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。     

剪切波变换下的侧扫声呐图像降噪方法

针对侧扫声呐图像对比度低、噪声强度大特点导致的部分传统滤波方法降噪能力的不足,提出一种基于剪切波变换的侧扫声呐图像降噪方法。首先对侧扫声呐图像进行剪切波变换,在考虑噪声水平的基础上,对剪切系数进行阈值处理,再将修正后的系数进行剪切波逆变换,重构侧扫声呐图像,实现了侧扫声呐图像的降噪。实验结果表明,该方法相比于维纳滤波、小波滤波和非局部均值滤波等常用降噪方法,可以获取更好的图像效果,在侧扫声呐图像降噪中具有综合优势。     

基于Gabor滤波指纹图像增强方法

图像增强是指纹自动识别系统中非常关键的部分，它直接影响着指纹识别的最终效果。指纹预处理一般包括规格化、方向图计算、频率计算，图像分割、增强等环节，给出一套完整的增强算法，实验证明，这些算法处理效果好，运行速度快，具有很高的使用和参考价值。     

矢量型电子河道图岸线提取方法研究

为快速准确获取河道岸形线的数据,生成缺乏岸线数据资料的河道矢量型轮廓图,提出一种通过处理雷达图像获取矢量型电子河道图岸形线数据的方法。采用了数学形态学方法实施对雷达图像处理,主要的处理过程包括:雷达图像灰度处理,灰度雷达图像转变为二值图像,二值雷达图像的滤波处理,在以上处理过程的基础上构造了数学形态学结构元素,实施对河道岸线提取,并矢量化处理了离散点。在二值化过程中提出新的方法,针对雷达图像的特点,依据航路规则设计了特殊的滤波过程,提出了提取河道任意边缘的方法。     

基于海上航道单幅图像去雾方法

基于海上航道单幅图像去雾方法的研究在海上航道施工领域具有广阔的应用前景。提出一种基于天空区域分割的单幅海面图像去雾方法,并与传统方法在时间、图像清晰度方面进行对比,结果表明：该方法相较多尺度Retinex、暗通道优先、CLAHE等传统的去雾方法具有一定优势。     

多波束声纳图像的补偿及其与地形数据的融合

简述了由多波束原始声强数据生成的声纳图在海底底质分类方面的应用中存在的问题,根据同一海底底质的海区对声波的平均反向散射强度随地形成连续变化的规律,提出了差值补偿法,解决了声纳图中由于地形变化所产生的声强信息的损失;在此基础上,根据Lambert法消除了海底地形起伏对声纳图的影响,从而得到只反映海底底质特性的海底声强图。     

工业CT在引信检测中的射线硬化校正研究

在工业CT（Computed Tomography）技术中,X射线能谱的多色性将导致重建图像出现“杯状”伪迹,降低成像图像的质量,为降低这种影响,推导出了一种基于FBP算法的射束硬化优化方法（FBPbasedoptimization,IFR）,并利用自行研制的某型弹药无损检测设备对模型进行验证。实验结果表明该方法能够较好地消除射线硬化的影响,有效提高重建图像的质量。     

基于区域颜色校正的遥感图像融合方法

针对利用常规方法对多光谱图像与全色图像融合过程中出现的颜色失真问题,提出了一种基于区域颜色校正的遥感图像融合方法。该方法首先利用模糊C-均值(FCM)聚类算法在多特征形成的特征空间上对图像进行区域分割,然后利用常规方法融合多光谱图像与全色图像,并采用小波变换对融合图像进行区域上的颜色校正,从而得到最终的融合图像。通过与IHS、BT和PCA几种常规融合方法的比较与分析验证了本文提出的方法具有良好的融合特性。     

对我国海事系统油指纹库建设的思考

文中阐述了我国海事系统油指纹库建设现状及油指纹库的作用,结合油指纹库在溢油污染事故调查处理的应用,对当前海事系统的油指纹库建设存在的主要问题和不足进行了简单分析,并针对性地提出几点建议。     

基于Faster R-CNN的高速公路抛落物检测

采用传统的基于图像处理的检测方法对高速公路抛落物进行检测不仅耗时耗力,而且检测效果不理想,为解决该问题,提出一种基于Faster R-CNN的深度学习检测方法.在原始Faster R-CNN的基础上,采用残差网络Resnet101代替传统的VGG-16网络和ZFNet网络,作为图像特征提取网络;采用尺寸为4像素、8像素和16像素的锚框代替原始锚框,得到高速公路抛落物检测模型.采用自制的高速公路抛落物数据集对该检测方法的有效性进行验证,结果显示,采用该方法检测的平均准确率达到了91.75％,相比原始的Faster R-CNN算法和yolov3算法,分别提高了7.02％和11.13％.