基于遗传算法的形态学医学图像滤波

滤波是医学图像处理的重要前期基础。针对形态学滤波的局限性,提出一种基于遗传算法的形态学滤波方法,该方法通过构造适当的适应度函数和对噪声样本图像的学习,利用遗传算法对结构元素的大小和形状以及中值滤波窗口进行自适应调整,找出最优的中值滤波窗和结构元素组合,从而获得最优的滤波效果。实验结果表明使用这一方法滤波后的医学图像信噪比得到了明显提高。     

去除椒盐噪声的自适应开关加权均值滤波

提出一种去除椒盐噪声的自适应开关加权均值滤波算法。该算法采用一种新的噪声检测方法将图像中的像素分为信号点和噪声点,对检测出的噪声点采用加权均值滤波进行处理,而信号点保持其灰度值不变直接输出。实验结果表明,该算法能在有效去除椒盐噪声的同时保护图像细节,较传统中值滤波及其改算法有更好的滤波性能。     

颤振试验中加速度计信号的时频滤波方法研究

针对飞机颤振试飞试验数据信噪比偏低的问题,提出了两种加速度计信号的时频域滤波算法,分别借助小波和分数阶傅里叶变换对数据进行时频分析,并在时频域内滤波.该类算法的共同思想是利用扫频信号在时频域内的聚焦特性,有效提取真实响应信号,达到了信噪分离的目的.文中给出了具体的滤波算法,并通过仿真算例和实际试飞数据检验了滤波效果.结果表明两种方法均可显著提高加速度计信号的信噪比.其中,小波变换方法的通用性较好,而分数阶傅里叶变换在处理线性扫频激励数据时表现了更优的去噪效果.     

非加性噪声情形下卡尔曼滤波器的推广

在数字信号处理中,得到的信号总是或多或少伴随着噪声。如何去除噪声,恢复真实的信号,是信号处理面临的首要问题。一般情形下我们都假定噪声是加性的,即噪声是不依赖于信号的,此时,卡尔曼滤波器是一种非常简便的降噪方法,它是一个最优化自回归数据处理算法,是用前一个估计值和最近一个观察数据来估计信号的当前值,是用状态方程和递推的方法进行估计的,而且它在均方误差意义下是最优的。本文将噪声推广到一般的乘性噪声的情形,利用卡尔曼滤波的基本思想,同样可以得到均方误差意义下的最优滤波,最后通过一个模拟的例子验证了该方法的有效性。     

一种基于小波变换图像去噪的方法

提出了一种基于图像软阈值小波变换的高斯白噪声消除法。该算法根据含噪声图的特点，把信号分成信号象素与可能噪声象素两类，对于可能是噪声的象素，采用图像的小波软阈值去噪方法进行滤波，而对信号象素不产生影响，且能保留更多的图像细节。文中也给出了标准中值滤波，自适应维纳滤波算法和小波软阈值去噪的算法进行比较实验，结果表明用小波软阈值去噪的算法处理高度污染高斯白噪声的图像能力明显强于标准中值滤波，稍微优于自适应维纳滤波算法，且能够比较好保留图像的细节部分。     

基于噪声检测和动态窗口的图像去噪算法

针对中值滤波算法在去除脉冲噪声时易造成图像细节丢失的问题,提出了一种基 于噪声检测和动态窗口的自适应滤波方法。首先借鉴 BDND 方法,将图像的像素初分成信号点 和疑似噪声点,以减少需要处理的像素点;然后设计一种窗口自适应的噪声检测方法对疑似噪 声点进一步检测,判断其是真噪声点还是细节点,以加强图像细节信息的保护;最后通过改进 的自适应中值滤波器滤除检测出的噪声,并融入窗口自适应控制,窗口的大小可以根据噪声情 况自适应地调整,在去除噪声的同时尽可能地保护图像细节。实验表明,该算法在噪声处理和 细节保护上要优于其他典型算法,能有效地提高图像的峰值信噪比,对于高密度噪声的图像, 也可以获得较好的去噪效果。     

基于噪声检测的遥感图像模糊滤波

提出了一种基于噪声检测的遥感图像模糊滤波方法。该方法首先用一个噪声检测标准将输入图像的像元分为为噪声像元和信号像元,然后,利用模糊数学的相关理论对噪声像元进行处理,并把处理结果赋给输出图像的对应像元;而对于信号像元,则不进行处理,直接把它的值赋给输出图像的对立像元。另外,在图像处理过程中,把输入图像的噪声像元用其处理结果代替,以更好地改善图像滤波处理结果。实验结果表明本文的方法能有效地去除图像中的椒盐噪声。     

基于触诊成像的肿块识别系统研究与设计

乳腺癌的早期发现对于乳腺癌的治疗有十分重要的意义,设计了基于触诊成像的肿块识别系统。该系统由压力信号检测单元、信号控制单元和图像处理单元组成,压力信号检测单元实现压力信号的采集,信号控制单元由FPGA控制多路开关的选通来扫描压力阵列传感器的电容信号,并将数据通过EZ-USB发送给上位机,图像处理单元对压力图像进行处理来滤除噪声。其中图像处理单元是该系统的枢纽,运用最小二乘曲面拟合校正压力图像,最大类间方差法和基于滤波的图像邻域评级技术对压力图像进行分割,对压力图像进行线性插值来提高图像分辨率。实验结果表明,该系统可以在复杂噪声图像中有效地识别出肿块。     

基于极值的椒盐噪声滤波改进算法

为了在有效滤除椒盐噪声的同时更好地保护图像细节,提出一种基于极值的椒盐噪声滤波改进算法.算法首先进行噪声检测,将灰度值为0和255附近的像素点,且不构成5像素或以上直线的点作为噪声点,其余点作为信号点;然后进行噪声滤波,为了保护图像中的边缘、细节或细线,信号点不做任何处理,而对噪声点使用梯度法进行处理.Matlab仿真实验结果表明,新算法不仅能有效滤除椒盐噪声,在保护细节方面也取得了优于传统中值滤波算法的效果.     

基于灰度最值和方向纹理的概率滤波算法

为了更高效地检测和滤除噪声,基于灰度最值和方向纹理的概率滤波算法根据灰度最值进行噪声检测,对检测出来的可疑噪声,根据四个方向纹理的平滑过渡性进行第二次噪声检测。运用滤波窗口中出现频次最高的信号像素取代噪声。如果窗口中不存在信号像素,增大滤波窗口,以使窗口包含信号像素。当滤波窗口增大到允许的最大尺寸时,窗口中依然没有信号像素,则用窗口中已处理的、出现频次最高的像素取代噪声。将算法与当前滤波性能最好的中值滤波算法用于图像滤波实验。从滤波结果的主观视觉效果和客观数据两方面进行的比较分析证明,相对于当前的中值滤波算法,基于灰度最值和方向纹理的概率滤波算法具有更加良好的滤波性能,在滤除噪声的同时,很好地保持图像的边缘和细节。