数字视频图像传输中基于FPGA的图像去噪方法

在靶场测试实验中,为了节约经费和节省时间,需要将大量的视频图像进行高速传输与存储,以方便事后处理。研究了数字视频图像传输中一种基于FPGA（FieldProgrammableGateArray）的数字图像去噪方法,设计了基于FPGA的图像滤波器,并利用Matlab进行仿真实验。得出基于均值操作的自适应中值滤波方法对受到混合噪声污染的图像信息具有更理想的滤波去噪效果。     

基于各向异性扩散的多细节图像消噪方案

文章针对传统消噪方法在消除噪声的同时破坏了图像的细节信息的缺点,基于各向异性扩散方程实现数字图像中的消噪,并与中值滤波、均值滤波和各向同性扩散进行比较,实验仿真证明各向异性扩散消噪在消除噪声的同时更好的保留了图像的细节信息。     

柔性形态滤波的神经网络实现及遗传算法优化

柔性形态滤波是一种重要的非线性滤波方法.柔性形态滤波器的研究可分解为形态滤波运算和结构系统选择2个基本问题,一旦形态滤波运算选定后,柔性形态滤波性能就主要取决于结构系统的选择.该文提出了一种柔性形态滤波的神经网络模型及其网络参数(即滤波器结构系统)的遗传算法优化方法.进行优化训练的目的是为了使结构系统自适应地反映图像的形态结构特征,自动调整结构系统中硬核、边界和重复度的组成,从而提高对复杂噪声图像的滤波性能.实验仿真结果显示,该算法优化后的柔性形态滤波器性能得到较大改善,在收敛速度和滤波效果方面,其优化结果要优于简单的遗传算法.     

一种改进的数学形态学图像滤波算法

设计了一种多结构元素复合滤波结构,采用两级级联结构,每级运用两种结构元素分别对图像作开闭和闭开运算,运算中间结果以图像熵比值为融合准则进行合并。该算法在抑制图像噪声污染的同时,保留图像的边缘,不损伤图像的细节质量。仿真证明,采用该算法滤波后,反映了图像细节质量的统计参数图像标准差和绝对平均梯度比传统的均值和维纳滤波均高。     

基于阿尔法均值算法和马氏距离的图像自适应滤波

针对数字图像容易感染噪声的问题,提出一种基于阿尔法均值滤波算法和马氏距离的图像自适应滤波算法。该算法充分结合了阿尔法均值滤波器的优点和马氏距离的特性,首先利用阿尔法均值滤波器确定参考序列,然后计算参考序列与滤波窗口内比较序列之间的马氏距离,并根据距离的大小确定滤波窗口内各像素点的权系数,最后将加权结果作为滤波输出。实验结果表明:该算法对受到高斯噪声、椒盐噪声以及混合噪声感染的图像具有较好的滤波效果,同时可以较好地保持原始图像的细节信息。     

形态滤波器在图像去噪处理中的全方位结构元素层叠算法研究

针对数学形态学在图像去噪处理中的应用,提出一种改进的形态滤波算法-全方位结构元素层叠滤波算法,它可以将开闭和闭开运算中分别产生的正负脉冲噪声更好地抵消掉,因而其去噪效果更为理想．与其他形态滤波算法进行了仿真去噪对比,实验结果表明该方法在保持图像几何特征的同时,大大提高了图像的信噪比,降低了均方误差参数,图像视觉效果显著提高．     

多尺度动静态联合彩色图像滤波处理

为在彩色图像降噪时有效保留图像边缘信息,给出一种动态和静态相结合的引导滤波算法。由静态引导滤波得到权重函数,利用动态引导滤波从正则化输入图像中得到邻域像素加权函数,将两者相乘,生成邻接矩阵;将邻接矩阵每列元素相加,置于对角线位置,构成度矩阵;用度矩阵与邻接矩阵做差,构造动态拉普拉斯特征矩阵,以此作为正则项,在平滑图像的同时保持边缘,实现图像多尺度动静态滤波。针对6幅彩色图像的测试结果表明,所给算法可有效获取不同尺度结构图像,且滤波后图像边缘较为光滑。     

