应用小波神经网络处理CCD图像噪声

提出了一种用于数字图像中CCD噪声处理的小波神经网络滤波器.分析了CCD噪声模型,找出了导致CCD噪声模型复杂的原因:CCD相机响应功能的非线性.在对自适应噪声平滑(ANS)滤波器分析的基础上,考虑了影响滤波效果的两大问题:滤波窗口和图像强度.将小波神经网络非线性逼近CCD噪声曲线,按照噪声参数对图像进行区域划分并分配相应的权值.然后,结合相应的非线性滤波器进行针对性滤波,综合输出.实验结果表明:本文改进的滤波器滤波效果明显,信噪比得到进一步提高(24.65).利用小波神经网络良好的非线性函数逼近性,结合ANS滤波器,构造出了小波神经网络非线性ANS(WNN-NANS)滤波器,该滤波器在去除噪声的同时很好地保留了边缘细节,同时提高了信噪比.     

无人机遥感山区公路图像去噪方法

为实现对遥感图像较好的滤波去噪效果并有效保持图像边缘细节,提出一种自适应开关均中值融合滤波方法,可有效处理无人机拍摄的公路遥感图像.首先,选定遥感图像的局部区域,并设定梯度变换阈值大小,同时为标记该区域内的各个像素点,定义标志数组.然后,与阈值进行比较,若当前用于比较的像素点的值比梯度阈值大,则进行自适应开关均中值融合滤波,利用自适应选定阈值来替代传统开关均中值滤波器的固定阈值;若当前像素点小于梯度阈值,则选取改进梯度倒数进行加权平滑处理,即针对图像局部区域建立相关函数,将权值参数按照局部统计特性适应性进行调整.由实验结果可知,与传统梯度倒数加权平滑算法相比,自适应开关内中值融合滤波算法能够滤除遥感图像中的脉冲和椒盐噪声,对其他类型的噪声也有较好的效果,同时保留了图像的边缘细节信息.实验结果表明,滤波处理的图像平均梯度指数提高了 ３．１６％ ,且参数均方误差( MSE )减少了约 ５％ ,具有较高的应用价值.     

一种改进自适应阈值的 Ｃａｎｎｙ算法

针对传统Canny算法在滤波时无差别平滑降噪、边缘信息丢失及模糊的现象,且人工选取梯度高低阈值存在局限性的问题,提出了综合考虑图像位置信息与亮度信息的双边滤波代替传统高斯滤波方法,结合最优化阈值分割法和Otsu法分别计算出图像高低阈值,采用边缘信噪比SNR函数对比验证边缘检测效果。改进后的Canny算法有效提高了边缘完整性,且伪边缘更少,对图像中相对较弱的边缘部分也有良好的提取效果,改进后的算法具有更高的信噪比。采用工业机械臂视觉采集零件边缘为背景,实验结果表明,改进后的Canny算法可以有效保留真实边缘信息,边缘更加连续且完整。     

基于Canny算子改进的图像边缘检测算法研究

针对Canny算法的图像边缘检测技术,提出用中值滤波和均值滤波合成的混合滤波器代替传统高斯滤波器,加强了对复杂噪声的平滑降噪;在边缘连接细化中,采用基于Ostu提出的最大类间方差法的自适应阈值选择法,提高了效率和适应性。并进行MATLAB仿真,结果表明提出的改进算法明显提高了图像边缘检测的精度。     

一种改进的六边形结构的Canny边缘检测算法

在图像处理过程中,为了获取更精确的边缘轮廓,将直线插补运算与六边形图像结构相结合,提出了一种简单高效的边缘检测方法.先用高斯滤波器对图像进行滤波,再使用Sobel算子进行边缘检测,最后按给定阚值对边缘进行精确提取,经过这三个步骤完成图像的边缘检测.通过实验验证了六边形图像结构的Canny边缘检测算法比常见的Canny边...     

图像处理中滤波器及边缘检测算法的实验与研究

在图像处理过程中,滤波器及边缘检测算法的选择非常重要.在实验室自然光照、无特殊防震措施的条件下,对某零件的图像进行了滤波和边缘检测,并给出了实验结果,为图像处理中进一步研究滤波和边缘提取奠定了基础.     

基于边缘敏感滤波的图像插值模糊消除

针对线性移不变图像插值方法造成的插值图像边缘模糊,提出采用边缘敏感滤波增强插值图像,重建锐变的图像边缘.对边缘敏感滤波算子进行改进,避免滤波信号峰值点和孤立点的失真.对算子进行二维推广,使之更适于插值放大图像的处理.实验结果表明,算法能够不失真地重建图像边缘的高频细节,消除图像插值模糊,提高图像的分辨率,改善图像主观视觉效果.     

多尺度引导滤波及其在去雾中的应用

将引导滤波与提升小波相结合提出了一种多尺度引导滤波方法,以实现在平滑图像细节的同时保持图像边缘不模糊。该方法通过提升小波法对将图像进行多尺度分解,即将信号分解成一个低频子带和多个高频子带。在提升小波重构过程中,利用引导滤波平滑每个尺度的低频信息并保持其边缘不模糊。最后,针对滤波后残余的细节,对提升小波重构后的平滑图像再次进行引导滤波,以便进一步平滑图像细节。将多尺度引导滤波应用于暗通道去雾先验理论并进行了主、客观评价。结果显示:多尺度引导滤波能够深层次平滑图像细节,保持边缘完整性,从整体上提高了图像的对比对和视觉效果,有效恢复了场景信息并保留场景的边缘信息。另外,该方法改善了客观评价指标,其对比度增强系数指标平均提升了0.1以上,场景结构相似度平均提升了1以上,而LOE(Lightness Order Error)参数降低了10以上,满足了去雾应用的视觉需求。     

基于多尺度融合技术的图像边缘检测

根据边缘检测离散准则,利用数值方法求出该准则下边缘检测的最优线性滤波器及对应的平滑算子,设计平滑滤波窗算子,将其与嵌入可信度方法相结合进行边缘检测;同时充分利用边缘信息的多尺度特性,根据小尺度下图像边缘细节信息丰富、边缘定位精度高,大尺度下图像边缘稳定、抗噪性好等特点,将检测到的多尺度边缘进行融合,得到精确的单像素宽边缘。实验结果表明,该方法不仅能准确检测出边缘图像,而且能有效地抑制噪声,是边缘检测的一种较好的实用方法。     

基于中值滤波和形态学的去噪算法

提出了一种基于中值滤波和灰度形态学的去噪算法。首先利用中值滤波和形态学滤波的方法对原始图像进行去噪处理,而后叠加经过高帽变换的图像以增强边缘信息,改善了传统中值滤波算法易造成边缘模糊和对噪声强度敏感的不足。该算法简洁、耗时少。算法的实用性用计算机进行了仿真验证。