Hyperion高光谱数据条带噪声消除方法研究

高光谱图像条带噪声的消除是高光谱图像处理的关键预处理技术.概述Hyperion成像光谱仪的工作原理,分析了Hyperion数据条带噪声产生的机理并总结条带噪声的特性.提出高光谱条带噪声消除的4种方法.研究表明,Hyperion数据条带噪声消除比较有效的方法是矩匹配法.对于高光谱图像条带噪声消除深层次的研究是要实现高光谱图像条带噪声的自动检测以及处理的智能化.     

多姿态人脸图像处理方法研究

通过对传统人脸识别系统图像处理的方法以及具体的特点进行研究，然后结合多姿态人脸识别技术的要求，提出了适合多姿态人脸识别的人脸图像处理方法。该文主要采用的是人脸图像的标准化方法、归一化处理以及由单视图生成多姿态的图像处理技术，最终形成了对多姿态人脸图像进行综合处理的技术。     

基于模糊集的图像增强方法研究

图像增强处理中常用的均值滤波和中值滤波等方法有较强的抑制噪声的能力,在一定程度上会导致图像模糊,影响图像处理的效果.直方图均衡化是目前地震图像增强的主要方法,但它存在着图像细节信息丢失和噪声放大的缺点.基于模糊集的图像增强方法逐渐被应用到实际的图像处理中,并且显示出它优于传统图像增强算法的特点.因此,将基于模糊集的图像增强方法应用到图像处理中,以克服传统图像增强方法的不足.首先对传统的Pal-King基于模糊集的图像增强算法进行了研究.针对Pal-King算法的缺点和不足,提出了两种改进算法,并且运用模糊熵理论对改进算法的正确性进行了证明.     

基于二值文档图像适宜网上管理的处理方法探讨与研究

着重介绍对二值图像的各种压缩方法，并对其进行了系统比较，给出了适合将文档图像进行网上传输以及网上批量文档图像管理和查阅的一种高效率软件压缩方法，扫描处理方法及去噪声方法等。     

彩色图象噪声的形态滤波方法

形态处理是二值和灰度图象处理中噪声抑制、特征抽取、形状描述等的有效方法，本文提出了一种彩色形态变换，将数学形态学理论拓展到彩色空间，构建了彩色噪声形态滤波器，分析了其性质，实验结果表明它能有效地消除图像中的彩色噪声、保留图像边缘。     

基于本征图像滤波处理可见光图像的方法

在可见光图像处理领域,为了进一步改善频域滤波法去除噪声的能力,提出了本征图像滤波法去除图像噪声的方法.以经典SVD算法为研究对象,首先探讨了奇异值重构维数的选取方法,然后分别对高斯噪声和椒盐噪声污染的图像进行去噪,验证不同重构维数的去噪效果,最后以S_(NR)和P_(SNR)为参数作出评价.结果表明,重构时,过小的维数不能恢复原始图像,过大的维数则会引入更多的噪声,只有恰当的维数才能达到理想效果.相比椒盐噪声,处理高斯噪声所得P_(SNR)值和S_(NR)值更高,表明本征图像滤波法更擅长处理高斯噪声.     

基于粗糙集理论和视觉特性的图像预处理方法的研究

文章论速了基于粗糙集理论的图像处理方法。粗糙集理论能够对具有模糊、不精确和不完全的图像进行处理,但处理中忽视了图像本身的复杂性和它们之间很强的相关性。文章提出粗糙集与人眼视觉特性相结合的图像预处理方法。该方法基于人眼的基本视觉特性和噪声特性,利用粗糙集中不可分辨关系,按照图像的梯度的大小和噪声来分割不同的区域分别进行不同的对比度的变换,通过仿真实验表明,能够获得较好的增强效果,并对噪声有抑制。     

一种消除脉冲噪声的迭代自适应中值滤波方法

基于脉冲噪声的特点提出了一种新的滤波方法——迭代自适应中值滤波方法(Iterative Adaptive Median Filter,IAMF)。本方法根据被脉冲噪声污染的图像的特征,建立相应的权重函数,并结合迭代算法进行噪声消除,处理后的图像不但能够较好地保留细节信息,而且能够保持良好的清晰度。此外,在IAMF滤波过程中,由于噪声点不参与计算,从而有效避免了图像中噪声点对正常像素的影响,同时也提高了运算速度。试验结果进一步证明:当噪声率超过0.5时,该方法的优越性尤为突出,噪声率超过0.9时,图像处理效果仍比较理想。     

消除图像噪声的方法研究

为使民族文化瑰宝藏族的唐卡得以永久保存,利用现代计算机图像处理技术,研究和恢复破损的图像,再现唐卡的完整画面,不失为一种好的手段,在消除图像噪声方面利用贝叶斯估计法可消除噪声、量化噪声,利用图像局部性质特征等方法也可消除噪声     

双边滤波SEEDS彩色图像分割方法

针对SEEDS彩色图像分割方法存在边界分割不精确的问题,给出了一种双边滤波SEEDS方法。首先利用双边滤波器对图像进行滤波处理,可以降低图像中纹理和噪声等信息对边界分割的影响,能够在保持边界信息的同时滤除噪声,从而使图像变得平滑。然后再进行超像素彩色图像分割,这样减少了图像误分割的现象,使边界信息分割的更加精确。仿真实验表明,双边滤波SEEDS方法在边界召回率和欠分割错误率方面都要优于SEEDS方法。     

