摘要：为了在去除图像噪声的同时最大程度地保持图像细节,提出了一种基于模糊推理的噪声检测及自适应滤波方法。该方法首先利用图像的局部统计信息(ROAD)和方向Laplacian差分值,同时采用模糊推理的方法对噪声点进行检测;然后对可能的噪声点进行自适应的滤波处理,使非噪声点的原有灰度保持不变,以最大程度地保持图像的真实性;最后针对由图像中噪声分布不均产生的局部噪声密度较高和高的噪声图像而进行的模糊推理噪声检测可能引起的"误判点",设计了一种改进的滤波方案用来对其进行修正。该方案采用迭代思想来重复进行噪声定位和滤波,每次滤波只滤除较大可能的噪声点,以最大限度减小图像的模糊。实验结果表明,该方案对于不同程度的噪声,经过适当地迭代均可取得良好的去噪效果。

摘要：对偶点广义Hough变换算法是通过寻找图像中像素梯度值相同的特征点对,并以该特征夹角作为R表索引,来完成表示目标边界信息的R表。但在检测不规则多边形等特殊图形时,由于符合条件的特征点对会有很多,因此在识别时会造成大量的无效干扰投票,甚至无法识别。从理论上分析了原算法产生虚假投票原因,提出了一种改进算法,以几何特征角作为新的索引。实验结果表明,改进是有效的,创建R表时分散了各索引项上的条目数,变换时减少了虚假投票和内存消耗,并提高了识别速度和识别率。

摘要：针对焦炭显微图像中光学组织的特点,提出了一种结合均值偏移和边缘置信度的焦炭显微图像分割。该方法首先计算图像像素的边缘置信度,利用边缘置信度设计均值偏移算法中的权值函数,对特征空间的采样点进行加权,以提高模式点检测的准确性;然后以扩展的均值偏移向量进行迭代,实现焦炭显微图像的初步分割;由于在初步分割中产生过多的聚类数,导致了相同组分区域的过分割。因此通过空域距离和区域边界像素的置信度平均值设置合并条件,合并相同光学组分的焦炭区域,实现图像的最终分割。实验表明,该方法能够有效地分割出焦炭显微图像中不同光学组织组分区域,为焦炭光学组织的自动识别提供可靠依据。