矿山遥感图像自适应加权改进中值滤波算法

矿山遥感图像的质量受成像区域环境的影响较大,加之成像器件固有的缺陷,易导致获取的图像存在一定程度的失真,影响对遥感图像的判读和分析。为此,在中值滤波（Median filtering,MF）算法的基础上进行了加权改进,提出了一种适合于遥感图像处理的自适应加权改进中值滤波算法（Adaptive weighted improved median filtering,AWIMF）。首先将遥感图像划分为多个尺寸为7 ×7的图像块,对每个图像块分别统计像素点灰度极大（小）值,将该类像素点标记为第1类疑似噪声点;其次计算每个图像块的像素点灰度中值,将各图像块中的每个像素点灰度值与对应的像素点灰度中值作差,将较大差值对应的像素点标记为第2类疑似噪声点,将2次检测均被标记为疑似噪声点的像素点确定为噪声点;然后,以每个噪声点为中心选取尺寸为5× 5 的滤波窗口,根据滤波窗口内各像素点灰度值与所在滤波窗口的像素点灰度中值的差值计算权重,分别将各像素点灰度值与对应的权重进行加权计算,实现对噪声点的高效滤波;最后,采用直方图规定化算法（Histogram specification,HS）对滤波后的图像对比度进行调节。采用内蒙古白云鄂博矿区遥感图像进行试验,结果表明,所提算法的性能相对于中值滤波及其已有的几类改进型算法而言,优势较明显。     

自适应L滤波器在图像复原中的应用与改进

基于信号局部统计性质的线性滤波具有良好的图像噪声压制作用。为了进一步改进滤波器保护图像细节的能力,文中结合加权中值滤波器,对自适应L滤波器进行了改进。通过对同时含高斯噪声和椒盐噪声的图像进行试验处理,验证了方法的有效性。     

双树复小波变换域矿区遥感图像自适应滤波

矿区遥感图像因受成像环境、成像器件固有缺陷等因素的影响容易出现不同程度的失真,为此,结合双树复小波变换（Dual-tree complex wavelet transform,DTCWT）多尺度图像分析的优良特性,提出了一种矿区遥感图像自适应滤波算法。首先对获取的视觉效果不佳的遥感图像进行直方图均衡化处理,使得增强后的图像灰度分布较为合理,提高图像的对比度;然后对增强后的图像进行双树复小波变换,对获得的高频分解系数采用改进的多级中值滤波算法进行处理;最后,将低频分解系数与滤波后的高频分解系数进行逆双树复小波变换。其中改进的多级中值滤波算法相对于经典多级中值滤波算法进行了2点改进：①将原有的4个方向滤波窗口扩展为7个,更有利于保持图像中信息的多方向特性;②对新增设的3个滤波窗口分别进行加权中值滤波,将上述7个滤波窗口的滤波值采用一种基于图像灰度值相关性的判别方法进行处理,剔除与待滤波像素点相关性不强的滤波值,将剩余的滤波值计算均值输出;MATLAB平台试验结果表明：新算法的总体性能相对于经典多级中值滤波、中值滤波、双边滤波等算法而言,优势较为明显。     

新型煤矿视频监控系统图像增强算法

为了改进煤矿视频监控系统的图像差的问题,提出了一种新型的图像增强方法。在一个滤波窗口内的4个特定方向各自求中值,对4个方向中值组成的集合求均值,把均值作为滤波窗口中心像素点的值,合成新的图像。仿真结果表明,在噪声较小的情况下,该算法的滤波效果优于传统自适应中值滤波,且更好地保护了图像的细节,提高了煤矿视频监控系统的安全监督性能。     

基于BDND的脊波域井下视频图像改进中值滤波算法

井下视频图像总体上色调偏暗,目标信息对比度不高,且由于井下存在大量粉尘,导致图像中存在高密度的随机噪声,增加了图像判读与分析的困难。为此,首先对井下视频图像进行多尺度脊波分解,对分解得到的低频系数和高频系数分别进行系数重构,得到井下视频图像的背景图像和细节图像;其次,根据背景图像灰度直方图的分布特征,采用高斯分布函数进行规定化处理;然后,在分析中值滤波（Median filtering,MF）特征的基础上,采用边界判别噪声检测方法（Boundary discrimination noise detection,BDND）对其进行改进,提出了一种基于BDND的改进中值滤波算法并用于处理细节图像,该算法根据细节图像局部区域灰度值的分布特征,设定2个自适应阈值t₁和t₂,将经过2次噪声检测后处于［t₁,t₂］区间内的灰度值对应的像素点标记为非噪声点,对其余像素点分别进行中值滤波;最后,对于直方图规定化处理后的背景图像和滤波后的细节图像进行叠加。采用C++语言对所提算法进行编程试验,结果表明,该算法对于不同模糊程度的井下视频图像均有较好的滤波效果,其性能相对于中值滤波、加权中值滤波、开关中值滤波等同类算法而言有了一定程度的提升。     

