基于Gabor特征分解的高斯混合非线性滤波算法

传统的窄带信号检测滤波器采用IIR自适应线谱增强滤波算法,对信号特征分解的阶数要求高,导致非线性失真,提出一种基于Gabor特征分解的高斯混合非线性滤波器设计算法,在IIR滤波器设计的基础上,对信号进行尺度和时延估计,构建自适应高阶累积量滤波设计方法,采用高阶累积量对窄带信号进行均方一致估计,对Gabor特征函数Taylor级数展开,求得高斯混合非线性滤波器的带宽参数,最后实现高斯混合非线性滤波器设计改进,提高对窄带信号的检测性能。仿真结果表明,该算法具有较好的滤波性能,可以明显地抑制色噪声的影响,提高信号增益达到20 d B。     

一种新型三维条纹图像滤波算法

提出了一种自适应高斯引导的新型图像滤波算法。首先分析了引导滤波的数学模型,并在此基础上对其进行了改进,采用一个更加理性的参数优化算法。最后对改进的滤波算法进行了对比实验,实验结果表明自适应高斯引导滤波算法能够很好的滤除图像中的噪声,同时最大程度的保留了原始图像中的边缘和细节等信息。该算法对于激光三维条纹图像去躁具有良好的效果。     

一种基于小波域的数字水印算法

分析了一种小波域数字水印算法,利用人类视觉模型对算法进行了改进。选取一幅有实际意义的二值图像作为水印,在对原始图像进行多级小波分解后,通过修改中频系数来进行水印嵌入。实验证明嵌入水印后的图像具有更好的隐蔽性,并且对JPEG压缩、图像添加高斯噪声、中值滤波等图像处理操作具有很强的鲁棒性。     

基于年龄变化的人脸识别

本文基于对数字图像处理问题的研究,建立了图像预处理模型与图像相似度计算模型,同时从轮廓检测与提取和特征识别方面对模型进行了修正。第一,在图像预处理模型中,本文采用Niblack二值化算法对人脸斑点、肤色和皱纹等一些皮肤细节部分进行滤波处理,通过设置阈值来除去皮肤细节等问题,实现对图像特征区域的粗略提取。第二,在边缘检测模型中,本文采用的是高斯滤波和拉普拉斯边缘检测算法相结合的方法,使用高斯—拉普拉斯算子对图像实行边缘检测,通过检测得到进而获取人脸的轮廓。第三,在图像相似度计算中,本文建立了基于SVD奇异矩阵分解的PCA主成分分析模型,实现对图像特征向量的提取,然后采用巴氏距离算法计算人脸轮廓图像相似度。     

基于向量量化谱分解的图像边缘融合算法

通过图像的边缘融合,挖掘图像中亮度变化明显的点,提高对远程图像的视觉特征分辨能力。传统的图像边缘融合算法采用灰阶量化边缘分解技术,由于图像边缘编码向量在码书中的排列是无序,导致边缘融合效果不好。提出一种改进的基于向量量化谱分解的图像边缘融合算法。采用向量量化谱分解技术,对信号与图像数据进行压缩,生成融合图像的灰度直方图,构建图像的向量量化边缘融合算子,实现算法改进。仿真结果表明,采用该算法能有效检测出图像的边缘亮点结构,保留了图像重要的结构属性,实现对图像边缘的准确检测,提高了峰值信噪比20 d B,展示了较高的边缘融合质量。     

基于小波阈值压缩的运动模糊图像去噪算法

强干扰环境下采集的模糊运动图像通常含有大量的噪声,难以进行有效的细节分析,需要进行图像降噪滤波处理。传统方法采用小波分析的图像细节滤波算法进行降噪,对运动场景下的图像角点偏移部分的降噪效果不好。提出一种基于小波阈值压缩的运动模糊图像去噪算法。构建模糊运动图像的小波分析模型,采用小波阈值压缩方法进行运动模糊图像的角点检测,形成具有角点的图层小波阈值压缩库,实现图像降噪滤波处理。仿真结果表明,采用该算法能有效实现图像去噪滤波,提高图像质量和峰值信噪比。     

一种基于Haar小波和归一化的鲁棒零水印算法

应用小波变换和改进的几何归一化方法,提出一种强鲁棒图像零水印算法.该算法首先利用一种改进的几何归一化方法将原始图像化为标准图像,然后对标准图像利用Haar小波进行多级小波分解,最后根据高层的中高频小波系数的正负极性构造零水印.对算法性能进行测试的结果表明,算法对噪声、滤波、有损压缩等常规信号处理具有强鲁棒性,对旋转、缩放、平移、剪切等几何攻击也具有较好的鲁棒性.     

