太赫兹成像三维块匹配自适应Canny边缘检测算法

针对传统Canny算子在滤波时会模糊边缘且需要人工设置高低阈值的缺点，提出了一种基于三维块匹配的改进自适应阈值Canny边缘检测算法，并用于太赫兹三维层析成像。该算法一方面对滤波方法进行了改进，用三维块匹配(BM3D)滤波算法结合引导滤波算法代替高斯滤波算法以减少图像边缘信息的丢失；另一方面，针对传统人工设定阈值的不确定性，将梯度图进行块匹配后对三维图像块组使用最大类间方差法(OTSU)以自适应确定高低阈值。最后利用该算法对含有噪声的图像进行边缘检测处理，发现在高斯噪声方差为20时滤波后的峰值信噪比(PSNR)从22.202提升至27.151，验证了该算法去除噪声的有效性。三维块匹配改进自适应阈值Canny边缘检测算法(BM-OTSU-Canny)减少了错误边缘的数量，同时保留了连接性较好的边缘点，改善了边缘细节信息的提取效果。     

激光主动探测图像散斑自适应滤波抑制方法研究

激光主动照明成像具有作用距离远、系统分辨率高、可在低照度背景等复杂环境下获取目标图像等优点,但探测图像会受散斑噪声干扰.把高斯滤波、均值滤波和自适应滤波方法分别应用到仿真实验中进行散斑噪声抑制,实验表明:与高斯滤波和均值滤波相比,自适应滤波能有效抑制图像噪声,保留图像的边缘和细节信息.利用自适应滤波方法对获取的单帧和多帧累加平均的激光主动探测图像进行散斑抑制实验,使用散斑对比度进行定量分析,结果表明多帧短曝光图像累加平均可有效抑制图像的散斑噪声,自适应滤波可进一步降低图像的散斑噪声.     

反射式离轴数字全息再现像中的噪声抑制

为了抑制反射式离轴数字全息再现像中的零级像和散斑噪声对再现像的影响,利用高斯核函数在空域对数字全息图进行低通滤波,再用原数字全息图减去滤波后的低频信息来抑制零级像,采用非局部均值滤波来抑制散斑噪声。实验结果表明空域高斯核函数处理法能有效地抑制零级像,非局部均值滤波可以抑制散斑噪声但对部分细节的保持能力不强,改进后的非局部均值滤波在抑制散斑噪声的同时能很好地保护细节信息,提高了离轴数字全息再现像的质量。     

非制冷红外图像降噪算法综述

红外图像处理中,由于非制冷红外探测器工艺技术上的原因,原始的红外图像包含多种噪声,尤其是椒盐噪声、固定或随机条纹噪声。当前有许多红外图像降噪的滤波算法,但在时间、空间、降噪效果、细节保持等方面各有侧重,难以实现完美结合。如何更快速、更高效、更准确地滤除噪声信息,保留更多的细节信息,是今后红外图像处理降噪研究的关键方向。本文调研了目前主流的红外图像降噪算法,并从传统滤波降噪、变换域滤波降噪、基于图像分层处理滤波降噪三大类别进行了分析比较,并且提出了一种结合传统算法和基于图像分层的自适应降噪算法,为今后的相关领域研究人员提供参考。     

基于改进三维块匹配的X射线绝缘子图像去噪

由于X射线图像噪声种类多样且随机分布,文中提出一种基于改进三维块匹配的X射线盆式绝缘子图像去噪新方法。针对三维块匹配算法协同滤波中采用的小波硬阈值法造成的伪吉布斯现象,提出一种改进的小波阈值去噪方法,克服了伪吉布斯现象,保留了更多的图像细节;针对三维块匹配算法协同滤波中采用的维纳滤波法造成的"振铃效应",提出一种基于各向异性扩散的改进卡尔曼滤波方法,避免了"振铃效应",边缘清晰,细节完整。试验结果表明,该方法极大地抑制了图像噪声,提升了X射线图像的质量,为后续故障识别提供了良好的图像基础,极大地提升了故障识别的准确率。     