矿区塌陷区遥感影像改进自适应维纳滤波算法

遥感影像为矿区开采沉陷研究提供了大量可靠的数据,对于提高矿区开采沉陷监测与预计的精度具有重要作用,但由于遥感影像的获取受到矿区成像环境、成像器件固有的缺陷等因素的影响,易混入不同程度的随机噪声,降低了遥感影像的成像质量,导致难以高精度提取矿区塌陷区域的相关数据。为此,提出了一种针对矿区塌陷区遥感影像的滤波算法。该算法首先对自适应维纳滤波算法添加了噪声图像块检测环节,对其进行了适当改进,将改进后的自适应维纳滤波算法用于对遥感影像进行去噪;然后针对去噪后遥感影像对比度不高的问题,采用动态均值算法进行增强处理,即通过设定某一阈值,将遥感影像像素点灰度值划分为亮度异常和亮度正常2个部分,采用亮度正常的像素点灰度值修正亮度异常的像素点灰度值,实现对遥感影像对比度的动态调整。采用一幅某矿区塌陷区的遥感影像分别对新算法、自适应维纳滤波、中值滤波、非局部均值滤波等算法进行试验,结果表明：新算法对于矿区塌陷区遥感影像的滤波效果相对于其余算法而言有一定的优势,对于提高矿区开采沉陷监测与预计的精度有一定的帮助。     

基于噪声检测的矿井视频监控图像投票中值滤波

矿井视频监控由于受到井下光照不均匀、高浓度粉尘、成像器件电压不稳定等因素的影响,导致实时获取的图像对比度不高且含有大量的颗粒状噪声,严重影响对图像的准确判读与分析。为此,对经典中值滤波算法进行了改进,提出了一种融合噪声检测策略与投票统计学原理的改进型中值滤波算法。首先对获取的原始矿井视频监控图像采用双平台直方图均衡化算法(Double platform histogram equalization,DPHE)进行处理,该算法通过对图像各灰度级对应的像素点数目设定2个阈值(平台值)对图像背景信息进行抑制,对图像细节信息进行增强;然后将增强后的图像划分为多个规则图像块,根据各图像块内像素点灰度值的分布特征设计了一种噪声图像块自适应检测方法,若某图像块内的灰度值异常点数目超过一定限值,则该图像块被标记为噪声图像块;最后,对噪声图像块进行投票中值滤波。采用C++语言对所提算法进行了编程,并采用2幅采集于某煤矿井下综采工作面的视频监控图像进行试验,结果表明:所提算法对于不同失真程度的矿井视频监控图像的处理效果优于中值滤波、直方图均衡化等算法,对于最大限度地发挥矿井视频监控系统的作用有一定的参考价值。     

矿井视频监控图像改进模糊中值滤波算法

由于矿井空气粉尘较多且光照不均匀,导致井下视频监控系统获取的图像含有大量噪声且明暗不均,在一定程度上影响了对井下生产状况的实时有效监控。为此,提出了一种改进模糊中值滤波算法。首先设计了一种自适应改进模糊隶属度系数计算方法,该方法将图像滤波窗口内像素点的灰度最小值、最大值、均值等作为阈值来计算不同像素点灰度值的模糊隶属度系数,克服了经典模糊隶属度系数计算时需设置大量阈值的不足;然后根据模糊隶属度系数进行模糊加权中值滤波,并对滤波后图像的灰度直方图进行了均衡化处理。采用C#语言编写算法运算程序,试验数据为2幅某矿井视频监控图像,试验中引入了模糊中值滤波、加权中值滤波、开关中值滤波等算法进行对比分析,并对各算法的试验结果采用峰值信噪比（Peak signal noise to ratio,PSNR）和算法耗时2个指标进行评价,结果表明：改进模糊中值滤波算法相对于其余3类算法而言不仅去噪效果较优,而且耗时较少,对于批量处理矿井视频监控图像有一定的参考价值。     

