一种多尺度边缘测度融合加权HD算法

一般的边缘加权Hausdorff算法,由于单尺度边缘检测算子本身对噪音敏感,会造成真实和虚假边缘显著性差异小,从而加权后对噪音鲁棒性改善有限.为此,提出了一种基于多尺度边缘测度融合加权的Hausdorff景象匹配算法.对图像提取多尺度边缘测度后,引入证据推理理论,提出一种双向指数基本置信指派构造方法,并构造出多尺度边缘测度的基本置信指派函数,然后采用冲突再分配DSmT组合规则进行融合.为了进一步区别真实边缘与高频噪音,对加权Hausdorff公式进行了一些改进,给出了更为有效利用融和后边缘测度的加权Hausdorff公式.对可见光和SAR景象的匹配实验证明:本文算法所提取边缘在抑制噪音的同时保留了大量景象细节信息,并通过横向对比验证本文算法提高了噪音鲁棒性.     

图象的多尺度边缘相位水印算法

提出一种基于图象多尺度边缘的新相位水印算法.利用常用于边缘检测的二进小波刻画图象的多尺度边缘,在多尺度边缘的相位成分中嵌入数字水印,利用相关检测器进行水印检测.实验证明算法具有不可见性,较好的安全性,对通常的图象处理有很强的鲁棒性.     

红外图像的各向异性分段高斯滤波

提出了一种各向异性分段高斯滤波,这种方法除了考虑图像的尺度和方向特性外,还根据边缘区域可分特性,使用了分段滤波的方法来进一步解决边缘保持的问题.该方法通过本文所提出的一种图像噪音方差估计模型来确定图像的基准尺度,并由Hermite变换得到其方向角,然后再通过确定高斯模型的轴向比和自适应尺度,使对选择区域的滤波转变为对分段高斯模型的滤波,从而使计算的可靠性得到增强.从仿真结果可以看出,各向异性分段高斯滤波器在噪音去除和边缘保持的综合性能上要优于其他常用的滤波算法.     

Poisson噪音在小波变换域内的分布特性及去除方法

本文推导出Poisson噪音在小波变换下随尺度变化的变化公式,得出Poisson噪音经小波变换之后其方差随尺度增大而减小的结论,从理论上保证了应用小波变换多尺度方法去除Poisson噪音的可行性与有效性.针对Poisson噪音不具有一致分布性,即它在各点的方差与信号的强度有关,本文提出了一种基于小波变换的变阈值滤波算法,文末的仿真试验结果说明本文提出的算法对去除Poisson噪音是十分有效的.     

基于LTS-HD的像素跳跃式快速景象匹配算法

在分析Hausdorff距离特性的基础上,提出了一种两级实时景象匹配算法.与传统各种利用图像多尺度特征的多级匹配方法不同,该算法利用Hausdorff距离特性直接在原分辨率图像上进行匹配,通过"减少匹配位置"以及"减少匹配位置相似性测度计算量"两种途径缩短匹配时间.跳跃式搜索极大地减少了参与匹配的位置数;而在每个匹配位置,只计算由特征点组成的两个点集间的LTS-HD相似性测度,非特征点不参与计算,从而大大减少了该匹配位置的相似性测度计算量.为了保证匹配准确度,采用由粗到精的两级匹配策略,第一级采用像素跳跃式全局搜索获得粗匹配点,第二级以第一级匹配为基础,在以粗匹配点为中心的δ邻域内局部遍历搜索获得精匹配点.仿真分析表明,提出的算法相比传统的遍历搜索及遗传算法耗时短且定位准确,在实时图存在严重遮挡的情况下仍能正确匹配.     

模糊权值中值滤波的X射线图像消噪算法

针对X射线荧光图像的低亮度及噪音造成的对比度差和图像模糊的问题,提出了一种模糊权值中值滤波的图像消噪算法.先用模糊邻域检测法结合梯度检测法分离原始图像中的噪音点与非噪音点,然后在噪音点的邻域内,计算各像素点与邻域中值的模糊相似度,用相似度作中值的权值,对噪音点邻域进行加权滤波|这种算法使图像的非噪音点保持不变.实验结果表明, 本文算法不仅具有较强的消噪能力,而且能够保持图像的边缘细节和纹理信息.     

模糊权值中值滤波的X射线图像消噪算法

针对X射线荧光图像的低亮度及噪音造成的对比度差和图像模糊的问题,提出了一种模糊权值中值滤波的图像消噪算法.先用模糊邻域检测法结合梯度检测法分离原始图像中的噪音点与非噪音点,然后在噪音点的邻域内,计算各像素点与邻域中值的模糊相似度,用相似度作中值的权值,对噪音点邻域进行加权滤波;这种算法使图像的非噪音点保持不变.实验结果表明,本文算法不仅具有较强的消噪能力,而且能够保持图像的边缘细节和纹理信息.     

