基于最大局部变化的安全带检测算法

传统的边缘检测算法的效果很大程度上取决于阈值的选取,针对这个问题,提出了基于局部最大变化和二维OTSU的边缘检测方法,该方法利用图像局部区域的所有像素灰度值与中心像素灰度值的最大差值来描述图像边缘分布信息,从而得到图像边缘分布信息图,然后利用二维OTSU方法对该边缘分布信息图进行二值化处理得到边缘二值图。利用该边缘二值图,结合车辆的一些先验信息,提出车窗定位算法,并进一步确定驾驶员区域,最后通过在驾驶员区域内检测是否存在满足安全带先验特征的直线来判断驾驶员是否佩戴安全带。实验结果表明,该方法能够准确定位车窗边缘和驾驶员区域,可以应用于安全带的检测,具有一定的实用价值。     

一种基于复合空域滤波的线粒体电镜图像二值化增强算法

本文通过分析线粒体电镜图像特点,提出一种基于复合空域滤波的线粒体电镜图像二值化增强算法.实验表明,该算法成功突出了大多数线粒体信息,抑制了大多数非线粒体信息,是进行线粒体边缘识别的有效图像增强算法.     

基于双边滤波与小波变换的分频滤波算法的分析

针对图像在滤波时把图像的一些特征信息去除和图像分割边缘模糊的问题,提出了基于双边滤波和小波变换的分频滤波算法.通过二代小波提升变换后,得到图像的高频分量和低频分量,然后结合双边滤波和小波变换各自的优缺点,在低频分量部分采用双边滤波,在高频分量部分采用阈值小波变换,通过Matlab仿真结果分析,该方法在滤波过程中有很明显的优势.     

基于NMI不变特征的二值商标图像检索方法研究

商标图像的检索在图像库系统管理和应用中得到了越来越多的重视.文中针对二值商标图像,提出一种基于NMI特征的商标图像检索方法.其特点是计算简单,精确度高,具有抗几何畸变性,对滤波、平滑、压缩等图像操作有一定的鲁棒性.试验结果表明,该方法具有一定实用价值,可用于二值商标图像检索.     

颅骨图像的阈值分割算法研究

针对颅骨CT图像中灰度值范围变化较大的特点,阐述了两种图像的分割方法,一种是基于边缘信息的分割,一种是基于区域信息的图像分割,提出了在颅骨CT图像分割中采用基于区域的阈值分割算法,并通过软件编程实验证明了它具有算法简单、识别效果好、效率高的特点．     

基于改进Canny算子的医学图像边缘检测算法

边缘检测作为图像分割的一部分,能够用于医学图像诊断。在医学图像获取过程中不可避免地会出现一些高频噪声,从而对属于高频分量的边缘产生干扰。传统Canny算子在高斯滤波去噪时会滤除一些边缘信息,且需要人为设定高斯滤波方差及高低阈值,缺乏自适应性。通过采用自适应中值滤波去噪,以及采用Sobel算子计算梯度幅值方向,并利用非极大值抑制对图像进行细化,最后利用Otsu计算图像高低阈值,从而对Canny算子进行改进,并在医学图像上进行实验。结果证明,该方法能更准确地检测边缘信息,且具备较强的自适应性。     

基于图像边缘检测的小波阈值去噪方法

提出一种基于图像边缘检测的小波闽值去噪新方法.该方法利用Canny算子检测出图像的边缘,进而定义了一种新的阈值函数,然后对含噪图像、边缘图像的小波变换系数采用新阈值函数分别进行阈值处理,将处理后的边缘图像与图像的小波系数进行融合,得到去噪后的图像.实验结果表明,采用该方法处理的去噪图像,能够在去噪的同时有效地保持图像的边缘信息.     

多线程在大幅图像分块预处理中的应用

在分析大规模二值图像特点和预处理原理的基础上,提出一种采用多线程实现分块预处理大幅图像的方法.该方法有效地解决了大幅图像预处理的时空及长时间等待与人机交互的矛盾.     

一种结合改进OTSU法和改进遗传算法的图像分割方法

为了自动确定图像分割的最佳阈值,提出了一种结合改进OTSU法和改进遗传算法的图像分割方法,即利用这种改进遗传算法对二维OTSU图像分割函数进行全局优化,该方法能够根据个体适应度大小和群体的分散程度自动调整遗传控制参数,从而能够在保持群体多样性的同时加快收敛速度,最后得到图像分割的最佳阈值,克服了传统遗传算法的收敛性差、易早熟等问题.在理论分析和仿真数据实验中,与二维OTUS图像分割法和基于基本遗传算法的图像分割法相比,使用该方法得出的阈值范围更加稳定,阈值计算时间有极大的降低,更能满足图像处理的实时性要求.     

