椒盐噪声下图像原始直方图估计的收敛性实验

获得噪声干扰图像的原始直方图有助于判断像素的原始灰度值.分析了脉冲噪声下图像的原始直方图估计出现局部偏差的原因,并以噪声率给定而噪声散布逐步趋于均匀的图像序列作仿真,实验结果表明随着脉冲噪声趋于均匀成为椒盐噪声,图像的估计直方图将重合于原始直方图.     

基于二维灰度直方图的模糊熵分割方法

传统的基于一维灰度直方图的模糊熵分割方法不能反应图像的空间信息，抗噪声能力差，因此提出了基于二维灰度直方图的模糊熵分割算法．此算法根据像素点灰度值和其邻域灰度均值，建立二维灰度直方图，并在对应目标和背景的像限内构造像素点对目标和背影的隶属度函数，从而去除噪声和边缘像素对图像分割的影响．最后通过求模糊熵的极值，得到二维图像分割点．实验结果证明，该方法具有很强的鲁棒性和抗噪能力，分割效果明显优于一维的方法，而且可以方便地推广到其他一维熵分割中．     

基于统计投影法的图像检索

提出一种基于统计投影法的图像检索方法．首先把图像转换为HSI颜色模型,把网像分块并提取分块的主色调和主灰度,然后将图像的主色调和主灰度分别在水平和垂直2个方向上投影,得到4个投影直方图、最后使用这4个投影直方图的的前三阶中心距作为特征,计算图像相似度．     

二维灰度直方图上的距离判别分割方法

在图像的二维灰度直方图上,通过距离判别的方法得出在其上进行聚类划分的依据,即一条二次曲线．用此曲线进行分割的优点在于能考虑到二维灰度直方图上的所有像素点．理论分析和实验结果都表明,此方法较二维灰度直方图上的其它阈值分割方法优越．     

数字图像灰度置乱均匀度算法研究

数字图像的灰度置乱能够改变原图像的直方图分布,在图像加密中扮演着比较重要的角色。灰度置乱效果的研究在信息隐藏领域中有重要意义。本文分析了现有的基于直方图相似度的评价算法,找出了其存在的不足,提出了合理的灰度置乱均匀的评价依据,并根据此依据进一步提出了新的灰度置乱均匀度的评价算法。     

基于二维灰度直方图的最小模糊熵分割方法

本文在一维最大模糊熵分割方法的基础上，根据图像目标和背景内部像素灰度值的一致性和集中性，提出了一种新的图像分割隶属度函数，从而得到最小模糊熵分割方法．本文还针对传统的基于一维灰度直方图的模糊熵分割方法不能反应图像的空间信息，抗噪声能力差的缺点，提出了基于二维灰度直方图的模糊熵分割算法．本实验结果证明，最小模糊熵分割方法对于某些图像的分割效果要好于最大模糊熵分割效果，而二维分割方法对于绝大多数图像，都具有很强的鲁棒性和抗噪能力，分割效果明显优于一维的方法，而且方便地推广到其他的一维熵分割方法中。     

基于灰度直方图和高斯混合模型多特征肤色识别算法

肤色识别是色情图像识别和人脸检测中的关键技术,肤色识别的效果关系着相关图像处理技术的应用效果。尽管基于高斯混合模型的肤色识别算法能较好识别存在干扰因素的图像中的肤色,但对于图像中与肤色相近的毛发、背景、风景等部分识别效果并不理想。为了解决这个问题,结合灰度直方图和高斯混合模型的优势,提出了基于灰度直方图和高斯混合模型多特征肤色识别算法。实验表明该算法识别效率较高,能较好识别与肤色相近的非肤色部分,具有一定的实用性。     

人眼定位与跟踪算法研究

本文介绍了人眼定位与跟踪算法。首先采用灰度投影曲线与灰度直方图估计初始闽值相结合的恩想进行人眼检测;然后运用Kalman算法与Mean Shift算法进行人眼的跟踪。实验表明该方法具有计算简单、快速、有效等优点。     

基于灰度最优阈值的图像分割方法及应用

讨论了在对图像进行分割时的一维、二维灰度直方图分割方法，对最优阈值灰度分割方法原理进行了描述，得出了最优阈值灰度分割算法。实验结果表明：利用此算法对图像进行分割能够得到较好的分割效果。     

利用MATLAB实现医学图像灰度增强的应用研究

基于空域的图像灰度增强是医学图像处理的一个重要手段,它能有效改善图像整体或局部特征.直方图是图像灰度增强中最重要的基本概念之一,它用于显示图像的灰度值分布状况,并且能有效地用于图像增强.本文主要讨论了图像灰度调整实现、直方图均衡化、直方图规定化图像增强技术,并给出了相关的基本原理.同时用MATLAB语言加以实现.     

