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。     

确定热位移及经验公式的散斑照相法

用He-Ne激光散斑照相方法测量了金属圆板的热位移,并给出位移经验公式。该方法简单,精度可达到微米级。     

用工业钡盐下脚料生产“钡餐”新工艺

研究了应用废料生产“钡餐”,即胃肠道X光透视用造影剂——药用硫酸钡的新工艺。该法将工业氯化钡及氢氧化钡的下脚料用盐酸浸溶后,调整pH值以除砷、硫等杂质,控制反应温度、酸度等条件,最终获得合格产品。     

基于广义Nakagami分布的医学超声图像去斑点噪声算法

通过对含斑图像作对数变换和冗余分解变换,实现了一种基于小波域局部统计特性的医学超声图像去噪算法.利用双边广义Nakagami分布和高斯分布分别对斑点噪声小波系数和信号小波系数建模,在贝叶斯最大后验概率估计(MAP)准则下推导出相应的萎缩法表达式,即GNDShrink.实验结果表明:该算法与经典的去斑点噪声算法相比,信噪比和相关系数都有明显的提高,并且能很好地保存图像的纹理.     

NSST域三维块匹配的SAR图像相干斑抑制算法

为了降低合成孔径雷达(synthetic aperture radar,SAR)图像中相干斑噪声对后续应用的影响,提出一种基于非下采样剪切波变换(non-subsampled Shearlet transform,NSST)域三维块匹配的相干斑抑制算法。该方法能够充分利用图像的自相似性和稀疏性,在抑制相干斑的同时保留图像的细节。为了较少计算量并增强相似块匹配的鲁棒性,使用灰度理论(grey theory,GT)进行相似性度量得到相似块组; 为了获得更多方向的细节信息,将相似块组变换到NSST域实现多尺度多方向的分解并对系数进行收缩滤除相干斑噪声; 将NSST系数反变换并利用相似性作为权重得到相干斑抑制后的SAR图像。通过在真实SAR图像上进行测试实验,进一步验证了相似块匹配方法及相干斑抑制算法的有效性,有利于SAR图像的后续应用。     

基于超声散斑的HIFU监控B超图像配准

 高强度聚焦超声（HIFU）治疗系统中B超监控图像由于存在伪像和噪声而很难实现图像配准,给靶区定位带来了困难,基于此,提出利用基于超声散斑的相位相关对B超图像进行配准并验证其可行性。首先,根据超声散斑原理和散斑伪随机性,在Matlab 7.0软件环境下,利用基于超声散斑的相位相关对从B超图像中提取出散斑图像进行配准,根据得出的位移值配准对应的B超图像;其次,为了与基于超声散斑的图像配准进行对比,对B超图像进行直接相位相关配准;最后,观察配准结果并进行相似度测定。结果显示,基于超声散斑的相位相关算法能够实现对存在伪像和噪声的B超图像的配准,具有较高的精确性和鲁棒性,优于对B超图像直接相位相关算法;同时也验证了基于超声散斑配准B超图像的可行性。     

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。     

改进型脉冲耦合神经网络高分辨率SAR图像分割

针对高分辨率SAR (合成孔径雷达)图像噪声强, 目标分割难度大的特点, 提出一种改进的脉冲耦合神经网络(pulse coupled neural network, PCNN)模型的SAR图像分割算法。首先根据SAR图像中相干斑噪声的特点, 采用复小波进行去噪。然后, 在传统PCNN模型的基础上, 对神经元的输入信号, 尤其是链接系数和 阈值的非线性衰减子因子进行了改进和简化, 同时对链接强度系数β进行理论上的近似推导, 并减少人工设置的参数。最后, 通过最佳阈值对其结果进行二值化处理得到感兴趣的目标图像。实验结果表明, 改进后的算法运行效率提高, 自适应性增强。与传统算法相比, 区域一致性提高0.013, 区域的对比度提高0.015, 效果优于传统的PCNN算法, 为高分辨率SAR图像分割提供了一种新策略。     

各向异性图像扩散的多重网格格子波尔兹曼方法

为提高基于格子波尔兹曼(Lattice Boltzmann,LB) 模型图像降噪方法的计算效率和精度,提出了一种多重网格LB (multigrid LB,M-LB) 模型的降噪方法,即通过不同尺度网格的LB 模型实现各向异性图像扩散,在图像变化剧烈的区域采用较细尺度的网格,而在图像变化缓慢的区域采用较粗尺度的网格. 为验证M-LB 方法针
对斑点噪声抑制的效果与效率,对自然图像、合成图像、医学超声图像进行降噪处理,分别与现有的一种多重网格扩散方法和两种LB方法进行对比．实验结果显示,M-LB 方法较其他3 种方法抑制斑点噪声效果更好,降噪处理效率更高．     

基于多级分类的极化SAR图像斑点抑制

针对极化合成孔径雷达（polarimetric synthetic aperture radar, PolSAR）图像相干斑抑制后的目标极化特性和结构特征保持问题,给出了一种多级分类的极化SAR图像斑点抑制方法。首先利用H/α快速分解法并结合极化总功率图像进行初分类,之后采用最小距离准则和聚合的层次聚类方法进行细分类,最后根据图像结构将图像内容分为亮点线目标、暗线目标和其他目标三大类,利用线性最小均方滤波器对暗线目标和非点线目标进行滤波。采用美国AIRSAR机载系统获取的实测数据进行实验,结果表明,与Lee的基于散射模型降斑算法相比,本文算法不仅能够更有效地抑制斑点噪声,而且在保持极化特性、结构和纹理特征方面更为有效。