改进Canny算法在钢印数字特征提取中的应用

边缘检测是实现图像分割、特征提取和图像理解的基础.研究了传统Canny算子的优势与不足.在此基础上,提出了一种快速分块自适应Canny算法.方法首先按字符大小分割图像,然后在每一块上进行自适应边缘检测.自适应边缘检测是在平滑图像的同时得到高斯滤波尺度参数,然后采用Otsu方法的自适应阈值计算Canny算子的高、低门限值.实验结果表明,方法不需人工设定参数就能自动提取不同光照背景下的钢印数字边缘,而且能有效抑制噪声,与传统Canny算子相比,边缘连接程度最佳,噪声敏感程度较低,实时性较强.     

一种去除图像中Cauchy噪声的滤波算法

数字图像在采集、传输等过程中会产生各种噪声,噪声特征不同,处理方法也不同,如何尽可能恢复被强噪声干扰的图像是一个有意义的研究课题,因为传统的滤波算法在强噪声情况下,难以得到理想的结果.该文在中值滤波的基础上,结合局部区域内像素聚类的思想,提出一种对图像边缘进行修正的滤波算法,对三幅被Cauchy噪声干扰的图像处理的结果表明,该算法弥补了中值滤波在细节处理方面的不足,和其它方法相比,在滤除强噪声并保护图像细节和边缘方面有明显提高,是一种有效的去除强噪声的滤波算法.     

一种带椒盐噪声的图像恢复快速方法

研究被椒盐噪声干扰的模糊图像恢复问题.提出了一种利用两步法来恢复图像的快速算法.第一步,用自适应中值滤波(adaptive median filter,AMF)识别被噪声干扰的图像的像素.第二步,基于无噪声的像素,对图像进行恢复.利用交替方向极小化,提出了一种带椒盐噪声的图像恢复快速方法.实验结果显示,该方法较其他现有的两步法恢复图像的效果更好.     

一种改进的原始对偶法求解TV-L1图像去噪模型

数字图像在采集过程中通常会因为硬件问题被椒盐噪声所污染,椒盐噪声强度大,分布随机,对图像的后续处理会产生极大的影响.因此,椒盐噪声的去除对图像处理十分重要.在处理椒盐噪声的方法中,传统的中值滤波法在噪声强度增强时容易出现恢复不完全现象,自适应中值滤波法根据噪声强弱自动选择滤波窗口大小改善了传统的中值滤波法,但在噪声强度增强时容易过度平滑图像,丢失图像的纹理细节.研究表明,变分模型去噪时能够克服滤波法的缺点,有效地保持图像的纹理细节.其中,TV-L1模型相对于传统变分模型对椒盐噪声有更好的去噪效果,但在图像平滑区域容易产生阶梯效应.对此,本文提出一种自适应中值滤波和TV-L1交替迭代的去噪模型.在求解TV-L1模型时采用原始对偶算法求解以增大求解空间,克服了TV-L1模型在求解时的不可微性.仿真实验与Chambolle提出的原始对偶求解TV-L1模型,以及加入Huber范数的TV-L1改进模型进行对比.实验结果表明,尤其在椒盐噪声强度较大的情况下,该模型相比以上对比模型的PSNR值及视觉效果均有所提高,在较好去除噪声的同时保持了纹理细节,改善了阶梯效应.     

基于模糊中值滤波的椒盐噪声去除方法

研究基于模糊中值滤波的椒盐噪声去除方法。通过比较图像各像素点的灰度值,定义基于图像梯度信息的各点被判别为噪声点的模糊隶属函数。利用此模糊隶属函数对中值滤波方法进行加权,得到了一种加权中值滤波器,可实现边缘处椒盐噪声的有效滤除。讨论这种模糊加权方法与其它先进滤波方法的结合途径,指出了其推广应用价值。最后利用数值实验验证本文方法的有效性,结果表明,相比于自适应中值滤波方法,本文方法得到的滤波图像在峰值信噪比及结构相似度方面均有明显提高。     

一种改进的四阶偏微分方程图像去噪模型

针对四阶偏微分方程图像去噪模型对图像平滑区域处理造成不平整现象,以及无法去除椒盐噪声的问题.首先对含噪图像进行高斯滤波,然后通过修改扩散系数得到一个改进的四阶偏微分方程图像去噪模型.MATLAB仿真结果表明:新模型与原四阶偏微分方程去噪模型相比,其去噪图像不仅视觉效果好;而且峰值信噪比也高;另外,新模型还能有效去除椒盐噪声.     

