基于高阶统计量的小波变换去噪算法

图像在获取和传输的过程中经常要受到噪声的污染.传统的去噪方法不仅滤出了图像的噪声,同时使图像细节变得模糊.本文提出一种基于双谱和小波变换的去噪算法.该方法是根据高斯噪声及椒盐噪声在小波变换下的不同特征,并结合双谱滤波、中值滤波的特点,在小波城内对高频子带进行双谱滤波,去除图像中的高斯噪声,然后进行中值滤波,去除图像中的椒盐噪声.高斯噪声的双谱为零,能够彻底的去除高斯噪声.该算法的实验结果表明不仅能滤出图像中高斯噪声和椒盐噪声,而且能较好的保留图像的边缘细节.其滤波效果优于传统的图像去噪方法.     

改进算法在混合噪声STM图像滤波中的应用

基于小波变换的高斯混合模型小波去噪方法能有效滤除高斯白噪声,中值滤波法能较好滤除脉冲噪声并保留图像边缘及细节信息。将两种方法结合起来,并采用Matlab语言进行仿真,然后对含有高斯脉冲混合噪声的STM(扫描隧道显微镜)图像进行去噪处理。实验结果表明,这种混合去噪方法能有效去除STM图像中的高斯白噪声和脉冲噪声并保留图像的边缘及细节信息,能得到更好的STM图像,其效果要优于单纯使用中值滤波或者小波去噪的效果.     

基于小波变换与中值滤波相结合的图像去噪处理

尝试利用基于小波变换和中值滤波相结合图像去噪声处理对同时含有高斯噪声和椒盐噪声的图像去噪方法进行了探讨．结果表明，小波变换结合中值滤波方法在去除图像噪声的同时较好地保持了图像所包含的边缘信息，处理效果优于单一的小波变换去噪或中值滤波．     

一种提高彩色图像质量的改进滤波算法

基于彩色图像人们已经提出了很多噪声的滤波方法,这些方法主要是为了平滑去除噪声、保留图像的边缘和细节信息.但可以看到很多滤波方法为了保存图像的边缘和细节信息而在图像的平坦区域产生了不必要的噪声;反之,也有很多滤波方法在去除图像平坦区的噪声的同时也去除了重要的图像边缘和细节等信息.因此本文率先提出了一种改进的滤波方法,用算术均值滤波器(AMF)、矢量中值滤波器(VMF)两种彩色图像矢量滤波方法有机结合来实现图像滤波,试验证明该方法可以很好的克服前面滤波方法的不足,不但很好的保存了边缘和细节信息,而且还在平坦区域有很好的滤波作用,在抑制噪声和保留细节之间达到了一个很好的平衡.     

图像去噪滤波方法的对比研究

去噪是图像预处理的关键,线性滤波器和非线性滤波器都可以对图像进行滤波操作。选取线性滤波器中的高斯滤波与非线性滤波器中的中值滤波和引导滤波对被椒盐噪声和高斯噪声污染的双排线束图像进行去噪操作,通过主观视觉观测和客观指标两个方面来衡量3种滤波方法的去噪效果并进行对比研究。结果表明:中值滤波去椒盐噪声的效果最好;引导滤波去高斯噪声的效果最好;当同时存在椒盐、高斯混合噪声时,中值滤波和引导滤波都能收获较好的滤波效果,但是引导滤波处理后的输出图像与原始图像的结构相似性更高。     

基于自适应双边滤波的太赫兹图像去噪算法

针对太赫兹反射扫描成像中介质不均匀及激光器抖动造成图像边缘分辨率较差、噪声严重和图像质量差的问题进行研究,提出了自适应双边滤波算法对太赫兹反射扫描图像进行去噪复原的方法。依据图像整体的高斯噪声分布,利用主成分分析(PCA)的方法估计最优图像噪声方差,达到由噪声方差自适应设置双边滤波的最优亮度标准差。实现提高去噪能力的同时更好的保留图像边缘特征,不必像传统双边滤波算法根据经验设置参数。实验结果表明,算法在峰值信噪比方面提高1.5963d B和结构相似度提高0.06,均优于传统双边滤波。     

