一种新的各向异性扩散红外噪声实时抑制算法

提出一种基于各向异性扩散偏微分方程的红外图像噪声抑制算法.通过将形态学处理和红外图像局部特征相结合,建立了一种新的扩散系数.该系数利用形态学膨胀腐蚀操作获取梯度算子,改善了Perona-Malik(P-M)梯度算子对噪声的敏感性,实现了均匀区域扩散增强且边缘细节区域扩散减弱的目的.算法已在EVM-DM642硬件平台上实时运行,实验表明:它在有效平滑噪声的同时较好的保持了图像边缘细节信息.     

基于自适应滤波的红外焦平面阵列非均匀性校正算法

红外探测器响应漂移特性会降低红外焦平面阵列（IRFPA）非均匀性校正的精度。针对该问题提出了一种基于场景的IRFPA非均匀性校正算法。该算法利用所获得的序列成像场景信息,采用一种基于快速自适应滤波器的最优化递归估计方法来获得非均匀性校正参数,并利用当前的成像信息来更新校正参数,以此降低探测器响应漂移特性对非均匀性校正的影响。算法仿真实验显示,对非线性参数为26.12%的同一图像,使用该算法、两点校正算法和卡尔曼滤波校正算法校正1 h后,可分别将非线性参数降至1.856%,3.122%和1.893%,说明该算法可获得稳定而较好的非均匀性校正效果。     

各向异性扩散滤波远探测声波测井图像降噪方法*

声波远探测测井技术近年来在复杂油气藏的构造识别和储层评价中发挥着重要作用。该技术利用来自井外的反射波对井旁地质构造进行准确成像,但由于反射波具有幅度低、受幅度强的井孔直达波干扰等特点,实际数据提取到的反射波信噪比往往比较低,需要对反射波进行降噪处理。非线性各向异性扩散滤波能够在滤除图像噪声的同时保留图像边缘及细节等信息,在地震数据处理和医学图像去噪中都有广泛应用。该文从各向异性扩散滤波的基本原理入手,将提取到的井外反射波信号当作图像,采用不同扩散张量进行处理,通过含噪声的模拟数据处理验证了该方法的处理效果并建立起适合于远探测测井的数据处理流程,实际远探测数据处理结果进一步表明其具有较好的应用前景。     

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.     

基于图像熵的各向异性扩散相干斑噪声抑制

本文提出了一种基于图像熵的各向异性扩散滤波方法. 该方法使用图像熵作为边缘检测算子, 避免了由于均值和方差等统计量的估计带来的误差, 提高了边缘检测能力. 试验结果表明该方法能够获得比传统方法更好的相干斑噪声抑制效果. 关键词： 相干斑抑制 各向异性扩散 图像熵 合成孔径雷达     

一种基于恒定统计的红外图像非均匀性校正算法

对红外焦平面阵列成像系统而言,基于场景的非均匀校正技术是处理固定图案噪声的关键技术。现有的非均匀校正算法主要被收敛速度和鬼像问题所限制。提出一种新的基于恒定统计算法的自适应场景非均匀校正技术。利用红外图像序列的时域统计信息结合提出的α修正均值滤波来估计探测器的参数,通过减少样本的渐进方差估计,完成成像系统的非均匀性校正。通过模拟和真实的非均匀性图像对算法的性能进行评价。实验结果表明,在继承恒定统计算法快速收敛的同时,图像峰值信噪比较恒定校正法及常系数α校正算法分别有44.5%和32.9%的提升,图像鬼像问题有明显改善。     

基于核各向异性扩散的红外小目标检测

为了减少红外图像中背景边缘对检测的影响,提出了一种具有鲁棒性的弱小目标检测算法,该算法利用核各向异性扩散模型进行背景预测,再与原图像差分实现弱小目标检测。为了提高算法的自适应能力,提出了一种鲁棒性扩散系数,能够根据图像背景的起伏程度自适应调整扩散系数曲线的陡峭程度。实验结果表明,与现有的检测算法相比,该算法能够在不同类型的复杂背景下有效抑制背景及其边缘,保留目标大小,降低虚警率,具有更强的鲁棒性。     

基于核各向异性扩散的红外小目标检测

为了减少红外图像中背景边缘对检测的影响,提出了一种具有鲁棒性的弱小目标检测算法,该算法利用核各向异性扩散模型进行背景预测,再与原图像差分实现弱小目标检测。为了提高算法的自适应能力,提出了一种鲁棒性扩散系数,能够根据图像背景的起伏程度自适应调整扩散系数曲线的陡峭程度。实验结果表明,与现有的检测算法相比,该算法能够在不同类型的复杂背景下有效抑制背景及其边缘,保留目标大小,降低虚警率,具有更强的鲁棒性。     

时空域非线性滤波红外序列图像非均匀性校正

针对现有非均匀性校正方法中校正结果收敛速度慢、图像退化、存在"鬼影"现象等问题,提出一种空域三边滤波与时域梯度加权均值滤波相结合的红外序列图像非均匀性校正方法.该方法首先利用三边滤波将图像分解为基本分量与细节分量;然后对分离出的细节分量序列图像的时域曲线进行梯度加权均值滤波,从而分离出细节分量中非均匀性和场景细节;最后用原图减去非均匀性,得到校正结果.实验结果表明,该方法能有效地抑制"鬼影"并改善图像退化现象,校正结果无论主观视觉还是客观评价指标均明显优于时域高通与神经网络校正方法.     

