基于形态学边缘检测和小波阈值的摩擦副红外图像去噪

针对红外图像通过普通小波阈值去噪不能较好地保留边缘信息的问题,提出了一种数学形态学边缘检测和小波阈值去噪相结合的方法,对摩擦副表面红外图像进行去噪,达到获得较为准确的温度场的目的。红外图像经过小波变换,在高频子带中做数学形态学边缘检测,确定边缘信息的位置,再进行阈值去噪处理。试验结果表明,相比普通小波阈值去噪方法,该方法不仅较好地保留了红外图像的边缘信息,去噪效果明显,而且改善了均方误差和峰值信噪比。该方法意在提高红外图像测温的准确性,为测量和分析摩擦温度场提供更好的技术支持,具有较高的工程应用价值。     

基于数学形态学和小波阈值的红外温度图像去噪方法

针对普通小波阈值去噪方法不能较好地保留红外图像边缘信息的问题,提出一种数学形态学边缘检测和小波阈值去噪相结合的方法,即红外图像先经过小波变换,在高频子带中做数学形态学边缘检测,确定边缘信息的位置,再进行阈值去噪处理。结果表明,与普通小波阈值去噪方法相比,该方法较好地保留了红外图像的边缘信息,去噪效果明显,且改善了均方误差和峰值信噪比,对摩擦副表面红外温度图像进行去噪,可获得较为准确的温度场。     

提升小波和分水岭算法在矿石粒度检测中的应用

为了实现矿石粒度的在线自动化检测，需要解决两个难点：矿石图像的去噪和分割。通过提出了一种新的提升小波构造方法：基于三次B样条函数的提升小波，实现了对矿石图像的去噪。对于矿石图像的分割，提出了改进的分水岭算法。矿石粒度检测的具体步骤是：首先利用基于三次B样条函数的提升小波对图像进行去噪，再利用改进的分水岭算法对矿石图像进行分割。最后利用图像的连通域性质，计算各个连通域的像素面积，再转换到实际的矿石粒度大小，从而实现对矿石粒度的检测。对比这里算法与人工筛选的结果，累积误差在3%以内，可见这里算法具有可行性和准确性。     

基于小波变换的图像去噪研究

本文在对目前图像小波去噪的图像分别进行了仿真试验,并得出了相应结论.最后,对小波去噪方法提出了一些展望.     

线阵CCD全景图像的噪声分析与去噪方法研究

为便于线阵CCD(charge-coupled device)全景图像的后期运算处理,需要对图像进行去噪处理,以提高图像信噪比.分析了线阵CCD扫描全景成像系统中图像噪声的来源,研究了该系统噪声的特性.对比研究基于小波变换的多种去噪算法的优劣性和使用条件,提出一种基于小波软硬阈值的中值滤波去噪方法.通过实验结果分析,验...     

基于小波域维纳滤波的光纤面板暗影检测

通过分析光纤面板透光图像的噪声性质,提出在小波去噪的始末对图像取对数、指数变换,成功转换噪声模型,有效去除高斯及斑点噪声.并提出在小波域采用维纳滤波算法以增强去噪功能,实现更为有效地去除光纤面板透光图像中的噪声.最后对去噪图像进行暗影检测,实验结果表明,采用此算法进行去噪,检测出的暗影定位更加精准,冗余信息大量减少,有...     

航空图像的小波去噪

航空图像,除了含有一般数字图像的噪声之外,还有大气扰动产生的噪声,线阵CCD产生的积分条纹噪声等,所以去除噪声对于航空图像来说尤为重要.本文采用二维离散小波sym4阈值降噪的方法对图像进行去噪,实验中将原始航空拍摄图像加入了σ=15的高斯白噪声,对含噪图像进行二维离散小波变换分解成不同分辨率子图像,并对各子图像进行阈值化处理,处理后图像又进行了小波逆变换,从而获得了降噪后的航空图像.含噪图像的PSNR(峰值信噪比)为27.53,去噪后PSNR为29.14.该方法有效降低了噪声,又保持了图像的细节,与传统的滤波降噪相比,降噪效果有较大改善.由实验结果证明了这是一种有效的航空图像降噪手段.     

多小波在信号中的去噪研究

在信号的传输过程中,常常因为各种干扰使得接收图像失真,从而需要对接收信号进行去噪处理。笔者介绍了多小波自适应阈值去噪的方法在信号去噪中的应用,并与传统小波去噪方法进行了实验对比,结果为通过采用多小波自适应阈值去噪方法中的均值逼近对信号进行预处理后,信噪比(SNR)要比不用均值逼近法的要高,信号质量得以大大改善,并且均方误差(MSE)反而也减小了,数据更加可靠。因此得到了更为理想的接收图像。     

一种具有边缘保持特性的超声图像小波域阈值去噪新方法

超声图像去噪是医学图像处理的研究热点之一,基于小波域阈值去噪技术及阈值选取方法的分析,提出一种新的医学超声图像小波域阈值去噪方法.这种方法采用半-软阈值去噪技术和广义交叉确认函数寻找阈值,在有效去噪的同时较好地保留了图像边缘细节.首先, 把对数超声图像小波分解;然后,基于广义交叉确认函数寻找最小均方误差意义上的近似最优阈值,对所有的高频段采用半-软阈值去噪; 最后, 经小波反变换和指数变换获得去噪后的超声图像,文末对超声图像小波域阈值去噪方法作出定性比较,并对算法的去噪性能给出定量分析.仿真实验和实际测试结果表明此方法是有效的、可行的.     

小波与中值滤波相结合的汽车管路连接件表面缺陷图像去噪

由于汽车管路连接件表面缺陷图像中的高频噪声和椒盐斑状噪声直接影响缺陷特征提取的精度,提出一种小波与中值滤波相结合的去噪新方法。该方法首先对原始图像进行小波变换分解,分离出高频信号与高频噪声,并将噪声滤除,然后由灰度值变化曲线统计得到缺陷灰度分界阈值,结合中值滤波算法自适应地滤除椒盐斑状噪声以保护缺陷特征边缘,对去噪后的图像进行线性增强,使缺陷边缘轮廓更加清晰,最后采用Sobel边缘算子算法分别对中值滤波、小波滤波、高斯滤波及新方法去噪后的图像进行缺陷特征提取以对比分析去噪效果。实验结果表明,新方法的峰值信噪比(PSNR)分别比中值滤波、小波滤波及高斯滤波提高了10.70%、8.99%和8.87%;结构相似度(SSIM)分别提高了21.82%、23.34%和11.54%,说明新方法具有良好的去噪效果,并在一定程度上提高了缺陷细节形状特征提取的准确性,适用于汽车管路连接件表面缺陷的检测与分类识别。