效的结构纹理区分方法

提出了一种检索纹理图像的算法.由于纹理图像具有的多样性,处理不同的纹理图像应当采用不同的处理方法.比如,针对结构纹理图像使用小波的方法更为适合,而针对具有随机纹理的图像使用马尔科夫模型效果就更好.因此,在处理图像之前对其按照纹理的情况进行分类合并,就可以有针对性的处理各种纹理图像.我们提出的区分纹理图像的方法基于二值傅里叶谱,首先将纹理库中的图像按结构纹理和随机纹理划分,然后采用多方向小波contourlet提取图像特征来检索图像.实验表明,这种区分算法,可实质性地提高检索率.     

基于Shearlet域各向异性扩散和稀疏表示的图像去噪

为了更有效地去除图像噪声,同时更好地保留图像边缘细节信息,提出了一种基于shearlet 域各向异性扩散和稀疏表示的图像去噪方法. 首先对含噪图像进行非下采样shearlet 变换(nonsubsampled shearlet transform, NSST),将图像分解为低频分量和多个高频分量. 低频分量中包含图像信号的主要能量以及少量的噪
声,而高频分量中含有大部分噪声和图像边缘信息. 然后,利用K-奇异值分解(K-singular value decomposition,K-SVD) 算法去除低频分量中的噪声,各个方向的高频分量则通过核各向异性扩散(kernel anisotropic diffusion,KAD) 算法进行去噪. 最后,对处理过的低频分量和高频分量进行非下采样shearlet 反变换(inverse nonsubsampled shearlet transform, INSST),得到重构图像,从而有效地去除图像噪声,保留图像边缘细节. 实验结果表明,与小波扩散去噪法、shearlet 硬阈值去噪法、K-SVD 稀疏去噪法、小波域稀疏去噪法相比,该方法的去噪能力更强,并能更好地保留图像纹理细节特征,改善图像视觉效果.     

纹理图像分类的置信规则库推理方法

针对传统纹理图像分类算法识别率不高的问题,引入置信规则库推理方法而提出一种纹理图像分类策略.目前纹理图像分类研究常局限于纹理特征提取算法的改进,而忽视了另一个决定分类效果的关键,即分类器设计.该文采用置信规则库推理方法,在现有纹理特征提取算法基础上重新设计纹理图像分类器.根据角度径向变换和灰度共生矩阵算法提取图像纹理特征,采用主成分分析方法减少角度径向变换特征的维数,以避免产生置信规则库"组合爆炸"的问题.最后用置信规则库推理方法将纹理特征信息转换成类别置信度信息,得到最终的分类结果.实验中将置信规则库推理方法分别与相似性距离度量法和支持向量机法进行对比,结果表明所提出的方法在一定程度上提高了纹理图像分类准确率.     

图像非线性扩散去噪的格子波尔兹曼方法

针对传统图像去噪非线性扩散模型及其算法效率低和难以并行化的缺点,该文在格子波尔兹曼方程的松弛因子中引入图像边缘特征以实现图像的非线性扩散去噪. 在保证算法稳定的情况下能进行大步长迭代运算以提高处理效率,且适用于并行化计算. 实验结果和分析表明,该文所提出的方法与加性分裂算法相比能够获得更好的去噪质量,其计算精度和效率都优于加性分裂算法.