一种基于灰度形态学的全方位多路滤波方法研究

在研究传统形态滤波器的基础上，结合全方位多结构元思想，提出了一种有效保持图像细节的形态滤波方法——全方位多路滤波方法，讨论了复合形态滤波的优点、结构元素的选取等重要问题。仿真实验表明，该方法在滤除噪声和保持图像细节方面具有较好的效果。     

基于Matlab的图像复原算法的研究

图像在获取、传输和存储过程中由于受多种原因如模糊、失真、噪声等的影响,会造成图像质量的下降。在对目前有关数字图像复原技术的文献进行理解和综合的基础上,本文主要对EM算法、维纳（Wiener）滤波和NAS-RIF算法进行了探讨,同时对上述算法进行了仿真实现,并分析了实验的结果。     

一种改进的形态学边缘检测算法

为提取出更丰富流畅、定位更准确的边缘信息,基于多尺度多方向结构元素,引入信息熵加权系数,改进了形态学边缘检测算法.首先,为去除图像噪声,选定2种不同尺度的结构元素进行形态学开闭运算;然后,利用4种不同方向的结构元素进行形态学边缘检测,可以获得4幅不同方向结构元素下的边缘图像;再根据每幅边缘图像的信息熵来确定权值,并将这些边缘图像按照比例进行加权求和即可得到较为理想的边缘图像.仿真实验证明:改进的形态学边缘检测算法具有很强的抗噪性能,而且检测到的边缘信息更完整流畅,具有一定的适用性和优越性.     

基于小波收缩阈值和维纳滤波的去噪方法

针对高斯噪声图像的结构特点及传统去噪方法中所存在的问题,提出一种基于小波收缩阈值法和维纳滤波法相结合的图像去噪方法。采用小波收缩阈值法对图像进行去噪,对处理后的图像用维纳滤波法进行平滑处理。采用独立自适应阈值,对其子带阈值进行确定,并引入调节系数。仿真结果表明,所提出的方法在高斯去噪效果和保留图像细节信息性能方面优于中值滤波算法、均值滤波算法等方法。     

遗传算法优化的数学形态学遥感影像滤波算法

针对传统数学形态学滤波方法对图像处理效果严重依赖于结构元素的形状和大小以及结构元素的选取完全依靠设计者经验的问题,应用遗传算法对形态学滤波器设计中的结构元素进行优化,获得基于优化结构元素的形态滤波器。结果表明,基于优化结构元素的滤波算法效果要明显优于未经优化的结构元素,算法在噪声抑制和细节保持上均有较好的性能,峰值信噪比有了更大的提高,更适合进行高空间分辨率遥感影像噪声去除。     

多尺度结构元素形态学边缘检测算法的研究

针对在以往的图像边缘检测中,常用的算法抗噪声能力弱且容易丢失边缘细节等不足,提出一种新的边缘检测算法.该算法首先采用两个不同尺度的结构元素对图像进行交替滤波运算,再利用结构元素进行形态学边缘检测以获得图像的边缘细节.通过实验表明,与传统的边缘检测算法相比较,新算法抗噪能力强,运算效率高且检测到的边缘连续性强.     

基于多结构元广义形态滤波的改进算法

为对采用相同结构元的形态闭-开和形态开-闭这两种滤波器进行改进,采用了不同结构元的广义形态闭-开和形态开-闭滤波器。在此基础上,将一种新的结构元运用到广义形态滤波中,提出了一种滤波新算法。理论分析和图像处理仿真实验表明,该类滤波新算法既能有效地滤除噪声,又可充分保留原图像的细节信息。     

