模糊图像的不连续边缘智能检测改进算法

针对传统不连续边缘检测算法利用增强图像边缘对比度进行检测, 只适用于检测灰度值变化不强烈及含有普通噪声的图像边缘, 检测性能具有局限性的问题, 提出一种模糊图像的不连续边缘智能检测改进算法. 首先通过广义交叉验证准则获取图像噪声方差估计值, 对图像中高斯噪声进行判别, 使用自适应模糊滤波器对含噪图像进行模糊滤波处理; 然后采用改进模糊图像边缘检测算法, 按图像含噪情形制定边缘检测策略, 获取模糊图像边缘; 最后通过灰度形态学的模糊图像不连续边缘检测算法, 对模糊图像边缘受灰度值不均匀变化形成的膨胀、 腐蚀、 形态学梯度型不连续边缘进行检测. 实验结果表明, 该算法抗噪性较高, 模糊图像不连续边缘检测的结果更清晰、 完整.     

模糊图像的不连续边缘智能检测改进算法

针对传统不连续边缘检测算法利用增强图像边缘对比度进行检测, 只适用于检测灰度值变化不强烈及含有普通噪声的图像边缘, 检测性能具有局限性的问题, 提出一种模糊图像的不连续边缘智能检测改进算法. 首先通过广义交叉验证准则获取图像噪声方差估计值, 对图像中高斯噪声进行判别, 使用自适应模糊滤波器对含噪图像进行模糊滤波处理; 然后采用改进模糊图像边缘检测算法, 按图像含噪情形制定边缘检测策略, 获取模糊图像边缘； 最后通过灰度形态学的模糊图像不连续边缘检测算法, 对模糊图像边缘受灰度值不均匀变化形成的膨胀、 腐蚀、 形态学梯度型不连续边缘进行检测. 实验结果表明, 该算法抗噪性较高, 模糊图像不连续边缘检测的结果更清晰、 完整.     

一种基于方向导数的边缘直线检测算法

基于方向导数序列的概念提出一种新的边缘直线检测算法.在检测过程中,将边缘图像视为三维空间的曲面,对各个边缘点求各个方向的方向导数序列,然后由方向导数序列的取值判断确定出直线段.通过分析和编程试验证明了其算法对直线段的检测有效.     

一种新的自组织神经网络算法

为有效提高矢量量化码书的性能和学习效率,需进一步改进自组织神经网络的学习算法.在分析Kohonen自组织特征映射算法(SOM)的基础上,提出了一种基于频率敏感的自组织特征映射算法(FSOM),并应用到图像矢量量化中,实验表明,FSOM算法具有聚类特性好和训练速度快等优点,是一种有效的码书设计算法.     

一种基于边缘知识的雷达图像匹配定位算法

针对低信噪比实孔径雷达图像的特点，选用适于提取多尺度稳定边缘的Ｃａｎｎｙ算子，结合具有视觉非线性的门限准则、Ｎｅｖａｔｉａ细化和跟踪准则及Ｈｏｕｇｈ变换，提取可靠稳定的边缘特征描述，根据可见光参考图提取与ＳＡＲ图像共性的稳定边缘特征的知识以及稳定边缘的知识描述，提出一种基于边缘知识的雷达图像与可见光图像匹配定位算法，实验结果表明，该算法能可靠地完成雷达图像的匹配定位。     

一种改进边缘连接的Canny边缘检测算法

针对Canny边缘检测算法中需要手动设置固定阈值而出现边缘间断或伪边缘的问题,设计了一种基于边缘对比特征和边缘方向的边缘连接方法。该方法是基于视觉感知实验总结的一组边缘对比阈值数据比较强边缘点和待连接边缘点的对比特征判断其相似性,通过保持一定的边缘方向确保边缘连接方向的正确性,待连接点只有满足相似性且连接后新旧边缘方向一致,才能被连接为新边缘点。结果表明,改进边缘连接的Canny边缘检测算法具有很好的边缘连接能力,且能获取完整干净的边缘。     

一种改进的Sobel图像边缘检测算法

在经典Sobel算法的基础上，介绍了一种改进算法。该算法能检测八个方向的图像边缘，并能抑制噪声对边缘检测的影响。     

一种高效的混合圆/椭圆检测方法

提出了一种新的基于边缘连续特征的HT（ECHT）混合圆／椭圆检测方法，利用连续的边缘曲线段来决定HT采样点，实验仿真结果表明该算法较好地解决了标准RHT检测中无效采样概率大，无效积累时间多的问题。     

一种基于尺寸特性的图像边缘检测算法

在多尺度子波变换模极大值的基础上,根据图像有效边缘与噪声边缘在尺寸大小上的显著差异等特性,实现了一种按边缘尺寸按边缘尺寸小及按边缘尺寸大小自适应分块检测图像边的方法。实验表明,采用这一方法,可得到单像素宽,定位精确、抗噪声效果好的边缘图像,其效果明显优于经典的边缘检测方法。     

一种新的自学习特征映射算法研究

为了有效地提高矢量量化(VQ)码书的性能,提出了一种新的自学习特征映射(SLM)算法,并应用到图像VQ中,实验表明,与自组织特征映射(SOM)算法相比,SLM算法具有聚类特性好和峰峰信噪比高等优点,是一种非常有前途的码书设计算法.     

