X线医学图像的对比度增强方法与实现

在分析了直方图均衡化、规定化和局部对比度增强三种图像增强方法的基础上,将直方图规定化和局部对比度增强方法相结合,对X线医学图像进行增强处理．实验结果表明该方法的增强效果优于直方图均衡化、规定化处理方法的增强效果,既提高了图像的整体对比度,又突出了图像的局部细节．     

有雾天气图像的清晰化方法

为了改善雾天图像的退化现象,本文提出了一种有雾天气图像的清晰化方法。该方法根据正态分布将图像分为非天空区域与天空区域,然后以全局直方图均衡算法(HE)和子块部分重叠的局部直方图均衡算法(POSHE)为基础对雾天图像进行均衡化处理,均衡后的图像能够保持图像细节,同时也能够避免图像的过增强。实验结果表明:该算法能够有效改善图像的退化现象,提高图像的对比度和分辨率,增强后的图像更加自然。     

基于人眼视觉的红外图像广义直方图增强算法

文章针对传统直方图均衡增强算法存在红外图像细节信息丢失问题,且算法没有考虑人眼视觉特性,提出基于人眼视觉的红外图像广义直方图增强算法;根据像素邻域信息建立广义直方图,进行直方图均衡化处理;在均衡化过程中,利用人眼灰度分辨能力,对拉伸过大的灰度级进行限制,再对被过度压缩的灰度级进行适当拉伸以扩大其动态范围;实验结果表明,该方法有效增强图像局部细节,解决了红外图像视觉模糊的问题,使增强后图像视觉效果更自然。     

低能见度前下视航拍图像中机场跑道的自动检测

提出了一种针对低能见度、前下视航拍机场图像中自动检测机场跑道的方法 .首先 ,采用基于递归的Otsu分割方法 ,从复杂背景中提取机场的主要轮廓 ;然后 ,利用基于形态学的开运算和膨胀进行形态滤波 ,开运算是为了滤除一些孤立噪声点 ,而膨胀运算是为了将分割后的机场成分连成一个完整的整体 ;最后 ,对形态滤波处理后的图像进行其区域生长 ,从而对机场主跑道进行定位 .试验证明 :这种方法对低能见度、前下视的航拍机场图像能够快速准确地检测、定位机场主辅跑道 .     

直方图处理在图像空间域增强处理中的应用

图像的灰度级变换增强是图像增强处理技术中一种直接的基于空间域的处理方法。主要研究了将灰度图像的灰度级数用直方图来表示,在MATLAB平台中,通过编程研究了直方图均衡化和直方图规定化算法,使直方图分布均匀,达到图像的增强。     

基于空间变换和直方图均衡的彩色图像增强方法

提出了一种基于空间变换和直方图均衡的彩色图像增强方法。该方法首先将彩色图像从RGB空间转换到HSI空间,然后在I空间使用对比度受限的局部直方图均衡方法进行图像增强。通过仿真实验证明,该方法既能最大程度的保留彩色图像的色彩信息,又能提高彩色图像对比度,并凸显细节。     

低能见度条件下ILS进近方法

本文首先简要介绍了ILS仪表着陆系统及其程序实施方法,介绍了能见度的种类和影响其的因子以及极易形成低能见度天气的几个天气现象,分析了其对实际飞行的危害,进而从低能见度条件下ILS进近程序特点入手,总结了低能见度ILS进近实施方法,包括进近的准备,进场切入五边,五边航迹下滑道的控制,仪表转目视的注意力分配技巧,继续进近或进近失败的复飞等,结合自己的飞行实践经验,提出了进近各阶段的注意事项及相关的机组配合问题。     

一种基于图像集的复杂场景分类方法

保持局部图嵌入的流形鉴别分析方法将图像集所属子空间看作流形上的点,并使流形变换前后局部结构关系不变.然而在构造局部区域相似图矩阵时,用于描述节点局部区域范围的近邻节点个数会极大地影响算法的准确率,并会出现变换后流形的可分辨性相比变换前提升很小甚至更低的情况.针对该问题,提出了一种低秩描述下的Grassmannian流形鉴别分析方法.通过对图像集的低秩描述,流形变换中局部嵌入时仅保持同类别节点的最近邻局部结构以及所有节点间的相异类别信息,从而避免了对近邻节点个数的选择,并增强了变换后流形的可分辨性.由15类复杂自然场景和Caltech101图像数据集的实验结果表明,该方法是可行的,并且极大地提高了图像集分类的准确率.     

基于FPGA的直方图投影增强算法

在凝视非制冷焦平面热像仪中,为了获得清晰的红外图像,必须对焦平面器件进行非均匀性校正和盲元填充,同时为了提高识别细小目标和特殊目标的能力,要对原始的红外图像进行图像增强等处理．本文给出了基于FP-GA实现的图像处理算法,该算法硬件实现结构合理、充分利用流水,时间耗费和逻辑单元的耗费都比较小,是比较优秀的FPGA硬件结构设计实现的算法．     

天气现象影响公路低能见度的特征

 公路能见度的优劣与气象条件密切相关,影响公路能见度的天气现象主要有雨、雪、雾、霾、沙尘等。本研究利用全国间隔为5km的气象站2002年9月至2010年3月逐日地面气象观测资料,以及全国2413个自动气象站2008年1月1日至12月31日逐小时能见度及地面气象观测资料,分析了天气现象对公路能见度的影响。根据高速公路上行驶车辆对能见度的要求,结合中国大陆地区的实际情况,确定低能见度范围是水平能见度距离小于1000m,考虑到不同距离的低能见度对交通运输造成的影响程度不同,将低能见度划分为3个等级。利用统计学方法分析了影响高速公路的天气现象(雨、雪、雾、沙尘)的时空分布特征,以及全国1h降水与能见度的相关关系。研究结果表明,不同天气现象影响低能见度的时段不同;影响公路低能见度的主要天气现象中,就影响程度而言,雾对低能见度的影响最大;从影响范围上,各区域有所不同,新疆南疆盆地、内蒙古西部、青海北部等地区主要受沙尘影响,东北、华北、西南等地受雨雪影响较大,江南和华南等地主要受降雨影响。     

