脉冲相干激光雷达的散斑成像模型

本文推导出了脉冲相干激光雷达的散斑成像模型,证明了脉冲相干激光雷达图像中散斑噪声的乘法性质。     

应用二维混合变换的脂肪肝超声波图像特征提取

采用一种二维混合变换—二维离散傅里叶离散小波混合变换（2-DDFT-DWT）,去除与脂肪肝散射粒子混迭的噪声,进而提取脂肪肝散射粒子。该算法从水平方向对超声波图像用DFT进行滤波处理,从垂直方向对超声波图像进行DWT尺度纹理信息提取处理。并给出了水平方向的偏DFT的正变换与反变换的定义与算法,及垂直方向的偏DWT的定义与算法。通过实例说明了脂肪肝超声波图像特征提取算法的应用,给出了与二维离散傅里叶变换及二维离散小波变换算法提取脂肪肝散射粒子纹理的比较结果。     

置换混叠信号的盲检测和分离

针对观测信号相互置换的情况,从盲源分离的角度研究置换混叠信号的盲检测与分离问题,给出了置换混叠信号的数学模型,提出了基于特征域可分的置换混叠区域检测方法,根据频谱特性和局部相关性分别提出了正弦置换混叠信号和置换混叠图像的盲检测与分离算法. 实验结果表明,该方法能有效应用于置换混叠信号的检测.     

采用分数低阶循环谱相干系数的调制识别

摘要： Alpha稳定分布噪声导致二阶循环谱相干系数失效,使相应的通信信号调制识别算法退化. 针对这个问题,提出了基于分数低阶循环谱相干系数的识别算法. 文中给出了分数低阶循环谱相干系数的相关理论,分析了通信信号的分数低阶循环谱相干系数,在此基础上提取谱相干系数循环频率域特征作为识别特征参数. 用BP神经网络为分类器,实现了通信信号调制方法识别. 仿真结果表明,在Alpha稳定分布噪声下,该识别算法性能优于基于二阶循环谱相干系数的方法. 在高斯噪声条件下,两种识别算法性能相当.     

一种保持几何形状的散斑噪声压缩算法

提出一种用于压缩散斑噪声的同态滤波Lee滤波器级联算法。它首先对信号进行同态变换,然后用Lee滤波器作去噪声处理,最后再作动态逆变换。仿真结果表明它即保持了图像的边缘又有效地抑制了散斑噪声。     

基于小波和Curvelet变换联合去噪的含噪盲源分离

独立分量分析(ICA)是一种仅依据信号间的统计独立的性质,对多路观测到的信号进行盲源分离的方法.现有的独立分量分析算法大都假设在无噪声情况或噪声很小可以忽略不计的情况,而在强噪声背景下,这些算法都无法获得理想的分离效果.在含噪信号盲源分离一般模型的基础上,提出了一种小波和Curvelet变换联合去噪的含噪信号盲分离算法.通过对高斯噪声背景下的混合图像的仿真研究,表明该方法能有效的提高图像的信噪比,减轻了噪声对经典ICA算法分离性能的影响,很好的实现了含噪混合图像的分离.     

采用双树复小波和混合概率模型的光学相干层析图像去噪

为了去除光学相干层析图像中的斑点噪声,提出了基于双树复小波变换的混合概率模型ProbShrink算法. 针对原始光学相干层析图像中信号和噪声的分布特点,在微观层面引入了混合概率模型：将OCT图像取对数后进行双树复小波变换,对于层状边缘中与边缘点“方向一致”的小波系数,采用广义高斯模型描述;对于其他小波系数,则采用高斯模型进行描述. 而后采用改进的ProbShrink算法进行去噪. 实验结果表明,该算法在大幅提升信噪比的情况下保持边缘锐度的相对稳定,优于传统的基于小波变换的去噪方法.     

矢量图像去噪的格子波尔兹曼方法

摘要： 针对矢量图像数据量大,基于传统非线性扩散模型的算法效率低和难以实现并行化的缺点,该文通过在格子波尔兹曼模型的松弛因子中嵌入矢量图像的边缘特征,并定义新的平衡态分布函数,实现矢量图像的非线性扩散去噪. 此方法在保证稳定性的情况下,能实现大步长迭代计算以提高计算效率. 随后,通过二维扩散问题的数值仿真,定量评价了平衡态分布函数对计算精度和效率的影响. 为验证此种方法,对分别受到加性高斯白噪声和脉冲噪声的彩色图像进行了去噪实验,结果显示在图像处理质量和计算效率方面,该文方法都优于加性算子分裂算法.     

一种新的自适应双边滤波算法

现有的双边滤波算法需要预先设置空间方差和灰度方差参数,滤波时参数固定且不能保证是最优的参数设置. 文中提出一种新的自适应双边滤波算法(adaptive bilateral filtering, ABF),通过目标尺度信息实现空间方差局部自适应取值,保留更多的图像边缘特征;采用图像分块技术估计噪声方差,根据噪声方差自适应地设置灰度方差,以保证滤除噪声的性能;通过强制增大空间方差滤除较强噪声点. ABF不必像传统双边滤波算法那样根据经验设置参数,而是根据图像局部特征自适应地设置空间参数,不仅提高了滤除噪声的能力,而且更好地保留了图像边缘特征. 仿真实验表明,无论是主观评价还是客观评价,所提出的方法均优于传统的双边滤波算法、各向异性扩散算法和改进的双边滤波算法.     

