SAR图像平稳小波变换相干斑抑制方法

提出了一种基于平稳小波变换的合成孔径雷达 (syntheticaperturradar,SAR)图像相干斑噪声抑制方法 ,即通过对SAR图像进行多层平稳小波变换 ,对平稳小波变换的细节图像信号进行阈值处理 ,以达到相干斑噪声抑制的目的 .实验结果表明 :此方法除了对相干斑噪声有很好的抑制作用外 ,还保留了尽可能多的目标特征和图像细节 ,有着较好的图像视觉效果 .     

基于小波变换的显微图像细胞边缘提取

根据小波变换在不同的尺度层具有自适应时频窗性质, 在边缘提取过程中 选取了Mallat多尺度小波变换, 使阈值选取得到了改善. 依据显微细胞图像的特点, 通过对细胞边缘和背景噪声采取不同的阈值（加权阈值法）, 再利用小波变换的模角可分离性质有效地分离出细胞边缘. 结果表明, 这种阈值选取法对于显微细胞图像的边缘提取是一种有效的方法.     

基于小波域中SOT结构的SAR相干斑抑制

论述了在小波域中通过空间向树结构对合成孔径雷达(SAR)图像相干斑噪声的抑制。首先从SAR图像相干斑噪声产生的机理出发,论述了采用传统滤波方法去除SAR图像中相干斑噪声的局限性以及在小波变换域中如何通过空间向树结构对相干斑噪声进行有效的滤波;实验结果表明,此方法对SAR图像相干斑噪声有良好的抑制作用,同时还尽可能多保留目标的纹理细节。     

基于小波变换的合成孔径雷达图像分割研究

图像分割在后续的图像处理中起着至关重要的地位,合成孔径雷达（SAR）的相干斑噪声的存在,降低了图像的质量,传统的方法对不能很好地对图像进行分割。该文结合SAR图像和小波变换的特点,提出了一种新的图像分割方法。首先利用小波变换对图像进行软阈值滤波处理,降低相干斑噪声的影响,然后对重建后的图像进行阈值分割。经试验证明了该方法的有效性。     

一种基于小波的Contourlet变换的边缘保持图像压缩算法

本文针对JPEG2000图像压缩不能有效保护图像边缘的局限,提出了一种基于小波的Contourlet变换和改进的多级树集合分裂(SPIHT)压缩算法.在Contourlet变换中采用小波变换取代拉普拉斯塔式变换获得了非冗余基于小波的Contourlet变换,它通过方向滤波器组把小波变换的高频子带进一步分解为多个方向子带,从而更稀疏地表示了图像的边缘和纹理.通过使用边缘检测器SUSAN提取图像的边缘特佂,然后使用基于小波的Contourlet变换对原图像进行域变换,把像素由空间域映射到变换域.最后由改进的SPIHT编码,有效的保持了图像的边缘,实验结果表明解压图像有很好的重建质量.     

利用区域划分的合成孔径雷达图像相干斑抑制算法

为在有效保护合成孔径雷达(SAR)图像边缘特征的同时进一步提高乘性相干斑噪声的抑制性能,提出了一种基于区域划分的SAR图像相干斑抑制(DABRS)算法.首先利用带方向的高斯-伽马平行窗通过比率运算生成边缘强度映射(ESM),并利用阈值化ESM对SAR图像进行区域划分,然后利用改进的变窗Kuan滤波与改进的Sigma滤波分别对SAR图像的均匀区域与边缘区域进行相干斑抑制.为进一步提高抑斑效果,两种改进抑斑算法均采用迭代滤波方式,且改进Kuan滤波的窗尺度随迭代次数的增加而增大.实验结果表明:与多种抑斑算法相比,DABRS算法在抑斑与边缘保护方面具有优势,等效视数提高超过30％,边缘保持指数提高8％以上,而且抑斑图像同质区还具有更平滑的视觉效果.     

