面向H.264编解码系统的图像预处理技术

在图像采集过程中,难免会引入噪声,这对视频图像的质量产生了一定影响。为了避免噪声图像传入编解码系统中,对采集到的视频图像进行预处理,以FPGA为核心处理器件,采用中值滤波技术,并用Modelsim仿真工具进行验证。对仿真结果进行分析表明,通过对图像的预处理,滤波效果良好,达到了对视频图像降噪的目的,避免了噪声逐级传递,从而保证了视频图像的显示效果。     

一种非均匀行采集的智能车路径识别算法

提出了一种非均匀行采集的路径识别算法.在图像采集中,采用非均匀行采集实现了图像畸变矫正;在图像处理中,根据摄像头采集时序,时图像进行横向滤波、阈值分割、边缘检测、纵向滤波和导航参数提取等.该算法合理安排程序流程,提高了图像处理和车体控制的实时性.实验结果表明,此方法能够有效降低噪声干扰和图像畸变对参数提取的影响,提取出精确的引导线导航参数.     

基于浮选图像的高斯-椒盐噪声滤波算法

浮选图像采集和传输过程极易受到高斯-椒盐混合噪声的污染,严重了影响后续图像识别的精度.针对此种情况,结合多种传统滤波算法,提出一种去除高斯-椒盐混合噪声的有效算法.实验结果表明:提出的算法在去除浮选图像的混合噪声上要明显优于传统算法,且能够满足实时性需求,在滤除混合噪声上具有很好的参考价值.     

基于估计方法的CMOS图像传感器列固定模式噪声校正方法

CMOS图像传感器的列固定模式噪声对图像质量的影响非常严重。在分析CMOS图像传感器固定模式噪声产生机理、噪声特性以及其在输出图像中的表现的基础上,提出了一种针对CMOS图像传感器中列固定模式噪声的校正方法。该方法利用CMOS图像采集系统对积分球发出的均匀平行光束进行多次采样并建模来对列固定模式噪声进行估计,然后将估计结果应用于CMOS图像硬件采集系统进行列固定模式噪声的校正,固定模式噪声的校正在FPGA中使用查找表方法实现。实验结果表明该方法可以有效消除列固定模式噪声,改善图像质量。     

多幅图像中值法在滤除噪声中的应用

数字图像在成像和传输过程中可能会夹杂一些噪声,如椒盐噪声和高斯噪声等。这些噪声可能会对图像处理结果产生消极影响,所以在图像处理前要对该图像进行平滑,因此提出了一种基于多幅图像中值的滤波方法。该算法首先对同一场景多次采集图像,然后将这些图像在相同位置上的灰度中值作为图像在该点的灰度值。为了验证算法的有效性进行了多次实验与传统算法比较,结果表明该算法不仅能最大程度地滤除椒盐噪声,并且对高斯噪声也有很好的抑制作用;同时,客观评价标准也证明,该算法明显优于传统方法。     

基于结构图像先验与ASM能量的服装图像去噪

服装图像在采集和传输过程中会受到噪声不同程度的影响,为更有效地去除服装图像中的噪声,本文提出了一种基于ASM图像能量的深度学习图像去噪方法.该方法基于结构图像先验理论,以随机向量作为卷积神经网络的输入,含噪声的服装图像作为目标输出.网络通过反向传播进行迭代,根据噪声与自然图像对于网络的阻抗不同,迭代至输出图像的ASM能量极大值处进行截断,截断处的输出图像即为去噪后的服装图像.实验结果表明,该方法对服装图像去噪后的PSNR达到29.91,比NLM去噪提高了 0.74,比guided去噪提高了 1.97.与传统的图像滤波去噪算法相比,该方法能更有效地去除图像中的噪声,保留服装图像的纹理细节.     

