一种基于重心的快速细化算法

分析快速细化算法和OPTA细化算法不足产生的内在原因,提出一种新的基于重心的快速细化算法.该算法根据被细化图像的特点,用密度重心快速将纹线细化到3个像素宽度内,计算4邻域拓扑实现彻底细化.仿真结果表明,在细化效率方面,该算法一次遍历删除超过一半的大量冗余像素,是快速细化算法的3～7倍;在细化要求方面,该算法可达到绝对单像素、光滑无毛刺,并能保持端点不被吞噬,能够很好地满足图像细化的要求.     

改进的ZS细化算法在FPC缺陷定位的应用

针对ZS细化算法中存在冗余像素,在运用到柔性电路板(Flexible Printed Circuit Board, FPC)短路和断路缺陷定位时,会出现误检和重检的情况,提出了一种改进的ZS细化算法.首先,对FPC原始图像进行通道分离和二值预处理,运用ZS细化算法获取初始细化图像;然后,针对Z字型,T字型和十字型交点处存在的像素冗余,构造9个删除模板,改进经典ZS细化算法,消除ZS细化算法的冗余像素;最后,将改进的ZS细化算法、Hilditch细化算法和经典的ZS细化算法应用到FPC短路和断路缺陷定位中,并进行对比.结果表明：改进的ZS细化算法处理时间比经典的ZS细化算法稍长,但只有Hilditch细化算法的1/3左右;改进的ZS细化算法在保证FPC骨架连续性的基础上,实现骨架的单一像素化,可以准确快速地定位FPC的短路和断路缺陷.     

一种Roberts自适应边缘检测方法

针对Roberts算法对噪声比较敏感且需要人为指定阈值等问题,提出了一种Roberts自适应边缘检测方法.利用Roberts算子的基本原理,扩充了检测方向,再根据待检像素周围的3×3像素邻域的平均像素灰度值,结合人眼视觉特征自适应地生成动态阈值,这样既保留了原Roberts算子的可并行处理、快速运算、边缘较细等优点,还对噪声有一定的抑制作用.同时,针对Roberts算法边缘检测相对粗糙、边缘细化效率较低的问题,分析和改进了原有边缘细化算法,即先对含有噪声的图像进行边缘检测,过滤其伪边缘,再对图像边缘进行细化处理,从而得到单像素边缘.实验比较表明,所提算法能够自适应地生成动态阈值,提高图像边缘细节信息的提取性能.     

自适应Kirsch边缘检测算法

针对Kirsch算法容易丢失弱边缘.且需要人为指定阈值等问题.提出了一种自适应Kirsch边缘检测算法.利用Kirsch基本原理,根据待检测像素周围的3×3邻域的像素平均灰度值,结合人眼的视觉特性自适应地生成动态阈值,这样既保留了原Klrsch算法可并行处理、能够抑制噪声等优点,还可以检测到弱边缘.同时,针对Kirsch算法所得边缘相对粗糙、边缘细化算法效率较低的问题,分析和改进了原有边缘细化算法.可以得到单像素边缘.通过实验比较.所提算法实验效果比较珲想.     

结合空间信息的FCM脑图像分割

针对传统模糊C均值聚类算法(FCM)在图像分割时没有利用图像的空间信息而对噪声敏感、分割结果不够准确的问题,提出一种结合空间信息的FCM改进算法.该算法利用邻域像素间的灰度差异计算出邻域加权系数,并利用该系数对中心像素的隶属度进行更新,控制邻域像素对中心像素的不同影响;该算法还利用了快速FCM算法对图像进行初始分割.对MRI脑图像分割的实验结果表明FCM改进算法简单有效,具有较强的抗噪能力,能取得较好的图像分割结果.     