基于同态滤波和全变差的激光图像降噪方法

针对激光主动成像图像的特点,提出了一种基于同态滤波和全变差的图像降噪方法.首先对图像进行同态滤波,提高图像的对比度并去除激光图像的散斑噪声,然后采用基于最小化全变差模型去除激光图像的高斯噪声和脉冲噪声.采用信噪比、对比度和亮度失真度作为图像降噪效果的评估,将算法与中值降噪、小波与中值滤波结合降噪等进行对比实验,实验结果...     

基于边缘检测的自适应降噪处理方法

提出了一种分区处理的降噪方法,对图像边缘和非边缘区域分别采用自适应中值滤波和均值滤波的方法进行处理.论及的噪声区分高斯噪声和椒盐噪声两种,对含有混合噪声的图像首先滤除椒盐噪声,然后标定图像的边缘细节,在保留图像细节的前提下充分降低噪声.测试结果表明本算法有效降低噪声,改善了图像视觉效果,提高视频编码中压缩效率.     

红外图像的自适应混合双边滤波算法

针对红外图像中的混合噪声,提出了一种自适应混合双边滤波算法。首先对双边滤波原理进行了分析,提出不能滤除强高斯噪声和脉冲噪声是由于双边滤波引入灰度域权值而带来的固有不足,因此根据双边滤波算法的特点设置了一种像素间的相似度,并以该相似度为基础将双边滤波不能滤除的强噪声点进行了标记,仅对红外图像中标记出的强噪声点进行中值滤波以减少图像模糊,对普通噪声点采用灰度方差自适应双边滤波以保留更多边缘特征。自适应混合双边滤波能够有效滤除红外图像中的高斯噪声、脉冲噪声以及由其组成的混合噪声,同时在滤波过程中并不降低双边滤波保留红外图像边缘特征的性能。仿真实验结果表明,与传统双边滤波、改进的双边滤波以及各项异性扩散-中值滤波算法相比,该算法无论是滤除红外图像的混合噪声还是保留边缘特征都较为优越。     

散斑噪声去噪方法分析与评估

乘性散斑噪声的干扰通常严重影响图像细节特征的辨识,其去噪方法的研究具有重要意义。文章选取五种典型的散斑噪声去噪方法,包括混合中值滤波、均值滤波、小波滤波、高斯滤波、及维纳滤波进行对比研究,采用两种客观评价指标进行评估,得出相关比较性结论。同时设计了散斑噪声去噪分析软件平台,便于进行不同去噪算法的对比分析。     

基于CMOS图像传感器混合噪声的自适应滤波算法

针对中值滤波导致部分图像细节损失和均值滤波出现模糊现象,设计了一种适用于椒盐和高斯混合噪声的自适应滤波算法.该算法先用最小邻域的均值和阈值判断噪声类型,然后使用加权中值滤波处理椒盐噪声,再利用拉普拉斯算子和相应阈值判断图像边缘细节,最后对高斯噪声进行加权均值滤波.实验仿真结果表明,从图像视觉效果来看,相比单独使用中值和均值滤波降噪,自适应滤波算法对图像的还原效果更好,图像细节保存较好,模糊程度相对较弱,图像更清晰.通过对比峰值信噪比(PSNR)和均方误差(MSE),对混合噪声进行处理时,滤波算法的PSNR和MSE值优于中值和均值滤波,有效还原了噪声图像.整个算法是在最小邻域空间进行,易于实现,对混合噪声的处理效果较好,为图像处理的系统集成化设计提供了技术支持.     

