摘要：在毫米波的图像恢复中,L-R算法是一种简单而有效的非线性方法,但当噪声不可忽略时,L-R算法难以获得较好的复原结果。针对毫米波图像数据量少和图像分辨率低的特点,提出基于改进自蛇模型和L-R算法毫米波图像恢复方法,以局部方差构造自蛇模型的边缘停止函数,其改进自蛇模型在消除噪声的同时更能够保留图像中的边缘和细节特征,然后使用L-R算法进行图像恢复,这种改进算法通过使用基于改进自蛇模型去噪能有效地减少噪声对L-R算法的影响。实验结果表明:在信噪比和相关度方面本文算法提高了L-R算法的性能,可用于含噪声的图像复原。

摘要：为了改善弱小目标的检测准确度,设计了时空高阶累积量耦合各向异性背景抑制的红外弱小目标检测算法。首先,根据红外图像的边缘停止函数,考虑弱小目标与背景的差异,构建各向异性背景抑制方案,以弱化背景干扰;随后,基于传统的高阶累积量,考虑空域特性,利用弱小目标的运动能量来建立一种时空高阶累积量方案,对背景抑制结果中的候选目标进行增强处理;最后,引入尺度空间理论,计算弱小目标的直径,以此改进了管道滤波方案,以充分消除伪目标,从而准确检测弱小目标。测试数据表明,相对于已有的红外目标检测方案,在噪声与杂波环境下,所提方案可以准确地识别出真实目标,具有更高的信杂比增益与背景抑制因子,呈现出更好的ROC曲线。

摘要：为克服传统边缘函数(edge-stop functions,ESFs)不能停止模糊边界问题,提出一种方法构建一组边缘停止函数的活动轮廓模型实现模糊边界的分割。该方法包括一组带有灰度信息和概率评分的标准分类器,ESF可以由任意分类算法构造,将其应用到基于边缘的水平集分割方法中。采用距离正则化水平集演化方法结合k-近邻算法(k-nearest neighbor,kNN)或支持向量机(support vector machine,SVM)对超声图像进行分割,实验结果表明,该方法能够有效分割超声图像,明显优于其它分割方法。

摘要：由于毫米波图像分辨率低并伴随有大量噪声,其图像边缘常被噪声污染或丢失,为此提出保边缘自蛇模型并应用于毫米波图像去噪。引入只在图像的边缘处具有最大值,且对噪声不敏感的非局部梯度,以此构造边缘停止函数,使其在图像边缘处接近0,而在平坦同质区域接近1;给出保边缘的自蛇模型迎风差分数字解法;提出毫米波图像去噪的定量评价算法性能指标。实验结果表明,该算法在等效视数和边缘清晰度性能指标上明显优于标准自蛇模型和保特征的各向异性扩散模型,具有较好的去噪效果和保边缘能力。

摘要：边缘和纹理信息是图像的重要特征信息,在复原过程应得到有效地保持.为此提出了基于非局部总变分的自适应复原模型.新模型的能量泛函包含两项:自适应正则项和数据保真项.自适应正则项的设计是建立在非局部正则项的基础上,主要用其保持纹理;另一方面正则项融入了边缘探测函数,使得模型可以根据局部边缘信息自适应地实施不同程度的扩散力,即在同质区域作用一个较大的扩散过程,避免出现分片常值;在边缘附近作用一个相对平和的力,使得图像边缘得到有效地保持.本文模型利用Gateaux导数计算其扩散方程,通过有限差分进行数值模拟.实验结果表明,所提模型在视觉效果和运行效率方面取得了较好的结果,并且在边缘锐化和纹理保持方面,本文模型相对于经典的TV模型和NLTV模型具有较大的优势.

摘要：边缘停止函数的结构不同导致基于轮廓迭代的静态图像分割算法存在控制边缘精度的能力低、大误差轮廓演变为精确轮廓的速度慢等问题,为此,从改进停止函数的结构入手,以整数阶Sobel算子为例,引入整数阶Sobel算子,通过建立分数阶权系数矩阵定义新的分数阶Sobel算子,提出基于分数阶权系数矩阵的边缘停止函数。改进后的停止函数兼顾分数阶微分图像弱边缘连续性强和整数阶微分能够减少轮廓迭代次数的优势,避免传统停止函数存在的问题。实验结果表明,改进后的停止函数结构能够使弱边缘的识别能力大大提高,大误差轮廓演变为精确轮廓的速度更快,迭代速度提高30%以上。