基于NSCT和FCM聚类的SAR图像分割

为了实现对SAR(合成孔径雷达)图像的无监督自动分割,提高分割精度和计算效率,提出了一种基于非下采样Contourlet变换(NSCT)和模糊c均值(FCM)聚类的SAR图像分割方法.该方法首先采用一种基于NSCT的去噪算法对SAR图像进行去噪预处理,以保护细节纹理信息;然后采用保边缘灰度特征提取方法和灰度共生矩阵来提...     

基于小波变换和模糊c-均值聚类的图像边缘检测

提出一种结合小波变换和模糊聚类技术对图像边缘进行检测的新算法．首先,对图像进行小波变换。并将相邻尺度小波系数相乘以增强边缘和去除噪声,然后利用模板得到四个方向的小波模梯度值,并以其作为特征作成待分类点集,最后,采用模式识别中的模糊c-均值聚类技术进行自动分类,实现边缘检测．实验结果表明,该算法具有较好的边缘检测和抑制噪声的能力。     

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。     

基于NSCT分解的图像插值算法

由于成像系统内部和外部的因素,使得获取的图像产生退化。为了尽可能的保持CCD图像的基本信息,提高图像的视觉效果和空间分辨率,为了克服传统插值算法存在的缺陷,本文提出了一种基于非采样Contourlet变换(Non-subsampled Contourlettransform,NSCT)分解的图像差值算法,利用NSCT提取高频成分,原始低分辨率图像经过双线性插值放大充当低频部分,再经过NSCT逆变换得到放大后的高分辨率图像。实验结果表明,相对于传统的双线性插值算法,本文所提出的基于NSCT分解的图像插值算法考虑到全局相关性,得到了更加清晰的边缘信息,从而得到更好的图像插值放大后的视觉效果。     

基于小波变换的X-射线图像边缘检测

讨论了小波变换在图像边缘检测中的应用，并且根据X－射线图像的特点，利用三次样条二进小波，采用Mallat快速算法进行小波分解，成功的检测出了X－射线图像的边缘。     

基于NSCT的低能见度图像边缘检测算法

针对PM2.5雾霾图像能见度低、边缘检测困难的问题,提出了一种采用非下采样轮廓波变换（NSCT）的边缘检测方法。首先对PM2.5雾霾图像进行NSCT分解,然后寻找由同一粗尺度系数分解而来的两个细尺度相邻子带系数,对其求差值,再通过差值图的模极大点来确定边缘点,最后通过NSCT域尺度内和尺度间的融合得到完整边缘图像。实验表明,对雾霾图像,该边缘检测方法所获取的边缘完整、定位准确并且噪声点少。     

基于模糊c-均值算法和遗传算法的新聚类方法

为了得到最佳聚类数和相应的每一类中的样本,文中首先介绍了一种新聚类方法,用该方法构造了一个既考虑类与类之间的分散程度、又考虑同一类紧凑程度的目标评价函数;再运用模糊c-均值算法(FCM)进行迭代,求得每一类的中心和隶属度值;然后运用遗传算法搜索全局极值点;最后运用该算法对我国全要素生产力进行了模糊分类．     

一种基于Contourlet变换的图像边缘检测方法

基于小波变换域图像边缘检测算法只能有效检测出图像有限方向的边缘,而且这种算法所得到的边缘图像往往出现断裂现象.Contourlet变换是一种新的多尺度几何分析方法,它不仅拥有小波变换的时频局域特性和多分辨率特性,而且还具有很好的方向性和各向异性.提出一种新的基于Contourlet变换的边缘检测算法.仿真结果表明,该算法对图像边缘细节的提取比基于小波的图像边缘检测方法更加丰富,且具有较好的连续性.     