基于图像分解与边缘检测的图像去噪方法

针对图像去噪时产生的“阶梯效应”、边缘线条上的光滑性和线状结构不易恢复性,提出基于图像分解与边缘检测的图像去噪方法,首先用图像分解与边缘检测模型将噪声图像分解为结构部分和纹理部分,并提取边缘信息,然后根据边缘指示函数用P—M扩散和相干增强扩散结合的方法对纹理部分去噪,最后将去噪的纹理部分与结构部分组合得到去噪图像。数值试验结果表明,该方法提高了图像去噪的质量,有效避免了扩散中产生的“阶梯效应”,较好地保护了边缘信息,恢复其光滑的线状结构。     

基于SUSAN算法的大蒜瓣尖识别的研究

针对现有大蒜播种机采用纯机械方式无法解决大蒜直立播种的问题,提出了用SUSAN角点检测算法的方法解决。分别对图像进行二值化、边缘跟踪,然后根据大蒜的形态特征,提出以曲率为特征量,再根据该算法的原理识别出瓣尖的位置。     

基于交叠组合稀疏双正则项的全变分图像复原

为减少图像复原中产生的阶梯效应和边缘模糊现象,引入 Hessian 矩阵,设计带有交叠组合稀疏化的双正则项。采用一阶交叠组合稀疏的正则项保留边缘,同时采用二阶交叠组合稀疏的正则项缓解一阶正则项产生的阶梯效应;通过构造两个可分离算子最小化问题求解图像复原问题,在乘子交替方向法（ADMM）的框架下,得出求解各子问题的迭代形式,并提出新的复原算法。实验结果表明,峰值信噪比比传统方法至少提高了0.8dB,结构相似度指数最高达 0.9,最低为 0.72。新算法在去除噪声的同时,有效保留了图像纹理信息。     

基于稀疏表示的摩尔纹噪声去除方法

为去除常出现在图像采集和日常摄影中的摩尔纹噪声,提出一种由样条小波生成的紧框架下的稀疏信号恢复算法.该算法利用摩尔纹噪声的频域特性确定受影响的傅里叶频谱区域;利用图像在给定紧框架下的稀疏性,根据压缩感知理论实现数据在傅里叶频谱上的非线性插值.实验结果表明,相比传统频域滤波算法,该算法恢复图像的峰值信噪比更高,更符合人的...     

基于引导滤波与 LoG 算子的安检图像增强算法

引导滤波是一种能保持图像边缘的滤波器,可用来减少图像噪声。高斯拉普拉斯算子（Laplacian of Gaussian,LoG）在去噪的同时能够检测到边缘信息,并实现图像边缘增强。针对 X 光安检图像噪声大、边缘不清晰、对比度低等特点,提出一种基于引导滤波与 LOG 算子的安检图像增强算法。首先用引导滤波对图像作平滑处理,然后用 LoG 算子检测其边缘并进行增强,最后用限制对比度自适应局部直方均衡化（CLAHE）作对比度拉伸。实验结果表明,该算法与改进 CLAHE 算法相比,平均梯度可提高 50%左右,图像清晰度较高。     

基于偏微分方程图像修复的新方法

根据CDD图像修复模型的理论行为分析,指出该模型修复速度慢的原因,去除导致修复速度慢的因子,引入具有边缘增强作用下的冲击滤波器予以修正,从而获得了一种新的图像修复方法。实验结果表明,该算法修复图像速度有所提高并取得了较好的视觉效果。     

一种DE搜索块寻优的多聚焦图像融合算法

针对多聚焦图像,提出了一种DE（差异演化）搜索策略应用于图像融合子块寻优的算法,对同一场景两幅严格配准的源图像的清晰度恢复进行了深入研究。融合过程是首先将已经配准的源图像分割成若干个子块,然后采用一个清晰度评价函数选取清晰的图像块形成融合图像。该方法的创新之处在于,把图像子块的大小作为遗传染色体,经过交叉、变异和选择等操作,以便得到全局意义上的最优解。实验对比结果表明,该方法超过遗传算法和其它传统的多聚焦图像融合法。     

二维盲图像恢复算法的研究

通过对现有的二维盲图像恢复算法的探讨,提出了两种基于L1双正则化的二维盲图像恢复算法.一种是最小化L2-L1代价函数,为了实现边缘保持和噪声抑制;另一种是通过最小化L1-L1代价函数来处理非高斯噪声的情况.所提的算法是一种广义的梯度算法,它通过引入绝对值函数的弱导数来处理不可微的情况.实验结果表明,与NAS-RIF算法和DR算法相比,所提出的两种二维算法能够更快速地获得好的图像估计.     

几种分形方法在图像边缘检测中的应用研究

介绍并比较了几种基于分形理论的边缘检测技术,包括基于分形编码的图像边缘检测、基于离散分数布朗随机模型的图像边缘检测、基于多重分形方法的图像边缘检测、利用人造目标和自然背景的不同分形特征提取目标边缘。具有不同分形特征的图像采用不同的的算法都可以取得较理想的效果,但实际上无论哪一种算法在解决一定问题的同时也存在不同类型的缺陷。因而,寻求更理想的分形方法应用在图像边缘检测中将仍然是图像处理与分析中研究的主要问题之一。