改进的Retinex低照度图像增强算法研究

针对Retinex算法处理低照度图像时会出现细节丢失、边缘模糊等现象,本文采用引导滤波和低秩分解对Retinex算法进行了改进。该算法在采用多尺度Retinex提升图像亮度、得到反射分量后,采用引导滤波和高频提升对图像的反射分量进行细节增强;然后,运用全局低秩分解算法去除稀疏噪声,有效地消除了低照度图像中的噪声,以及高频提升过程中产生的噪声。实验表明:该算法不仅能够有效的提高图像的亮度和对比度,同时也保留了原始图像中丰富的边缘和细节信息,并有效去除了图像噪声,图像的视觉效果与客观评价结果也都取得了较大提升。将该算法应用于低照度环境下的人脸检测,检测率也得到了提高。     

广义S变换域低照度图像时频分析及滤波

为降低二维广义S变换的计算复杂度和内存占用度,基于二维广义S变换时频分析原理,提出了一种改进快速离散正交S变换算法(FDOST).采用FDOST算法对低照度图像进行S变换,分析了高斯噪声和原始图像在广义S变换域的时频分布,给出了区分原始图像和高斯噪声的方法以及基于改进广义S变换低照度图像时频滤波法.对合成含噪图像和实际低照度图像进行去噪仿真,结果表明:基于改进广义S变换FDOST滤波方法可去除图像中的高斯噪声,去噪后图像信噪比较去噪前提升了6%,最大化保留了原始图像信息.     

二维分数阶小波变换滤除混合图像噪声研究

图像形成与传输过程中,常受到复杂混合噪声的干扰.本文结合二维分数阶小波变换与中值滤波,提出一种新的混合未知图像噪声滤除方法.该方法先通过噪声检测将脉冲噪声标识出来,并利用中值滤波方法滤除,然后计算剩余噪声,进一步得到二维分数阶小波变换的最优阶次,在二维分数阶小波时频域,将剩余的高斯白噪声用阈值去噪方法滤除.经实验证明,该方法在有效去除混合噪声时具有优势.     

一种高斯噪声组合滤波方法

为了有效滤除高斯噪声,提出了一种组合滤波方法.该方法首先通过定义新的维纳滤波模板进行预处理,以滤除一部分噪声;然后将图像进行二维小波分解,保留低频成分,对高频成分根据其噪声分布特征设计出新的形态学滤波模板分别进行滤波,并进行小波系数重构;最后通过设计一种新的小波增强函数,以提高图像的清晰度,最大限度保留图像细节信息.实验证明该方法滤波效果优于维纳滤波和形态学滤波,是一种较为实用的高斯噪声滤除方法.     

基于结构光焊缝图像预处理的研究

为了可靠跟踪焊缝,需要对结构光视觉传感器采集的焊缝原始图像进行预处理,以消除噪声的影响.首先采用一维高斯型拉普拉斯滤波器处理图像,将尺寸与激光光带宽度相差较大的噪声变为离散的小块噪声,然后采用邻域均值滤波进行平滑处理.针对焊缝图像灰度分布随机变化的特点,采用最大方差阈值法自适应选取阈值分割图像,将图像二值化.采用标记法去除小区域噪声,获得清晰的焊缝图像,为后续提取焊缝特征奠定坚实基础.实验表明,该预处理方案可满足实时焊缝跟踪的需要.     

提取舰船辐射噪声信号奇异性方法研究

研究了舰船辐射噪声的Lipschitz奇异性指数的分类性能及其提取方法。提出对舰船噪声进行自适应Gauss平滑滤波是一可取的前置处理方法,它可以提高特征参数的识别与分类能力。对实测的舰船信号的仿真实验证实,在分类和识别舰船被动目标前,进行适当的滤波,再提取Lipschitz指数可使得所提取的特征识别和分类能力更高。     

