基于多结构元素的云杂波背景抑制算法

在分析小目标与背景特性的基础上,根据云层边缘几何形状,构造出灰度形态学多结构元素。用多结构形态开运算对含有小目标的云杂波背景图像进行背景抑制,然后利用全局阈值分割方法将背景抑制后的图像转化为二值图像,提取图像中的小目标。仿真试验表明,该算法对两种云杂波背景均能有效抑制,提高图像的信噪比,减轻后续运算的复杂性。     

一种自适应加权的灰度形态学图像滤波算法

数学形态学滤波属于非线性滤波,针对传统的线性滤波对图像边缘等细节特征容易模糊的缺点,本文提出一种基于灰度形态学的自适应加权复合滤波优化算法,采用凸性多尺度结构元素对灰度图像进行多级形态开闭运算,根据形态滤波等幂特性,实现结构元素序列的自适应加权复合滤波,并对滤波效果进行PSNR评价,实验仿真结果表明该复合滤波算法在保留图像细节特征的同时能有效去除噪声,提高了图像信噪比.     

一种去除图像混合噪声的新方法

某一种去噪方法通常只对某一类噪声的滤除较为有效,为了抑制混合噪声,提出一种结合中值滤波与小波去噪的图像去噪算法.该算法首先检测出脉冲噪声点,并采用自适应窗口对脉冲噪声点进行中值滤波处理,然后用基于高斯混合模型的小波去噪法滤除图像中的高斯白噪声.仿真实验表明,对于被高斯、脉冲混合噪声污染的图像,该算法的去噪效果显然比单一的中值滤波和小波去噪法好得多.     

基于中值滤波和维纳滤波的图像混合噪声滤波研究

某一种去噪方法通常只对某一类噪声的滤除较为有效,为了抑制混合噪声,提出一种结合中值滤波与维纳滤波的图像去噪算法。该算法首先检测出脉冲噪声点,并对脉冲噪声点进行中值滤波处理,然后用维纳滤波滤除图像中的高斯白噪声。仿真实验表明,对于被高斯、脉冲混合噪声污染的图像,该算法的去噪效果显然比单一的中值滤波和维纳滤波好得多。     

图像分割技术在昆虫识别中的应用

以浙江省66种重大检疫性害虫为研究对象,采用Otsu算法实现昆虫图像的分割,取得了较好的效果.首先对昆虫图像进行灰度化处理,加快分割速度,再对灰度图像进行中值滤波,去除大部分噪声,最后,用Otsu算法对灰度化和中值滤波后的昆虫图像进行分割.针对存在的不足,运用数学形态学方法进行修正.首先利用数学形态学中的膨胀和腐蚀运算对昆虫图像进行增强,然后运用Otsu算法对图像进行分割.实验结果表明,将Otsu算法与数学形态学方法结合起来能够有效地提取昆虫图像.     

基于多尺度数学形态学梯度的图像检测

传统边缘检测算子如Canny、Sobel等是通过计算图像中局部小区域的差分来工作的,对噪声比较敏感,在检测边缘的同时常会加强噪声,形态边缘检测器在检测边缘的时候不会加强或放大噪声,单尺度形态学梯度算子结构元素过大或过小都不能检测到满意的结果.将多尺度形态学边缘检测和形态学滤波结合起来,提出一种边缘检测方法.首先利用形态学对多尺度的形态学梯度算子进行边缘检测,再进行填充内部缝隙,接着进行形态学边界平滑,最后通过分割掩模到原图像的结果.仿真结果表明,所提算法能够非常清晰地检测到目标图像的边缘,提取的图像边缘定位准确且平滑,同时具有较强的抗噪能力.     

基于混沌和离散余弦变换的数字水印算法

提出了基于混沌和离散余弦变换的数字水印算法,该算法是将混沌映射序列作为水印信息,并在载体图像的离散余弦变换域较大幅度值上嵌入排序后的水印信息,而在水印提取时,再利用原图像、水印图像和密钥进行水印重构。Matlab仿真实验结果表明,该算法在保证水印不可感知性的同时,对添加噪声、高斯低通滤波、中值滤波、裁剪、旋转等常见信号处理攻击具有较强的稳健性。     

一种图像自适应中值滤波算法

图像在产生、传递与接收过程中,会受到外界的影响尤其是噪音的干扰,严重影响图像质量,有必要进行预处理以保证图像的正常使用。阐述了脉冲噪音理论,分析了一维与二维中值滤波原理,提出一种自适应中值滤波算法。该算法作为非线性滤波算法,弥补了线性滤波算法缺陷,明显抑制了噪音,保证了原图像的信息内容。实验结果表明,这种自适应中值滤波算法在归一化均方误差（NMSE）、峰值信噪比（PSNR）、算法耗时T(s)等方面,比中值滤波算法具有一定的优势。     

基于中值滤波的椒盐含噪图像去噪方法

为了有效地去除图像中的椒盐噪声,提高图像的质量,利用中值滤波算法进行去噪处理.分析了椒盐噪声的特性,阐述了中值滤波算法的去噪原理和优缺点.通过实验从主观评价和客观评价两方面对比了中值滤波和几种典型的图像去噪方法对椒盐噪声的去噪效果,并进一步分析了不同窗口大小的中值滤波对椒盐噪声的去噪效果.实验结果表明,中值滤波算法能很好地去除图像中的椒盐噪声.     

