基于网格和密度的图像增强算法

提出了一种基于网格和密度的图像增强算法(IIA),这种算法是对图像中的像素点进行基于网格和密度的聚类,自动寻找到图像中需要增强的区域,然后进行增强处理.在此处理过程中可以有效忽略对图像中孤立点的增强,从而抑制噪声.由于算法中对单元网格的处理相互独立、无关联性,从而表现出较好的并行特性.     

基于离散小波变换的数字水印技术

提出了一种基于小波分析的简单有效的数字水印嵌入和盲检测的算法。先将嵌入的水印信息加密，然后将加密后的水印信息嵌到相应DWT系数的有效嵌入位中，并使用适当的保真技术，减小图像因嵌入水印引起的失真。通过实验验证，该算法在对嵌入水印后的图像进行有损压缩、剪切、污染、添加各种噪声等处理后，提取出的水印仍表现出了较好的鲁棒性。     

改进SPIHT算法及硬件高速实现

基于小波变换的SPIHT图像压缩方案是一种实用高性能图象压缩编码算法,但原始SPIHT算法链表式编码限制了其在高速处理中的应用。本文提出了一种改进的SPIHT压缩编码算法,在确保恢复图像质量与原始算法基本相当的基础上,改进算法可以采用并行流水结构实现,有利于高速处理中的应用,可以对高达40×8Mbit／s的原始图像实时压缩和去压缩。     

基于免疫遗传小波分析的管道焊缝图像处理方法

针对难以实现管道焊缝图像信息准确提取的问题,利用免疫遗传算法优化小波系数,将小波变换与免疫遗传算法引入焊缝图像的处理过程,采用相似性距离分析传统小波、Canny算法、免疫遗传小波等算法优劣性.结果表明:该算法能够有效地抑制噪声干扰,去除图像边缘中的伪影,从而较好地实现图像边缘信息的清晰与细化,体现遗传小波变换算法在精确定位与抗噪声能力上的优越性.     

一种以低秩矩阵重建的图像混合噪声去除算法

近年来,低秩矩阵重建在机器学习、图像处理、计算机视觉与生物信息学等众多科学与工程应用领域中,迅速发展为一个新的研究热点,其主要涉及矩阵填充与稳健主成分分析2大问题,即分别从精确且不完全的采样矩阵元与从大误差矩阵元的分布较为稀疏的观测矩阵中恢复出原始低秩矩阵。鉴此,本文定义了稳健矩阵填充,即从非完全且存在稀疏误差的采样矩阵元中精确恢复出原始低秩矩阵,通过最小化核范数与l₁-范数的组合构建了相应的凸优化模型,并提出了一种新颖的增广分部拉格朗日乘数法来求解此类最优化问题。通过将其应用于混合高斯与椒盐噪声去除的问题中表明,此算法对具有规则纹理及相似结构内容等低秩特征的影像中混合噪声的去除效果较好,其能同时去除影像中的椒盐噪声与高斯噪声,且有效保留影像中的纹理细节等信息;当影像中椒盐噪声密度较高而高斯噪声相对较小时,其去噪性能更佳。     

基于相似像素选择的双边滤波图像去噪

针对双边滤波在一定程度上模糊了图像特征的缺陷,提出一种基于相似像素选择的图像双边滤波算法。该算法首先在图像中搜索所处理像素的邻域内所有相似像素(与其像素值相近的像素),然后依据相似像素占全部邻域像素比例,确定该像素为特征像素或非特征像素。对于特征像素,采用其相似像素进行双边滤波;对于非特征像素,采用全部邻域像素进行双边滤波。仿真实验表明,该算法相对一般双边滤波,能够在去除噪声的同时,更好地保持图像特征。     

基于模糊C均值聚类和数学形态学的图像分割

心肌细胞钙离子实时激光扫描共聚焦光学切片呈现为点状分布的荧光图像并且受到噪声的严重干扰,单独利用模糊C均值聚类不能对这种图形进行有效分割。针对这种特定的图像提出了一种基于模糊C均值聚类和数学形态学的图像分割算法。首先利用邻域平均对图像预处理,然后利用模糊C均值聚类做分割,最后利用数学形态学的方法对图像做了平滑、连通和去噪处理。这种方法,不但有效地抑制了噪声,而且分割出的图像边缘连续、清晰。     

基于小波变换的SAR图像噪声滤除方法

合成孔径雷达(SAR)的相干斑噪声严重影响图像质量,降低图像的可判读性。常用的空间自适应滤波方法在滤除噪声的同时,损失了图像中的大量边缘细节信息。介绍了一种基于小波变换的SAR图像噪声消除方法,充分考虑噪声的统计特征,并把小波变换与空间滤波两者有机结合起来。通过滤波实验与其它滤波方法的对比。表明此小波滤波方法能更有效地消除SAR图像中的斑点噪声,而且能有效地保持图像中的纹理细节和边缘信息．     

