小波变换在图像边缘检测中的应用

从空间剖分的角度,滤波的观点和几何尺度分析对正交离散小波变换做了较详尽说明．分析了小波的选择对边缘检测的影响．且以医学中各器官的图像检测这一实际问题为背景,选择了适当的小波,给出了边缘检测的算法流程及计算机仿真结果．从算法流程结果表明,该算法具有计算复杂度低、抗噪声能力强等特点．     

基于区域分类的智能恒虚警SAR图像目标检测

提出了一种用于SAR图像目标检测的基于区域分类的智能恒虚警算法．该算法组合常规的单元平均恒虚警、选小恒虚警和选大恒虚警的有利特性，在多窗口划分和区域类型分类的基础上，实现目标的智能检测．实验表明，该方法在同质性区域保持较好检测性能的同时，在多目标和杂波边缘的异质性区域也有较强的鲁棒性．这必将极大的降低后续辨别和识别阶段的复杂度，从而提高了整个ATR系统的性能．     

一种改进的SAR图像边缘检测方法

针对Ration边缘提取算法对弱边缘检测效果差，边缘定位精度低的缺点，提出了一种改进算法用于检测微弱边缘，并给出具有FCAR特性的阀值选取办法，实际应用中，将两种方法结合为一种综合处理方法，对真实SAR图像的处理结果表明，该综合处理方法具有较高检测正确率及较好的边缘定位精度。     

基于降噪自编码的电能质量扰动识别

针对目前电能质量扰动识别时特征提取不充分,造成识别精度不高的问题,引入了降噪自编码算法。降噪自编码算法起源于自动编码算法,两者都属于深度学习算法。其中,自动编码算法已经被应用于电能质量扰动识别,并取得了一定的成果。但是,自动编码算法对含噪声干扰的电能质量扰动信号的识别精度还不是很理想。本文采用降噪自编码算法,将克服这一问题。首先对无噪声的扰动信号用噪声进行"破坏",然后用带噪声信号去重构原始信号,得到扰动信号波形的固有特征,最后通过BP神经网络分类器对整个网络进行微调,得到最后用于分类的特征样本。该方法降低了传统特征提取算法对特征选取不当,造成分类识别精度不理想的风险,并在一定程度上提高了含噪声的电能质量扰动信号的识别精度。仿真结果表明,该方法在识别含噪声的电能质量扰动信号上有很大的优势。     

合成孔径雷达图像统计滤波降噪方法

基于统计滤波方法需要在尽可能大的同质区域内进行滤波处理的要求，根据MHR和EPOS算法采用的可变窗口思想，提出了从八个不同方向上逐步扩大窗口，直到出现边界的搜索算法，在保持图像边界信息的同时滤除了斑点噪声的影响。对于噪声统计量，提出了利用了比例图来估计其大小的方法，并由此求出搜索的域值，实验结果表明，该方法处理的SAR图像质量在噪声滤除和边缘保持方面比传统算法有了明显改进。     

一种新的无监督SAR影像变化检测

针对传统的SAR影像变化检测算法无法同时降低虚警和漏警数量,不能同时确保准确率和抗斑点噪声能力的现状,设计了一种新的基于曲波变换和自适应脉冲耦合神经网络的SAR影像变化检测算法.首先采用曲波变换降低差值图像中斑点噪声的含量.然后利用自适应脉冲耦合神经网络对每个像素所对应的变化信息进行变化类和未变化类的分类,得到变化检测图.结果显示与比较算法相比,本文算法的KC指标至少高出0.58个百分点、Recall指标至少高出4.28个百分点、F1指标至少高出0.74个百分点.说明对于KC、Recall和F1这些性能指标,该算法具有更高的检测准确度.无论是高斯噪声还是斑点噪声,在PSNR∈[35,50]dB的范围内,本文算法的抗噪性能都高于比较算法.     