误差分散类彩色半调图的边缘检测算法

针对误差分散类彩色半调图提出一种边缘检测算法.首先应用K－L变换,将(R,G,B)空间转换为具有正交特性的彩色特征空间(I1,I2,I3),构造灰度图I使之包含所有单色图像的边缘信息,最后设计多尺度边缘检测模板以获取图像边缘.实验表明,算法较传统方法抗半调噪音的能力强,能快速、准确地提取彩色半调图像的边缘.     

基于LTS-HD的像素跳跃式快速景象匹配算法

在分析Hausdorff距离特性的基础上,提出了一种两级实时景象匹配算法.与传统各种利用图像多尺度特征的多级匹配方法不同,该算法利用Hausdorff 距离特性直接在原分辨率图像上进行匹配,通过“减少匹配位置”以及“减少匹配位置相似性测度计算量”两种途径缩短匹配时间.跳跃式搜索极大地减少了参与匹配的位置数;而在每个匹配位置,只计算由特征点组成的两个点集间的LTS-HD相似性测度,非特征点不参与计算,从而大大减少了该匹配位置的相似性测度计算量.为了保证匹配准确度,采用由粗到精的两级匹配策略,第一级采用像素跳跃式全局搜索获得粗匹配点,第二级以第一级匹配为基础,在以粗匹配点为中心的δ邻域内局部遍历搜索获得精匹配点.仿真分析表明,提出的算法相比传统的遍历搜索及遗传算法耗时短且定位准确,在实时图存在严重遮挡的情况下仍能正确匹配.     

基于多尺度总体最小二乘的图像去噪

提出了一种基于多尺度总体最小二乘的图像去噪算法.采用平稳小波变换对噪音图像进行分解,分别对各个分解层的高频子带,通过总体最小二乘算法估计信号小波系数|并且考虑到不同尺度小波系数之间的相关性,将尺度相关性约束到总体最小二乘算法中,进而准确估计各高频子带信号小波系数,再由估计的信号小波系数通过小波逆变换得到去噪图像.实验结果表明,考虑尺度间相关性的总体最小二乘平稳小波变换图像去噪算法能有效去除图像噪音,在信噪比和视觉质量上有了较大改善.     

基于投票加权累积度量的模板匹配算法

从点集相关性的角度提出了一种新的模板边缘图像匹配度量——投票加权累积度量(WVAM),在该度量中融入了抗几何畸变以及抗杂点与相似区域干扰的机制,能够实现异源情况下模板边缘图像的匹配定位。为了进一步提高WVAM匹配的单相关峰特性,转换点的坐标投票为局部结构信息投票,形成了融入局部结构相似性的投票加权累积度量(LSS-WVAM),该度量能够表征模板边缘图像与待匹配区域的整体结构相似性,更具有稳健性。在仿真实验中利用全局与局部度量信噪比作为评价指标,证明了WVAM具有比LTS-HD(Least trimmed square Hausdorff distance)更好的全局单峰与局部梯度特性。与WVAM相比,LSS-WVAM在全局和局部性能上约提高30%和4%。     

Improved multi-scale wavelet in pantograph slide edge detection

The mainstream methods of pantograph slide edge detection are based on canny operator and multi-scale wavelet. The former has good single edge response but the edge is fractured, the latter performs good edge continuity but contains excessive edge points. This paper combines the advantages of both methods and proposes as an improved multi-scale wavelet edge detection method based on canny criteria. Firstly we filtered the pantograph image with edge-preserving symmetric near neighbor filter. Secondly calculated the Gaussian wavelet modulus and arguments at all levels of scale, then suppressed the non-maxima value of modulus along the corresponding arguments. At last, we integrated the modulus drawings at all levels of scale, and connected edge with applicable dual-threshold. Experiments results show that the improved algorithm has both satisfactory performances in single edge response and edge continuity, it markedly improves the efficiency of edge detection algorithm. Peak signal to noise ratio (PSNR) analysis finds that the improved algorithm exceeds canny operator and traditional multi-scale wavelet edge detection. Moreover, it has higher positioning accuracy, clearer details and better noise performance.     

Refined Composite Multi-Scale Reverse Weighted Permutation Entropy and Its Applications in Ship-Radiated Noise

Ship-radiated noise is one of the important signal types under the complex ocean background, which can well reflect physical properties of ships. As one of the valid measures to characterize the complexity of ship-radiated noise, permutation entropy (PE) has the advantages of high efficiency and simple calculation. However, PE has the problems of missing amplitude information and single scale. To address the two drawbacks, refined composite multi-scale reverse weighted PE (RCMRWPE), as a novel measurement technology of describing the signal complexity, is put forward based on refined composite multi-scale processing (RCMP) and reverse weighted PE (RWPE). RCMP is an improved method of coarse-graining, which not only solves the problem of single scale, but also improves the stability of traditional coarse-graining; RWPE has been proposed more recently, and has better inter-class separability and robustness performance to noise than PE, weighted PE (WPE), and reverse PE (RPE). Additionally, a feature extraction scheme of ship-radiated noise is proposed based on RCMRWPE, furthermore, RCMRWPE is combined with discriminant analysis classifier (DAC) to form a new classification method. After that, a large number of comparative experiments of feature extraction schemes and classification methods with two artificial random signals and six ship-radiated noise are carried out, which show that the proposed feature extraction scheme has better performance in distinguishing ability and stability than the other three similar feature extraction schemes based on multi-scale PE (MPE), multi-scale WPE (MWPE), and multi-scale RPE (MRPE), and the proposed classification method also has the highest recognition rate.     

