基于Hough变换和Radon变换对SAR图像目标姿态角识别的综合方法

提出了一种对SAR图像姿态角识别算法进行改进的技术.通过分析Hough变换和Radon变换在实际应用中的局限性,提出了一种综合上述2种方法的姿态角识别算法.利用MSTAR公共目标数据库中的目标样本,通过实验验证,该种方法能够更准确地估计目标的姿态角.     

基于Radon变换的运动模糊图像参数估计

通过对运动模糊图像进行分析,提出了对运动模糊图像两个重要参数:运动模糊角度和模糊长度估计的一种新的方法.基于频域特性利用Radon变换对模糊图像的模糊方向进行估计的改进,又根据Radon变换的性质,将投影理论引入到运动模糊长度的估计中.仿真实验证明了其估计结果的正确性且表明,该方法简单可行,较之先前提出的许多复杂的方法,该方法具有较高的精度.     

一种基于Radon变换的车牌图像分割和识别方法

从Radon变换的定义出发,论述了Radon变换检测直线的原理,并将它应用于车牌图像分割.在1幅含有车牌的图像中,进行边缘检测后,车牌所在矩形框往往是由多条直线组成,当投影方向与直线方向一致时,Radon变换取局部极大值.由此,首先找出Radon变换在0°附近的局部极大值,该值对应于原始图像中的1条接近垂直的直线,然后,寻找次局部极大值,对检测出来的若干条这样的直线聚类,根据计算结果沿垂直方向剪切原始图像;同理,找出Radon变换在90°附近的局部极大值,沿水平方向剪切原始图像.这样,可将车牌所对应的矩形从复杂的背景中分割出来.     

关于Radon变换的一个注记

应用Ｒａｏｎ变换重新推证了文献（５）关于薄板经典弹性稳定问题的通解,从而使该结果建立在严格的理论基础及清晰的推导之上。     

Radon变换的一个反演公式

简要介绍了Ｆｏｕｒｉｅｒ变换、Ｈｉｌｂｅｒｔ变换和Ｒａｄｏｎ变换之间的某些联系，由此导出了Ｒａｄｏｎ变换的一个新的反演公式。     

Radon变换的反演及其性质

提出Radon变换的一系列性质,对于重要性质给予了证明,并且利用广义函数和Fourier变换得到Radon变换的反演定理,从而推广了Durrani T S.和Bisset D的工作。     

基于Canny算子和Radon变换的证件图像倾斜校正

倾斜的证件图像不利于识别,为此提出一种基于Canny算子和Radon变换的校正方法。该方法首先使用Canny算子进行证件图像边缘检测,然后利用Radon变换计算出图像的倾斜角度,最后用双线性插值算法进行图像旋转校正。在Matlab平台对该方法进行了仿真实验。实验结果表明,该方法能够准确、高效地对证件图像进行校正。     

基于坐标变换的相向运动图像模糊复原方法

针对递归计算自身产生的残差以噪声形式出现在复原后辐射状模糊图像上的问题,研究了一种通过坐标变换和空域点运算获得图像退化模型,进而对该模型求逆复原辐射状模糊图像的新方法.使用扇形网格进行了图像的重新采样,在此基础上,根据图像退化过程推导出了图像退化模拟矩阵;使用最小二乘法作为约束条件对重新采样的图像进行了复原.结果表明,该算法简单,复原图像清晰,可以用以进行图像辐射状模糊的复原.     

基于小波变换的Radon变换反演

采用小波取样定理和共轭正交小波变换两种方法进行了Radon变换的反演计算 ,并对不光滑函数的反演计算进行了深入讨论。理论和实例证明 ,基于小波变换的Radon变换反演算法便于计算并能高精度重构原信号。     

求逆Radon变换的时频小波方法

讨论求逆Ｒａｄｏｎ变换的快速算法,我们构造出无穷次可微的钟形函数,并利用它及Ｃｏｉｆｍａｎ－Ｍｅｙｅｒ构造局部三角函数基的方法,建立具有优越性能的局部正弦基,并在此基下给出求导算子Ｄｘ与Ｈｉｌｂｅｒｔ变换Ｈｘ的表示,证明了与算子Ｄｘ和Ｈｘ相对应的近似矩阵都是大量元素为零的稀疏矩阵。     

基于Radon变换和坎尼边缘检测的倾斜车牌校正方法研究

为了解决车牌倾斜对字符分割和字符识别带来的不利影响,文章基于Radon变换的思想,先利用Canny边缘检测器检测车牌边缘,再利用Radon变换搜索构成车牌矩形的直线段,并计算其倾斜角来校正倾斜车牌.测试结果表明该方法能准确地检测出图像的倾斜角,并取得良好的效果.     