机载SAR图像中机场跑道的检测

提出了一种基于A／G系数边缘捡测的机场跑道检测方法，利用A/G系数作为参数来抑制SAR图像中speckle噪声的影响，采用非线性边缘检测技术和数学形态学来检测边缘，使用Hough变换检测平行直线确定跑道，结合灰度特征和边缘特征，通过区域生长成机场跑道的结构，实验结果表明在机载SAR图像中采用A/G参数检测边缘能够有效地抑制噪声的干扰，获得较好的图像边缘，同时通过Hough变换和区域生长能够较准确的检测出机场跑道的结构。     

一种基于信息熵的灰度失真图像的快速拼接方法

针对拼接图像的灰度失真、噪声等问题，引入信息熵概念，并根据图像局部熵建立塔形数据结构。在VC6.0环境下编程实现了相应的拼接算法。实验表明，该算法很好地体现了由低分辨率到高分辨率逐级精确匹配的搜索策略，速度快、拼接效果好，具有较强的抗噪及抗灰度失真能力。     

基于图像纹理分布的算法在子弹自动比对中的应用

基于笔者所在研究组自行研发的三维激光彩色扫描仪系统（3DLCS）的功能特性以及公安子弹痕迹检测实际应用的需求,提出了基于图像纹理分布的统计算法.该算法利用边缘检测、去除噪声、阈值分割,找到描述图像纹理分布的数组特征,再利用此特征进行弹头的最小绝对差（MAD）自动比对.与直接利用MAD算法进行子弹检测比较起来,SABGD标注了图像的纹理特征,更符合人眼匹配图像的机制.实验表明,SABGD在弹头检测过程中,可以减少比对的数据量,提高比对准确率,减轻比对人员工作量.     

预测RNA二级结构的一种遗传模拟退火算法

讨论了RNA二级结构的预测问题，首先提出一种用树表示RNA二级结构的方法，然后给出一种用于预测RNA二级结构的混合遗传算法——遗传模拟退火算法．在该算法中，个体(RNA二级结构)直接用茎序列编码，与个体用二进制串编码的同类型算法相比，在很大程度上缩短了个体的编码长度．计算结果表明该预测算法具有较高的精度．     

基于方向梯度直方图的螺纹连接件端面缺陷检测方法

针对螺纹连接件端面表面的反光性、阈值选取的不确定性, 提出了一套图像处理方法. 使用中值滤波和图像锐化增强等方法处理图片, 解决背景与前景差距较小的问题; 选取利用方向梯度直方图确定图像上的边缘方向, 实现对目标的直线轮廓提取, 与已知目标的轮廓模型结合实现对非直线目标轮廓的提取. 该处理方法可以自动提取目标的轮廓, 而不需要设定阈值, 且对亮度、对比度和噪声变化的适应性较好. 对2500个报警器底盘做的检测实验结果表明, 采用该方法能去除噪声, 与Canny轮廓提取法相比, 能更准确且稳定地提取出螺纹连接件端面的边缘特征; 对螺纹连接件端面磨损和歪斜的检测准确率分别达到了99.4%和98.6%, 满足工业的准确率和实时性的需求; 同时可减少人工成本, 提高检测速度.     

基于梯度矢量流和主动轮廓模型的海陆边界提取

利用边缘检测与主动轮廓模型组合的方法可提取海陆边界线,但易受轮廓跟踪的缺点影响.在该方法的基础上,利用边缘检测与梯度矢量流的有向力作用生成初始轮廓线,再使用主动轮廓模型对初始轮廓线进行调整,得到精确的海陆边界.实验证明该方法可简便地生成有效的初始轮廓线并准确提取海陆边界,避免使用轮廓跟踪法.该方法可利用GIS数据辅助以简化提取流程.     

基于光波迭加原理的相对深度和边缘检测算法

基于光波迭加原理导出了一种新的图像相对深度和边缘检测算法.新算法根据光波的迭加和衰减特性,通过对像素的迭加计算和对参数β的调整使得该算法实现两种功能:相对深度检测和边缘提取.实验表明,该方法能够较好的区分出不同距离的景物,并且能较好地提取图像的边缘.     

一种改进的基于小波变换的图像边缘提取算法

在对现有的基于小波变换的图像边缘提取方法进行简要分析的基础上,提出了图像边缘提取改进算法.该算法主要是对边缘点的判断准则进行了改进,通过将任一点的梯度方向与水平、垂直、45°、135°方向进行比较,将这4个方向中与该点梯度方向最接近的一个方向重新赋给该点的梯度方向,并检验二进小波变换的模在该点是否为新的梯度方向上的局部极大值,若是,该点就是边缘点,否则不是.最后通过模拟实验给出了该方法的实验结果,实验结果有力地证明了该方法的有效性.     