基于数学形态学的强鲁棒性边缘检测方法研究

图像边缘检测是图像处理的基本手段，本文提出了一种基于数学形态学的强鲁棒性边缘检测方法。该方法不仅能够有效地检测边缘，而且能够同时消除图像噪声，实验证明，它与其他常用边缘检测方法相比具有较强的鲁棒性，且并行快速，实时性较好。     

图像处理对人像识别的影响

通过图像处理方法对曝光不足、噪声、模糊等低质化人像进行处理,探究其对人像识别的影响。制作4种常见低质化人像,对其进行图像处理,将图像组导入人像识别系统比对。结果发现,不同的图像处理方法对低质化人像的识别率会产生不同影响,可见,图像处理能提高低质化人像的识别率。     

结合循环迭代方法的自适应中值去噪新模型

针对传统去除椒盐噪声方法在图像噪声密度较高时去噪性能较差的缺点,本文提出了一种结合循环迭代方法的自适应中值去噪新模型,提高了高密度椒盐噪声下去噪算法的性能.该滤波器工作模式可分为三个阶段：首先,图像疑似噪声点预处理,通过极值判断法,将待处理像素点进行区分得到疑似噪声点;其次,确定噪声点处理,将已确定噪声点用邻域内的中值或均值自适应替换,从而完成去噪;最后,疑似噪声点再次处理,通过算法内置参数和条件,进一步判断疑似噪声点是否为噪声点.该模型还加入噪声标记点方法,通过迭代处理判断标记点结束去噪,得到滤波后的图像.仿真实验证明,本文提出的方法较传统的几种去除椒盐噪声滤波算法,针对无论是低密度噪声图像或是高密度噪声图像,去噪性能都有一定的提升,且能够较好地保留图像边缘和纹理等结构信息.     

基于模型的FLIR图像的多分辨率分割方法

针对低对比度前视红外（ＦＬＩＲ）图像分割问题的特点，将多分辨率图像处理技术与基于模型的前视红外图像分割方法结合起来，提出了基于模型的ＦＬＩＲ图像的多分辨率分割方法．首先建立一金字塔结构的多分辨率图像集，然后在每一固定分辨率级别上使用基于模型的ＦＬＩＲ图像分割方法，并用低分辨率上的分割结果修正高分辨率上迭代的初始概率，最后在原ＦＬＩＲ图像中得到分割结果．该方法能得到更为精确的目标分割结果，并大大减小背景对分割图像的干扰，同时还加快了选代的收敛速度．对实际红外目标图像的分割结果证实了本算法的有效性．     

基于BM3D的图像噪声方差估计方法

传统的图像噪声方差估计方法在处理具有较多内容变化或者丰富纹理信息的图像时,往往容易造成较大的估计偏差.提出了一种基于BM3D的图像噪声方差估计方法.首先使用传统的F-NLE噪声估计方法获取图像噪声的初步估计值,并根据噪声初步估计值生成多组噪声方差候选值;然后,使用得到的噪声方差候选值作为BM3D滤波方法的参数,对含噪图...     

图像处理与计算机图形学国际研讨会

近年来，随着计算机科学技术和医学等学科的迅猛发展，偏微分方程及其数值方法应用于图像处理获得很大的成功。图像技术在因特网上的应用发展迅猛，在图像处理领域出现了许多有待研究的问题，其中相当一部分在本质上是数学问题。可以说，与图像处理相关的数学问题的逐步解决，将为图像技术的发展开拓新的空间。     

灰度图像边缘检测方法的比较

目前,在图像处理中如何准确且清晰地检测出目标图像的边缘是亟待解决的问题之一.本文主要介绍了几种经典的边缘检测方法,然后以同一幅汽车图像为例,通过Matlab进行仿真实验,给出了边缘检测的效果图和添加高斯白噪声之后的对比图,并对结果进行比较分析.最后对图像处理的发展方向提出了自己的观点.     

基于T—S模糊系统和柔性多结构元的形态学彩色图像处理

基于数学形态学在处理二值图像和灰度图像方面的特点，文中在HSI颜色空间基于T—S模糊系统和柔性多结构元素上给出了新的彩色形态滤波和边缘检测方法．实验表明，柔性多结构元素比单一结构元素更优越，新的形态滤波和边缘检测方法对彩色图像处理能有效去除图像的噪声，保留图像细节．     

基于Curvelet变换的自适应阈值图像去噪方法

与小波变换相比,Curvelet变换能更好地表达图像的边缘和细节,因此更适合做图像处理.提出了一种基于第二代Curvelet变换的自适应阈值图像去噪方法,采用不同的阈值自适应地对不同尺度和方向的Curvelet系数进行阈值处理.实验结果表明,提出的方法在去除噪声的同时,能更好地保留图像的细节.去噪后的图像有更高的峰值信噪比和更好的视觉效果.     

图像特征提取方法的综述图像特征提取方法的综述

图像特征提取从计算机视觉和图像处理中分离出来,运用计算机来分析和处理图像信息,然后确定图像中的不变特征,进而将提取的特征对实际问题进行处理.基于图像处理技术的基本原理和理论,阐述了图像特征提取的4种方法,并对其方法进行了比较分析研究.