应用双重滤波去噪的混合加密图像认证算法

为了避免图像压缩与恶意篡改对图像认证的影响,提出一种以图像自适应中值滤波和Haar小波滤波为基础,通过混合加密处理来实现的图像认证算法。在图像双重滤波去噪的基础上,算法通过DCT和DWT混合变换域提取图像的特征信息,并且结合幻方算法和Arnold算法对图像进行混合加密,接收方通过密钥与hash值进行认证。实验结果表明,算法提高了抗图像压缩和图像篡改的性能,并且能够快速检测并精确定位篡改位置,为图像在网络中传输提供了较好的安全性。     

一种改进的Canny的图像边缘检测算法的研究及实现

针对传统的Canny算子采用高斯滤波会造成图像的过度平滑和高、低阈值需要人为确定的缺点,提出了一种改进的Canny边缘检测算法,采用中值滤波代替高斯滤波,同时利用基于离散概率模型(Discrete Probability Model,DPM)的自适应选取阈值,能有效地清除脉冲噪声的同时,提高了边缘检测精度。     

基于提升小波的SAR图像斑点噪声抑制方法

斑点噪声去除是对合成孔径雷达(synthetic aperture radar,SAR)图像自动分割、分类、目标检测和其它定量专题信息提取处理前必要的步骤。首先简要回顾了各种传统的SAR图像斑点噪声去除方法。在充分考虑SAR图像斑点噪声乘性特征的基础上,对SAR图像进行对数变换,将乘性噪声转变为加性噪声,然后再对图像进行提升小波分解,采用Bayes Shrink阈值对小波系数进行处理。最后根据4个指标来对比不同方法的去噪效果。结果表明,与传统的滤波方法相比,基于提升小波的去噪方法在图像均匀区域的辐射特性保持和斑点噪声抑制能力方面具有较大的优势。与传统小波相比,提升小波不但在运算速度上有优势,而且省内存。     

指纹图像增强算法的研究与实现

本文详细介绍了Gabor小波函数、Gabor滤波、指纹图像增强算法,并根据文中设计的增强算法在计算机上用VC＋＋编程实现,实验结果表明该算法对指纹图像中的断点、毛刺等噪声能有效去除,达到较好的增强效果。     

基于小波包分解正态谐振数据库优化访问控制

<正>态谐振数据库多用于构建物理数据层,实现数据集中控制,研究正态谐振数据库的优化访问技术,提高数据库的数据分析处理能力。传统方法采用数据库整体逻辑映射方法进行数据库访问,导致数据召回性能不好。提出一种基于小波包分解的正态谐振数据库优化访问算法。构建数据库的信息模型,构建双曲调频母小波,对数据访问特征进行双曲调频特征分解,得到物理层的数据特征通过小波包分解匹配滤波后的输出。仿真结果表明,采用该算法能有效提高数据召回率,优化数据库访问控制性能。     

一种基于形态小波的图像边缘检测方法

边缘检测是图像处理和模式识别领域的基本课题。基于数学形态学的形态小波是一类综合了传统小波线性和形态学的非线性特征的小波,它具有良好的局部时一频性,而且能对图像的形状及形态特征加以描述。文章提出了一种基于形态小波的图像边缘检测方法,实验证明：与单独使用小波变换或形态学的边缘检测方法相比,这种方法具有边缘检测精度高、抗噪声性能好的特点。     

低信噪比图像高斯噪声非线性模值滤波算法分析

高斯噪声产生于图像采集、成像和传输的各个部分,由于其对于图像时域和频域的全局覆盖作用,难以进行有效抑制.低信噪比图像在雷达、遥感、医学成像等领域有着广泛应用,本文提出一种基于图像功率谱的非线性模值滤波算法(Nonliear Module Filter,NMF),图像功率谱用模值作为非线性滤波的阅值,在保留信息比例高的系数基础上滤除包含高噪声比例的系数,从而达到提高信噪比抑制高斯噪声的目的.     