一种去除椒盐噪声的自适应模糊中值滤波算法

针对传统中值滤波算法降噪性能不佳以及易造成图像细节模糊的问题,提出了一种自适应模糊中值滤波算法。 滤波过程分为噪声检测和噪声去除2个阶段。噪声检测阶段：采用极值法检测噪声,将图像的像素点分为两类,即疑似噪声点和信号点。 通过疑似像素点和与其相邻的已处理的像素点的平均绝对灰度差值定义模糊隶属度函数,利用该函数对疑似噪声点是否为噪声进行模糊分类。 噪声去除阶段：信号点保持原值输出,对于疑似噪声点的3种分类结果,采用模糊加权的中值滤波器进行统一处理。 实验结果表明,较于多种传统滤波方法,该算法能更有效地去除椒盐噪声,保护图像细节。     

一种去除椒盐噪声的自适应模糊中值滤波算法

针对传统中值滤波算法降噪性能不佳以及易造成图像细节模糊的问题,提出了一种自适应模糊中值滤波算法。 滤波过程分为噪声检测和噪声去除2个阶段。噪声检测阶段：采用极值法检测噪声,将图像的像素点分为两类,即疑似噪声点和信号点。 通过疑似像素点和与其相邻的已处理的像素点的平均绝对灰度差值定义模糊隶属度函数,利用该函数对疑似噪声点是否为噪声进行模糊分类。 噪声去除阶段：信号点保持原值输出,对于疑似噪声点的3种分类结果,采用模糊加权的中值滤波器进行统一处理。 实验结果表明,较于多种传统滤波方法,该算法能更有效地去除椒盐噪声,保护图像细节。     

基于邻域总变分和边缘检测的遥感影像道路提取

针对道路提取的同物异谱和同谱异物难题,提出了一种基于邻域总变分和边缘检测的遥感影像道路提取方法,先对原始影像进行邻域总变分分割,提取出影像中具有均匀材质的地物,并采用Canny边缘检测方法获得原始影像的边缘数据;然后将边缘数据和分割结果融合,使均匀材质区域中的非道路地物和道路分离;最后采用多方向结构进一步提取狭长并具有一定宽度的道路.实验证明本文提出的道路提取方案能同时提取影像中光谱略有差异的道路,能有效剔除和道路黏连在一起的同谱异物地物,并能提取具有一定弯度的道路.     

基于混合高斯模型的运动目标检测

针对运动目标检测中的背景复杂度高、视频数据计算量大等问题, 且为避免计算不同复杂程度的视频背景, 并能够准确地获取所需要的运动目标, 提出了一种基于混合高斯模型的运动目标检测方法. 首先采用混合高斯模型获取运动目标特征; 然后利用中值滤波方法去除视频目标运动特征中的背景噪声; 最后依据形态学运算方法对通过统计直方图得到的运动显著图进行处理, 从而获取最终的运动目标. 对标准视频序列集的检测表明, 利用该算法获取的运动目标不仅能抑制背景噪声, 而且精准度和误差都优于普通的视频运动目标检测算法.     

一种基于三角形区域生长的图像篡改检测方法

针对现有的多数图像篡改检测算法中存在着的对旋转、缩放等篡改失效和计算量大等问题,利用三角形具有抗平移、旋转、尺度缩放的优越特性,提出了一种新的图像篡改检测算法.首先,利用Delaunay三角剖分算法对提取的Harris特征角点进行三角剖分,进行相似三角形的初始匹配.然后,以匹配的相似三角形顶点为种子点,建立三角形组,再进行一次相似三角形的匹配,实现对篡改区域的三角形生长.最后,利用区域面积阈值和数学形态学准确定位出篡改区域.实验结果表明,该算法与同类算法相比不仅能有效地对抗旋转、缩放,噪声等后期处理操作,而且对篡改区域有很好的检测和定位效果并具有计算复杂度低的特点.