一种去除图像中脉冲噪声的自适应滤波算法

针对灰度图像中的脉冲噪声滤波的问题,提出一种具有细节保护的自适应滤波算法.算法分为两步:第一步是对图像中的噪声进行识别,第二步利用噪声点周围的相关信息,对噪声点进行修复.经实验表明算法与其他算法相比,在图像的细节保护,自适应性以及噪声的消除方面具有一定的优势.     

一种由粗到精的光学与SAR遥感图像配准算法

由于光学遥感图像和SAR图像具有明显的非线性强度差异,且SAR图像存在斑点噪声,使得其配准存在较大难度。为此,本文结合基于特征和基于区域图像配准方法的优点,并组合为混合模型,提出一种由粗到精的自动配准算法。以光学遥感图像和SAR图像分别为参考图像和待配准图像,先以基于特征点的SAR-SIFT完成粗配准,再以基于区域的ROEWA-HOG完成精配准。① 采用SAR-SIFT算法进行特征点检测和特征匹配来计算图像的仿射变换模型,以消除参考图像和待配准图像之间明显的旋转、尺度和平移差异,至此完成图像粗配准;② 在此基础上利用分块Harris角点检测在参考图像上获得特征点,并根据特征点确定待配准图像上的同名点搜索区域;③ 计算图像的ROEWA梯度,构造以特征点为中心的模板区域内的HOG特征向量,以SSD作为相似性测度搜索待配准图像上的同名点,完成高精度的图像配准;④ 进行图像配准实验,对配准结果进行目视检查和精度评估。经过多组光学与SAR图像配准实验,验证本文算法能够结合基于特征和基于区域的图像配准方法的优点,较好地抵抗光学与SAR图像之间的非线性强度、旋转、尺度、平移差异和SAR图像的噪声影响,并逐步提高配准精度,最终配准精度达到1个像素左右,实现了光学与SAR图像的高精度自动配准,能够满足光学与SAR图像后续综合应用。     

Landsat遥感影像正规化处理的模型比较研究

卫星遥感影像在接收的过程中由于受到许多因素的干扰,使影像的质量受到一定程度的影响。而不同时相的影像也会因为成像时光照和大气条件的不同而出现差异。因此,在使用遥感影像之前往往需要进行必要的辐射校正。目前,主要用于辐射校正的两种基于影像的正规化模型分别是Markham和Irish等人提出的校正日照差异的正规化模型(ICM)和美国尤他州立大学遥感和地理信息系统实验室新近提出的日照大气综合校正模型(IACM/IACMt)。本文以三对不同时相的Landsat TM/ETM+影像为例,利用不变特征地物法求出各影像的相对噪音、RMSE和斜率,并用这些指标来对模型进行定量对比和评价。结果表明,当不同时相影像之间的季相、太阳天顶角和大气条件有较大差别时,经过正规化处理的遥感影像的噪音和RMSE比未经正规化处理的影像得以明显降低,且斜率更接近于1,镶嵌接缝淡化,效果更好。但如果遥感影像之间的季相一致、成像时的太阳天顶角接近,且影像晴空无云的话,则经过正规化处理的影像和未经该处理的影像之间的区别并不大。就正规化模型之间的对比而言,当影像无明显的大气影响时,ICM要好于IACM;但当受到明显的大气影响时,带有τ值的IACMt模型更好。     

一种基于分块的分形图像压缩方法

分形编码具有高压缩比的特点,但在编码过程中其匹配搜索时间开销巨大.提出一种基于分块的分形图像压缩方法:依据人眼视觉特性在PSNR变化不大的情况下,图像主观质量感受不明显的特点,将图像在空域分割为若干相对较小的块,对感兴趣区可采取一分为四的方法进一步减小块的大小,然后对每个块分别进行分形编码,并重构.结果表明,在PSNR略有降低的情况下,编码的匹配搜索时间大幅减少,同时重构图像的主观质量并没有明显降低.     

顾及共模误差的西南极GPS坐标时间序列噪声分析

使用Bernese 5.2软件双差定位程序处理西南极区域24个GPS基准站9 a的观测资料,获得各站单日解坐标时间序列.利用主分量分析法和独立分析法对其进行空间滤波,对比分析2种方法的滤波效果,然后采用极大似然估计法分析滤波前后各站时间序列的噪声特征,建立最优噪声模型,并分析共模误差对测站速度的影响.结果表明,2种方法...     