采用GSM模型进行稀疏表示的SAR图像降斑算法

针对SAR图像降斑过程中会产生过平滑现象及相干斑的滤除不彻底等问题,提出了稀疏结构符合高斯比例混合（Gaussian Scale Mixture,GSM）模型的SAR图像降斑算法。根据贝叶斯原理以及相干斑的统计特性推导该算法的数学模型,在块匹配过程中使用概率而不是欧式距离进行权重衡量,根据图像块之间的结构相似度,可以有效区分同质区与异质区,并得到图像块的较优均值估计。使用PCA字典学习方法对每个图像块进行子字典训练,实现同步稀疏编码（Simultaneous Sparse Coding,SSC）,数学模型的求解利用迭代正则化方法。分别使用合成场景SAR图像及真实场景SAR图像对算法进行验证,实验表明,相比于目前已提出的PPB算法、SAR-BM3D算法及FANS算法,该算法能有效提高等效视数,在滤除相干斑的同时很好地保留了图像的局部结构特性与纹理特征。      

医学图像增强系统设计

为了改善医学图像的视觉效果,提高图像的清晰度,使之更适合于机器的分析处理以及人的视觉特性,并突出病灶点,为病理学诊断和临床诊断提供可靠依据。设计了一个对医学图像十分具有针对性的图像增强系统。针对CT图像的电子噪声提出了基于修正维纳滤波的小波包去噪算法;针对B型超声图像的散斑噪声提出了基于脉冲耦合神经网络(PCNN)模型的小波自适应斑点噪声滤除算法;针对医学图像对比度低,边缘信息模糊等特点,提出了基于小波变换的医学图像增强算法。当噪声方差为0.01时,基于脉冲耦合神经网络(PCNN)模型的小波自适应斑点噪声滤除算法获得的PSNR比经Wiener滤波方法获得的PSNR高出9 dB。系统能快速找到噪声点进行定点去噪,能有效提高医学图像的对比度,增强边缘细节信息,突出病灶点的位置,从而达到较好的处理效果,为医疗工作者观察病症提供更加清晰准确的依据。     

自适应维纳滤波在钢水红外图像去噪中的应用

红外测温系统的应用减少了人工测温的安全事故,但其温度的准确性取决于由红外热像仪获得的图像的质量。为了对钢水红外图像质量的影响,提出了基于自适应维纳滤波的去噪方法。通过自相关的参数指数衰减模型来控制算法的计算复杂性和敏感性,进而有效提高维纳滤波器的去降噪性能。基于对不同温度下钢水红外图像的去噪处理,验证了所提去噪方法比维纳滤波和稀疏分解方法的图像去噪具有更好的去噪性能。     

基于改进脊波变换的红外视频图像高质量复原

为了实现红外视频降质图像高质量复原,采用一种基于改进脊波变换的图像复原算法来进行处理。该算法首先对降质图像进行改进脊波变换,然后提出一种具有加权改进自适应伪中值滤波算法对脊波系数进行处理,最后针对滤波后图像中时常出现的"环绕"现象,引入自适应Wiener滤波算法来抑制。进行了理论分析和实验验证,取得了相关模拟降质图像、真实降质图像以及峰值信噪比的测试数据。结果表明,该算法性能优于伪中值滤波以及两类脊波变换去噪算法。这对于实现红外视频降质图像复原研究是有帮助的。     

基于三维块匹配的红外图像降噪与缺陷量化方法

对金属表面的缺陷检测以及量化逐渐成为一项重要的工作,对于保障器件安全有着重大意义。本文以钛合金为例,使用了一种以激光器为热源的的红外热成像缺陷量化方法。利用激光器可以点加热的优点对缺陷周围进行加热并对金属背面进行图像采集,为了使红外图像清晰表示并保留边缘,对红外图像进行同态滤波,变换后的红外图像进行噪声估计并使用基于三维块匹配的去噪算法将图像进行去噪,并且对去噪图像进行边缘检测以及缺陷量化。实验表明该系统可以有效的对金属材料进行缺陷检测,该红外去噪算法在峰峰值信噪比(PSNR)方面得到了显著的提升,在去除乘性噪声的同时也使图像边缘得到了有效地保留,该缺陷量化方法可以将误差控制在15 %以内。     