基于混合优化算法的医学DR图像增强方法

研究医学DR图像增强问题,由于DR图像在拍摄过程中,受噪声的干扰,曝光量不当,人体组织太厚等原因,细节信息会被噪声等不利因素埋没,边缘变得不清晰,对比度降低,容易导致病变区域的误诊。为了给医生提供更加清晰的DR图像方便诊断,提出一种基于混合优化算法的医学DR图像增强方法,首先采用基于人工鱼群算法和细胞膜优化算法的混合优化算法对DR图像进行分解,然后对分解后的关注区的高频区做非线性增强,对关注区的低频区做Piecewise直方图均衡化增强,对非关注区做分段线性增强。仿真实验表明这种方法有效地消除了DR图像中噪声,增强后DR图像细节信息更加清楚,具有高的重复性、稳定性和鲁棒性。     

过度曝光图像缺失信息修复算法

图像在过度曝光采集的情况下会因为光圈的进光量过大导致图像的细节关键信息缺失,研究过度曝光图像的缺失信息修复算法,为图像的细节特征分析奠定基础。传统方法采用图像小波尺度分解方法进行图像缺失信息修复,随着光圈的增大,对细节信息的修复效果不好,提出一种基于改进的小波包分解的过度曝光图像缺失信息修复算法。构建了过度曝光图像的纹理信息特征传导模型,采用Harris角点检测算法实现对过度曝光图像的灰度特征匹配,采用小波包分解方法对图像缺失信息进行位置和尺度信息的重构,实现缺失信息修复。仿真结果表明,采用该算法进行过度曝光图像修复,图像的细节特征得到准确有效复原,提高图像的识别能力。     

基于边缘保护的中值滤波算法的改进

为了有效的去除图像中的脉冲噪声点,同时有效保护图像边缘信息,提出了一种基于边缘保护的噪声监测和噪声去除方法。它在充分分析噪声和边缘分布特性的基础上,对图像中的疑似噪声点进行多方向检测,进而有效的辨别出噪声和边缘的区别,同时在传统中值滤波的基础上,提出采用非线性多级方向中值滤波技术,该技术可以有效降低噪声对图像的影响,有效保护图像细节。     

生物DNA图像中的破损图谱区域分割

对生物DNA图像中的破损图谱进行区域分割,为实现图谱的修复奠定基础,进而提高生物DNA图谱的分析和诊断能力。传统方法对生物DNA图像中的破损图谱采用小波尺度分解的分割方法,对统计特征丰富的生物DNA图像区域分割的特征表达和修复能力不好。提出一种基于子区域块匹配的生物DNA图像中的破损图谱区域分割算法。进行了生物DNA图像破损图谱区域特征和边缘轮廓特征提取,基于连续子空间降噪方法对DNA图像的破损图谱的进行降噪处理,采用子区域模板块匹配方法进行生物DNA图像破损图谱区域特征的变尺度多区域分割,实现分割算法的改进。实验表明,采用该方法进行生物DNA图像破损图谱区域分割,对基因信息的特征提取和降噪性能较好,避免的过分割和欠分割,误分率较低,有效提高了生物基因图谱的特征表达和分析能力。     

C#.net和Matlab在遥感图像处理中的应用

主要介绍了小波变换和均值滤波的一些基础知识,c#.net和Matlab接口实现的方法,小波和均值滤波的遥感图像降噪的步骤。去噪方法的指导思想是从图像信号本身出发,采用小波变换和均值滤波相结合的方法,先将含噪图像进行小波分解,获得具有频率分布特征的细节子图像,然后根据各细节子图像的频率分布特征,采用不同形状的模板进行均值滤波实现去噪目的。     

弱小目标检测算法的设计与分析

本文提出的弱小目标检测算法,首先利用小波包对图像进行多尺度分解,保证得到更适合于弱小目标信号的时频相平面。然后为了更好的消除噪声的干扰,给出了高斯判别准则,利用该准则对小波包树上的节点,自下而上地进行高斯性检验,并将相邻四个全高斯性小波包系数进行合并,得到图像的最优划分。