图像混合噪声的模糊加权均值滤波算法仿真

针对图像混合噪声提出了一种新型的模糊加权均值滤波算法。该算法以象素的灰度差为基础,通过构建T-S模糊模型来自适应地计算反映各象素噪声污染程度的加权系数,然后通过加权平均算法得出最终结果,因此,该算法能够有效地抑制噪声象素对其邻域象素的影响,极大地改善了滤波效果。基于Matlab的多组仿真实验结果表明,该算法具有很好的普遍性和自适应性,能够比较有效地保护细节信息,对混合噪声有很好的抑制能力。     

基于最大梯度和灰度相关的两步全景图拼接算法

提出一种基于最大梯度和灰度相关的两步全景图拼接算法。该算法综合了基于灰度相关和特征相关算法的优点，首先通过匹配梯度最大值点位置的梯度值缩小搜索范围，再利用最大灰度相关匹配两幅待拼接图像。实验表明，算法原理简单、拼接速度快，同时消除了对有重复纹理特征图像的伪拼接现象，对图像亮度差异具有很强的抗干扰能力，鲁棒性好。     

基于双密度双树小波变换的超声图像降噪

针对去除斑点噪声提高超声图像质量的问题,提出双密度双树离散小波变换（DD-DT DWT）结合局部方差估计的双变量收缩阈值函数（BFS）的图像降噪改进算法实现超声图像降噪。首先将原始图像用DD-DT DWT进行多尺度分解,根据噪声模型和小波子父代系数确定的局部边缘方差估计阈值,利用子父代小波系数相关性构成的双变量阈值函数,对图像16个方向的小波系数进行非线性自适应的处理,最后重建降噪后的图像。用仿真和真实数据对此算法进行验证,并与其他小波降噪系统的性能比较,结果分析表明噪声图像经该算法降噪后,图像性能指标均有提高,不仅有效的实现图像降噪,而且较好的保留图像细节。     

基于纹理上下文的遥感图像目标识别

基于统计流形理论并结合形状上下文思想,提出了能够描述图像纹理目标的纹理上下文特征,进而实现对遥感图像纹理目标的识别。首先将图像的灰度概率密度函数看作统计流形上的点,用所得到的图像统计流形模型来描述图像的纹理上下文特征;然后使用Fisher信息距离来度量流形上点之间的相似度,并利用匈牙利算法来匹配纹理上下文特征;最后通过计算匹配距离来实现不同图像目标的相似性度量。实验表明,与经典的灰度共生矩阵、局部二值模式和统计流形算法相比,对于具有纹理特征的遥感图像,该方法具有更高的识别率且具有普适性和稳健性。     

一种基于相对熵阈值分割的改进算法

在对基于相对熵的阈值分割算法(relatjve entropy-based thresholding)深入研究的基础上,针对目前相应算法(传统算法及最新的改进算法)抗噪性能不强的缺陷,提出了一种新的改进算法.新方法引入了一种新的自适应中值滤波,采用非线性滤波后的中心点及其邻域象素构建共生矩阵,不仅有效地降低了噪声的干扰,而且对不含噪图像和加噪图像都能取得很好的分割结果,在多幅经典图像的分割中取得了满意的效果,实验效果优于对比算法.     

基于小波分析的图像插值技术研究

基于小波分析理论，提出一种医学图像断层间的插值方法。通过对医学图像的小波变换，插值图像边缘对应的高频子图，得到在轮廓上过渡的图像：对小进变换的低频子图，在小窗口邻城内利用灰度直方图统计得到其概率灰废值并寻找最佳插值匹配点。使得插值图像在灰度上得到很好的过渡；通过小波逆变换得到最终的插值图像。通过与以往算法的对比和分析，本算法所获得的插值图像在形状和灰度方面均达到了较高的清晰度，满足断层图像的插值要求，可有效用于医学图像的三维重构。     

基于双树复小波变换统计特征的图像盲取证算法

双树复小波变换较常用的离散小波变换具有平移不变性和方向选择性的优点。用双树复小波变换对图像进行多尺度分解,分别计算分解后各层六个方向复高频子带系数幅值及幅值预测误差的一到五阶中心矩,并据此组合成对应的统计特征向量。利用该统计特征向量获取方法提取真实摄影图像和计算机生成图像的统计特征向量集,并采用支持向量机进行分类。实验结果表明,对测试集中的真实摄影图像和计算生成图像的识准率分别为98%和97%,取得了较好的分类效果。     