ICA在合成孔径雷达抗噪声干扰中的应用研究

将ICA（Independence Component Analysis）消噪原理应用于合成孔径雷达抗噪声干扰技术中,用噪声信号和受到干扰的SAR回波数据作为扩展的虚拟观测信号,对扩展的多维加噪观测信号进行分离, 得到源雷达回波信号, 从而实现噪声的有效消除.通过对条带式SAR点目标成像进行仿真试验, 结果表明这种消噪方法在消除SAR噪声干扰中是有效的.     

形态学和小波域滤波级联的杂波抑制算法研究

为保留目标的同时尽可能多地抑制图像背景杂波,在研究形态学滤波、空域平滑滤波、小波域平滑滤波以及它们级联的背景杂波抑制算法的基础上,提出形态学滤波和小波域平滑滤波级联的杂波抑制算法。该算法先对含有微弱目标和白高斯噪声的原始图像进行空域形态学滤波,然后对形态学滤波结果进行小波变换,在小波域中对各小波系数分别平滑滤波,用滤波前的小波系数减去滤波后的小波系数得到差值系数,对差值系数再进行逆小波变换。仿真测试表明,提出的算法在得到的残差图像中目标邻域信杂比(SCNR)平均增益比空域形态学滤波算法和空域平滑滤波算法等均有较明显的提高,为后续的目标检测与跟踪提供了良好的保障。     

基于分层极限学习机影像转换的多源影像变化检测方法

为提高现有多源影像无监督变化检测方法存在的检测结果易受噪声影响和计算效率低等问题,本文提出了一种基于分层极限学习机影像转换的多源影像变化检测方法。分层极限学习机（Hierarchical Extreme Learning Machine, HELM）通过多层前向编码获得丰富的特征表示,且当特征提取完成即可确定网络参数。本文方法首先通过对合成孔径雷达（Synthetic Aperture Radar, SAR）影像进行对数转换,以获得与光学影像相同的影像噪声分布,并利用影像平滑减少影像噪声对变化检测结果的影响;然后分别对多源影像进行聚类分析,通过对比两时相影像的聚类图获得初始变化检测图,选取初始变化检测图中的未变化区域的像元作为初始训练样本,构建训练样本修正模型修正初始训练样本以提高训练样本的准确性;引入HELM以实现多源影像特征空间转换,获取多时相空间转换影像,提高了算法效率;最后通过对比原始影像和多时相空间转换影像获取变化信息。两组多源影像(Google Earth和哨兵1号影像)的实验结果表明：与现有方法相比,本文方法的Kappa系数分别至少提高了6.19%和8.94%,证明了本文方法对多源影像变化检测的有效性。     

一种改进的基于背景差算法的运动车辆检测方法

针对背景固定的交通监控视频中的运动车辆检测问题,提出了一种改进的基于背景差算法的运动目标检测方法。该方法改进了混合高斯模型,对图像进行了平滑滤波预处理,并利用形态学滤波方法对二值化的前景图像进行后处理。该方法提高了背景模型的环境适应能力,能够很好地适应背景改变和光照等变化。同时,也改善了视觉效果,使前景检测误差值降低了14％,可为后续交通参数的提取提供更为精确可靠的图像数据信息。     

SIFT与粗差剔除算法相结合的机载SAR影像匹配研究

SAR影像匹配是SAR数据处理的重要环节,但是,SAR影像匹配成功率、正确率及精度较低。通过SAR影像匹配,建立SAR匹配像对,对雷达立体观察和立体测量有重要的意义。在机载SAR影像匹配中,应用SIFT 算法,获得较稳定的特征,并结合2D单应变换的RANSAC算法剔除误匹配点对;选取三组不同类别的机载SAR影像数据,利用SIFT 和粗差剔除相结合的算法,通过VC++和OpenCV编程,提取出特征稳定且均匀分布的同名点对,完成机载SAR影像匹配实验。结果表明,对于含有人工建筑物的机载SAR影像,SIFT 算法可有效地提取大量稳定的匹配点对,其正确率高;对于含有自然植被的机载SAR影像,SIFT 算法可有效地提取较多稳定的匹配点对,其正确率较高;由于SIFT 算法实质上是基于局部灰度匹配的算法,对于纹理信息缺乏的机载SAR影像,只可提取少量稳定的匹配点对,其正确率相对前两者较低。总体而言,在机载SAR影像中SIFT 算法能够提取到稳定的匹配点对,并结合基于2D单应变换的RANSAC算法,可有效剔除误匹配点对,提高匹配正确率及精度。