基于暗原色先验的低照度图像增强

低照度图像亮度低、对比度低、细节信息缺失,对后续处理造成不便。针对这种情况,提出一种基于改进的暗原色先验低照度图像增强算法。采用输入图像暗通道的最大值估计大气光值,并用输入图像暗通道替代用大气光值来归一化输入图像,以其暗通道估计透射率,提高了算法效率。对输入图像取反,得到一副类似雾化的图像,用暗原色先验去雾,将结果再次取反,得到增强图像。暗原色先验会放大图像噪声,引入导向滤波实现保边去噪。实验结果表明,算法能有效增强低照度图像,提高图像亮度、对比度和突出图像细节信息。     

用于图像平滑去噪的快速各向异性反扩散算法

提出一种用于灰度图像平滑去噪的基于自适应统计滤波的快速各向异性反扩散算法.该算法通过建立一种改进的异性扩散算法,对含噪图像迭代地进行反扩散作用,并在两次反扩散之间实行自适应统计滤波,以达到平滑去噪的效果.实验结果表明,新算法的性能稳定,相对于已有算法能在更短时间内达到预期效果,同时使图像边缘得到一定增强.     

基于小波域的数字化媒体图像自适应模糊去重算法

针对目前图像的模糊去重方法存在处理后图像不清晰、质量不高的问题,提出了基于小波域的数字化媒体图像自适应模糊去重算法。首先通过小波域方法对数字化媒体图像完成去噪处理;其次利用逐步标注显著区域方法将数字化媒体图像分成保护与非保护区域,其中保护区域即为显著区域;最后利用显著性正则化处理图像,完成图像的自适应模糊去重算法。实验结果表明,基于小波域的数字化媒体图像自适应模糊去重算法处理后的图像噪声低、质量高、图像信息丰富,清晰度好。     

针对医学图像的小波阈值去噪方法

为了改善小波阈值去噪算法中硬阈值和软阈值存在的不足,提出一种新的小波阈值去噪方法.该算法在进行小波阈值去噪前,先将图像分割成背景平坦区域和细节区域两部分,然后分别进行小波阈值去噪,最后融合两图像从而获得去噪图像.在分别进行小波阈值去噪时,利用迭代法进行阈值选择,采用"软、硬阈值折中"阈值函数.根据对医学图像去噪的仿真实验结果表明,该算法在去噪效果上均优于传统的软硬阈值方法.     

一种Bayer图像的插值与去噪方法

为了改善彩色图像还原效果,降低硬件设计复杂性,分析了彩色插值对脉冲噪声的影响,以及彩色插值与去噪先后顺序对图像质量造成的影响,提出一种基于5×5窗口的先去噪后插值的彩色图像还原方法。采用阈值检测噪点的中值滤波算法去除Bayer图像的脉冲噪声,后采用基于梯度的插值算法完成彩色插值。仿真结果表明,该方法还原的图像性能指标优于传统方法,可以有效去除脉冲噪声,同时较好的保留图像细节,且算法复杂度不高,实时性好,易于硬件实现。     

图像强化去噪的一种偏微模型

给出了图像处理中加强去噪的一种方法．具体作法是在能量泛函中用模糊算子作用后的原图像与获得图像之间的距离代替原图像与获得图像之间的距离．实验结果表明,这样的处理不仅加强了去噪效果,而且保持了现有处理方法的其他优点．建立了与这一模型对应的流方程Cauchy问题的逼近问题的古典解的存在惟一性,使得这类问题的讨论完善化了．     

基于改进SRResNet深度学习网络的低照度图像超分辨率重建方法

为解决低照度条件下低分辨率图像的超分辨率重建问题,提出一种基于改进超分辨率残差网络(super-resolution residual networks, SRResNet)深度学习网络的低照度图像超分辨率重建方法。通过将读取的图像下采样、亮度降低等处理生成低照度低分辨率图像,并将该图像与高分辨率图像作为数据对输入学习模型,以便改进SRResNet的训练数据对的生成方式,优化训练过程,从而构建面向单帧低照度彩色图像的基于改进SRResNet训练的超分辨率重建方法。实验结果表明：与现有流行的图像超分辨率重建方法相比,该方法的峰值信噪比(peak signal to noise ratio, PSNR)、结构相似性(structural similarity, SSIM)指标整体为最优,低照度环境下的超分辨率重建图像更为清晰明亮、细节更丰富,该方法训练出的深度学习网络的重建效果更好。     

基于Sobel算子含噪低对比度图像的边缘检测方法

在分析噪声图像、低对比度图像的各种边缘检测方法及Sobel算子检测原理的基础上,提出了一种以Sobel算子为基础,应用直方图均衡化和二值化的改进算法.经实验证明,改进过的算法对含噪低对比度图像具有较好的检测效果,与传统的Sobel、Canny算法相比,具有边缘连续、清晰的优越性.     