基于Canny算子边缘检测的小波阈值去噪方法

本文研究了信号处理中图像去噪的问题.利用小波变换理论提出了一种基于Canny算子边缘检测的小波阈值去噪方法,实验结果表明,该方法在有效去除噪声的同时能够更好地保留图像的边缘.     

基于方向信息测度的图像边缘检测

边缘检测是图像处理中—个重要的研究课题．针对传统图像边缘检测算法对噪声敏感的问题,本文在分析图像像素灰度信息的基础上,建立了—个改进的确定方向信息测度的方法,并利用震动滤波对边缘检测图像进行增强,该方法在滤除噪声的同时,能有效地保留图像的基本目标信息,正确提取图像的边缘．     

一类新的两阶段椒盐噪声去除算法（英文）

提出了一类新的两阶段方法来去除椒盐噪声.第一阶段,利用经典的自适应中值滤波器辨别出被噪音污染的像素点;第二阶段,利用一种自适应有限冲激响应(FIR)滤波器恢复第一阶段辨别出的污染像素点.算法保留了自适应中值滤波的低计算复杂度.计算机模拟表明该算法是可行的.     

基于监控视频的前景目标提取

对含有动、静态背景的稳定图像处理时,对比了主成分追踪鲁棒主成分分析法(RPCA)、贝叶斯鲁棒主成分分析法(Bayesian RPCA)和高斯混合模型的鲁棒主成分分析法(MoG-RPCA),3种方法对静态背景下的前景提取都较为完整.而动态背景下只有Bayesian RPCA和MoG-RPCA提取出了完整的前景目标,但是Bayesian RPCA计算速度很慢,且不能够处理复杂噪声.所以MoG-RPCA模型更具有对复杂噪声的适应性,动、静态背景情况下均提取出精度较高的前景目标,且具有较快的计算速度.当图像不稳定时,采用改进的MoG-RPCA模型对非稳定拍摄的抖动视频进行前景目标提取,并在第197帧抖动图像中清晰地提取出显著前景目标,且运算速度较快.在为了快速找到目标出现的帧时,对高斯混合模型背景差分法进行改进,利用K-means聚类算法快速得到聚类中心点,然后作为高斯混合模型背景更新时的初始化均值参数,从而提高在复杂场景下前景目标的检测精度.对于多角度追踪任务,不同角度、近似同一地点的多个监控视频图像中前景目标的提取,可采用跨摄像头视角跟踪结果融合的方法,然后对目标进行匹配.     

基于小波变换的图像去噪方法的研究

小波变换能有效的去除高斯噪声,中值滤波能有效的去除脉冲噪声,两者结合可以更有效的去除高斯噪声和脉冲噪声的混合噪声.当医学图像去除混合噪声时,先进行中值滤波再进行小波去噪的方法优于先进行小波去噪后再进行中值滤波的方法,且去噪后图像视觉效果较好,而且图像均方误差(M SE)也较小.在图像去噪处理中这种方法具有实际应用价值.     

一种结合小波模极大值法和Canny算子的目标提取方法

针对基于小波变换的目标提取中忽略低频子图像的一些重要信息的问题.提出了一种基于小波变换的模极大值法和Canny算子的目标提取方法.在小波域中,通过求解局部小波系数模型的极大值点提取(检测)高频边缘,利用Canny算子提取(检测)低频边缘.然后根据融合规则对两个子图像边缘进行融合.实验结果表明,该方法不仅能有效地增强图像边缘,而且能准确地定位图像边缘.     

一种基于脉冲噪声的新型迭代滤波算法

在局部极值噪声检测和迭代中值滤波的基础上,基于图像结构和脉冲噪声的特征分析,有效结合局部极值检测和幅度差阈值、梯度差阈值的检测方法,提出了一种基于噪声检测的迭代脉冲噪声滤除算法.并通过仿真实验和算法评价,验证了该算法不仅能够达到很好的去噪效果,而且在保留图像细节信息方面也取得了一定的成效.     