基于小波的图像去斑点噪声方法的研究

根据超声图像斑点噪声统计模型的特性,通过对超声图像进行连续小波变换、分形插值小波变换等变换方法以及小波分析的软阈值滤波方法,提出了结合小波软阈值与中值滤波去噪的方法,在不同尺度对信号小波系数进行处理,达到降噪目的.     

用于侧扫声纳图像边缘检测的改进Canny算子

摘要： 针对侧扫声纳图像斑点噪声强的特点,提出一种改进的Canny算子进行边缘检测. 根据斑点噪声的乘性模型和瑞利分布特性,在非下采样Contourlet变换域进行局部自适应降斑. 该方法在有效抑制斑点噪声的同时可较好地保护边缘,避免了Canny算子造成的边缘模糊. 计算降斑后图像的梯度值分布,对梯度幅值进行非极大值抑制得到极大值点. 将梯度模的极大值点分成强边缘点、弱边缘点与非边缘点3 类,基于类间方差最大自适应确定区分3 类的双阈值,经双阈值处理与弱边缘连接得到边缘图. 对模拟声纳图像和实际声纳图像的边缘检测结果表明,较之Canny算子和小波模极大等边缘检测方法,该方法具有边缘检测完整、定位准确、伪边缘点较少等优点.     

SAR图像的自适应边缘保持去噪滤波

针对目前SAR图像斑点噪声滤波算法在噪声去除和边缘保持方面同时性上的不足,该文基于SAR图像噪声识别和边缘检测,提出适用于同质区域和边缘区域的自适应SAR图像去噪滤波方法. 该方法根据SAR图像斑点噪声、边缘位置、边缘方向信息,动态改变滤波器模板的尺寸和形状,实现SAR图像斑点噪声去除,同时保持图像边缘和纹理信息与细微结构. 以2010年8月15日北极地区RADARSAT-2 SAR HH图像为例,将本文的方法与典型空域滤波法进行对比分析,定量分析结果表明所提方法的可行有效.     

各向异性图像扩散的多重网格格子波尔兹曼方法

为提高基于格子波尔兹曼(Lattice Boltzmann,LB) 模型图像降噪方法的计算效率和精度,提出了一种多重网格LB (multigrid LB,M-LB) 模型的降噪方法,即通过不同尺度网格的LB 模型实现各向异性图像扩散,在图像变化剧烈的区域采用较细尺度的网格,而在图像变化缓慢的区域采用较粗尺度的网格. 为验证M-LB 方法针
对斑点噪声抑制的效果与效率,对自然图像、合成图像、医学超声图像进行降噪处理,分别与现有的一种多重网格扩散方法和两种LB方法进行对比．实验结果显示,M-LB 方法较其他3 种方法抑制斑点噪声效果更好,降噪处理效率更高．     

基于多小波域双彩色图像的水印算法

本文利用多小波的优良性质结合人眼对蓝色不敏感的特性,提出了一种双彩色图像的水印算法.算法合理选择嵌入区域和嵌入强度,将彩色水印信息的各分量分别嵌入到彩色载体图像蓝色分量多小波域的中低频上,这样既可以保证算法的透明性又可以实现其鲁棒性.实验结果表明,本文算法具有透明性好、嵌入信息量大等特点,且对于多种常见攻击具有较好的鲁棒性,如：JPEG压缩、图像剪切、椒盐噪声、高斯噪声、speckle噪声、泊松噪声等.     

手背静脉识别算法研究

手背静脉识别是一种新兴的非接触式红外生物特征识别技术,近年来得到了广泛的关注.提出了一种静脉识别算法,算法首先对静脉图像进行分割,通过滤波有效地去除斑点噪声和水平条状扫描噪声,然后进行平滑细化和毛刺修剪,得到失真较小的静脉骨架,最后提取静脉骨架的7个修正的几何不变矩作为支持向量机的输入进行分类识别,在有500个样本的数据库上进行实验,获得了95.5%的识别率,表明了算法的有效性.     

采用自适应核函数的空间时频分布盲源分离

基于空间时频分布的盲源分离算法可以用来分离具有不同时频分布的信号.时频分布的交叉项影响着盲分离的性能,而不同的时频分布对交叉项的抑制效果也不同.目前的盲源分离算法多是基于固定核的时频分布,而自适应核函数对交叉项的抑制能力要优于固定核的时频分布.提出采用自适应核函数时频分布的盲源分离算法,这种算法具有比较强的抑制交叉项能力和抗噪声能力.仿真表明,无论是在有噪声还是无噪声的情况下,这种算法的盲分离性能均优于采用Cohen类时频分布的盲源分离算法.