一种有效的去除图像混合噪声的滤波算法

依据噪声特点以及图像的像素关联性,提出了一种有效的数字图像混合噪声滤波算法。该算法首先对图像像素进行检测,依据受脉冲噪声污染的图像像素与其周围邻域多数像素在亮度上具有显著差异的特点准确检测出脉冲噪声,然后以检测到的脉冲噪声为被处理像素,用其邻域内未被脉冲噪声污染的图像像素对其进行中值滤波,由于当前脉冲噪声点以及邻域脉冲噪声点均未参与滤波运算,从而较好地保护了图像的细节。对图像中的高斯噪声,提出了一种改进的加权均值滤波算法,该算法在定义相关度函数时,既考虑了像素的灰度相关性,又考虑了像素的位置相关性。实验结果表明:提出的混合噪声滤波算法不仅可以有效滤除图像中的混合噪声,而且还可以较好地保护图像的细节。     

一种改进的Canny边缘检测算法

针对Canny边缘检测算法存在的缺陷,提出了一种改进型Canny边缘检测算法。首先采用非线性扩散滤波减少了图像噪声,同时保持图像的边缘信息;在邻域梯度幅值计算中,考虑像素对角线方向的梯度,进一步抑制了噪声的影响;最后采用平均方差阈值法选取阈值,从而提高了对不同图像的自适应性。通过对实验图像的分析表明,该改进算法对含噪图像的边缘提取具有较好的检测精度和准确性。     

一种用于精密样板检测的边缘提取方法

为了能够快速有效地检测精密样板的廓形,基于Canny理论提出了一种边缘提取的方法,该方法在保持Canny算法优点的同时,通过修正高斯边缘滤波函数提高了边缘的定位精度,通过使用Sobel算子计算梯度消除了局部噪声的影响,通过使用一维线性插值计算梯度方向上点的梯度幅值,使用动态阀值进行图像分割,减少了Canny算法的空间复杂度和时间复杂度.实验证明该方法能够高效地提取单像素宽度的二维轮廓,如果使用高分辨率的工业摄像机拍照,就可以代替三坐标测量仪检测精密模板.     

基于维纳滤波的运动模糊消除算法及其在航空成像系统中的应用

分析了航空成像系统运动模糊产生的机理,通过建立运动模糊数学模型,进行了消除运动模糊仿真实验。研究表明,由于成像系统与地面目标景物的相对运动,在目标图像上产生运动模糊,图像复原技术可以消除图像模糊。在图像复原技术中,点扩散函数(PSF)是影响图像恢复结果的关键因素,文中给出了估计点扩散函数的一般方法。虽然维纳滤波可以解决在逆滤波中H(u,v)零点噪声放大问题,但是在图像边缘附近误差较大。采用带最优窗的维纳滤波方法可有效抑制噪声和减小边缘误差。对实验平台获取的运动模糊图像进行实验,结果表明在图像边缘像素灰度平滑条件下,可以收到近乎完美的恢复效果。     

基于自适应梯度阈值各向异性滤波抑制红外复杂背景

在传统各向异性扩散滤波算法的基础上,提出了一种自适应梯度阈值各向异性滤波算法,用于有效地抑制红外复杂背景、滤除噪声,同时增强红外弱小目标。该算法根据图像的局部特性,利用其在不同方向上的梯度特点,判断某点像素是噪声还是图像以及其存在于图像的平滑区域还是边缘区域。文中据此提出了自适应求取边缘函数中的梯度阈值(K值)的方法,解决了原各向异性滤波算法的边缘函数中K值固定单一的问题。实验证明:与原各向异性滤波算法和其他背景抑制算法相比,提出的算法增加了去噪功能,对各种复杂背景抑制效果更好,增强后的图像信噪比提高了近2倍。     

基于非线性扩散滤波的边缘检测和图像测量

提出了一种基于自适应非线性扩散方程滤波的边缘检测方法, 以提高图像测量的精度。首先对原始图像实施一种非线性扩散处理,即沿着等照度线(边缘)的梯度方向实施反向扩散以锐化边缘, 而相反地沿切线方向实施正向扩散以去除噪声和锯齿伪像; 然后应用经典的微分算子来检测边缘。实验结果表明,相对于经典的边缘检测算子, 本算法得到了尖锐而平滑的单像素宽的图像边缘,较好地定位了边缘, 相对误差为0.03。当图像边缘模糊和存在附加噪声时, 测量结果将会受到很大影响。本方法较好地定位了边缘像素, 对于微小尺寸测量显示出它的优越性.     

