共查询到20条相似文献,搜索用时 156 毫秒
1.
2.
提出一种改进的小波阂值处理经纬仪测量图像的去噪方法。在分析目前被广泛应用的软阈值和硬阈值去噪方法的基础上,结合测量图像的特点并利用小波系数的局部相关性,提出一个改进的阈值函数,并对不同阈值函数下的去噪效果进行比较分析。实验结果表明,利用这一改进的阈值函数进行去噪,可获得比传统软、硬阈值方法更好的效果。 相似文献
3.
阐述了小波去噪的基本原理和方法,利用Matlab提供的小波分析功能函数对一维含噪信号noisbloc进行了除噪分析,分别采用强制去噪、默认阈值处理和指定阈值处理3种方法,完成了信号的除噪处理。结果表明:小波在一维信号除噪中有较好的效果,噪声得到了明显的抑制,且保留了相当的原信号细节,3种方法获得的去噪信号幅值与原信号均存在差异,阈值的选取对除噪效果影响很大。 相似文献
4.
5.
6.
7.
8.
在图像去噪的过程中为了既能获得较好的去噪效果,又能更好地保护图像细节。运用调整矩阵的思想提出了一种基于调整矩阵的混合噪声图像滤波。先对图像的空间域信息进行调整,得到调整矩阵,基于调整矩阵对图像进行去噪。实验结果表明.该算法对含高斯和椒盐混合噪声图像滤波效果明显。 相似文献
9.
10.
11.
根据声纳图像匹配处理的实时性需求,研究了正态分布转换算法。该方法基于对图像中目标点的概率分布进行匹配,不需要提取图像的几何特征或灰度特征,可有效缩短匹配时间。通过对均值滤波法、中值滤波法、小波去噪法、形态学平滑法4种图像去噪和迭代阈值法、最大熵法、一维Otsu法和二维Otsu法4种分割算法,进行仿真并对比,选出符合实时性处理的方法,即中值滤波法和一维Otsui法。基于美国德州仪器公司的数字信号处理芯片,将图像去噪、分割和匹配算法在硬件上实现,硬件实现结果和仿真结果一致,实现了声纳图像匹配的实时处理。 相似文献
12.
尺度独立MAS小波算法检测目标图像边缘 总被引:1,自引:0,他引:1
通过分析图像中不同类型的奇异点,进而区分目标图像的不同类型边缘,由此来解决带有噪声干扰条件下的图像边缘检测问题。小波理论在时频域的紧支性和对非平稳信号(噪声)良好的处理效果,在图像处理的研究中大大优于传统的Fourier变换,并广泛应用于图像去噪和边缘提取方面。在小波理论中,Lipschitz指数可以刻画不同的奇异点,从而区分出图像的边缘和背景噪声。在此基础上,提出了一种独立于尺度的有效算法,并应用于模角分离(modular—angle—separated,MAS)的小波函数。用该算法处理二维图像的边缘,效果优于同类方法,且特别适用于有噪声背景的图像边缘提取。 相似文献
13.
针对红外图像易受噪声污染、成像质量差等问题,提出一种非下采样Contourlet域变换系数混合统计建模的降噪方法。将图像变换到非下采样Contourlet域,对噪声系数、信号系数分别按照高斯分布和广义拉普拉斯分布建模,利用贝叶斯框架下的最大后验估计理论,推导原始信号系数估计公式,并对包含噪声的图像系数进行处理,实现非下采样Contourlet域红外图像降噪。实验结果表明,该方法能够对红外成像过程中产生的高斯噪声实现有效抑制,较完整地保持图像的边缘等细节信息,在峰值信噪比提高与视觉效果上优于部分经典算法。 相似文献
14.
利用小波进行图像去噪是目前图像处理研究的热点。提出了一种结合数学形态学和复数小波方窗维纳滤波的图像去噪算法。该算法同时利用了复数小波的方向特性和图像本身固有的几何特性,首先使用双树复数小波变换对图像进行处理,再在基于复数小波域上进行维纳滤波,接着使用数学形态学把图像分成光滑区域和纹理区域2个部分,然后结合复数小波方向窗去更准确地估计小波域方向子带每一点的信号方差,最后利用维纳滤波器进对含噪图像进行去噪处理。实验结果表明,该算法的去噪效果优于一般的复数小波维纳滤波,并且运算更加简洁。 相似文献
15.
16.
17.
18.
19.
模板图像尺寸可变的相关跟踪方法 总被引:3,自引:0,他引:3
相关跟踪过程中,序列图像中的实时图像与模板图像间存在灰度差异和几何形变,当前工程中采用相关匹配算法中的模板图像为矩形结构,为了在模板中尽可能的包含目标,模板中就不可避免的含有背景数据,但传统相关匹配算法中模板图像中的每一个像素都要参与计算,而且模板尺寸是固定的,这样就使得算法跟踪不稳定、容易丢失目标。为此提出一种变模板图像尺寸的相关跟踪方法,该方法实现了对模板图像尺寸的实时修正和非矩形模板相关匹配,试验证明此方法具有较强的抗几何变形的能力以及对复杂背景环境的适应能力。 相似文献
20.
Aiming at the problem,i.e.infrared images own the characters of bad contrast ratio and fuzzy edges,a method to enhance the contrast of infrared image is given,which is based on stationary wavelet transform.After making stationary wavelet transform to an infrared image,denoising is done by the proposed method of double-threshold shrinkage in detail coefficient matrixes that have high noisy intensity.For the approximation coefficient matrix with low noisy intensity,enhancement is done by the proposed method based on histogram.The enhanced image can be got by wavelet coefficient reconstruction.Furthermore,an evaluation criterion of enhancement performance is introduced.The results show that this algorithm ensures target enhancement and restrains additive Gauss white noise effectively.At the same time,its amount of calculation is small and operation speed is fast. 相似文献