基于邻域均值的去椒盐噪声算法

为了改善图像效果,利用图像邻域相关性提出了一种适用于椒盐噪声的图像去噪滤波算法.首先利用最大最小法则检测出被椒盐噪声污染的像素点,然后将被污染像素点邻域中的8个像素点按距离远近分为两类,最后利用近距离邻域中未被污染像素灰度值的均值重构图像灰度值.当近距离邻域像素全部被污染时,以远距离邻域中未被污染像素灰度值的均值代替该点的灰度值.仿真结果表明,该算法具有较大的峰值信噪比,能有效地抑制椒盐噪声并保护图像的细节.     

一种基于Robinson理论的自适应边缘检测算法

针对Robinson算法运算速度慢,且需要人为指定阈值等问题,提出了一种Robinson自适应边缘检测算法。利用Robinson基本原理,删除了一些算法模板,根据待检测像素周围的3×3邻域的像素平均灰度值,结合人眼的视觉特征自适应地生成动态阈值,这样既保留了原Robinson算法可并行处理、能够抑制噪声等优点,还提高了运算速度。同时,针对Robinson算法边缘检测相对粗糙、边缘细化算法效率较低的问题,分析和改进了原有边缘细化算法,改进算法先对含有噪声的图像进行边缘检测,过滤了伪边缘,再对图像边缘进行细化,从而得到单像素边缘。实验结果说明了所提算法的性能。     

均值加速中值滤波算法

本文介绍一种均值加速中值滤波迭代算法,该算法不需要对所有像素的邻域值进行排序,而是对像素的邻域值有选择性的排序,排序后的中值直接替代原像素值。理论分析与实验结果表明:该算法能有效地降低中值滤波算法的时间复杂度,可将常用的快速排序算法复杂度(ONlnN)简化为O(N(1 lnN)/2),且去噪声效果良好,在图像处理中有广泛的应用前景。     

基于二值图像的手写体快速细化算法

针对查表算法模板数量多、匹配过程耗时长的缺点,分析手写体节点与周围像素邻点的相对位置,提出了一种手写体快速细化算法.该算法仅需要44个标记模板和15个优化模板即可实现对手写体二值图像的细化.实验结果表明,改进算法能够在有效降低算法复杂度的同时准确识别手写体的骨架.     

多邻域中值滤波算法在医学图像中的应用

目的:克服现有的滤波算法在噪声检测与噪声滤除上的缺陷,进一步提高去噪性能.方法:提出了多邻域中值滤波算法,对噪声检测和噪声滤除的方法分别进行改进.算法用邻域中的灰度极值进行噪声检测,对检测出来的可疑噪声,用邻域的中值作进一步的噪声检测.对噪声像素,在其邻近的9个邻域中分别求出信号像素的中值,然后用所有中值的中值作为噪声像素新的灰度.结果:基于医学图像的实验结果证明,相对于现有的算法,所提出的算法的去噪图像更加清晰,去噪结果的PSNR和SSIM值更高.结论:所提出的算法在彻底去除噪声的同时,很好地保持了图像的纹理边缘和细节,相对于现有的滤波算法,具有更好的去噪性能.     

一种快速的一次扫描细化算法（OSSTA）

提出了一种快速的一次扫描细化算法，通过骨架点的预测分析，得到骨架点，对非骨架点的像素不作判断，并通过插补连接得到骨架。另给出了细化实例。     

基于两极复合式指纹图像细化算法的研究

针对现有指纹图像模板细化算法中存在的诸如迭代次数较多，细化速度慢，图像局部细化不完全等问题，分析了两种常用的细化算法——快速细化算法和改进的OPTA算法各自的优缺点，提出了一种基于两极复合式算法的指纹图像细化算法，该算法在保证对图像完全细化的同时，能较明显提高细化处理速度。     

Automatic Determination of Yarn Hairiness Length Based on Image Processing and Analysis Algorithm

A new algorithm is proposed to determine the actual length and the number of the protruding fibres of yarn based on a combination of image acquisition technology. First, a yarn hairiness image is obtained by the series of image processing procedures that include grayscale transformation,skew correction,yarn binary image acquisition and yarn core binary image obtaining. Then,the hairiness is realized in single pixel width by the usage of thinning algorithm. Finally, a baseline of yarn core margin is obtained,and pixels that match 8-neighbor template correctly are found by row scanning in a certain area. From this,these pixels are judged and the real crossover points of yarn core margin and hairiness,i. e.,the starting points of hairiness,are gained. The real length of the protruding fibres is calculated by tracking hairiness from the starting point constantly.     