一种新的边缘保持局部自适应图像插值算法

为了尽可能降低噪声的影响和保持图像的边缘信息,提出了一种新的边缘保持局部自适应图像插值算法。算法首先对分割成部分重叠的各子图像进行整数小波变换,然后对于高频子带进行逐点BayesShrink阈值去噪和中值滤波去除高斯和椒盐噪声,同时对于低频子带进行亮度保持的直方图均衡增强图像的对比度,最后根据自适应阈值Canny边缘检测将子图像划分为平坦和边缘区域,分别进行施用双线性插值和非线性插值。实验结果表明,MBW图像插值算法得到的插值图像有较好的主观图像质量,其峰值信噪比(PSNR)比传统方法平均提高了2.23～2.96dB。     

改进的各向异性扩散方程的超声图像滤波方法

针对传统各项异性扩散模型容易产生板块分区,模糊图像细节等问题,提出一种改进的各项异性滤波算法。该方法引用双曲正切函数构造扩散模型的扩散系数,避免了传统各项异性扩散模型在均匀区域产生的板块分区问题;并通过使用衰减因子提高在非均匀区域的扩散敏感性,能够更好地保留图像的边缘细节信息;同时引入相对平滑增量,自适应监控图像的滤波程度,并自动终止迭代过程。仿真实验表明,提出的滤波方法能够有效滤除超声图像斑点噪声,并消除传统各项异性扩散模型产生的板块分区问题,提高了对图像细节信息的保留能力,并增强了与原图像的结构相似度,是一种有效的斑点噪声降噪方法。     

马尔科夫随机场模型下的Retinex夜间彩色图像增强

由于Retinex算法在处理夜间彩色图像时容易出现光晕、颜色失真、细节丢失与噪声干扰等问题,本文基于马尔科夫随机场（MRF）提出了一种针对单幅图像的Retinex图像增强算法。该算法在HSV颜色空间下采用线性引导滤波估计图像照度分量;在MRF模型下求解仅包含物体本身特性的反射分量,并通过颜色恢复函数与增益补偿方法进行颜色恢复与校正,最终实现了夜间彩色图像的增强。实验结果表明,利用本文算法处理后图像的均值（整体亮度）可以提高2倍以上,标准差、熵、峰值信噪比（PSNR）等参数均有5%以上的提升。与其它基于Retinex原理的算法相比,本文提出的算法增强效果显著,具有消除“光晕伪影”现象、抑制噪声、颜色保真和有效地凸显边缘细节信息等能力。     

改进联合双边上采样滤波的Kinect深度图像增强算法研究

Kinect深度摄像机可以实时获取到稠密深度图像,但该RGB-D相机获取的初始三维点云数据量庞大,其深度图像饱受无效像素、噪声和边缘不匹配等因素影响,直接对其进行操作会降低后续摄像机追踪以及配准的精度。因此,提出了一种有效提高Kinect深度图像质量的基于快速联合双边上采样滤波的深度图像增强算法。利用其对应的彩色图像,采用区域生长方法检测并去除深度值错误的像素;为了准确估计无效像素的值,采用联合双边滤波器对孔洞进行填充;利用传统高斯核函数的分离特性,并通过将其更换为快速高斯变换函数实现计算的复杂度的降低,并且有效地降低了深度图像的噪声。实验结果表明,提出的方法通过成功地填充孔洞,消除了不匹配的边缘,降低了噪声,显著提高了深度图像的质量,并且降低了运行时间。     

分块峰值点局部区域生长的星像提取

为了获得高精度、高更新率的抗噪声性能,对星敏感器星像提取环节进行了研究。首先,分析星图中星像灰度的分布特点,建立了判断某个像素是否与峰值像素归属同一星像的标准。然后,介绍了像元阵列分块方法和背景预测法。最后,结合星像的特点提出了以峰值点为种子点的区域生长准则。仿真实验结果表明,在不加噪声的情况下,提取出的星像与参考星图完全一致,用质心法得到的亚像素定位精度为0.028 2。在添加均值为20、标准差高达2.5的强高斯灰度噪声的情况下,提取率仍能达到86.11%,质心精度则下降到0.219 6pixel。均匀性很差,信噪比低于4.9dB的实拍星图实验结果也证明该方法有很强的星像提取能力和准确性,能够满足强噪声弱星像质心提取的强抗干扰能力的要求。     

Image noise reduction using Wiener filtering with pseudo-inverse

We present a preliminary design and experimental results of a Gaussian noise reduction method for ultrasound images. Our method utilizes a Wiener filtering algorithm with pseudo-inverse technique. The method is capable of solving the Gaussian noise problem in ultrasound image by setup a constant dB of noise function. The key idea of the Wiener filtering algorithm is to process the given ultrasound signal by making the filtering less sensitive to slight changes in input conditions. In this paper, we investigate the possibility of employing this approach for pre-processing ultrasound image application. The application of the proposed method for reducing Gaussian noise is demonstrated by four examples. Meanwhile, we also made the comparisons with median filter, mean filter and adaptive filter; the results reveal that the proposed method has the best noise filtering capability than other three methods. The results also show that the proposed method produces recovery images with quiet high peak-signal-to-noise ratio.     

