基于SIFT特征点检测与维纳滤波的图像复原算法

为了解决当前图像局部模糊程度不一,导致图像复原效果欠佳,本文分别从图像特征点检测与滤波复原的角度出发,提出了基于SIFT特征点检测与维纳滤波的图像复原算法.根据尺度空间极值特性,进行关键点定位和方向分配,设计特征点描述子,得到模糊图像特征点分布,以建立圆盘复原模型中心坐标.基于点扩散圆盘函数特性,耦合傅里叶变换和最小二乘滤波,设计了无约束维纳滤波算子,达到图像复原处理的目的.根据特征角点定位,引导复原滤波圆盘函数计算起始位置,完成图像复原.实验测试结果显示,与当前复原算法相比,本算法拥有更高的复原视觉质量.     

运动模糊图像边缘振铃效应的抑制方法

边缘振铃效应是影响图像复原效果的重要因素之一,为此提出一种基于边缘恢复的运动模糊图像复原算法.首先将原运动模糊图像的边缘按图像点扩散函数在其扩散方向上移动的像素值进行二维边缘延拓,形成一个新的延拓图像;然后用最优窗函数对新图像进行加窗预处理;最后用维纳滤波算法对加窗处理结果进行复原.实验结果表明,提出的算法对边缘区域梯度变化较大的运动模糊图像的复原效果较好,可以有效地抑制复原图像边界处的振铃效应.     

基于MATLAB图像复原算法研究

通过研讨经典图像算法,在已知系统退化模型的情况下,对测量图像分别使用逆滤波、维纳滤波、有约束的最小二乘方滤波等算法进行复原,在这几种算法的选取上得到了丰富的经验数据,并对实验结果进行了分析总结。     

基于Lucy-Richardson算法的运动模糊图像复原

图像复原一直是数字图像处理领域的一个研究热点,而运动模糊图像复原又是图像复原中的重要课题之一。本文主要介绍了在已知系统退化模型的情况下,对测量图像分别使用维纳滤波和Lucy-Richardson算法进行复原。仿真实验结果表明,要根据图像的具体信息选择恰当的方法才能使复原达到好的效果。     

基于高斯差分算子的图像盲去卷积去模糊

图像复原技术是图像处理中的一项重要应用,其目的 是提高图像的信噪比,增强图像对比度。传统的图像复原技术如维纳滤波、LR算法等都是在已知图像退化函数的情况下进行复原的。而在实际的图像复原过程中,图像退化函数是未知且很难获得的。虽然提出了盲去卷积的方法 在未知退化函数的情况下复原图像,但需要大量的先验知识、耗时长。本文提出利用高斯差分算子(DoG)来获取退化函数,从而实现盲去卷积图像复原,实验证明该方法 耗时少、复原效果好。     

散焦图像边缘振铃抑制算法

针对编码孔径成像在图像复原过程中产生的振铃效应,提出了一种改进梯度平滑边界算法。首先对模糊图像进行均值滤波,计算出梯度平滑图像;然后对该图像进行反射插值延拓,延拓的图像经最优窗处理得到预处理图像;最后经改进维纳滤波算法恢复出原图像。实验表明,改进算法能有效抑制振铃同时保留图像细节信息,与梯度平滑边界算法相比复原图像的结构相似度提高了27%,图像质量指数提高了19%。     

基于MATLAB的模糊图像的复原方法探究

图像复原是图像处理的一个核心环节,它是后期图像分析和处理的重要前提。模糊图像复原的主要目的就是改善图像质量,研究如从所得到的模糊图像中复原出真实图像。本文首先从图像复原技术的相关概念谈起,然后就典型的模糊图像复原方法进行分析,最后利用MATLAB,以维纳滤波恢复算法为例,就实现模糊图像复原的应用实例进行分析说明。     

基于支持向量机的彩色序列图像复原模型更新算法

提出一种用于彩色序列图像复原的模型更新算法,计算退化图像序列各帧的图像质量,统计序列图像质量的方差,以方差差异作为判断准则,选择适当的模型进行复原。该算法扩展了基于支持向量机的彩色图像复原算法。仿真实验中,测试图像采用视频监控和智能交通领域常见的运动模糊进行退化处理。实验结果表明,该算法能有效标记出图像序列中质量发生显著变化的关键帧,复原效率得以提高,同时复原也更有针对性。     

基于优化 ELM 的光纤连接器表面自识别降噪技术

光纤连接器的表面检测属于精密仪器检测,因此工厂环境中的大量灰尘会影响连接器表面的复原效果。然而现有的检测技术运行时间长,对于图像细节的保留能力差,并且难以克服实际工作环境中的干扰。因此提出一种优化超限学习机的自识别降噪技术。首先对于干涉数据进行降维处理;其次,采用AdaBoost算法优化超限学习机对噪声点进行定位;最后通过滤波算法对噪声点位置进行修复。实验得出,基于AdaBoost-Elm的自识别降噪算法具有较高的噪声识别能力,其平均噪声识别率达97.33%。此外,采用基于AdaBoost-Elm降噪算法得到BBS的平均值为131.14,NRIQAVR的平均值为2.61,降噪效果均优于全局滤波算法。最后,通过模拟工厂环境,采用基于AdaBoost-Elm的中值滤波算法在不同光强条件下对重度污染的光纤探头进行3D复原测试,其BBS达到130左右,NRIQAVR低于2.57,对比基于Elm的中值滤波算法具有明显优势。     

