针对局部对比度方法对红外目标进行检测时难以提升目标的显著性及抑制背景困难的问题，提出一种基于特殊预处理的增强局部对比度方法来检测目标。通过快速中值滤波去除高频噪声，通过改进的形态学梯度来抑制背景，通过增强的局部对比度来提高目标的显著性，最后通过自适应阈值来获取需要检测的真实目标。结果表明，同经典人类视觉系统的检测方法相比，所提方法在检测红外弱小目标时具有优越性，在高亮度背景情况下效果更为显著。

针对采用高斯滤波器对图像进行滤波会导致图像边缘平滑,人为设定高、低阈值会导致阈值的自适应性差,采用双阈值法去除虚假边缘会导致去除效果不佳等问题,提出改进的Canny边缘检测算法并应用于影像测量领域。首先使用开关中值滤波代替高斯滤波,在去除噪声的同时保留非噪声像素点的灰度值不变,从而提高边缘定位精度;然后采用K-means聚类算法以得到高、低梯度值聚类中心,采用OTSU算法以得到梯度阈值,将两个方法结合,可以实现高、低阈值的自适应;最后采用面积形态学的方法去除图像的干扰边缘。实验结果表明,改进的算法具有定位精度高、自适应性强以及干扰点去除效果好等优点。

功能性近红外光谱技术(fNIRS)作为一种新兴的神经成像技术得到了广泛关注,然而fNIRS信号中运动伪迹的存在会使信号的处理结果产生偏差。提出了一种定向中值滤波和数学形态学相结合的算法——tMedMor算法,并采用该算法对fNIRS信号中的三种运动伪迹(包括尖峰、基线突变和缓慢漂移)进行去除;然后用仿真数据和实验数据进行了验证,并将所提算法与常用的几种算法进行对比,结果表明:tMedMor算法在均方误差、信噪比、皮尔逊相关系数的平方、峰峰误差方面具有良好的表现,说明该算法可以作为一种新方法用于fNIRS信号的预处理阶段。

基于布里渊散射的分布式光纤传感中温度和应变与布里渊频移成线性关系, 为了提高温度和应变测量的准确性, 提出了一种改进的二次多项式拟合算法用于提取布里渊频移。该算法分为两步: 首先使用一种改进的中值滤波算法对含噪布里渊谱信号进行预处理, 以提高增益峰值定位的准确性; 然后截取围绕峰值左右对称的一个线宽的原始布里渊谱进行二次多项式拟合以实现布里渊频移的高精度提取。以布里渊频移误差及峰值定位准确性作为衡量指标, 比较研究后确定同一频率下所有空间点对应的布里渊增益作为滤波器的输入。研究了不同扫频间隔和信噪比及不同滤波窗长下改进算法的效果, 同时研究了最优窗长的选择问题。结果表明, 不同信噪比和扫频间隔下改进算法均能有效提高布里渊频移提取的准确性。随窗口长度增加布里渊频移误差先减少后增加, 在扫频间隔为1~10MHz、信噪比为0～40dB情况下, 通用的最优窗长为53~163。

针对传统中值滤波算法对高密度椒盐噪声图像滤波效果差的问题, 基于循环迭代处理思想, 提出一种消除椒盐噪声的迭代自适应中值滤波算法。在传统基于决策滤波方法基础上, 所提算法自适应调整滤波窗口尺寸并计算滤波窗口内非椒盐像素中值以替换噪声像素, 进而根据噪声密度自适应决定算法迭代次数,以完全消除椒盐噪声并恢复原始图像。仿真结果表明, 对噪声密度为10%~99%的图像, 与标准中值滤波及其4种改进算法相比, 所提算法能较快消除椒盐噪声且可较好恢复原始图像细节。

用无人机巡检电力通道线路拍摄的图像具有较多的椒盐噪声, 针对传统的中值滤波和自适应中值滤波算法在滤除高浓度椒盐噪声和保留图像边缘细节中的不足, 提出了一种基于偏微分中值滤波算法。该算法通过计算原像素点四个方向的导数值是否大于设定的阈值, 分析原像素点是否为可疑噪声点。如果其中有一个导数值大于设定阈值就确定为可疑噪声点, 把窗口移动到导数值小的窗口再次求导, 如果还有导数值大于阈值就确定为噪声点, 确定噪声点后, 用已经设定好的掩膜和噪声点的领域窗口进行加权卷积求出新的像素值, 用新的像素值代替原噪声点。最终结果表明, 该算法比起自适应中值滤波算法有更高的峰值信噪, 去噪效果比较好。

提出一种基于图像分割的稠密立体匹配算法,该算法将灰度-梯度算法与零均值归一化互相关(ZNCC)算法相结合生成匹配代价,利用SLIC(Simple Liner Iterative Cluster)算法对图像进行分割,基于视差图和超像素更新了匹配代价。在视差后处理阶段,基于左右一致性检验(LRC)、孔洞填充和十字交叉自适应窗口加权中值滤波的方法减小视差图的误匹配率。利用Middlebury数据集的4组图像进行测试,测试结果表明,平均误匹配率为4.99%。

中值滤波去除噪声的同时, 难免出现含有线形图像的边缘轮廓信息跟随丢失的情况。为了达到滤除图像噪声最大化, 有用信息损失最小化的目的, 根据图像边缘特征选择或设计了适当大小和形状的窗口来进行中值滤波等操作。一方面, 创新性地提出将Hough变换应用到车轮裂缝CT图像的滤波窗口形状的选择上, 针对单一方向轮廓的图像, 利用Hough变换检测出裂缝的方向, 从而采用与裂缝形状相应的窗口对裂缝进行有针对性滤波, 将该方法与传统方法进行了对比实验, 并将60层滤波后切片图像堆栈得到了三维图像; 另一方面, 针对含有多个方向轮廓的图像, 为了进一步改善滤波效果, 提出根据像素梯度设计斜向滤波器, 对多方向的线对进行滤波, 数据显示经改进方法滤波后图像的峰值信噪比(PSNR) 较传统的中值滤波提高了4~6, 结构相似性(SSIM)提高了1%~2%左右, 最后用683层荞麦切片CT图堆栈得到三维图像, 对比滤波前后图像, 可知该方法滤波效果良好。

为了有效地去除高分辨卫星图像中薄云的影响,提出了一种基于Mallat小波变换的薄云去除方法。对图像进行Mallat小波分解得到高频细 节部分和低频近似部分,根据云噪声在分解系数中处于低频部分而地物信息占据相对高频部分的特点,在小波变换多尺度分析的基础上, 算法在最大尺度低频图像上按照云厚度掩膜值对云区进行线性处理；对于高频子带图像根据尺度的不同运用非线性增强算子进行 不同程度的增强,从而提高图像的清晰度,减小残留云的影响,之后将重构后的图像进行中值滤波以减少高频云的影响。 针对高分一号卫星图像进行了实验。实验证明,该方法在去除薄云的同时很好地保留了图像细节及边缘信息,去薄云效果优于传统小波变换法。