各向异性SUSAN滤波红外弱小目标检测

为了解决SUSAN滤波算子不能自适应调整滤波系数的问题,采用Geusebroek提出的各向异性高斯滤波器替代SUSAN滤波算子中的高斯滤波部分。由局部图像的方差和像素的邻域平滑度决定长短轴的方差,由该点的梯度方向决定滤波器的长轴方向,由局部图像的灰度值与均值差的一阶范数确定SUSAN滤波器的阈值,从而构造出各向异性SUSAN滤波器。将其用于红外弱小目标检测中,实验结果表明：各向异性SUSAN滤波器能够很好地保留图像中的边缘信息,使残差图像中弱小目标的信噪比增益和信杂比增益极大地提高,目标大小得到较好的保留,虚警率下降。     

基于稳态卡尔曼滤波的红外焦平面阵列非均匀校正算法

传统的卡尔曼滤波算法利用批处理实现非均匀校正,这样不仅会带来较大的计算量和存储量,而且更重要的是该方法不能实时处理.为此,提出了一种基于稳态卡尔曼滤波的红外焦平面阵列非均匀校正算法,它可以根据固定图案噪声的特点离线计算出滤波器的增益矩阵,并且非均匀校正过程也采用了逐帧迭代方式,因此大大降低了计算复杂度和存储占用量.详细阐述了该算法的基本原理,并用仿真数据和真实红外数据对算法性能进行验证,实验结果表明:本方法平均校正一帧图像所需CPU时间和内存占用量分别为1.7188 s和131.25 KB,完全可以满足实时处理的要求.     

基于反中值滤波的红外焦平面自适应非均匀性校正方法

分析了红外焦平面阵列非均匀性的噪声特性，提出了一种用反中值滤波为核心的红外焦平面自适应校正的方法。针对实际的图像进行了实验，实验证明该方法在校正效果、收敛速度、对静止目标保持能力及可硬件化等方面都有较好的表现。     

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。     

小波变换的红外焦平面阵列非均匀性校正算法

红外焦平面阵列(IRFPA)的非均匀性是其应用中必须解决的技术难题之一。基于小波理论,提出了一种基于成像场景的红外焦平面非均匀性校正算法。该算法选择合适的小波函数对红外成像序列进行小波分解,而后对分解的信号计算出相应的统计量,从而得出红外焦平面非均匀性校正的偏置和增益校正系数,以此最终实现非均匀性校正。对真实红外序列图像的处理效果验证了该算法可较好地实现非均匀性校正。此外该算法对慢变化量具有较好的自适应性,可较好地抑制一般基于场景统计的非均匀性校正算法中出现的"人工虚影"的现象。     

各向异性扩散问题Kershaw格式的守恒保正修复算法

针对各向异性扩散方程Kershaw格式的数值解在正交网格及扭曲网格上计算出负的现象,给出一种守恒的保正修复算法（CENZ）,该算法对简单遇负置零（ENZ）方法进行改进,使修复后的数值解不仅具有非负性,而且保持法向通量的局部守恒性.数值算例表明,该方法不受计算网格类型和扩散系数各向异性比的限制,可用于对任意违背单调性（或保正性）的有限体积格式数值解的修复.     

光学读出非制冷红外成像技术的光学灵敏度分析

不同于传统的非制冷红外成像技术,提出了基于微电子机械系统(MEMS)的新概念光学读出非制冷红外成像技术。它的光学读出系统基于空间刀口滤波原理,具有高灵敏度、高分辨率和高抗震性等优点,但同时也受到了反光板的弯曲变形、粗糙度等复杂因素的影响。在大量实验数据的基础上,利用夫琅禾费近场衍射理论,建立了复杂因素下光学灵敏度的理论分析模型,详细分析了刀口滤波位置、反光板的长度、曲率半径、粗糙度、LED光源的强度以及扩展宽度等对光学灵敏度的影响,并提出了通过极限操作使系统的光学灵敏度最大化的光学优化方法。     

各向异性扩散滤波的正则化参数选取方法

研究了图像处理中各向异性扩散的正则化参数选取问题.根据分片常数模型，提出了一种噪声估计方法，该方法通过寻找图像中的最小区域方差来估计噪声;分析了正则化参数与图像噪声的关系，提出了一个正则化参数选取的修正公式，该公式使正则化参数能根据图像噪声自适应调整;最后给出了由正则化参数选取高斯模板尺度的规则.实验结果显示，这种正则化选取方法可以使各向异性扩散方程对图像噪声具有很好的自适应性.     

基于运动补偿的红外图像噪音时域IIR滤波算法

从模式识别的角度出发将图像分为运动区域和非运动区域,采用基于噪音分布模型的运动检测技术与基于概率松弛法的运动区域标号技术相结合对这两种区域进行具体划分,对分类后的图像采用时域IIR滤波,不同区域采用不同的影响因子,以期达到最终的运动补偿.仿真结果表明该方法有效抑制了噪音,同时并未引起明显的运动模糊,图像的视觉效果得到了极大改善.     

改进的基于各向异性扩散的B超图像降噪方法

散斑噪声是超声成像机制引起的固有形态,它对超声图像质量以及医学诊断的准确性有很大的影响。针对传统Perona-Malik(PM)各向异性扩散模型通过四方向扩散无法提供充分的信息且处理效果不明显的问题,提出八方向选择式扩散模型;针对传统算法对强噪声则失效、扩散门限参数K依据经验选取的不足以及迭代终止条件不明确,提出改进的扩散系数计算方法,应用自适应选取的扩散门限参数K,且提出适合改进算法适用的迭代终止准则。经过多组仿真实验,证明本文算法较传统模型可以更好的控制扩散过程,并且提高了算法鲁棒性和效率,综合峰值信噪比(PSNR)、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。