自适应窗口形状的中值滤波

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。     

星点质心亚像元定位的高精度误差补偿法

在CCD星敏感器设计过程中,星点坐标的提取精度不仅影响星图识别的正确性,也直接影响星敏感器的最终姿态输出精度。本文通过分析传统质心法亚像元提取算法误差模型,证明该模型存在系统误差和随机误差。针对系统误差,提出了用最小二乘拟合法来估计质心位置和系统误差大小的对应关系,利用这个关系对系统误差进行补偿;针对随机误差,提出用边缘阈值法和星图整体相消法来消除。本文还分析了CCD成像数学模型,星光成像的能量分布近似服从二维高斯分布,星点高斯分布弥散半径不同,用于误差补偿的曲线方程也不一样,根据不同的高斯弥散半径,设计了误差补偿模板,用于补偿质心法的系统误差。实验表明,采用误差补偿模板,可以将质心法精度从1/20pixel提高到1/200pix-el,满足了星敏感器高精度星点质心提取的要求。     

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。     

基于脉冲耦合神经网络模型的小波自适应斑点噪声滤除算法

分析了维纳滤波原理和脉冲耦合神经网络(PCNN)模型的特点,根据斑点噪声统计模型的特征,结合小波变换方法,提出了一种基于PCNN模型的小波自适应斑点噪声滤除算法(W-PCNN-WD)来改善超声图像质量.首先,对超声图像进行对数变换,使斑点噪声转换为加性噪声;对医学图像进行维纳滤波处理,计算其加性噪声的标准方差,并以此作为小波阈值.然后,利用小波变换对图像进行预处理,利用PCNN在小波域中对小波系数进行相应的修正.最后,进行小波逆变换和指数变换,获得滤除噪声的图像.结果表明:本文提出的滤波方法优于其他滤波方法,当噪声方差为0.01时,本文滤波算法获得的峰值信噪比(PSNR)比经Wiener滤波方法获得的高出9 dB.该滤波方法能在有效去除超声斑点噪声的基础上保留图像的边缘细节信息,极大地改善了图像的视觉质量.     

基于dbN小波变换和自适应高斯滤波的齿面干涉图像相位滤波方法

齿轮齿面形貌的激光干涉测量中，由于齿面高度差较大，采集到的干涉图像中难以避免存在条纹密集区域，容易出现局部条纹粘连、错切等现象，增加了相位噪声和解包裹难度。分析了包裹相位图中条纹密度分布规律，提出了一种基于dbN小波变换和自适应高斯滤波的齿面干涉图像相位去噪方法。首先，利用小波变换分解出包裹相位图中常表现为高频信号的噪声，采用软阈值去噪滤除部分高频噪声；其次，根据包裹相位图频域特征，结合自适应高斯滤波进一步对高频噪声进行迭代滤波处理；最后，设计了相关实验，通过与经典的滤波方法进行对比，所提方法不仅能够有效滤除条纹较为密集的包裹相位图中的相位噪声，而且更大限度地保留了图像细节信息，证明了所提方法的有效性和正确性。     

基于像素分类的自适应SAR图像融合算法

提高纹理清晰度、保护边缘信息是合成孔径雷达（SAR）图像融合的重要目标。针对该问题,提出了一种基于像素分类的自适应SAR图像融合算法。首先使用canny算子提取图像的边缘并分类,然后利用混合高斯模型和隐马尔可夫树模型对小波系数进行建模;在此基础上使用EM算法求得模型参数,并进一步得到隐状态的概率,也就确定了小波系数的混合高斯分布;接着对两个待融合小波系数不同的类型组合采用不同的融合策略,并以隐状态概率加权;最后通过小波反变换、边缘分类增强获得融合以后的图像。实验结果表明,和传统的融合算法相比,该算法取得了更好的融合效果。     

结合压缩感知和曲波的天文图像去噪

在天文图像去噪中,为了提高迭代曲波阈值算法的去噪重建性能,提出了基于循环平移和曲波维纳滤波的压缩感知迭代重构算法。首先,使用基于曲波阈值的循环平移方法对重构图像进行调整以抑制重构图像中的伪吉布斯效应;接着,用提出的曲波维纳滤波算子替代小波阈值在迭代过程中对图像曲波系数进行筛选以进一步提高重构图像的质量。通过对添加高斯白噪声的Lena图像和月球图像进行重构实验,分析本文算法和当前主流算法的性能。实验结果表明,与传统的压缩感知迭代曲波阈值算法相比,本文算法能够获得较优的去噪性能,有效地保护天文图像的细节信息,峰值信噪比大约提高了2.6~3.2dB。