脉冲噪声的自适应滤除方法

为了在滤除图像噪声的同时更好的保护图像的细节,文中提出了一种基于非线性自适应滤波结构的改进算法。用中心加权中值滤波算法代替原方法中的中值滤波算法以及中值滤波代替均值滤波作为最终滤波结果输出。这种算法与同类算法相比,具有更好的滤波性能并能更好的保护细节,其效果明显优于中值滤波算法。     

一种基于小波域的中值滤波去噪法

根据脉冲噪声和高斯噪声在小波变换下的不同特点,结合中值滤波,在小波域内对高频子带图像进行中值滤波.仿真结果表明,此算法不仅能滤除图像中的脉冲噪声和高斯噪声,且能较好的保留图像的边缘细节,可获得较好的去噪效果.     

ARM单片机的硬件乘法器在软件滤波中的应用

在AD转换中利用32位ARM单片机的硬件乘法器实现低通滤波;此种滤波方法包括算法确定、定点表示方式以及如何利用乘法器实现;利用MATLAB对滤波系统进行仿真及对结果的分析表明：采用此种滤波算法优点是更大限度地降低系统开销,提高程序效率。     

形态学算子在图像处理中的应用

将腐蚀、膨胀算子经过有效组合,形成了一个性能优良的滤波算子,同时介绍了在冲击噪声的去噪中表现出显著效果的Extrema killer算子。提出了一种基于数学形态学的边缘检测算法,该算法先用一个较小尺度的结构元素进行腐蚀,后用一个较大尺度结构元素进行膨胀,用（fθB1） B2-f作为边缘检测算子。实验证明用所给算法进行图像边缘检测,能较好地保持图像的细节特征,同时能有效的抑制噪声。     

数字滤波技术

工业系统遇到干扰时，会出现不稳定的问题，对此探讨了几种用数字滤波技术对信号进行处理的方法，即算术平均值法、中值滤波法、低通滤波法、滑动滤波法．     

关于去除图像噪音的中值滤波算法

本文讨论了图像去噪的中值滤波算法 ,提出了对中值滤波算法的改进的方法 ,使得计算机在图像处理时更加高效 .     

一种简单的图像脉冲噪声滤除方法

针对传统的中值滤波法消除脉冲噪声时存在的缺陷,充分利用脉冲噪声的特征,提出了一种简单的噪声像素检测方法,在滤波处理前先检测像素是否被脉冲噪声污染,从而有选择地对噪声进行自适应中值滤波,该算法不仅能够有效滤除脉冲噪声,而且具有较少的计算量和较高的峰值信噪比。仿真结果证明了算法的有效性。     

基于米字型结构元的形态学边缘检测算法研究

形态学衍生于集合论,其核心思想是通过将不同大小、方向和结构的元素放入图像中,进行形态学变换运算来对图像进行边缘检测.为了解决噪声等一系列问题,研究者们将形态学中的各种算法组合起来,形成了诸如多结构元、多尺度法的形态学边缘检测算法,每种方法都提高了抗噪性和精确性.本文提出了多尺度米字型结构元改进形态学边缘检测算法,以不同尺度的米字型窗口结构元和改进形态学相结合来达到图像边缘检测的算法.米字型结构元保证各方向信息的基础上,当结构元扩大的过程中相较于传统方形结构元,有效地减少了运算量.与之前的形态学边缘提取算法相比,对于含噪声的图像的边缘提取效果和运算时间都有一定的提高.     

一种基于形态学多结构元素的医学图像边缘检测方法

针对传统检测方法模糊图象边缘及定位精度不高的问题提出一种基于形态学多结构元素的医学图像边缘检测方法.该方法利用多个结构元素和复合算子检测图像边缘,仿真实验结果表明,该方法能够提取清晰的图像边缘,定位精度高,优于传统边缘检测方法.     

中值滤波的神经网络实现

利用信号的阈值分解,导出适合神经网络实现的信号分解和信号恢复算法。二元信号的中值滤波函数是一对称布尔函数,可以用神经网络实现中值滤波。本文给出一种中值滤波的神经网络实现结构,它具有实时中值滤波特性。     

背景建模算法研究与实现

研究分析了均值背景建模方法、中值背景建模方法、高斯混合背景建模方法,比较了其设计思想、适用范围及各自的优势与不足,并利用MATLAB进行了仿真实验。