面向低质量指纹图像的增强算法及应用

在自动识别系统中，为了消除噪声以提高指纹图象的质量，采用梯度法计算指纹图像的方向图，通过构造一组方向滤波器对指纹图像进行滤波，然后提出了一种针对方向滤波后的指纹图像消除噪声的方法，试验结果表明了该方法的有效性和实用性。     

基于边缘强度的指纹图像二值化方法

提出了一种合理有效的指纹图像二值化方法,先利用Kirsch算子得到指纹图像的方向场,然后对指纹图像进行方向中值滤波,最后通过图像的边缘强度设计局部自适应阈值对指纹图像进行分割,从而得到二值化图像。在自适应阈值的计算上,文中还提出了一种如何选择最佳图像分块大小的方法。实验结果表明,该方法不但处理效果好,而且运算速度快,满足了处理要求。     

指纹图像的二值化方法研究

针对指纹图像的特点对指纹图像二值化方法作了探讨，提出了指纹图像的二值化改进算法，该算法充分利用了指纹图像的方向特性，采用梯度法计算指纹的块方向图，将其量化为8个标准方向，以块方向代替点方向对指纹图像进行二值化。实验表明，此方法对于不同质量的指纹图像都有着令人满意的处理效果。     

船舶纹理图像自适应滤波去噪研究

由于传统的船舶纹理图像的自适应滤波去噪方法存在去噪效果差的问题,因此提出了一种新的船舶纹理图像的自适应滤波去噪方法。根据船舶纹理图像空间坐标连续性,将船舶纹理图像表示成数字图像形式,利用船舶图像纹理的主要3个标志,提取纹理特征,并给出纹理特征定量估计结果。结合图像纹理特点,对图像进行分割处理。采用极值检测方法设计噪声检测的自适应滤波,在一定程度上判断出噪声大小。通过设置阈值减小对噪声的误判,实现图像信息与噪声的有效分离。设计去噪流程,由此完成自适应滤波的去噪处理。通过实验对比结果可知,该方法的去噪效果较好。     

利用NSCT循环抽样进行水声图像去噪

在海上军事及海底探测领域,基于声呐图像的识别应用越来越多。但是声呐图像混入了多种海上噪声,在图像对比时首先需要去除噪声。NSCT是一种基于拉普拉斯逆变换的滤波方法,对于海上声呐图像首先按照周期进行循环抽样,然后利用NSCT变换得到图像边缘系数,再通过滤波平移对噪声进行去除。本文在研究声呐图像及海上噪声特性的基础上,利用NSCT滤波算法对其进行去噪处理,得到空域平均后的去噪图像,并给出仿真结果。     

海上雷达图像处理中的小波变换算法研究

针对海上雷达图像在图像处理中的噪声消除问题进行分析,并研究小波变换的基本原理以及利用小波变换进行噪声消除的依据。由于SAR图像生成机理的特殊性,传统的噪声消除方法执行效果并不理想,而小波变换具有的多尺度变换特性应用到SAR含噪声图像上能够有效地分割开信号与噪声,实现较好的噪声消除效果。最后,通过实验仿真实现了小波变换的SAR噪声消除,并与经典的噪声消除方法消噪结果进行对比分析,证明小波变换在进行SAR图像噪声消除上的有效性。     

基于PCNN的水下图像滤波算法研究

提出基于PCNN（脉冲耦合神经网络模型）水下图像滤波的脉冲噪声滤波算法,并进行了理论分析与计算机仿真。通过实验验证表明：经该方法滤波的图像无畸变、模糊小,较传统的图像滤波方法有明显的优越性,实验得到了良好的滤波效果。     

基于双边滤波的船舶图像混合域去噪方法

船舶SAR图像由于高斯噪声、相干斑噪声以及SAR雷达的阴影特性等原因,SAR图像中存在着大量噪声,这些噪声信号会干扰基于SAR图像的海上船舶目标识别与监测。针对这一问题,本文提出一种基于双边滤波算法的船舶SAR图像混合区域去噪算法,阐述双边滤波算法的原理,进行SAR图像噪声的来源建模,在实际船舶SAR图像的处理过程中取得了良好的降噪效果。     

大噪声环境下前视声呐图像目标识别方法研究

提出大噪声环境下前视声呐图像目标识别的研究方法,针对水下无人航行器(UUV)在近岸浅水区航行中由于前视声呐图像噪声较大,难以准确识别目标的问题,通过改进的中值滤波和Otus阈值检测算法,对前视声呐图像进行滤波和二值化.利用区域增长算法分割疑似目标区域图像,分别提取分割图像的长度、形状、方向、灰度均值和灰度能量中值等参数...     

数学形态滤波的图像边缘检测

图像边缘检测是图像中目标识别和分类的基础,针对当前图像边缘检测算法存在易受噪声影响、检测边缘不完整、检测精度低等不足,设计了基于数学形态滤波的图像边缘检测算法。首先采集待检测边缘的图像,并采用小波变换对其进行去噪声处理,减少噪声对边检测结果的干扰,然后采用数学形态滤波方法对图像的边缘进行检测,最后进行图像边缘检测的验证性实验,并与其他算法进行了对比测试,结果表明本文算法可以抑制噪声对图像边缘检测结果的影响,得到十分完整的图像边缘,而且图像边缘检测的整体效果显著优于对比算法。