指纹图像细化算法的改进算法

对指纹图像算法进行了较深入的研究,分析了OPTA算法和改进的OPTA算法的优缺点,提出了一种新的细化算法,经过实验证明,该算法能够很好的满足细化的要求,细化完全彻底,细化后保持了纹线原有的拓扑结构和细化特征,而且光滑无毛刺,运算速度也很快。     

基于二次预测误差和像素排序的可逆图像水印

为了提高可逆图像水印算法的性能,提出一种二次预测误差与像素排序相结合的可逆图像水印算法;该算法首先对像素进行二次误差预测;并利用相邻像素的误差值来确定其余像素的预测误差;然后采用局部复杂度对像素进行排序,以使具有较小误差值的像素被优先处理并进行数据嵌入;最后通过平移差值直方图生成零点间隙,利用冗余的零点间隙嵌入水印信息。实验结果表明,利用二次预测误差与像素排序技术,可以有效地提高像素的预测精度并降低图像失真;在相同的嵌入容量下,该算法嵌入水印后图像的PSNR比相关算法提高了1 dB左右,具有更好的不可感知性。     

指纹图像细化算法的研究

对指纹图像的细化算法进行了较深入的研究，分析了两种常用的细化算法——快速细化算法和改进的OPTA算法各自的优缺点．针对这两种算法的不足，分析其产生的原因，并且在第二种算法的基础上，重新构建了细化模板，提出了一种新的细化算法．经过实验证明。该算法能够很好的满足细化的要求，细化完全彻底，细化以后的指纹骨架在纹线中心线，并保持了纹线原有的拓扑结构和细节特征，而且光滑无毛刺，运算速度也很快．     

高噪声率椒盐噪声污染图像滤波

针对高噪声率椒盐噪声污染的数字图像,改进了基于灰色绝对关联度的像素类型判别,可识别出离散噪声(或边缘点)、聚集噪声与非边缘点。对于离散噪声(或边缘点),采用自适应中值滤波算法进行平滑,兼顾噪声滤除和细节保存。对于聚集噪声,在去除邻域内噪声点后取剩余像素均值作为滤波结果;而对于非边缘点则直接保留。实验结果表明,滤波算法对于高噪声率椒盐噪声具有良好的滤波效果,还能较为有效地保留图像细节。     

基于混合像元分解的水体面积提取算法

为减小水体边界混合像元对水体面积提取精度的影响,提出基于混合像元分解的水体面积提取改进算法。以ALOS数据为例,利用混合像元线性分解模型获得各像元水体丰度,结合阈值法和数学形态学算法分别提取纯净水体像元和水体边界像元;通过分析水体边界像元的水体丰度构成,提出水体边界像元面积修正算法,实现水体面积修正。研究结果表明,与混合像元分解直接提取的水体面积相比,修正算法提取的水体面积精度最大提高6.7%,有效减小滩地水分对水体边界像元水体丰度计算的影响。     

图像垃圾邮件中文本区域的自动提取方法

图像中的文本区域为判别图像垃圾邮件提供了重要依据.为了获得图像中的文本区域信息,提出了基于Hough变换提取图像中倾斜文本区域的算法和降低图像背景干扰的八邻域细小边缘去除算法,实现了一种不受图像中文本颜色、字体、大小、位置、方向限制的文本区域的自动提取方法.在包含100幅垃圾图像的数据集上进行提取图像文本区域的实验.实验结果显示,新方法具有良好的文本区域提取性能.