加强杂色背景上指纹反差的图像处理方法

目的:利用Image-pro Plus软件加强指纹和杂色背景间的反差,为刑事数字图像处理提供参考.方法:通过Image-Pro Plus分析指纹图像噪声来源,根据其噪声种类对图像进行加强反差处理.结果:图像经Image-Pro Plus处理后反差加强,加强反差的程度由图像中的噪声种类及强度而定.结论:使用Image-Pro Plus加强杂色背景上指纹反差效果明显,成本低廉,且对检材没有任何硬性要求,适合处理因背景干扰难以辨识的指纹图像.     

图像法大气能见度探测成像模糊复原

大气能见度对航空、航海、路上交通、军事活动等有重要的影响。图像法测量能见度是新兴的一种方法,但图像在成像和传输过程中,由于相机载体的运动、振动、抖动等原因,引起图像模糊,影响后续的目标识别,因此,有必要对图像进行复原处理。提出一种基于刃边函数和最优窗维纳滤波的模糊图像复原算法,通过构建刃边函数来估计点扩散函数,并通过倒频谱方法估计模糊尺度和模糊角度,进而分解得到水平和垂直模糊分量,据此进行图像边缘延拓解决了边缘复原不佳的问题。实验结果表明,所提方法具有优异的复原效果。     

图像处理中的数学问题

主要介绍了图像处理中应用最新和最广的数学方法之一，通过偏微分方程及变分原理和Euler-lagrange方程的应用，可以得到基于曲率的几何图像模型，使图像恢复光滑的边界，并指出了要解决的难点及热点问题．     

基于模糊理论的场景图像情感语义标注方法研究

电子技术和成像技术的发展导致数字图像迅速增长,依靠先进的技术提取图像蕴含的情感语义并对其自动标注正是当前各行业急需解决的问题。为此提出了一种基于模糊理论的场景图像情感语义标注方法,通过计算模糊隶属度描述图像的情感程度,使用Adaboost算法和RBF神经网络实现,解决了图像自动标注中的语义模糊问题。使用百度图片频道上下载的869张场景图像进行训练和测试,实验通过与人工标注结果相比较,取得了良好的标注效果,可为更多类型的图像情感自动标注打好基础,具有一定的实用价值。     

整体变分最小化方法在图像处理中的应用

研究了整体变分模型在图像处理应用中的原理及当前的主要应用领域(图像去噪、去模糊、图像分解、图像修复),比较了整体变分法求解的几种数值方法,在此基础上,总结了整体变分模型在图像处理中的优缺点,对整体变分法在图像处理中的应用作了进一步的展望.     

基于小波域中视觉门限模型的数字水印技术

给出了一种在小波变换域中给图像加水印的方案,本方案利用了小波分析的优良性质,结合人类视觉系统（ＨＶＳ）的特性,基于小波变换域中的视觉门限模型,对小波变换后的图像系数按不同的方向,层次子带分别加水印,使得在每个小波系数所加的水印的幅值不超过此系数所能掩盖的失真,这样可以保证水印在不可视的前提下尽可能提高坚固性,模拟实验结果表明这个方案取得了良好的效果。     

基于图像引导的交通事故现场实时测绘方法

为了满足交警现场绘制事故现场图的实际需要,提出了基于图像引导的交通事故现场实时测绘方法.首先根据直接线性变换法将事故现场照片由透视图转换为正投影图像;然后直接在正投影图像上进行车辆、人体、散落物和刹车痕迹等事故现场信息的绘制和相关尺寸的标注;最后实现现场图的打印输出并由当事人签字确认.通过典型交通事故案例验证了该方法的有效性.和传统手工测绘相比,该方法在提高事故现场勘测精度的同时,还能大大缩短数据处理和现场绘图时间,满足实时打印输出现场图的要求.     

基于迁移学习的高分辨率遥感影像场景分类研究

对于小样本集合的遥感影像场景分类问题,采取了一种基于迁移学习的卷积神经网络高分辨率遥感影像识别方法,通过深度卷积神经网络Inception-v4在ImageNet上训练,得到预训练模型以及相应的初始化参数,随后将小样本遥感数据按比例划分注入预训练模型当中,根据样本集合特征,不断调整网络参数以便获得最佳识别分类模型.最后将本文的方法与现有的场景分类方法进行实验对比,测得该方法在UC merced land use场景影像数据集上取得97.92%的准确率,有效提高了高分影像场景分类精度.     

基于高光谱图像的分类方法研究

随着高光谱图像技术的发展,高光谱图像在众多领域得到了广泛应用.高光谱图像分类是其应用领域的一个重要分支,其中高精度的分类算法则是实现准确分类的前提.高光谱图像分辨率高、波段数多、数据量大等特点给传统分类技术带来了巨大挑战.该文综述了基于高光谱图像的支持向量机分类法、人工神经元网络分类法、决策树分类法、最大似然分类法等监督分类方法以及K-均值聚类法和迭代自组织方法等非监督分类方法,并结合实际高光谱图像数据给出应用实例.基于不同应用需求,以上两类分类方法均能最大程度地挖掘高光谱图像的图谱信息,从而实现更加准确和精细的模式识别.