结合边缘和统计特征的末制导SAR图像匹配

提出一种用于末制导的合成孔径雷达（synthetic aperture radar, SAR）图像实时匹配方法。考虑参考图与实时图尺度、方向等差异,制备多幅参考图像,基于最小错误概率准则,对每幅参考图像提取边缘,由边缘图形成用于匹配的包含边缘两侧地物区域信息的参考模板。提出一种利用边缘信息和SAR图像统计特性的相似性度量准则。采用金字塔分层结构的搜索策略,提高了匹配速度。该方法综合利用了边缘和灰度统计信息,避免了对实时图的边缘提取。实验验证了算法的有效性。     

高温目标红外测量图像伪彩色显示方法

红外测量图像一般为灰度图像,对其进行伪彩色处理是一种非常重要的增强手段。传统的伪彩色处理方法未考虑到实际图像中高温目标与低温背景间的灰度级断点,处理后的伪彩色图像往往颜色数偏少,细节信息损失较多。为更好地显示高温目标及其边缘细节并兼顾低温背景的显示效果,本文首先根据灰度级将图像分为目标区、背景区和目标背景过渡区,背景区包含多个背景及背景间过渡区。利用K-均值聚类理论对背景区进行聚类,根据聚类结果,采用灰度区间压缩方法确定多个背景及背景间过渡区的灰度级范围。根据各区间内灰度统计特征对整幅图像进行多段线性灰度映射,有效地均衡图像的灰度分布。引入视觉差异因素,采用CIE94颜色差异公式对传统颜色路径进行改进,实现等颜色差异的红外伪彩色显示。实验结果表明,本文方法较传统方法更适合高温目标红外测量图像,处理后的图像目标突出,图像细节色彩丰富,背景对比度较高,大大提高人眼对高温目标红外测量图像细节信息的辨识能力。     

复杂背景中目标图像的提取与跟踪

本文介绍一种复杂背景中目标图像的提取与高精度目标形心跟踪算法。通过对贝叶斯（Ｂａｙｅｓ）风险函数最优化，将图像分成多灰度层次的目标与背景，进而得到多灰度阀值，并考虑目标像素之间的连通性，将图像进行二值化，有效抑制了孤立噪声点对分割的影响。根据分离后二值图像，得到了跟踪窗中目标形心估值误差表达式，进而得到一种将目标跟踪窗口不断向目标形心移动的高精度形心跟踪算法。     

利用双树复小波变换和SURF的图像配准算法

为了进一步提高图像配准的运算效率、匹配正确率及配准精度,提出了一种利用双树复小波变换和加速鲁棒特征（speeded up robust features, SURF）的图像配准算法。首先利用双树复小波变换将参考图像和待配准图像分解为低频部分和高频部分,选取其对应的低频部分作为SURF算法的输入图像,得到两者的粗匹配结果;然后通过随机抽样一致（random sample consensus, RANSAC）算法对粗匹配点对进行提纯,剔除误匹配点对,解决了SURF算法存在较多错误匹配点对的问题,同时计算出最佳匹配的变换模型参数;最后根据该变换模型参数对待配准图像进行几何变换,经双线性插值确定灰度,完成图像的配准。大量实验结果表明,与尺度不变特征变换（scale invariant feature transform, SIFT）算法和SURF算法相比,所提算法的运算速度更快,匹配正确率和配准精度更高,同时在抗噪声、抗旋转及抗亮度变化性能方面更加优越。     

Cardiac MR image segmentation using CHNN and level set method

Although cardiac magnetic resonance imaging (MRI) can provide high spatial resolution image, the area gray level inhomogenization, weak boundary and artifact often can be found in MR images. So, the MR images segmentation using the gradient-based methods is poor in quality and efficiency. An algorithm, based on the competitive hopfield neural network (CHNN) and the curve propagation, is proposed for cardiac MR images segmentation in this paper. The algorithm is composed of two phases. In first phase, a CHNN is used to classify the image objects, and to make gray level homogenization and to recognize weak boundaries in objects. In second phase, based on the classified results, the level set velocity function is created and the object boundaries are extracted with the curve propagation algorithm of the narrow band-based level set. The test results are promising and encouraging.     