基于多尺度学习型字典表示的极地浅层探冰雷达图像去噪算法

为了更好地解决极地浅层探冰雷达回波信号中的杂波和噪声问题,提出了一种基于多尺度学习型字典表示的极地浅层探冰雷达图像去噪算法。该算法首先通过曲波变换构建曲波系数矩阵,在曲波域使用自适应字典学习得到原子尺寸不同的多尺度字典,最后利用去噪和修正后的曲波系数重建浅层探冰雷达剖面图像,完成最终的去噪。结果表明:相较于曲波变换去噪算法、K-SVD(K-奇异值分解)去噪算法,改进的算法不但能够有效地去除噪声,提高图像的峰值信噪比,而且探冰雷达图像的边缘轮廓信息得到了较好的保留,有着良好的视觉效果。     

一种基于边缘知识的雷达图像匹配定位算法

针对低信噪比实孔径雷达图像的特点，选用适于提取多尺度稳定边缘的Ｃａｎｎｙ算子，结合具有视觉非线性的门限准则、Ｎｅｖａｔｉａ细化和跟踪准则及Ｈｏｕｇｈ变换，提取可靠稳定的边缘特征描述，根据可见光参考图提取与ＳＡＲ图像共性的稳定边缘特征的知识以及稳定边缘的知识描述，提出了一种基于边缘知识的雷达图像与可见光图像匹配定位算法．实验结果表明，该算法能可靠地完成雷达图像的匹配定位．     

一种提取鱼眼镜头成像区域的算法及实现

使用鱼眼镜头拍摄图像变形严重,精确提取其成像区域是进行图像校正等后期处理的必要前提。针对传统提取成像区域算法对有效区域噪声敏感,实现过程复杂等缺点,提出一种改进的提取鱼眼镜头成像区域的方法。实验表明,该方法可以准确定位鱼眼镜头成像区域的圆心和半径,精度高,鲁棒性好,且实现简单,有良好的实用价值。     

基于图像分割的线段检测方法

介绍了线段检测技术的研究背景及发展历程,按照检测原理的不同,对线段识别方法进行了分类综述,主要介绍了基于Hough变换的线段检测方法、Burns边缘检测算法、端点扩张线段检测法、LSD线段检测法.通过对各种检测方法的阐述、分析和比较,总结了线段检测技术的理论缘由和应用特点,并提出了影响线段检测技术的几个因素,展望了线段检测技术今后的发展方向.     

LBG与SOFM应用于矢量量化的比较研究

在介绍矢量量化以及LBG算法和SOFM算法的基础上,通过实验对比了LBG算法和SOFM算法在应用于图象矢量量化压缩过程时,码书大小、码字大小以及初始码书生成方式等因素对图像压缩性能的影响,得到了相关结论:固定码字矢量维数,码书越大,压缩比越小,重建图像质量越好;固定码书,码字矢量维数越小,编码性能越好;LBG算法对初始码书敏感,而SOFM算法由于所具备的自适应特性对初始码书不敏感。论文最后提供了一些改进思路,为改进传统矢量量化算法及设计新的矢量量化算法以提供了参考。     

图像处理中边缘检测算法的研究

边缘检测是数字图像处理中基础而又重要的课题。文章具体考察了5种常用的边缘检测算子,并加以实现。最后对它们各自的特点进行了比较。梯度算子简单有效,LOG算法和Canny边缘检测器能产生较细的边缘。它们各自有其优缺点,在实际中应根据待解决问题的特点和要求决定采用何种方法。     

基于FAST算子与多特征匹配的图像伪造检测算法

当前图像伪造检测算法大多采用最近邻与次近邻比值法进行特征匹配来完成图像伪造检测,存在较多的错误检测以及漏检测现象,基于此提出了一种基于FAST算子与多特征匹配的图像伪造检测算法.首先,基于FAST算法与Bresenham方法,构造以像素点为中心的圆形区域,提取图像特征;然后,通过梯度直方图统计法判定特征点的主方向,以特征点为中心建立两级同心圆,并通过求取同心圆在指定方向上的梯度特征,生成特征向量和特征描述子;最后,提取特征点的HSI颜色分量,将HSI颜色分量以及特征点的特征向量作为双重特征,设计了双重特征匹配法则,实现特征匹配.引入Hough变换,对匹配特征点进行聚类,定位伪造内容.实验结果显示,与当前图像匹配算法相比,所提算法具有更高的检测正确度与鲁棒性能.     

岩石表面图像的特征提取和处理方法

在对比多种岩石表面图像特征提取的基础上,提出了岩石表面图像中节理特征的提取方法,包括图像的增强、二值化、边缘提取、Hough变换等,提出了3个限制条件,以剔除提取的节理特征冗余线段,并给出了处理依据和流程.同时,编写相应的软件以对所提方法的可行性进行验证.结果表明,经所提线段分类与合并方法处理后,冗余线段的重复率大幅降低,其结果能够准确反映岩石表面裂隙特征的分布情况.     

LFMCW雷达测距系统及其信号处理算法的设计

设计了一款基于ARM单片机的线性调频连续波(LFMCW)雷达测距系统,其采用三角波调制的LFMCW雷达实现目标距离测量。介绍了LFMCW雷达的基本结构和实现目标距离测量的原理,并重点研究了LFMCW雷达测距系统的信号处理算法——快速傅里叶变换(FFT)和线性调频Z变换(CZT)联合的测距算法(FFT/CZT联合算法)的实现。经理论计算和MATLAB仿真分析表明,FFT/CZT联合算法可以显著提高计算效率和精度。