一种保持图像细节的自适应的去噪平滑算法

针对三维相干切片数据所形成的二维图像,提出一种新的自适应的保持图像边缘细节的图像平滑算法.该算法通过平滑区域及灰度均匀度来选择受噪声干扰的最小区域,并以此来对目标像素进行相应处理.实验证明,本算法能在有效去噪平滑的同时,很好地保持了图像边缘细节,具有很高的实用价值.     

航空图像的分割与定位算法研究

通过航空图片的图像分割和特征提取,对几种分割算法进行了比较。通过比较发现,当图像的目标与背景的灰度值相差比较大时,用多阈值的灰度分割方法来获取目标I而当图像的目标与背景的灰度值相差不大时,使用模糊差影滤波算法可获得理想的分割结果。同时,对采用多阈值分割方法后的图像进行目标定位。结果表明,对于复杂航空图像,该算法分割效果好,噪声小,定位算法简单,定位准确,有较好的应用前景。     

面向高分辨率卫星图像的几种图像分割算法稳定性对比分析

将基于均值漂移和图模型的图像分割算法及这两种算法的混合算法应用到高分辨率卫星光学图像,并对比了它们在分割遥感图像时的稳定性。均值漂移算法是一种基于核密度梯度估计的特征空间分析算法,其实质是一种统计优化过程。基于图模型的算法将一幅图像抽象为一个无向图,通过不断合并图结点,将这个图分割为多个连通分量,进而实现一幅图像分割。混合算法首先利用均值漂移技术对图像进行滤波,然后再使用图分割算法对图像进行分割。实验结果显示,均值漂移算法分割结果对其参数变化较为敏感,而基于图模型的算法和混合算法则较为稳定。     

图像测量中条带图像的分割

在图像测量中，需对复杂光场下获取的图像进行分割，用常用的阈值分割方法对其进行分割时，不能很好地克服光照明暗不同对图像产生的影响，提出了一种基于零交叉检测器的动态阈值选取方法，经过在实际项目中运用，证明其效果良好，能有效克服非均匀光场对图像分割结果所带来的影响。     

图像测量中条带图像的分割

在图像测量中,需对复杂光场下获取的图像进行分割,用常用的阈值分割方法对其进行分割时,不能很好地克服光照明暗不同对图像产生的影响。提出了一种基于零交叉检测器的动态阈值选取方法,经过在实际项目中运用,证明其效果良好,能有效克服非均匀光场对图像分割结果所带来的影响。     

基于均值漂移的SAR图像分割方法研究

本文主要讨论了均值漂移算法在图像分割中的应用,指出均值漂移算法是一个稳定的图像分割算法,该算法具有很强的适应性.对于遭受噪声污染的图像,它的分割效果会受到很大的影响.因此针对噪声特性,提出了用滤波器来改善基于均值漂移的SAR图像分割的方法.该方法的关键是设计合适的滤波器.基于该方法进行了图像分割实验表明,该方法可以改进图像分割效果.     

医学图像分割算法分类及特点

医学图像分割技术是医学图像处理与分析领域的重要课题之一,也是近年来备受研究人员关注的热点问题。医学图像分割的目的是把图像中具有特殊含义的不同区域分割歼来,并使分割结果尽可能的接近解剖结构,从而为临床诊疗和病理学研究提供可靠依据。由于人体解剖结构的复杂性、组织器官形状的不规则性及个体之间的差异性,一般图像分割方法直接应用于医学图像并不能得到理想分割效果为此必须寻找一种有效的医学图像分割方法。     

PIV测速中实时可调同步脉冲光照系统的设计与应用设

根据PIV测速系统的需要,设计了与CCD摄像机和半导体激光器同步的实时可调脉冲发生器,结合一体化微光摄像技术,成功地实现了对流场的单帧多次曝光,有效地解决了流动图像获取技术中的光源问题,通过对实际流场的摄取,说明了本文方法的实际意义。     

对有背景的图像实现运动目标的边界检测

提出了一种对有背景的图像实现运动目标边界检测的方法，用零交叉方法获取宽度为一个像素的边界，应用腐蚀和膨胀算子获得边界强度信息，通过生成目标模板屏蔽了背景噪声，最后生成了便于边界跟踪的边界图像。     

CT图像的模糊聚类分割

本文描述了模糊聚类Fuzzy C-Means(FCM)算法实现CT图像分割的方法和过程,该算法的主要特点是提供了一种非监督方式的模糊聚类,它可满足CT图像工作站以非监督方式分割图像的要求。 介绍了CT图像模糊分割的特点,并对实验过程和结果进行了讨论。