一种抗噪声的图像自动对焦算法

传统的图像自动对焦算法易受环境噪声影响,导致焦距评价函数的单峰性、无偏性和灵敏度降低.提出了一种基于噪声抑制的图像自动对焦算法,采用Sobel算子加权滤波抑制噪声,再利用全局门限分割边缘像素,最后用四种算子作为对焦评价函数,得出对焦曲线.实验表明,该算法具有较好的抗噪声性能.     

基于图像灰度梯度最大值累加的自动调焦算法

从光学系统出发介绍了基于图像处理的离焦图像成像原理,分析了传统基于灰度梯度的自动调焦算法的缺陷——灰度梯度考虑不全面并且易受噪音影响.针对传统算法不足,提出了基于图像灰度梯度最大值累加的自动调焦算法.该算法通过计算中心像素的八邻域灰度梯度,以自动聚焦区域内各像素最大灰度梯度与最大灰度与最小梯度差值乘积之和作为新的评价函数,分析了该算法可以抑制噪音影响的原理;介绍了焦点搜索自适应变步长爬山算法原理和实现过程;最后进行算法性能实验验证.首先,利用不同算法对序列图像和加入高斯噪音的图像进行清晰度评价,结果证明该算法对含噪图像的清晰度评价准确,与传统算法相比该算法在抑制噪音方面具有优越性;其次,用不同聚焦算法进行序列图像自动调焦实验,结果显示传统算法会出现错误聚焦的情况,而该算法聚焦准确迅速,相比于传统算法具有明显优势.     

光学显微镜自动聚焦取窗方法研究

针对全自动光学显微镜系统中,传统聚焦窗口选择方法易受图像内容分布、杂质、噪声等因素干扰的问题,提出一种根据内容像素变化量选择聚焦窗口的方法。该方法将灰度差像素数量与边缘像素数量加权作为内容像素数量,据此衡量失焦模糊状态下子块内容含量并划分聚焦窗口,减少杂质与噪声对取窗过程的影响;用降采样后图像各子块内容含量估计原图像内容分布信息,降低图像滤波、梯度计算过程的计算量;使用局部标准差与锐利边缘像素数量联合检测焦平面图像的失焦模糊区域,有效排除玻片杂质造成的焦平面误判。与传统的显微镜自动聚焦取窗方法相比,对内容丰富程度和分布状况不同的显微图像序列,该方法均能获取有效的聚焦窗口,像素梯度均值更高,所得的评价曲线局部极值极少,尖锐性好,因此该方法的成功率高,鲁棒性更强。     

一种新的激光雷达距离像噪声抑制方法

主要针对激光雷达距离像的距离反常噪声抑制问题,阐述了激光雷达距离像的噪声原理,分析了应用传统中值滤波方法抑制距离反常噪声的缺陷,提出了基于包围准则的自适应中值滤波算法。该方法首先根据包围准则检测噪声,对5×5滤波窗口内的像素值进行排序差分;然后选择低于门限长度最长的连续差分值对应的像素值作为距离正常值;最后运用中值滤波和加权均值滤波进行噪声抑制。实验结果表明,该方法有效抑制了距离反常噪声,且较好地保护了距离图像中目标的边缘细节,均方根误差分别比3×3和5×5窗口中值滤波法减少了27.1%和9.1%。     

基于边缘估计的自适应各向异性扩散的医学超声图像降噪算法

提出了一种针对医学超声图像的自适应各向异性扩散算法;该算法充分利用图像本身的边缘信息以及图像水平和垂直方向梯度的差异,用GHAD方法在两个方向设置不同的梯度门限,避免了传统的常数及单一梯度门限带来的鲁棒性差等问题;改进的扩散系数改善了传统扩散系数收敛过快及边界平滑的问题;经过多组仿真实验,综合峰值信噪比(PSNR)和边缘保持度(FOM)等指标,表明该算法相比同类算法有更好的降噪和边缘保持效果。     

MPPC low-level-light imaging enhancement algorithm based on sub-window box filtering北大核心CSCD

针对多像素光子计数器(MPPC)进行微光成像时,图像受光照不足和噪声影响出现的图像亮度低、对比度差、边缘模糊等问题,提出一种基于子窗口盒式滤波的自适应微光图像处理算法。为了减少算法运行时间的同时突出图像的边缘细节信息,利用子窗口盒式滤波器对图像进行分层得到基础层和细节层;对基础层图像采用自适应阈值直方图均衡化拉伸对比度,细节层图像采用自适应增益控制方式进行增强;根据基础层图像中有效灰度值个数占总灰度的比值自适应确定融合系数,将基础层图像与细节层图像融合得到增强后图像。通过微光实验平台设置3组不同照度的微光环境进行实验仿真,验证了本文算法在保持边缘信息和增强细节方面获得了更好的效果。实验结果表明本文算法在标准差、信息熵、平均梯度等客观评价方面优于改进前算法,提升了微光图像的成像效果。     

