非局部群稀疏表示的图像去噪模型

针对图像的非局部稀疏表示忽略图像中结构相似信息的缺点,将群稀疏表示引入到图像的最优滤波中,提出了一种有效去除图像高斯噪声的非局部群稀疏表示模型。该模型首先选择图像非局部相似块构建相似矩阵,在群稀疏限制下对相似矩阵进行正交分解得到正交矩阵;在已知噪声服从高斯分布的情况下,再通过求得的正交矩阵结合贝叶斯最小均方误差准则实现对特征矩阵的最优估计;最后通过正交矩阵与特征矩阵重构去噪后的图像。实验对比证明,所提的非局部群稀疏表示的图像去噪模型在去除噪声的同时更好地保留了图像的结构信息,获得了更好的主客观评价指标,去噪的峰值信噪比提高1 dB以上。     

基于粗集方法改进的图像平滑

研究了一个基于粗集理论改进的图像平滑方法 ,首先建立粗集等价关系和相应划分集合 ,然后得到基于粗集方法的图像平滑框架 ,提出基于粗集理论改进的图像平滑的具体实现。该平滑方法的平滑效果与传统平滑方法相比较 ,具有更清晰的边缘和细节 ,并且算法简单易于实现。     

一种基于Stein无偏风险估计的复合去噪算法

针对统计非局部均值滤波损坏图像的细节与鲁棒性双边带滤波去噪不充分的缺点,提出了一种基于统计非局部均值滤波与鲁棒性双边带滤波相结合的复合滤波算法。该复合滤波算法通过统计非局部均值滤波与鲁棒性双边带滤波线性组合,利用Stein无偏风险估计对复合算法中的参数进行估计。实验中,从主观与客观方面进行对比分析,证明所提出的复合算法体现了非局部均值滤波与双边带滤波的优点,能有效地去除噪声并更好地保留图像的细节信息,峰值信噪比提高1～2 dB。     

一种复合局部与非局部梯度的图像去噪变分模型

局部变分有效地增强图像的轮廓信息，但不可避免地模糊图像的细节并在平滑区域产生阶梯效应。非局部变分能有效重构图像的纹理信息，但同时会破坏图像的结构轮廓信息。考虑到局部与非局部变分的互补性，提出了一种基于图像局部梯度与非局部梯度的复合变分模型，并通过Bregman交替迭代极小化图像的局部梯度与非局部梯度的L1范数,使去噪后的图像在去除噪声的同时更好地保留图像的结构与细节信息。对比实验证明，提出的复合变分模型有效地利用了图像的局部变分与非局部变分的优点,在图像评价的主客观方面都表现出了更好的性能。     

基于分形的图像边缘检测研究

提出了一种新的图像边缘分形检测方法。该方法以具有各向同性的ＤＦＢＲ场模型作为图像区域的数学模型，定义了一种新的适用于图像边缘检测的分形参数，并将它用于图像边缘检测，实验结果证实了该方法的有效性。     

无线电测控系统中三元码跟踪双环的研究

本文提出了数字遥测信号与模拟图象信与混合的无线电测控系统中用于捕获和跟踪带钟复合码的跟踪双环方案,分析了双环系统的捕获性能,理论分析和实验结果表明,双环系统不仅捕获时间短,而且具有强的抗干扰能力。