基于小波算法的计算机超声图像信息系统研究

为了更好的去除超声图像噪声,该文采用了基于小波的图像去噪算法。首先对原超声图像取对数,让图像的乘性噪声变为加性噪声,然后用维纳滤波结合小波变换进行处理。处理结果表明,和几种常用的去噪算法(如中值滤波、维纳滤波、PM(Perona_Malik)算法等)相比,基于小波的方法在去除干扰噪声的同时,能够很好地保护图像的细节。     

基于DWT与改进中值滤波的矿井视频监控图像去噪

井下光照不均、煤尘浓度大以及视频图像获取设备电路电压不稳定等各类因素的存在,导致矿井视频监控系统获取的图像存在大量噪声,影响了对矿井各类生产信息的准确判读。为此,将离散小波变换(Discrete wavelet transform,DWT)与改进中值滤波算法相结合,提出了一种矿井视频监控图像高效去噪算法。首先,对获取的矿井视频图像进行自适应噪声检测,根据检测结果,对图像采用改进中值滤波算法处理;然后对滤波后的图像进行3层离散小波变换,鉴于图像的噪声信息绝大部分集中分布于高频分解系数中,故对低频分解系数不作处理;最后对高频分解系数采用一种改进软阈值去噪函数模型进行去噪,将去噪后的高频分解系数与原始低频分解系数进行重构,得到去噪后清晰度较高的图像。采用实地获取的山西潞安某煤矿井下视频图像进行试验,并与小波软阈值去噪、中值滤波等算法进行去噪效果对比分析,此外,对各算法的试验结果分别采用信噪比(Signal noise ratio,SNR)以及算法运行时间进行评价,结果表明:新算法对于矿井视频监控图像的去噪效果优于其余2类算法,且算法运算时间也具有一定的优势。     

煤泥浮选泡沫图像滤波方法的选取

煤泥浮选泡沫图像的去噪对于后续的图像准确处理与识别有着不可忽视的影响。鉴于各传统去噪方法在去噪和保留高频信息之间的矛盾,文章将煤泥浮选泡沫图像常规滤波方法中的中值滤波和小波滤波与基于面积重构开闭滤波与交替顺序滤波结合形态学滤波进行了比较,通过对煤泥浮选泡沫去噪后的图像进行分析,得出形态学滤波方法可最大限度地压制噪声的影响,同时使图像的原貌得到了保护,取得了良好的图像降噪效果,对煤泥浮选泡沫图像而言是一种较好的图像滤波方法。     

对α稳定分布噪声中振动信号滤波研究

在振动测量中,采用基于高斯模型的信号处理方法进行噪声处理,但对于强冲击噪声则出现性能退化。研究α稳定分布信号的特性,提出采用中值滤波结合工程算法的方法进行滤波处理。仿真结果表明,在不同冲击性α稳定分布噪声环境下,采用高斯模型分析结果出现退化,而采用中值滤波变换结合工程算法,对幅值大的尖脉冲噪声具有较强的韧性,变换得到频域信号结果能够表征频率特性,具有更广泛的意义。     

一种遥感图像的分割方法

图像分割是遥感图像处理中很重要的一步。因SAR图像通常带有较强的噪声，用传统的边缘检测方法效果不理想。利用数学形态学开闭运算和混合滤波，可据目标的形状选用算法中的探针，取得较好的滤波去噪和目标分割的效果。     

基于煤矿视频监控系统的图像增强方法研究

针对煤矿视频监控系统中采集的井下图像质量差的问题,提出了一种先在空域上采用中值滤波降噪,然后用自适应直方图均衡进行增强处理的方法,可以有效地降低煤矿井下的脉冲噪声,增强了井下低对比度图像的可视化效果。实验证明,该方法可以增强煤矿井下图像的清晰程度,使煤矿视频监控系统更好地发挥功效。     

遥感成像噪声分析及基于PCNN的滤除方法

遥感图像噪声的来源比较复杂，在遥感成像和图像传输过程中都有噪声的影响，所以，遥感成像噪声分析及滤除在遥感图像处理中占据非常重要的地位．CCD(电荷耦合器件)噪声是成像过程中最主要的噪声，它主要有暗流、零响应偏移和响应不一致等特性．滤除CCD噪声中暗流的直流分量以及消除零响应偏移和响应不一致后，可以认为所剩CCD噪声为高斯噪声和椒盐噪声的叠加．针对CCD噪声的特点和脉冲耦合神经网络(PCNN)中神经元间捕获特性的滤波作用，提出基于PCNN的CCD噪声滤波方法，并进行了仿真计算，验证了该方法的有效性．     

中值空间滤波剔除高密度电法中的随机噪声

提出了一种基于中值空间滤波的去噪技术,该方法可以有效的保护高密度电法资料中的有效信息,去除资料中的随机噪声.先给出了中值空间滤波的算法原理,并给出了一组实验数据和效果图.实验结果表明,本算法有较好的去除噪声和保护有效信息的效果.     