基于三维特征和结构相似度的图像质量评价方法

分析了人眼视觉特性、双眼视差异信息等三维特征,将立体视觉与图像的结构相似度(SSIM)相结合,提出了一种新的立体图像质量评价方法。该方法考虑了立体图像的亮度、纹理细节和空间位置等因素对人感知立体效果的影响,利用加权平均结构相似性(WMSS)联合统计学方法得到评价初值,用包含三维景物深度信息的双眼视差信息进行修正,作为立体图像质量的评价结果。实验表明,该方法符合人眼视觉特性,与主观评价(MOS)的一致性较好。     

混有高斯和脉冲噪声图像的一种新滤波方法

针对数字图像中的高斯噪声和脉冲噪声,提出了采用递推最小最大值法与中值滤波相结合的滤波方法。对数字图像首先采用递推最小最大值方法来除去脉冲噪声,然后采用中值滤波方法,并选择合适的窗口尺寸,可得到质量很好的图像。实验结果表明,递推最小最大值方法在抑制脉冲噪声的同时,还能保留良好的图像细节,特别是在多种脉冲噪声存在的条件下,效果更加明显,而中值滤波可以有效地除去剩余噪声,最终得到满意结果。     

参考受扰的自适应干扰对消的累积量方法

针对参考通道受到来自信号通道干扰的干扰对消系统,以高阶累积量为手段,结合自适应算法,实现了信号与干扰的分离。新方法不但能抑制高斯噪声,而且对步长的变化也不敏感     

基于高斯差分滤波和形态学滤波的Harris角点检测算法

Harris算子及其改进算子(如Harris-Laplace算子)是当前应用广泛的角点检测算法,然而它们都存在冗余点多和抗干扰能力差的缺点。基于此,提出一种新Harris算子改进算法。将图像进行高斯差分滤波,采用多层差分平均值增强稳定性和抗干扰性; 对差分图像进行灰度形态学滤波,进一步去除小于结构元素的波谷,波峰值保持不变,这样不仅可以减少冗余点,还可以提高抗噪能力。实验表明,该方法在抗噪和去冗余点方面明显优于Harris算子和Harris-Laplace算子。       

基于小波收缩阈值和维纳滤波的去噪方法

针对高斯噪声图像的结构特点及传统去噪方法中所存在的问题,提出一种基于小波收缩阈值法和维纳滤波法相结合的图像去噪方法。采用小波收缩阈值法对图像进行去噪,对处理后的图像用维纳滤波法进行平滑处理。采用独立自适应阈值,对其子带阈值进行确定,并引入调节系数。仿真结果表明,所提出的方法在高斯去噪效果和保留图像细节信息性能方面优于中值滤波算法、均值滤波算法等方法。     

Multi-level denoising and enhancement method based on wavelet transform for mine monitoring

Based on low illumination and a large number of mixed noises contained in coal mine, denoising with one method usually cannot achieve good results, so a multi-level image denoising method based on wavelet correlation relevant inter-scale is presented. Firstly, we used directional median filter to effectively reduce impulse noise in the spatial domain, which is the main cause of noise in mine. Secondly, we used a Wiener filtration method to mainly reduce the Gaussian noise, and then finally used a multi-wavelet transform to minimize the remaining noise of low-light images in the transform domain. This multi-level image noise reduction method combines spatial and transform domain denoising to enhance benefits, and effectively reduce impulse noise and Gaussian noise in a coal mine, while retaining good detailed image characteristics of the underground for improving quality of images with mixing noise and effective low-light environment.     

基于模糊神经网络的彩色图像滤波器研究

为实现彩色图像噪声的滤波，基于模糊神经网络技术构建了一种新型的彩色图像滤波器．该滤波器通过对滤波窗口的彩色图像像素矢量进行模糊加权来判断邻近像素和中心像素的关系，针对不同性质的噪声由神经网络的自学习和自组织功能来自动调节滤波器的权值以实现噪声的滤除．用Flowers图像和Lena图像对经过训练的滤波器和矢量中值滤波器进行了测试对比．结果表明：模糊神经网络彩色滤波器无论对单纯的脉冲噪声及高斯噪声，还是二者的混合噪声，其滤除能力都要优于矢量中值滤波器，并且有较好的边缘和细节保持能力．