基于颗粒分析的Top-Hat变换及去噪

数学形态学中的Top-Hat变换是一种提取图像中局部较亮的目标或信息的技术。经典的Top-Hat变换用唯一尺寸的结构元素对图像进行处理，并不能有效地提取目标，图像上面的结构或目标不一定对那个尺寸的结构元素敏感。通过定义一个递增的结构元素序列对图像进行Top-Hat变换，在每一个像素处用不同的结构元素作Top-Hat变换，以寻找对该像素最敏感的结构元素，并把此结构元素对图像的处理结果作为该像素处最后的输出值。虽然该方法有效地增强了图像，但同时也增强了噪声，最后利用形态重构算子对噪声进行了处理。     

基于背景预测的红外弱小目标检测新算法

针对复杂背景中弱小目标检测难的问题,提出一种改进的双边滤波背景预测算法．该算法在双边滤波中引入梯度算子,自适应地对背景进行预测,将原始图像与预测图像相减可以抑制背景细节、增强目标信息,同时利用梯度的统计特性减少算法的计算量,提高了弱小目标检测性能．仿真和实验表明,与双边滤波的检测算法相比,该算法能够更加有效地从复杂背景中检测弱小目标．     

NSST与引导滤波相结合的多聚焦图像融合算法

为进一步提高融合图像的对比度和清晰度,提出一种非下采样剪切波变换(简称NSST变换)与引导滤波相结合的多聚焦图像融合算法.首先,利用NSST变换对多聚焦源图像进行多尺度、多方向分解;然后针对低频子带系数,通过计算局部区域改进拉普拉斯能量和进行加权映射,构建初始融合权重,利用引导滤波修正初始融合权重,提出一种基于局部区域改进拉普拉斯能量和的引导滤波加权融合规则;针对高频子带系数,结合人眼视觉特性,通过计算显著信息、局部区域平均梯度、边缘信息和局部区域改进拉普拉斯能量和来构建初始融合权重,利用引导滤波修正初始融合权重,提出一种基于人眼视觉特征的引导滤波加权融合规则;最后,进行NSST逆变换,获得融合图像. 4组多聚焦源图像的仿真实验结果表明,无论是从主观评价还是客观评价上,与其余4种融合算法相比,本文算法均较好地保留多聚焦源图像的边缘轮廓、细节和纹理等信息,也无细节信息缺失,提高融合图像的对比度和清晰度.     

基于粗糙集的图像中值滤波算法

粗糙集理论是一种新的处理含糊和不确定性问题的数学工具.它作为一种软计算方法,与模糊方法、遗传算法、神经网络等一样,是有发展潜力的智能信息处理方法.文中将粗糙集理论应用到图像滤波中,提出了一种基于粗糙集理论的图像中值滤波算法.给出了标准中值滤波算法和文中算法的比较实验,结果表明,该算法去噪能力强于标准中值滤波算法,且能较好地保持图像的边缘细节信息.     

基于数字形态学滤波与SVM技术的帘子布疵点检测

针对帘子布生产过程中可能出现的瑕疵问题,提出了一种多形态多尺寸的数字形态学滤波方法,采用多种不同形状和大小的结构元素对帘子布疵点图像进行滤波,对滤波后的图像使用大律法阈值分割,并提取疵点的长、宽、长宽比、面积等特征。最后,利用支持向量机(SVM)进行疵点识别。实验结果表明,该方法可准确检测帘子布中浆斑、经线粘连、断经、劈缝等主要疵点,具有分类准确、辨别速度快的优点,疵点识别率达93.3%。     

基于B样条小波的自适应阈值多尺度边缘检测

利用小波变换的特点,设计了3次B样条平滑滤波算子。对图像进行多尺度滤波,得到了不同尺度的小波变换。结合自适应阈值方法,在每种尺度下分别提取了图像边缘;而后利用边缘信息的多尺度特性,综合多尺度边缘得到单像素宽边缘。通过计算机仿真对该方法进行验证表明:该方法不仅能准确检测出图像边缘,而且能有效地抑制噪声,明显优于已有的边缘检测方法。