维纳滤波在图像复原中的应用研究

本文进行了对退化图像进行图像复原的仿真实验,在退化图像中加入了噪声进行恢复,实验结果表明,加噪退化图像在进行图像恢复时必须考虑图像的信嗓比,才能取得较好的复原效果。     

基于改进维纳滤波的运动模糊仪表图像恢复算法

运动模糊图像复原问题,是仪表智能读数的关键技术之一。提出了一种自适应模糊角度估计方法以有效地检测模糊方向,此方法根据极径累加值作为判断依据自适应地选取Hough变换或Radon变换获得模糊方向检测结果。提出了改进维纳滤波复原方法,实现参数的自动设定,并对边缘像素的振铃效应进行抑制。实验结果表明,自适应模糊角度估计方法有效地检测到了运动模糊方向,改进维纳滤波方法获得了理想的复原结果、避免了振铃效应的出现。     

混合维纳滤波与改进型TV的图像去噪模型

在图像去噪处理过程中,为了保持图像的边缘及内部纹理信息,提出一种基于全变差改进的加权维纳滤波图像去噪模型。提出的模型利用加权项将维纳滤波与改进后的全变差模型相结合,通过构建新算子建立新的扩散模型使得图像每一个像素点的梯度信息可以自适应地选择去噪的最佳模式来平滑噪声图像,既能够在保护边缘的条件下预先处理高斯噪声,同时可以克服全变差模型的"阶梯效应"。结果表明,新模型不仅能够有效去除噪声,强化边缘还有效地保证了边缘结构的细节信息。在峰值信号噪声比测试中,该模型较之于传统线性滤波法的信噪比提高了20 d B左右,均方差也大幅降低,更具理想性。     

血管内超声图像的预处理

对血管内超声图像进行噪声滤波和边缘增强是对图像进一步处理分析的基础工作。针对采集到的强背景噪声的血管内超声图像,双边滤波利用像素间的空间距离和灰度值之差来控制滤波效果,即平滑了图像又保持了边缘。Retinex算法把图像分解为反射物体图像和入射光图像,在增强管壁边缘的同时对噪声影响小。实验结果表明,综合利用双边滤波和Retinex增强算法,在滤除噪声增强边缘有较满意的效果,对血管壁边缘检测有明显的改善。     

一种基于排序统计理论的快速图像中值滤波法

中值滤波抑制干扰脉冲和点状噪声的同时,对图像边缘能较好的保持,在很多图像处理领域都起到了重要作用。运动目标识别技术对图像预处理实时性要求越来越高,为了提高预处理速度,以中值滤波原理为基础,对滤波排序算法和实现方案进行了研究,提出了一种基于排序统计理论的快速图像中值滤波方法,实现实时滤波。研究结果表明：该方法在硬件系统上对传统中值滤波排序算法进行的改进,使得3×3窗口中二维的9个像素取中值简化为一维的5个像素取中值,单窗口查找中值的比较次数由传统排序法的36次降到了16次,再结合FPGA的并行处理能力和流水线结构,滤波速度提高为原来的近4倍,可以满足图像预处理对实时性的要求。     

基于视觉灵敏度及粗集的彩色图像滤波算法

为消除人眼视觉差别对彩色图像滤波的影响,提出了一种新的滤波算法VRDDF(visual sensitivity rough set directional distance filter)。对于被噪声污染的彩色图像,先用粗集理论对噪声做初步检测,在此基础上结合视觉感知灵敏度对噪声点做了进一步检测,有效的降低了误检率。再结合空间距离函数对DDF(directional distance filter)滤波算法作了合理加权改进,并作为后续滤波算法进行滤波,改善了滤波效果。该算法只对噪声点进行滤除而对非噪声点保持其值不变,可有效防止噪声传播。实验结果表明,该滤波算法和现有的滤波算法相比,在噪声滤除率、颜色保持,特别是在保护边缘细节方面均有提高,峰值信噪比平均可提高10%。     

图像预处理算法的FPGA实现

针对图像数据量大、噪点多、边缘轮廓模糊等关键技术问题,设计了一套基于现场可编程门阵列(FPGA)的实时图像预处理系统,并在FPGA上实现了图像预处理综合算法。采集到的图像经过灰度转换算法,降低了数据量;边缘提取前加入中值滤波算法,去除了噪点;边缘提取后,为了使边缘的连贯性和轮廓加强,加入了形态学滤波算法,保证后续图像处理的质量。对所设计的图像预处理系统在实际环境下进行测试,输出显示的效果不仅满足实时性和处理速度的要求,而且实现了图像去噪、数据量小、边缘细节完整的图像预处理功能。     

二级椒盐噪声检测的极值滤波算法

为准确检测图像中的椒盐噪声并滤除,提出了一种基于极值的二级噪声检测滤波算法。该算法根据椒盐噪声的特点,确定了准噪声点的范围,把准噪声点和信号点分类。为了找出准噪声点中被误判的信号点,在图像的8个纹理方向上分别应用了极值噪声检测,根据中心像素点被判为极值的次数分离出信号点和噪声点;对噪声点,取滤波窗口内的信号点的中值进行滤波。试验结果表明:该算法对椒盐噪声有很好的抑制作用。