基于Radon和Fourier-Mellin变换的物体几何不变性分析

本文提出一种具有高容噪能力并且对灰度和二值图像都适用的平移、尺度与旋转不变性分析方法,该算法在对图像进行坐标变换后,利用Radon变换将目标图像转换到投影空间,组成投影矩阵,然后对投影矩阵进行Fourier-Mellin变换,最后从变换矩阵中提取不变特征、进行目标图像的分类。理论分析与实验结果表明,与现有的不变性分析方法相比,该算法克服了以往方法的不足,对灰度和二值图像的不变性识别都适用,并且本算法对噪声的鲁棒性强;对灰度图像的识别率高;可以达到理想的分类效果。     

基于Radon变换的多尺度虹膜识别算法

针对现有虹膜识别算法需要处理二维纹理信息,特征提取时间长,对噪声干扰比较敏感等问题,提出了基于Radon变换的多尺度虹膜识别算法.首先利用Radon变换将二维虹膜纹理信息转换为一维纹理信号,然后使用小波变换多尺度能量算子提取虹膜的特征信息,最后利用相异度函数进行匹配判别.实验结果表明,算法具有运算简单,快速等优点,同时算法能够较好地克服图像平移、缩放、旋转等几何攻击对识别带来的不利影响,具有较强的抗干扰能力和较高的识别率.     

三维倾角分布的Radon变换计算

采用P.S teeghs提出的滑动窗口R adon变换的快速计算方法[1],实现了胜利油田垦71地区的三维倾角分布的计算,给出了三维倾角分布的清晰图像.计算表明采用R adon变换的快速算法可有效的提高计算速度.给出了快速算法的详细推导过程,并更正了文献中的一处错误.     

基于频域收缩的Quincunx小波变换复原算法

针对含噪退化图像复原问题,提出了基于频域收缩的Qu incunx小波变换复原算法。该算法引入了收缩因子,对不同频率部分的系数给予不同程度的收缩,不仅保证了对有色噪声压制效果,还最大限度地保留了图像信息。运用Qu incunx小波变换,从频域收缩的结果中进一步提取图像信息,消除了频域收缩所附带产生的有色噪声和振铃效应,同时具有空域计算、原位计算以及易实现整数变换的优点,适合用定点DSP(D igitalS ignal Processor)实现。运用含噪退化的图像进行实验比较的结果表明,该方法较维纳滤波、等功率谱方法在SNR(S ignal-to-Noise Ratio),ISNR(Improvem ent of S ignal-to-Noise Ratio)两个参数上均提高3倍左右;在NMSE(Norm alized M ean Square Error)参数上,与维纳滤波具有相同的数量级,仅是等功率谱法的1/5左右。     

Radon变换在纵横波分离中的应用研究

波场分离是把弹性波场分解成纯纵波和纯横波两部分,从而能更准确、有效地描述地下介质信息。分析了目前常用的P-P波和P-SV波分离方法(Radon变换法),将其应用到全波场的纵横波分离;并结合纵横波的运动学和动力学特征,给出了3种不同Radon变换法分解纵横波的具体计算公式。针对不同的Radon变换法设计合理的参数,对理论模型的正演模拟数据进行纵横波分解试算。计算精度和计算效率的对比结果表明在全波场纵横波的分离过程中,高分辨率Radon变换的分离效果比较好。     

基于灰度特征约束的Radon变换改进算法

针对跑道信息在机场目标识别算法中的重要性,分析了子母弹在实施跑道封锁时对跑道端点信息的需求,给出了机场红外图像的灰度约束先验知识;针对传统R adon变换无法获取线段端点信息的特点,提出了一种新的基于灰度特征约束的R adon附加策略识别算法,对低对比度的红外图像进行了识别,仿真计算结果表明:该算法可以较为有效地获得准确的跑道中点和端点信息。     

基于Radon变换和Gabor变换鉴别运动模糊方向角

对于匀速直线运动的模糊图像,准确鉴别运动方向角是图像复原的关键。分析了运动模糊图像的频谱特征,介绍了Radon变换的数学原理及用其估计运动模糊方向角的思路、步骤和数值实验结果。由于实际拍摄的模糊图像在很多时候频谱特征不够明显,导致用Radon变换鉴别角度出现大的误差,为此,提出了基于Gabor变换的一种改进算法。算法运用"窗口"聚焦频谱图像中心,较好地消除了噪声干扰并克服了Radon变换的弊端,数值实验结果验证了该算法的有效性。     

衰减Radon变换反演的Tikhonov-Phillip正则化方法

研究Sobolev空间上的衰减Radon变换 ,获得了衰减Radon变换及其导出的拟微分算子的连续性 ,由此得到了Sobolev空间上衰减Radon变换Tikhonov Phillip正则化重建方法