基于残差编解码器的通道自适应超声图像去噪方法

超声图像去噪对提高超声图像的视觉质量和完成其他相关的计算机视觉任务都至关重要。超声图像中的特征信息与斑点噪声信号较为相似,用已有的去噪方法对超声图像去噪,容易造成超声图像纹理特征丢失,这会对临床诊断的准确性产生严重的干扰。因此,在去除斑点噪声的过程中,需尽量保留图像的边缘纹理信息才能更好地完成超声图像去噪任务。该文提出一种基于残差编解码器的通道自适应去噪模型(RED-SENet),能有效去除超声图像中的斑点噪声。在去噪模型的解码器部分引入注意力反卷积残差块,使本模型可以学习并利用全局信息,从而选择性地强调关键通道的内容特征,抑制无用特征,能提高模型去噪的性能。在2个私有数据集和2个公开数据集上对该模型进行定性评估和定量分析,与一些先进的方法相比,该模型的去噪性能有显著提升,并在噪声抑制以及结构保持方面具有良好的效果。     

一种小波域与空域相结合的图像滤波方法

利用小波阈值去噪方法和传统空间域Lee 滤波的特点, 提出了一种图像去噪的的组合滤波方案。首先在小波域对图像阈值去噪, 得到预去噪图像; 再在空间域上利用自适应Wiener 滤波器进一步提高恢复图像的精度。为了保证小波域和空间域两种算法之间的匹配, 对预去噪图像中残留噪声的分布进行了研究, 对其噪声方差估计做了改进, 提出了一种估计噪声方差的近似最优公式。仿真实验表明, 与单独的在小波域或空域去噪相比, 该方法的均方误差和信噪比指标均得到了改善。     

一种小波域与空域相结合的图像滤波方法

利用小波阈值去噪方法和传统空间域Lee滤波的特点，提出了一种图像去噪的的组合滤波方案。首先在小波域对图像阈值去噪，得到预去噪图像；再在空间域上利用自适应Wiener滤波器进一步提高恢复图像的精度。为了保证小波域和空间域两种算法之间的匹配，对预去噪图像中残留噪声的分布进行了研究，对其噪声方差估计做了改进，提出了一种估计噪声方差的近似最优公式。仿真实验表明，与单独的在小波域或空域去噪相比，该方法的均方误差和信噪比指标均得到了改善。     

子波变换去噪的一种新算法

在图象平滑中，经常采用均值滤波和中值滤波。然而均值滤波对高斯白噪声比较有效而中值滤波对脉冲噪声比较有效。因而寻求对两种噪声都有效的去噪算法是我们所希望的。本文在概要介绍子波变换的基础上，首先从理论分析和实验计算两个方面详细讨论了脉冲信号和高斯白噪声的子波变换特性。然后说明了一种对脉冲噪声和高斯白噪声同时有效的新的去噪算法。最后利用改进的去噪算法对一维信号和二维信号进行了实验，并给出了数字仿真的结果。     

基于非局部均值的彩色图像去噪

传统的彩色图像去噪算法通常是分层处理的,而忽略了彩色图像RGB通道之间的相关性,因此基于RGB通道联合相似度估计提出了一种新的彩色图像非局部均值去噪方法。在用非局部均值滤波对彩色图像进行去噪时,首先以目标像素为中心确定其支撑区域,然后根据多通道联合相似度估计确定权重,最后采用逐块滤波的方法对每一层进行滤波。并且针对彩色图像中含有的高斯噪声提出了一种新的噪声参数估计方法。由实验结果可以看出该算法比传统的去噪算法在PSNR和FSIM方面都有提高。因此可以看出在图像去噪过程中考虑三通道之间的相关性是必要的,同时也证明了算法的有效性。