图像中的噪声及其复原方法的比较研究

图像降噪作为图像预处理的必要步骤,在图像处理中有着重要的意义。由于在获取图像的过程中,成像系统受到各种因素的影响,会导致图像质量的降低,图像复原技术就是趋向于将退化模型化并用相反的处理来恢复原图像。本文针对引起图像质量退化的噪声因素进行了分析研究,并对采集图像中常见的高斯白噪声和椒盐噪声进行了降噪研究。本文重点运用图像降噪方法中的中值滤波算法和小波阈值降噪方法进行了仿真实验,并分别利用这两种算法对同一幅噪声图像降噪进行效果比较并得到结论。     

小波支持向量去噪

噪声对图像质量产生不利影响,降低了图像的应用价值,为了更好的消除图像中的噪声,提出一种小波支持向量去噪方法.首先采集大量的激光散斑图像,并将它们划分成为训练图像集和测试图像集,然后将训练图像集输入到小波支持向量机进行学习,将图像中信号划分为噪声和有用信息,最后采用测试图像集对小波支持向量机去噪性能进行测试与分析.实验结果表明,相比于其它激光散斑图像去噪方法,小波支持向量机可以更加有效的去除噪声,可以很好的保护图像边缘细节信息,提高了激光散斑图像的质量.     

基于小波包分析的陶瓷显微图像处理

陶瓷内部结构信息对于陶瓷质量分析、生产工艺控制是非常重要的.由于陶瓷显微图像在采集和传输过程中不可避免地要受到光照分布不均匀、电子噪声等干扰因素的影响而产生噪声,使得图像的质量变差.需要首先对其进行去噪处理,然后才能进行图像分析.小波包分析是小波分析的推广,将其运用于图像去噪领域,对陶瓷显微图像进行去噪处理.然后按照Watershed算法进行分割,得到陶瓷粒度分布的统计结果.实验结果表明该方法是可行的,并且效果良好.     

基于机器视觉的零件图像采集及识别的研究

先进制造系统中。机器视觉用于工件位姿的检测。结合先进的图像采集系统，以VC＋＋．NET为开发平台，实现了对工件位姿的自动识别，同时提出了一种基于机器视觉的工件轮廓图像采集与识别的方法。主要分析了识别过程中灰度变换、二值图像和边缘检测几个难点，对检测结果进行了分析和比较。结果表明灰度变换和二值化能很大地提高对灰度图像的识别精度，在边缘检测过程中，Roberts算子检测水平和垂直的效果好于斜向边缘，定位精度高，但对噪声敏感，Sobel边缘检测算子则对灰度渐变和噪声较多的图像处理得较好。     

基于多曝光的高动态图像合成的噪声处理

针对在高动态范围图像合成的过程中有噪声影响图像的质量这一问题,采取一种基于多曝光图像的高动态范围图像合成降噪算法。通过对各曝光图像的灰度数据进行提取、整理、分析,能合成代表原始场景光线分布的亮度图像。通过分析噪声对高动态范围图像合成质量的影响,提出在图像合成前将图像中含有的噪声进行处理。根据光子散粒噪声变化的特点,将图像混有的噪声问题转化为求解一个多曝光图像序列组的平均值问题,合成的图像视觉效果与真实图像极为接近。     

结合区域生长和SUSAN的图像分割方法

针对区域生长算法对噪声敏感问题,提出了一种结合区域生长算法和SUSAN算子进行图像分割的方法。在基于区域平均灰度差的图像分割算法的基础上,运用SUSAN算子作为区域生长的终止准则。试验表明,该方法对噪声不敏感,且提高了分割准确度,能对目标进行有效的分割。     

基于KNN的DSA图像去噪及GPU的快速实现

为快速地去除或减少DSA(Digital Subtraction Angiography)图像的噪声,对比评价KNN(K Nearest Neighbors)算法对高斯噪声、泊松噪声、斑点噪声、椒盐噪声4种噪声去除或减少的效果,帮助医生快速准确地为病人诊断疾病.提出的算法主要贡献在于构建了基于GPU(Graphics Processing Unit)的加速方法,使传统图像去噪的运算速度得到大幅提升.基于图像降质、图像还原过程建模,使用KNN算法对4种噪声去除或减少,并对算法做并行化处理,利用GPU加速实现去噪的过程.通过实验得出,KNN算法能较好地去除或减少高斯噪声、泊松噪声来还原DSA图像,使用CUDA(Compute Unified Device Architecture)编写可在GPU上运行的程序,利用GPU对1 024×1 024像素的24位深度的DSA图像去噪,平均渲染帧率能达到190.53 f/s(帧/秒),较传统CPU(Central Processing Unit)串行,平均处理速度提高70.86倍.使用GPU加速能够快速地处理数据量较大、计算密集的DSA噪声图像,实现有效并且快速的高斯噪声去除,帮助医生精、准、快地诊断疾病.     