三种InSAR干涉图滤波方法对比

干涉图上斑点噪声的存在会掩盖图像的真实信息,降低图像的质量,增加目标识别和图像解译的难度。针对这一问题,文中在介绍了斑点噪声的产生原因和滤波去噪原理的基础上,采用自适应滤波、Boxcar滤波以及Goldstein滤波进行干涉图滤波实验,对实验结果从定性和定量方面进行分析研究。结果表明,Goldstein滤波在图像保真、抑制斑点噪声影响方面优于自适应滤波和Boxcar滤波。     

图象中的噪声及复原方法研究

阐述了噪声图象的复原方法。介绍了图象中噪声的产生及与图象信号相关的噪声的分类，讨论了用于图象复原的均值滤波、中值滤波、自适应雏纳滤波、形态学滤波和小波去噪的工作原理和适用性。为进一步提高图象质量，提出采用融合技术，通过选择合适的算法进行数据融合以发挥不同滤波器的优势。     

基于双边滤波与小波阈值法的矿区遥感图像处理

矿区遥感图像为开采沉陷监测与预计提供了大量的精确数据,对于实现矿区开采沉陷高精度监测与预计发挥了重要作用。由于矿山遥感图像受到矿区复杂的自然环境、成像系统电压不稳定等因素的干扰,导致实地获取的矿山遥感图像在很大程度上受到噪声干扰,图像整体较模糊,难以准确提取有用信息。为此,将双边滤波算法与小波阈值去噪算法相结合,提出了一种矿区遥感图像去噪算法。鉴于双边滤波算法具有较好的边缘保持性能,故首先采用该算法对矿区遥感图像进行处理,以滤除一部分噪声;然后对初次滤波后的图像进行3层小波分解,对分解得到的低频分解系数不作处理,对高频分解系数提出了一种小波域指数型阈值去噪模型进行滤波;最后通过低频分解系数与滤波后高频分解系数重构,获得了高清晰度的矿山遥感图像。采用某矿区2幅遥感图像进行试验,并采用双边滤波算法、小波软阈值去噪模型与新算法进行试验对比,结果表明:新算法在去除噪声的同时,能够最大限度地保持图像细节信息的完整性,其性能总体优于其余2类算法,对于高效处理矿山遥感图像,进而提高矿山开采沉陷监测与预计精度有一定的参考价值。     

矿井视频图像小波域改进非局部均值滤波

由于井下粉尘较多,光照不均匀,易导致矿井视频图像中含有大量噪声,实时获取的矿井视频图像整体较模糊,影响了对其进行分析判读。对此,基于小波变换,提出了一种小波域矿井视频图像滤波算法。该算法首先对矿井视频图像进行2层小波变换,对获得的低频和高频小波分解系数分别进行逆小波变换,得到空间域原始图像的低频图像和高频图像;其次根据低频图像对比度较低、基本不受到噪声干扰的特点,对其采用同态滤波算法进行增强处理;然后,在对非局部均值滤波（Non-local means filtering,NLM）算法特点分析的基础上,分别从相似性权重计算、图像块搜索范围自适应确定等方面对其进行了改进,提出了一种改进型非局部均值滤波算法（Improved non-local means filtering,INLM）,采用该算法对高频图像进行去噪处理;最后将增强后的低频图像和去噪后的高频图像进行叠加,得到质量较高的矿井视频图像。采用一幅贵州省兴仁县王家寨煤矿井下视频图像进行试验,并将文中所提算法与非局部均值滤波算法及其2类改进型算法进行性能对比,采用结构相似度指数（Structure similarity,SSIM）、均方根误差（Root mean square error,RMSE）等指标对各算法性能进行评价,结果表明：新算法对于矿井视频图像的处理效果优于其余算法,对于高效处理矿井视频图像有一定的参考价值。