SAR image target segmentation based on entropy maximization and morphology

Entropy maximization thresholding is a simple, effective image segmentation method. The relation between the histogram entropy and the gray level of an image is analyzed. An approach, which speeds the computation of optimal threshold based on entropy maximization, is proposed. The suggested method has been applied to the synthetic aperture radar (SAR) image targets segmentation. Mathematical morphology works well in reducing the residual noise.     

融合纹理信息的深度图像修复

针对低质量深度图像中存在的空洞和噪声问题,提出了融合纹理信息的深度图像修复算法。首先利用形态学操作对空洞进行优化,基于区域的分割算法完成空洞区域分割;然后将提取出的空洞区域进行纹理信息填补,分析空洞区域与同场景彩色图像的局部结构相似性,完成空洞初修复;最后利用灰度级图像重建算法,对边缘空洞区域进行填充和平滑处理。基于标准数据集Middlebury,所提算法与快速行进算法、自适应中值滤波算法和形态学重建算法相比,对大面积空洞信息完成了良好的修复。在获得较好修复效果的同时,该算法保持了图像的结构完整性和整体平滑性。     

复杂背景下基于改进粒子滤波的红外人体跟踪

为解决复杂背景下红外图像序列中的人体跟踪问题,提出了一种改进的粒子滤波跟踪方法。根据红外图像中人体目标的特点,首先建立人体的灰度直方图来提取其灰度特征,同时采用一种新的基于帧间差分和灰度概率分布图的方法提取其运动特征。然后将上述两种特征融合到粒子滤波框架中,用于粒子权值的计算,最终实现红外序列中人体的稳健跟踪。实验结果表明,和传统粒子滤波算法相比,该方法大大提高了复杂背景下红外人体跟踪的准确性和有效性,跟踪结果令人满意。

Abstract：

An improved particle filter tracking algorithm was proposed to solve the problem of human tracking in infrared image sequences under complex background.According to the characters of the human in the infrared images,the algorithm firstly constructed the gray histogram of the human to extract the gray feature,and at the same time utilized a new method based on the inter-frame difference and gray probability distribution image to get the motion feature.Then,the above-mentioned two features were fused into the particle filter frame to calculate the particle weights.Finally the robust tracking of human in infrared image sequences was achieved.The experimental results show that compared with the traditional particle filter algorithm,the presented method greatly improves the accuracy and effectiveness of the infrared human tracking under complex background,and the tracking results are satisfactory.     

基于边缘轮廓上多尺度自相关矩阵的角点检测算法

为了减少边缘轮廓上微小变化和边缘噪声对检测结果的影响,提高检测准确率,提出了一种利用边缘轮廓上多尺度自相关矩阵的角点检测算法。该算法首先利用边缘检测器提取图像的轮廓,同时利用不同尺度的高斯核函数平滑图像,对于轮廓曲线上的每一个像素,利用微分算子获得不同尺度下灰度变化信息来构建自相关矩阵;最后将不同尺度下自相关矩阵的归一化特征值的乘积作为新的角点测度。如果该角点测度值既大于预设阈值,又是局部窗口内的极大值,就判定是角点。仿真结果证实所提算法可以更准确地检测图像中的角点且具有更低的错检概率。     

基于红外虚拟偏振的目标增强方法

研究了一种基于虚拟变偏振理论的红外面目标细节增强方法,该方法充分挖掘和利用了红外偏振信息的固有特点,利用入射光Stokes矢量和出射光光强之间的描述关系推导出出射光光强和起偏角度的解析关系,并据此虚拟实现了任意起偏角度的出射光光强,然后依据面目标信杂比最大准则,利用粒子群算法迭代实现了最优起偏角度的搜索,最终得到增强后的红外面目标图像。利用实测的长波红外偏振图像数据对算法的可行性和有效性进行了验证,实验结果表明,在灰度对比度、平均梯度、图像熵3种图像质量评价指标下,经此算法增强后的图像质量更高,为后续目标细节识别和攻击点选择等算法的实现奠定了良好的数据基础。