基于NSCT变换与自蛇扩散的SAR图像相干斑抑制算法

针对SAR图像中乘性相干斑噪声的抑制与边缘保护问题,提出了一种基于非下采样轮廓波变换(NSCT)与自蛇扩散的抑斑新算法。该算法先利用NSCT变换对SAR图像进行多层子带分解,然后借助自蛇扩散对SAR图像不同子带分别实施参数不同的扩散滤波,最后对各去噪子带进行NSCT重构获得的SAR图像再次进行自蛇扩散滤波处理,从而实现带有边缘保护与增强的SAR图像相干斑抑制。实验表明,与多种传统抑斑算法相比,本文算法在相干斑抑制与边缘保护性能上均有明显提升。     

基于小波变换的数字全息再现像质量提高方法

数字全息再现像中存在的散斑噪声严重影响了数字全息的应用,通过分析边缘检测方法和小波变换阈值去噪方法的原理,提出了一种基于边缘检测的小波变换散斑噪声去除方法。首先利用高斯-拉普拉斯算法获得边缘图像,进而通过Neyman-Pearson准则获得自适应阈值,并采用改进折中阈值函数对边缘图像和非边缘图像小波系数进行处理,将两者处理后的小波系数相加,并进行反变换得到处理后的图像。研究结果表明,该方法能够较好地在去除散斑噪声的同时保留图像细节。     

基于非下采样轮廓波变换与自蛇扩散的合成孔径雷达图像相干斑抑制算法

针对合成孔径雷达(synthetic aperture radar,SAR)图像中乘性相干斑噪声的抑制与边缘保护问题,提出了一种基于非下采样轮廓波变换(NSCT)与自蛇扩散的抑斑新算法;该算法先利用NSCT变换对SAR图像进行多层子带分解;然后借助自蛇扩散对SAR图像不同子带分别实施参数不同的扩散滤波;最后对各去噪子带进行NSCT重构获得的SAR图像再次进行自蛇扩散滤波处理,从而实现带有边缘保护与增强的SAR图像相干斑抑制。实验表明,与多种传统抑斑算法相比,本文算法在相干斑抑制与边缘保护性能上均有明显提升。     

小波变换在医学图像边缘检测中的应用

边缘检测是医学图像处理中的一项基本内容.正确提取医学图像的边缘特征,无论对于描述目标还是解释图像都是十分关键的.由于小波变换具有良好的局部特性和多分辨率的特点,将基于小波变换的边缘检测方法应用于医学图像的边缘提取.实验结果表明,该方法不仅能有效地检测图像边缘,并且对噪声有良好的鲁棒性.     

基于Alpha稳定分布模型的彩色图像边缘检测新算法

 在彩色图像的边缘检测中,如何去掉噪声的干扰及怎样更精确的检测出边缘是图像处理中一个非常重要的问题。本文提出了一种去除脉冲噪声干扰的彩色图像的边缘检测算法。首先,提出一种基于Alpha稳定分布模型的图像去噪算法。其次,利用改进的各向同性边缘检测器和快速熵阈值技术自动确定图像边界,并考虑了像素与其邻域像素的颜色距离进一步精确定位图像的边缘。实验证明,该算法能够克服脉冲噪声的影响,较精确的检测出彩色图像的边缘。     

基于卡通纹理分解和NSCT的卫星云图边缘提取

为方便提取云图的缓变边缘,提出了基于卡通纹理分解和无下采样轮廓波变换(NSCT)的卫星云图边缘特征提取算法。首先使用基于张量扩散的卡通纹理分解对卫星云图进行预处理,减小云图中噪声和纹理的影响,将云的缓变边缘转化为阶跃边缘;然后依据NSCT域中高频系数的正负关系和相关性进行边缘特征提取。通过实验,将文中算法分别与基于投影卡通纹理分解的预处理算法、小波多尺度积、NSCT模极大值和NSCT多尺度积等边缘特征提取算法进行比较。结果表明,本算法可更准确地提取云的边缘,且受噪声和纹理的影响小,边缘的连续性更好,为准确地进行云分类提供了保障。     

基于边带限制的梯度矢量流主动轮廓线模型的超声图像分割

主动轮廓线模型是广泛应用于数字图像分析和计算机视觉等领域的一种目标轮廓跟踪算法，非常适合于医学图像（如CT和MRI）的处理。但将这一模型应用于超声图像的分割和目标轮廓的跟踪时，由于超声图像不可避免地存在着斑点噪声、弱边界和与组织有关的纹理，往往使传统主动轮廓模型难以获得满意的轮廓跟踪效果。为此，在梯度矢量流主动轮廓线模型的基础上，引入边带限制概念，并将该模型应用于超声图像的分割。实验表明，该方法较好地限制了非目标边缘和噪声干扰的影响，而且对超声及其序列图像具有较好的分割效果。     