具有约束参数的模糊形态滤波算法

提出一种含约束参数的模糊形态学方法,并对约束参数的选择进行了一定的讨论,给出了该算法的实现步骤,最后将该方法用于对二值图像的滤波,仿真实验表明,该滤波器滤波后图像噪声基本消除,且边缘清晰,基本保持了原始图像信息,其性能明显优于传统形态学滤波器,且由于它含有一个可调节的约束参数,因此使用更为灵活.     

基于目标尺度的自适应加权函数特征点检测方法

为提高Harris特征点检测方法对噪声的鲁棒性,通过一般化目标尺度的概念,应用到检测算子的加权函数之中,使得对于不同噪声强度的图像,滤波模板具备自适应性.针对高斯函数和双边函数,在每一个像素通过邻域搜索的方式得到该像素的目标尺度,作为高斯函数的标准差和双边函数的空间标准差,进而可根据相关准则确定离散情况下滤波模板的大小.试验结果表明,各种检测算子的优化方案能够有效地滤除图像中的噪声,不但减少了将噪声作为角点的情况发生,而且对不同噪声的变化具备较好的鲁棒性.     

广义全变差正则化图像去噪模型研究

本文研究了全变差正则化模型在图像去噪过程中易产生阶梯效应的问题,依据图像的局部结构特利用联合高斯滤波器和边缘检测算子的方法,构建了广义全变差正则化图像去噪模型,获得了在消除噪声的同时能够保留图像边缘细节和纹理信息的结果.实验结果表明,广义全变差正则化模型在平滑噪声的同时能够保留图像的边缘轮廓等细节信息,得到的复原图像在峰值信噪比、平均结构相似度和主观视觉效果方面均有所提高.     

利用分裂Bregman方法的图像恢复组合模型

ROF模型是图像恢复中的经典模型,具有保留图像边缘的优点,但同时也存在梯子现象.而利用二次范数fΩ｜▽u｜2 dxdy的模型可以避免梯子现象,但容易使图像变得模糊.针对两种方法的优缺点,提出了一种新的通过设置边缘检测开关函数的组合模型,在图像平坦区利用二次范数模型处理,而在强边缘处利用ROF模型处理,而且应用分裂的Br...     

时变高斯过程假设密度滤波算法

高斯过程是一种有效的数据驱动建模方法,已应用于解决时不变动态系统的状态估计问题.为了提升高斯过程动态系统的自适应能力,文章对参数时变的高斯过程动态系统,通过粒子滤波算法实时更新参数,将更新后的参数代入到高斯过程假设密度滤波算法得到时变高斯过程假设密度滤波算法.数值例子结果表明时变高斯过程假设密度算法的有效性.     

存在有界功率扰动和高斯白噪声的滤波算法

传统滤波算法,如卡尔曼滤波,通常对系统模型具有较高的依赖性,需要精确建模才能达到较高的估计精度.而现实场景中由于未知环境因素与建模误差的存在,往往使得估计品质不尽人意.因此针对离散系统同时受有界功率扰动和高斯白噪声影响的滤波问题,提出了一种新的线性时不变的鲁棒最优滤波方法.该方法在保证鲁棒性的同时还能够保证最优均方估计.为了保证鲁棒最优滤波,基于系统级综合方法,并根据误差动力学的系统响应以及干扰和噪声的参数来描述估计性能的上界.并在此基础上,提出了一种数值可处理的新的滤波器设计算法.最后借助测速算例验证了结果的有效性,仿真表明采用该方法得出的滤波算法相比于其它现有方法,能够实现理想的估计品质.     

基于D-S证据理论的杂草图像边缘检测的研究

为了解决杂草图像边缘检测的不确定性问题,构造出图像边缘的邻域一致性、方向性和结构性三种信息测度统计,利用D-S证据理论对三种测度进行融合来实现分割后杂草图像的边缘检测,实验表明,此算法能够有效的降低噪声的影响,准确的提取出杂草边缘.