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.     

基于加权网络和OWA算子的图像椒盐噪声滤除算法

用加权网络对图像进行建模,可以有效地表示图像的结构特征,其中网络单个节点的点强度集成了节点本身与其它点连接的边数和强度信息。为了发挥结构信息和统计信息在图像分析中的作用,用加权网络对图像进行表示。根据噪声像素与周围像素差异性大的特点,将噪声检测问题转化为搜索网络中具有最小点强度的节点问题。采用有序加权平均（OWA）算子...     

基于数学形态学和LMS滤波的图像边缘检测算法研究

传统的边缘检测算子对灰度图像进行边缘检测时存在图像细节被丢失,边界不连续等问题。针对上述问题,提出一种基于数学形态学和最小均方差滤波相结合的图像边缘检测方法,该算法先利用小均方差滤波的方法可以有效地滤除图像中的噪声,然后利用形态学中的腐蚀运算对图像进行边缘检测处理。实验结果表明：该方法能够有效地去噪,精确地检测图像中的细节,并且边界的连续性好。     

TV-VGA视频转换中的降噪措施及硬件实现

为了满足图像实时处理时对速度的要求,以及适应能够同时抑制高斯噪声和脉冲噪声的需要,提出了一种简单有效的滤波方法一混合滤波。MATLAB上的算法仿真表明：通过将中值滤波器与均值滤波器级联,可以有效的滤除视频图像中的混合噪声（脉冲噪声和高斯噪声）。采用Verilog HDL对电路进行设计,并在Xilinx公司的Spartan-IIE系列芯片上实现了混合滤波器。此滤波器算法简单,便于硬件实现,可以应用于实时图像处理中。     

基于改进剪切波和Canny的故障区域检测算法研究

针对机械故障红外热图像存在各种噪声造成故障区域测量参数提取精度低的问题,本文提出了基于改进剪切波和Canny的故障区域检测算法。该算法包括基于改进剪切波的去噪算法和改进Canny算子的边缘检测算法,在去噪中本文提出的是一种基于剪切波和高阶谱相结合的新算法,可以有效地去除高斯噪声与椒盐噪声的混合噪声并保留图像细节;在图像的边缘检测中本文利用剪切波与Canny算子相结合的改进新算法对红外故障图像进行边缘提取,从而消除了传统的Canny算子在检测时出现的伪边缘现象。实验仿真结果表明本文提出的去噪算法与传统的去噪算法相比显著提高了图像的峰值信噪比(PSNR),同时图像的边缘和细节也得到了很好的保留,实现了故障区域特征参数的精确有效提取。     

调制传递函数在遥感图像复原中的应用

针对空间推扫型全色TDICCD 相机在获取、传输和存储图像的过程中引入模糊和噪声导致图像质量下降的问题,提出了一种基于调制传递函数（MTF）的。感图像复原方法。文中的复原方法是通过图像的MTF 恢复出点扩展函数（PSF）,并将其作为退化函数进行图像复原。通过在MTF 提取前对局部图像用同态滤波算法进行增强处理,加强MTF 提取的抗噪声能力,并使用二次复原的方法避免直接加入增强滤波器导致的MTF 误差。使用均值、对比度及边缘强度等指标对。感图像复原结果进行评价。实验结果表明:复原后图像灰度均值提高45%,平均梯度和边缘强度分别是复原前的3.5和1.75 倍,各项评价指标均优于原始图像,并且MTF 所包含面积MTFA 明显增加,该图像复原算法对提高空间TDICCD 相机图像质量有一定的参考意义。     

基于神经网络噪声检测的自适应中值滤波器

针对椒盐噪声污染图像的滤波问题,提出了一种基于前馈神经网络的噪声检测器。基于这种噪声检测方法,采用自适应中值滤波算法,依据像素点的不同属性采用不同的滤波策略。实验结果表明,该算法在有效去除椒盐噪声的同时更好地保留了图像的边缘和细节,是一种有效的图像去噪方法。