一种评价假目标红外示假效果的新方法

提出了一种新的评价假目标红外示假效果的方法。该方法首先采用Harris算子提取军事目标及其相应假目标的红外图像的特征点,然后采用Hausdorff距离计算所提取的特征点集之间的Hausdorff距离。该距离越大,说明假目标与真目标相差越大;该距离越小说明真、假目标越相似,也就是说假目标的红外示假效果越好。     

多尺度无监督彩色图像分割

非采样Contourlet变换是一种新的多尺度多分辨率分析工具.本文提出了一种基于非采样Contourlet变换的彩色图像无监督分割算法.首先利用非采样Contourlet变换的平移不变性在其变换域应用梯度向量法提取图像多尺度边缘|然后在Contourlet变换域的低频子带和高频子带中分别提取局部低频能量纹理特征与高频多尺度Zernike矩纹理特征,并将二种纹理特征融合.最后在边缘图像中映射种子像素点,利用纹理和颜色特征欧氏距离,对彩色图像采用区域生长和区域合并的方法进行分割.实验结果证明:该算法将图像空间域的颜色特征与非采样Contourlet变换域的多尺度边缘和纹理特征恰当结合在一起实现彩色图像无监督自动分割,与传统算法相比有更高的准确性和鲁棒性.     

小波边缘检测算法在平面丝阵Z箍缩图像1维诊断中的应用

 选择尺度融合的小波边缘检测算子对平面丝阵Z箍缩条纹相机图像进行处理,分析了影响边缘检测效果的参数。处理结果显示：如果边缘像素比例取合适值（4%～7%）,若尺度取较大值时边缘定位不够精确,取较小值时受噪声影响较大;尺度融合的小波边缘检测算子则能精确判断图像边缘位置,同时受噪声影响较小;与直接判读方法相比,通过尺度融合的小波边缘检测算法判读的数据更稳定平滑,更能抵抗噪声的干扰。     

基于加权块稀疏联合非凸低秩约束的高光谱图像去条带方法

针对高光谱图像（hyperspectral images, HSI）去条带易引起影像结构细节丢失问题,提出一种基于加权块稀疏（weighted block sparsity, WBS）正则化联合最小最大非凸惩罚（minimax concave penalty, MCP）约束的HSI去条带方法。本算法采用加权?_{2, 1}范数和MCP范数对条带稀疏结构和低秩约束,?₁范数对干净图像结构保持正则化约束,构建加权块稀疏和MCP约束的条带去除模型,采用交替方向乘子（alternating direction method of multipliers, ADMM）算法迭代求解对应模型,重建获得干净的HSI图像。实验结果表明,提出方法在实际HSI的平均等效视数从28.45提高到83.47,边缘保持指数较其他算法至少增加0.056,特别是对于非周期条带噪声,采用自适应权值更新稀疏水平,增强了组稀疏性,在保持影像边缘和加强区域平滑性方面性能更佳,去噪声效果更好。     

复杂背景下运动目标的光学相关识别

在应用光电混合联合变换相关器实现运动目标相关识别的过程中,针对目标与模板由于运动所产生的差异和复杂背景影响相关器识别率的问题,采用了一种以高斯函数的一阶导数做小波多尺度边缘提取和形态学膨胀进行边缘加粗处理相结合的方法。这种方法可充分利用小波多尺度的特点,使得提取后的边缘在抑制噪声的同时,能保留更多的细节信息,明显改善复杂背景下运动目标的相关识别问题。对以低对比度和小目标为特点的动态序列进行光学相关实验,结果表明,这种方法能有效增强探测目标的相关峰亮度,验证了算法对复杂背景下运动目标识别的可行性。     

一种自动分割跟踪视频运动对象的方法

针对视频图像中单个运动对象的分割和跟踪问题,提出了一种基于时空离散度的视频对象分割跟踪算法。该算法首先采用时空离散度进行运动对象区域的粗定位;然后通过形态学算子来进行细定位,并获取运动物体的二值模型;再然后使用部分Hausdorff距离实现后续帧中运动对象模型的匹配;最后为了容纳运动对象在视场中形状的变化,在图像距离空间中引入了欧几里德范数作为约束条件来完成运动物体模型的更新。实验表明,在运动对象跟踪过程中相邻位置差未超过2个像素点,从而验证了算法的有效性。