基于小波变换和模糊算法医学图像边缘检测算法

在医学图像三维显示技术中，需要得到单像素级的清晰轮廓线。为了适应这种需求，提出了一种边缘检测算法。它基于Mallat小波模极大值边缘检测方法，同时应用模糊算法构造相应的隶属函数，再对得到的极大值进行进一步筛选，最终可以得到单像素级的边缘。实验结果证明了该算法的可行性。     

基于小波变换的模极大值图像边缘检测算法

将小波分析技术运用到图像边缘检测中以勾勒图像轮廓，提出了基于小波变换的模极大值边缘检测算法．利用二次B样条小波和Mallat算法对图像进行了边缘检测．仿真结果表明：该方法去噪效果好，能提取图像中较弱的边缘，且边缘具有很强的连续性，明显优于传统的边缘检测算子．     

一种基于小波变换的边缘检测方法

基于信号与噪声在不同尺度下小波变换系数模不同的变化特征,提出了一种边缘检测方法,该方法通过对图像的小波变换域中由噪声引起的小波变换系数模进行处理,再利用小波变换系数模局部极大值来提取图像的边缘特征,实验结果说明这种特征提取方法可以有效地降低噪声,同时又较准确地提取出图像的边缘。     

基于KFCM算法对MRI图像分割的研究

医学图像分割在医学图像处理,尤其是临床诊断的MRI图像分析中起着重要作用,提出一种基于核模糊C均值聚类算法(KFCM)的MRI脑图像分割,讨论KFCM算法中隶属度m参数和聚类数目k的选取对图像分割的效果影响,通过仿真实验表明,对于MRI脑图像隶属度函数值在2≤m≤11整数时,图像能取得较好效果,对于聚类数目k选取不易超过8.     

基于NSCT与PCNN的自适应图像融合

提出了一种新的基于非下采样轮廓波(NSCT)和脉冲耦合神经网络(PCNN)相结合的自适应图像融合方法.对已经配准的源图像进行NSCT分解,得到低频子带系数和不同方向的高频子带系数.对NSCT分解的低频部分采用简单的加权平均融合规则;而高通子带系数,采用改进的拉普拉斯能量作为PCNN链接强度的方法.最后,对融合的系数进行NSCT逆变换得到融合图像.实验结果表明,本文算法明显优于其他几种方法,具有更好的融合性能,清晰度更高,是一种可行、有效的图像融合方法.     

基于小波变换模极大值的边缘检测方法

研究了采用小波变换模极大值进行图像边缘检测方法.小波变换模极大值常用来检测信号的奇异值,用这种方法可以检测到图像所有边缘的细节,但同时也会检测到一些伪边缘和噪声点.研究通过阈值消除伪边缘并给出了确定阈值的具体方法.实验结果表明,采用图像分块方法确定阈值,并用该阈值来限定模值,可以得到更好的边缘检测效果.     

基于小波的图像边缘检测算法研究

图像的边缘检测是对图像进行进一步处理和识别的基础,虽然图像边缘产生的原因不同,但反映在图像的组成基元上,它们都是图像上灰度的不连续点或灰度剧烈变化的地方,这就意味着图像的边缘就是信号的高频部分。因此所有的边缘检测方法都是检测信号的高频部分。但在实际图像中,由于噪声的存在,边缘检测成为一个难题。提出一种利用小波把图像分解成近似部分和细节部分,近似部分是原图像对高频部分进行滤波所得的近似表示。经滤波后近似部分去除了高频分量,因此能够检测到原图像所检测不到的边缘。     

一种改进的快速模糊边缘检测算法

在介绍Pal模糊边缘检测算法的基础上，提出了一种改进的模糊边缘检测算法，采用该快速算法，不仅简化了Pal虎法中复杂的G和G^-1运算，而且提出了改进的模糊增强Tr变换，并减少了迭代次数。实验证明，采用该改进算法，不但提高了边缘检测的效率，而且检测效果优于Pal算法，并且有较好检测模糊边缘和抑制噪声干扰的能力。     

基于半软阈值NSCT的图像去噪

提出一种基于非降采样Contourlet变换(NSCT)和半软阈值的图像去噪方法.先在原有的全局阈值处理方法基础上,针对NSCT的特点,重新选定阈值参数,然后再将半软阈值法与NSCT相结合去噪.实验结果表明,该方法能够在去噪后的图像中消除一般Contourlet变换时由于不具有平移不变性而产生的伪吉布斯现象,并且在保存了更好的边缘和纹理特征的同时又不失平滑.     

小波多尺度方法用于边缘检测

小波极大值有达式给出重构图像信息的一种新方法,它能从图像边缘的属性上扩展解决图像处理问题的方法,由此提出小波多尺度方法对边 进行检测和重构,实验结果表明图像近似值可以从小波模极大值点中重构,而视觉效果却不受影响。