融合边缘信息的合成孔径雷达图像超像素分割算法

针对简单线性迭代聚类(simple linear iterative cluste, SLIC)对含有乘性相干斑噪声的合成孔径雷达(synthetic aperture radar, SAR)图像边缘分割不理想的问题,本文在SLIC基础上提出了一种融合边缘信息的SAR图像超像素分割算法。首先,利用高斯方向平滑对SAR图像进行预处理,从而在抑制乘性相干斑噪声的同时有效保护边缘细节;其次,提出了一种基于指数加权平均比率(ratio of exponential weighted average, ROEWA)算子的改进相似度测量参量,以提高SAR图像的分割精度;最后,采用六边形初始化聚类中心与圆形区域的搜索方式进行局部区域聚类,从而保证了算法复杂度增加的同时,算法的运行时间不会明显变化。实验结果表明,与四种经典超像素算法相比,本文算法生成的超像素边缘更加贴合SAR图像的真实边缘且得到的超像素大小较为均匀。     

碎片图像字符特征提取方法研究

字符特征提取是含文字碎片图像拼接的关键环节,直接影响拼接效果。提出了一种包含文字信息的碎片图像特征提取方法,首先,对原始碎片图像进行预处理,分别得到字符和碎片背景的二值图像;然后,利用边缘检测算子提取字符和碎片背景的单像素边缘;最后,利用结构算子检测碎片图像中字符与碎片背景边缘的交叉点,并根据交叉点的信息提取字体边缘方向特征。仿真实验结果表明本文提出的碎片图像字符特征提取方法思路合理,能够快速、准确地提取出碎片图像中的字符特征,为后续的匹配拼接奠定基础。     

一种改进的SAR图像相干斑抑制方法

传统的抑制合成孔径雷达(SAR)图像斑点噪声的TDRGMAP方法,对大面积呈强反射的典型战略目标检测效果较差、边缘定位精度较低。文章针对TDRGMAP方法提出了一种改进算法,将恒虚警检测(CFAR)和双参数恒虚警检测(B-CFAR)结合起来检测及保持点目标,并引入了自适应窗口的方法进行边缘和线条检测。用真实机载SAR图像进行实验,证明所提出的新方法取得了较好的改进效果。     

多阶段边缘检测算法

提出一种新颖的图像边缘检测算法,包括边缘检测和边缘增强两个阶段.在边缘检测阶段,新的检测算子不仅可以克服传统算子对边缘拐点、终点的漏检现象,还可以有效地去除噪声,从而更加精确地定位边缘.在边缘增强阶段,引入Hopfield神经网络,通过迭代计算网络优化的能量函数,逐步地弥补缺失边缘、消除假边缘,达到边缘增强的目的.最后针对不同类型图片进行边缘检测,得到较好的结果,证明了该算法的可行性.     

基于Contourlet变换的三维人耳提取

提出一种基于Contourlet变换的三维人耳提取方法.Contourler变换不仅可以提取图像的内在几何信息,而且能将这种信息分解到多个尺度的不同方向上.通过统计耳朵轮廓在Contotourlet变换域不同子带不同位置上系数的分布概率,可构建耳朵概率模型.利用这个模型,把非人耳轮廓边缘过滤掉,只留下耳朵边缘,再计算这些边缘的凸壳,便可实现三维人耳的精确提取.实验结果表明,使用该方法可以较好地提取出三维人耳,同时取得了较好的人耳识别效果.     

基于边缘特征的背景建模和去抖动方法

 针对户外监控系统中存在的背景复杂变化及摄像机抖动等问题,提出了一种利用背景边缘信息进行背景建模及去除摄像机抖动的方法。首先,对一段视频序列进行边缘检测,提取出可靠的背景边缘;然后,对处在背景边缘附近的复杂区域建立高斯混合模型,而对其他相对简单的区域建立时间平均模型,兼顾了检测精度和计算代价;再利用可靠的背景边缘信息消除因摄像机的抖动而出现的虚假目标。实验结果表明,该方法在检测速度上比单独采用高斯混合模型提高了50%,在摄像机抖动时能很好地降低虚警率,可用于复杂场景的运动目标检测。     

一种基于小波变换和Canny算子相结合的边缘检测方法

提出了一种利用小波变换手段和Canny检测算子相结合的边缘检测处理方法。在提取图像边缘之前,利用小波变换能够检测局部突变的能力以及多尺度聚焦的功能,充分抑制图像噪声干扰的同时适当调整图像中目标与背景的对比度,最后利用最优阈值下的Canny算子提取图像边缘。此方法可以很好的消除因噪声干扰带来的虚假边缘,强化弱边缘,使之能够更理想的被检测出来。