光学测量中椭圆圆心定位算法研究

提出了一种椭圆圆心定位算法。先对图像中的椭圆目标进行粗定位,获取椭圆的粗定位信息,再用Canny算子对图像中的感兴趣区域进行边缘检测。根据椭圆的粗定位信息以及图像的边缘灰度分布特征,用高斯曲线拟合的方法求得精确的亚像素边缘点的坐标。针对亚像素边缘点中出现的“孤立点”以及噪声点,分别用曲率滤波和均值滤波的方法加以滤波,将滤波后的亚像素边缘点用最小二乘法加以拟合,求得精确的椭圆圆心数据。实验证明了该算法的定位精度和抑制噪声能力,通过测试算法运行时间,证明该算法具有很好的实时性。     

基于像素灰阶熵的自适应增强算法在乳腺CR图像中的应用

乳腺完全是由密度接近软组织构成,因此乳腺CR(Computed Radiography)放射图像对比度小,轻微的差别变化都可能是肿瘤的表现,要对其进行增强处理方能满足医生临床诊断的需要。而目前通用的乳腺CR图像增强算法对比度和噪声增强过度,丢失细节,为此提出了采用一种基于像素灰阶熵的自适应边缘增强算法对乳腺CR图像进行增强。该算法使用模糊影像增加对选择空间频率的响应,以增强乳腺CR图像结构边缘和细节;算法能根据乳腺CR图像灰度特性即像素灰阶熵来自适应的调节增强程度的加权因数K。实验证明,该算法处理后的乳腺CR图像细节丰富,信噪比高,增强后的图像具有良好的视觉效果,该算法是一种有效的适合乳腺CR医学图像的边缘细节增强算法。     

基于小波变换的图像混合噪声自适应滤除算法

为同时滤除图像中的椒盐噪声和高斯噪声,提出了一种基于小波变换的混合噪声自适应滤除算法,该算法首先采用中值滤波去除椒盐噪声,然后借助边缘检测算子区将图像为分边缘与非边缘区域,进一步对非边缘区域引入改进的均值滤波器,有效削弱高斯噪声的同时保护图像边缘细节,既初步削弱高斯噪声又保护了边缘,最后采用改进的小波阈值滤波算法,对不同的小波系数采用不同的阈值函数,通过线性回归得到各最优阈值关系式。实验结果表明,该混合噪声自适应滤除算法能有效滤除椒盐噪声和高斯噪声,在图像主观质量和客观质量上均取得了较好的效果,能提高去噪图像峰值信噪比0.5～2．0 dB。     

基于微粒群区域搜索和小波评价的差分式自动聚焦

为进一步提高图像法自动聚焦的性能,提出了一种差分式提取图像边缘的方法,并构造了图像清晰度的小波评价函数,同时利用微粒群（PSO）算法对聚焦区域进行快速搜索。首先,介绍了差分式边缘提取方法及其优势,给出了一种评价区域的选取判据以及基于PSO的高效搜索方法;然后,对小波评价函数参数进行了比较分析和优选;最后,与传统方法进行了对比实验。结果表明,由于采用了差分式提取方法以及新的自适应聚焦窗口和评价函数,聚焦曲线较传统方法具有更高的调焦分辨率,PSO算法的使用使聚焦速度提高了约170 ms,聚焦精度约为2.3μm,同时调焦效果不受初始位置的影响。     

利用相邻相关像素进行噪音抑制的模糊小目标检测算法

提出了一种利用相邻相关像素对红外数字图像中的可疑小目标进行检测的算法.该算法首先利用自适应全局阈值检测图像中的亮像素,并借助相邻相关像素信息滤除结果中的亮噪音点;然后依据亮像素的相关性,对剩余的亮像素进行加强,并再次抑制噪音,获得可观的信噪比增益.相对于传统的Top-Hat变换,该算法能够在有效提高待检测目标信号强度的同时很好地抑制噪音,有效地保留了目标图像的边缘细节.     