综合运用灰度变换方法改善超声医学图像质量

分析了超声医学图像及其噪声干扰(speckle噪声)，采用灰度变换的方法来改善超声医学图像的质量，介绍了灰度变换的基本原理，包括直接灰度变换和直方图变换2大类方法，对广泛应用且效果较好的直方图均衡和自适应直方图均衡方法作了较详细的阐述和算法介绍，针对超声医学图像应用灰度变换方法作了实验，实验证明，综合运用灰度变换方法能够很好地改善超声医学图像质量，增强超声诊断的实用性。     

基于gλ模糊测度的加权模糊聚类方法及其应用

文章从传统的目标函数聚类方法的思想出发,在基于gλ模糊测度的聚类方法基础上,提出基于gλ模糊测度的加权模糊聚类方法,并给出基于统计特性的权值计算方法;分别利用图像的一维灰度特征与一维灰度直方图加权和二维灰度特征与二维灰度直方图加权,将2种加权的模糊聚类方法应用于图像分割;分别给出带有强高斯白噪声灰度图像和强黑白像素点噪声灰度图像的加权前后分割结果比较。     

一种保留灰度级的直方图均衡化方法

针对传统直方图均衡化方法会造成灰度级减少并产生假轮廓导致图像不清晰的问题,提出一种新的直方图均衡化方法．该方法能保留所有的灰度级,因此不会产生假轮廓等问题,对图像处理的效果较好,具有一定的实用价值．     

保持B超图像灰度级的改进直方图均衡化算法

介绍B超图像以及对其进行图像增强的原因。对直方图均衡化、对数直方图均衡化和排序直方图均衡化原理作介绍,从理论上分析这3种算法吞噬灰度值的原因。提出一种保留灰度级不变的改进直方图均衡化算法。使用直方图均衡化、对数直方图均衡化、排序直方图均衡化和该文提出的改进算法对B超体模图进行图像增强实验,结果表明该文提出的改进算法在B超图像上的增强效果比直方图均衡化、对数直方图均衡化和排序直方图均衡化算法要好。     

基于噪声灰度差估计三维显微图像超分辨率复原

提出了基于噪声灰度差估计的图像复原方法.在带斑点图像复原的过程中,用不同方向的均匀算子与图像进行卷积,再与原图像相减,取灰度差最小值构成噪声灰度差估计图.由此图获得斑点的强度和位置,进而对斑点进行邻域平均处理以保证复原效果.测试结果表明,噪声灰度差估计能够准确反映图像斑点的强度和位置定位,并且运算量小.该方法应用于三维显微图像复原的结果表明,斑点亮度得到有效控制,小斑点被去除,获得了良好的超分辨率复原效果.     

柴油喷雾粒子全息再现像的图像处理

本研究从分析喷雾再现粒子像的光场分布出发,探讨了灰度阈值的选取对粒径测量误差的影响.通过对粒子图像直方图的实验研究分析,提出了灰度阈值的自动选择方法和实现了多阈值自动分割,以解决不均匀背景粒子再现像的测量精度问题.通过对粒子再现像的调焦过程光场分布计算分析和试验研究,提出了一个简单可行的判焦准则,利用此准则可以加快判焦速度.     

基于BP神经网络的图像异常辩识算法设计

为了解决经典图像异常辨识算法中图像辨识率不高、稳定性较差的问题,提出了一种改进算法。将先进的BP神经网络算法理论改进并引入到图像异常识别领域,用经过BP神经网络训练后的相关函数进行图像异常辨识,由于该算法充分考虑了图像像素的位置特征,并能根据图像内容进行自我学习,同传统采用灰度直方图进行辨识的算法相比,具有自适应、鲁棒性强的优点,可获得更高的辨识率。试验结果表明,同传统方法比较,该算法在稳定性和图像辨识率等方面都有明显提高。     

适于路面破损图像处理的边缘检测方法

根据路面图像存在的背景不均、损坏比例低和损坏方向不规则的问题,提出了适于路面损坏图像处理的边缘检测方法.在传统边缘检测方法的基础上,引入了预处理和边缘增强.其中预处理包括背景校正、高斯平滑、灰度直方图变换,并提出有效灰度区间的概念;边缘增强则采用了数学形态学的膨胀运算和中值滤波.针对路面损坏图像实例,采用8方向Sobel算子和最大类间方差分割算法,按照上述流程进行边缘检测.结果表明,该方法能有效降低噪声对路面图像处理的影响并最大限度地保留图像中的损坏特征,而背景校正和基于有效灰度区间的灰度直方图变换则是该方法的关键.对经过预处理的边缘图像,最大类间方差法可取得理想的分割效果.     

基于灰度冗余的红外图像直方图处理技术

该文提出一种改进的消除灰度冗余的红外图像直方图均衡算法.通过统计红外图像灰度的分布规律,将像素灰度分布为零的灰度级进行完全压缩,设定适当的阈值,将小于阈值的无效灰度级映射到阈值灰度级,对有效图像灰度级进行无损均衡.该算法在压缩灰度冗余的同时,进行直方图均衡,克服了传统直方图方法在图像增强时造成的灰度断层和丢失,提高了图像质量.     

区间灰数表征与算法改进及其GM (1, 1)模型应用研究

A fast edge detection method basing on the combination of fuzzy subsets is developed, in which the detection of an edge as a classification problem will be considered, partitioning the image into two portions: the edge portion and the non-edge portion. The latter one, as the main constituent of an image, consists of the object and its background. Removing the non-edge portion from an image, the remainder is nothing but the edge of this image. As far as the fuzziness of the edge of an image is concerned, some fuzzy operations can be made. In this paper, the gray level histogram is partitioned into several sub-regions, and some operations are performed with the associated fuzzy subsets corresponding to those sub-edges in the sub-regions on the gray-level-square-difference histogrmn, and the edge of this image is finally obtained. Practical examples in this paper illustrate that, the described method is simple and effective to achieve an ideal edge image.