为了解决焊接缺陷磁光图像轮廓信息难以提取的问题, 提出一种图像去噪及轮廓检测方法。通过激光点焊获取裂纹缺陷样本, 利用有限元模拟仿真并获取缺陷漏磁场, 对比分析磁光图像灰度连续性、集中性及噪声特性; 利用快速非局部均值滤波算法去除噪声, 并与传统滤波器进行对比分析; 根据磁光图像缺陷信息与背景信息梯度值相异的特性, 在1阶梯度图的基础上进行Otsu法阈值分割与边缘检测。结果表明, 经该方法处理后的磁光图像标准差及图像熵分别达到30.0465及6.0395, 图像聚集程度更好, 更贴近仿真磁场曲线, 并能较好地提取缺陷轮廓信息。这一结果对后续缺陷识别及目标检测是有帮助的。

核可能性C-均值(KPCM)聚类算法将核方法引入可能性聚类中,使其对超球体、含噪声和奇异点的数据能进行有效聚类,但存在可能性聚类的中心重合问题。因此,将β-截集引入KPCM聚类算法中,通过产生聚类核修改部分样本数据的典型值,以改善类间关系。同时,提出了一种基于截集门限的核可能性C-均值(C-KPCM)聚类算法,克服了KPCM聚类算法一致性聚类的缺陷。结合图像的非局部空间信息,利用自适应中值滤波算法可自适应调节滤波半径的特性,产生新的模糊因子,并将其加入C-KPCM聚类算法的目标函数中,提出了基于非局部空间信息的核可能性C-均值聚类算法,增加了强噪声干扰下聚类算法的鲁棒性,仿真结果验证了本算法有效性。

为了改进传统多尺度变换滤波在电子散斑干涉(ESPI)条纹图中去噪效果和边缘细节保护不理想问题, 提出改进非下采样轮廓波(NSCT)滤波算法。采用离散平稳小波变换和NSCT变换模型, 联合非线性扩散和改进的快速非局部均值滤波算法, 进行了理论分析和实验验证, 取得了将本文中算法应用于模拟和实验ESPI条纹图滤波效果定量分析的数据。结果表明, 本文中的算法在模拟ESPI条纹图和实验图相比其它算法散斑指数最小分别为0.41121, 0.38043, 0.35362, 对应峰值信噪比最大; 该算法在提升去噪能力的同时, 能够更好地恢复条纹细节信息。研究结果为以后应用多尺度变换滤波在ESPI条纹图打下了基础。

与传统的成像技术不同, 赝热关联成像基于强度涨落统计测量, 仅采用一个不具有空间分辨率的桶探测器可以实现目标场景图像的采集, 具有探测灵敏度高、抗干扰能力强等优势。在实验室赝热关联成像验证的基础上提出了远场赝热关联成像系统样机, 系统主要包括激光光源、赝热场调制系统、散斑远场发射系统以及高灵敏度强度涨落探测系统等。由于该成像技术需要多次测量后进行重构计算, 为了提升系统信息采集效率和图像重构效果, 提出了基于非局部均匀滤波的图像重构算法, 充分利用先验信息, 有效提高图像复原的效果。最后通过仿真测试和实际成像试验验证了该方法的可行性, 试验结果表明提出的系统能对远程目标进行清晰成像, 并且在相同的采样次数下能够获得更好的复原效果。

构建了近地背景下的小目标图像模型, 提出了一种基于暗图像处理和改进非局部均值滤波的红外图像预处理算法。采用图像去雾思想, 将红外图像类比为有雾图像, 通过暗通道去雾方法实现近地背景抑制, 并引入相似度权值阈值改进双边 NLM(Non-Local Means)算法, 减少邻域内相似度权值较低的像素点对灰度值估计的影响, 得到预处理后的红外图像。实验表明, 对于近地背景下红外弱小目标检测, 该算法能够有效抑制背景, 增强目标与背景对比度, 提高红外图像预处理性能。

为了有效去除图像噪声并保留更多图像细节信息, 提出一种结合 PDTDFB变换域各项异性双变量拉普拉斯模型和非局部均值滤波的自适应图像去噪算法。首先分析了 PDTDFB变换系数的分布特点, 使用各项异性双变量拉普拉斯模型作为其父子系数相关性的先验分布, 在贝叶斯去噪框架下推导出闭式形式的各项异性双变量阈值函数, 然后对估计的变换系数进行逆 PDTDFB变换得到初步去噪图像, 最后使用非局部均值滤波对其进行平滑处理。实验结果显示: 本文所提算法去噪效果明显, 与一些经典算法相比, 本文方法在主客观上皆取得了有竞争力的结果。

提出了一种基于梯度信息的结构相似性算法改进的红外图像非局部均值滤波方法。传统的非局部均值滤波算法采用欧氏距离度量图像块之间的相似性，因而不能够很好地衡量图像细节和边缘信息，导致滤波后图像模糊失真。针对此问题，采用结构相似性度量（structural similarity，SSIM）算法对欧氏距离进行加权改进，针对普通的SSIM边缘信息评价能力的不足，提出了带有梯度信息的GSSIM算法，实验结果表明本方法在保持非局部均值（Non-Local Means，NLM）滤波算法去噪能力的同时还能够较好地保持图像的边缘和细节信息。

快速有效地对所获图像进行去噪是提高激光主动成像制导精度的关键一步。针对成像中的散斑噪声，提出了一种改进的小波阈值与基于积分图像的非局部均值滤波相结合的去噪算法。首先对激光主动成像图像进行噪声分析；然后通过对数变换将乘性噪声转换为加性噪声；而后将含噪图像进行两层小波分解，在第一层高频部分运用改进的小波阈值法，在第二层高频部分运用基于积分图像的非局部均值滤波算法进行去噪；最后进行相应的逆变换得到去噪图像。理论分析和实验结果证明，该算法能有效去除噪声，较好地保证了图像细节，并且满足激光主动成像制导对图像去噪实时性的要求。

针对单一滤波器提取高光谱图像空间特征时不能获得完整的图像空间信息的不足, 提出一种结合非局部均值滤波和导向滤波的高光谱图像分类算法。该方法利用非局部均值滤波提取高光谱全波段图像空间信息, 利用导向滤波提取经由主成分分析(PCA)降维后的高光谱图像的空间边缘信息, 将两种空间信息进行线性融合的结果输入至支持向量机(SVM)完成分类。实验表明, 相比于使用光谱信息、高光谱PCA降维、空谱结合的SVM分类、边缘保持滤波以及递归滤波等方法, 该算法能够有效提高光谱图像的分类精度。

为了有效地滤除红外图像中的噪声,提出了一种改进型非局部均值滤波算法(INLMF).该算法首先针对传统算法中采用固定尺寸的方形图像块无法有效刻画图像中大量分布的细节信息这一缺陷,结合图像中像素点灰度信息提出了一种图像块自适应划分方法,使得划分后的图像块在尺寸和形状上依赖于图像中灰度信息的实际分布情况;其次引入结构相似度因子对算法中的图像块权重值计算方法进行适当改进;最后分别将INLMF算法与已有的两类改进型NLMF算法对两幅红外监控图像进行滤波,并进行了理论分析和实验验证.结果表明,INLMF算法相对于其余几类算法而言,滤波效果较好,该研究对于提高红外图像滤波效果是有帮助的.