利用相邻相关像素进行噪音抑制的模糊小目标检测算法

提出了一种利用相邻相关像素对红外数字图像中的可疑小目标进行检测的算法. 该算法首先利用自适应全局阈值检测图像中的亮像素,并借助相邻相关像素信息滤除结果中的亮噪音点;然后依据亮像素的相关性,对剩余的亮像素进行加强,并再次抑制噪音,获得可观的信噪比增益.相对于传统的Top-Hat变换,该算法能够在有效提高待检测目标信号强度的同时很好地抑制噪音,有效地保留了目标图像的边缘细节.     

激光云高测量去噪算法研究

针对激光雷达回波信号所含噪声的特点, 对比分析了传统去噪算法的优缺点, 重点就小波自适应阈值去噪方法和独立成分分析去噪方法进行了系统研究。为了验证这两种方法在激光云高测量信号去噪上的有效性和优劣性, 对包含高斯白噪声的模拟仿真信号进行了消噪, 并对半导体激光云高仪实际探测得到的大气回波信号进行了消噪处理, 最后对去噪结果进行了对比分析。仿真结果和实验结果表明, 这两种消噪方法均能够有效降低激光雷达回波信号中所含噪声, 并且独立成分分析消噪效果明显优于小波自适应阈值方法。     

非制冷热像观瞄系统动态目标的智能检测

为了适应实时性的要求,在目标检测及定位时对处理方法的简洁性提出了很高的要求。基于热像观瞄系统,根据观瞄的目的,介绍了一种具有一定大小的目标检测方法。根据差分图像像素特性,提出了自适应选取阈值的新方法,对目标像素的亮度和分布密度进行精确定位。这种方法充分考虑了像素的自身属性信息,便于硬件的实时处理。该方法可以达到较高的检测率。     

Random-valued impulse noise removal by the adaptive switching median detectors and detail-preserving regularization

This paper firstly proposes an adaptive non-local switching median filter. Then, a two-phase scheme is presented to remove the random-valued impulse noise. In the first phase, the adaptive switching median filter or the adaptive non-local switching median filter is used to identify the pixels which are likely to be the noise candidates. In the second phase, only the noise candidates’ values are restored by a detail-preserving regularization method. Simulation results show that the proposed method is significantly superior to some of the state-of-the-art methods.     

点光源哈特曼最优阈值估计方法研究

针对夏克-哈特曼波前传感器探测系统中噪声随时间及空间变化频率较快的特点,为了准确估计系统的最优阈值,根据高斯光斑与噪声的分布特性,提出一种以滑动窗口内像素均值及图像信号的局部梯度作为参数,构造关于噪声权重函数的方法,由此获得子孔径阈值的最优估计值,并详细分析了算法的基本原理和实现过程.以典型处理方法获取的阈值与理论最优阈值的误差作为评价标准,仿真和实验结果表明本文提出的阈值估计方法在不同信噪比、不同光斑大小的条件下,均能取得优于典型阈值处理方法获得的结果,且与理论最优阈值的误差小于10%.     

基于小波域可导阈值函数与自适应阈值的脉冲星信号消噪

脉冲星辐射信号具有极低的信噪比, 传统降噪方法难以在抑制噪声的同时保留其细节信息. 为此, 提出了一种小波域脉冲星信号消噪方法. 在小波域, 利用一种可导的阈值函数和一种自适应阈值选取方法, 对含噪脉冲星信号进行小波域阈值去噪处理, 并利用信噪比(SNR)、 均方根误差(RMSE)、 峰值相对误差(REPV) 以及峰位误差(EPP) 四项指标来对去噪效果进行评价. 实验结果表明, 与软阈值与硬阈值法相比, 该方法能在有效去除含噪脉冲星信号中的噪声、 显著提高其信噪比的同时, 更有效地保留原始信号中的有用信息, 同时可以获得更小的均方根误差、 脉冲峰值相对误差与峰位误差.     

基于自适应阈值方法实现迭代降噪鬼成像

为了有效降低传统鬼成像中相关噪声对成像质量的影响,本文提出一种基于最佳阈值的迭代降噪鬼成像.首先在迭代降噪鬼成像的基础上,采用自适应阈值迭代法,在不需要目标先验信息的前提下,找到一个逼近传统鬼成像中相关噪声的阈值,根据得到的阈值构造噪声干扰项.为了每次迭代初值更接近原始目标的透射系数,对其进行二值化,降低重构图像背景噪声对迭代性能的影响.仿真以及实验结果表明,本文提出的方法与传统方法相比,视觉效果以及峰值信噪比值有明显提高.