改进门限中值滤波算法在水果图像噪声中应用研究

针对目前水果深加工产生水果图像检测算法中存在图片失真的问题,提出了一种改进门限型中值滤波算法;首先,该算法通过恰当改变门限阈值,利用均值和标准差的和,可以有效保留图像的细节和边缘信息,能够有效的去除水果图像的噪声;其次,经过多组仿真实验并对比普通的中值滤波方法,可以明显的观察出改进后的中值滤波算法有较好的效果;最后,根据大量的数据对比分析与比较,结果表明:该算法能有效的去除噪声并且保留了图像细节,比较其他中值滤波更好。     

基于同质区域自动选取的各向异性扩散超声图像去噪

提出一种自适应选取各向异性扩散滤波器扩散参数的方法,以提高滤波器的有效性和稳定性。首先,使用最大类间方差二值化算法确定超声图像的最优二值化阈值,并将该阈值作为区域均匀性标准对超声图像进行四叉树分解。然后,按从大到小的顺序从分解结果中取出所有当前最大分块,根据最优同质区域分块判决依据进行优选。最后,使用最优同质区域选取结果计算扩散参数,对超声图像进行各向异性扩散滤波。结果表明,本方法优于斑点降噪各向异性扩散(SRAD)和细节保留各向异性扩散(DPAD)两种典型的自动选取扩散参数方法,能在显著减少运算时间的同时使平均图像佳数较前两种方法分别提高0.029和0.129。本方法避免了对人工同质区域选取的依赖,可准确计算扩散参数,在噪声消除和边缘保护上达到有效的平衡,是一种有效的超声图像降噪方法。     

基于脉冲耦合神经网络模型的小波自适应斑点噪声滤除算法

分析了维纳滤波原理和脉冲耦合神经网络(PCNN)模型的特点,根据斑点噪声统计模型的特征,结合小波变换方法,提出了一种基于PCNN模型的小波自适应斑点噪声滤除算法(W-PCNN-WD)来改善超声图像质量.首先,对超声图像进行对数变换,使斑点噪声转换为加性噪声;对医学图像进行维纳滤波处理,计算其加性噪声的标准方差,并以此作为小波阈值.然后,利用小波变换对图像进行预处理,利用PCNN在小波域中对小波系数进行相应的修正.最后,进行小波逆变换和指数变换,获得滤除噪声的图像.结果表明:本文提出的滤波方法优于其他滤波方法,当噪声方差为0.01时,本文滤波算法获得的峰值信噪比(PSNR)比经Wiener滤波方法获得的高出9 dB.该滤波方法能在有效去除超声斑点噪声的基础上保留图像的边缘细节信息,极大地改善了图像的视觉质量.     

无人机遥感山区公路图像去噪方法

为实现对遥感图像较好的滤波去噪效果并有效保持图像边缘细节,提出一种自适应开关均中值融合滤波方法,可有效处理无人机拍摄的公路遥感图像.首先,选定遥感图像的局部区域,并设定梯度变换阈值大小,同时为标记该区域内的各个像素点,定义标志数组.然后,与阈值进行比较,若当前用于比较的像素点的值比梯度阈值大,则进行自适应开关均中值融合滤波,利用自适应选定阈值来替代传统开关均中值滤波器的固定阈值;若当前像素点小于梯度阈值,则选取改进梯度倒数进行加权平滑处理,即针对图像局部区域建立相关函数,将权值参数按照局部统计特性适应性进行调整.由实验结果可知,与传统梯度倒数加权平滑算法相比,自适应开关内中值融合滤波算法能够滤除遥感图像中的脉冲和椒盐噪声,对其他类型的噪声也有较好的效果,同时保留了图像的边缘细节信息.实验结果表明,滤波处理的图像平均梯度指数提高了 ３．１６％ ,且参数均方误差( MSE )减少了约 ５％ ,具有较高的应用价值.     

一种基于NSCT变换的超声图像降噪新算法

为有效抑制超声仪器成像中固有的斑点噪声,提出了一种基于非降采样Contourlet变换(nonsubsampled Contourlettransform,NSCT)域中边缘信号系数区提取和最小均方误差(minimum mean square error,MMSE)估计的超声图像的降噪算法。根据NSCT变换的细节信息刻画能力和平移不变性,对其各高频子带中系数进行分类,提取出边缘信号和平缓信号系数区;对超声图像的乘性斑点噪声进行推导研究,在边缘信号系数区和平缓信号系数区,根据各自噪声项的性质分别得出满足贝叶斯最小均方误差估计的降噪滤波方程;最后,对降噪后的系数进行NSCT反变换重建得到降噪图像。仿真图像和临床超声图像的实验结果证实,该算法与传统方法相比,不但能更有效地对斑点噪声进行抑制,也更好地保留了图像的细节信息。     

基于非局部均值的带钢表面图像去噪

为了在去除图像噪声的同时更好地保留图像的细节信息,现利用非局部均值图像去噪方法,通过高斯加权欧式距离来衡量图像块之间的相似性,并对相似窗、搜索窗、滤波参数进行有效的选取,从而在有效去除图像中的噪声的同时更好的保存了图像的纹理和边缘等细节信息。通过主观评价与客观评价两种方法对该方法的去噪效果做出评价。实验结果表明,基于非局部均值的图像去噪方法相较于传统的图像去噪方法不仅能有效的提高信噪比,而且也更好的保留了图像的边缘和纹理等细节信息。     

强噪声背景信号的Perona-Malik扩散滤波算法

为了提取强噪声背景下机械振动信号的微弱故障特征,提出利用Perona-Malik非线性各向异性扩散滤波模型来实现强噪声背景信号降噪的方法。首先阐述了偏微分方程和Perona-Malik扩散滤波模型在图像降噪中的应用;其次分析了小波变换等传统信号降噪方法的不足;最后基于图像降噪和信号降噪原理的相似性,利用Perona-Malik扩散滤波模型来实现机械振动信号的降噪,将其用于轴承振动仿真信号和实测信号。实验表明,与小波阈值去噪算法等传统信号降噪方法相比,Perona-Malik扩散滤波模型更适用于强噪声背景信号降噪,同时兼顾了信号去噪和保留信号细节特征的双重要求。     

融合Retinex框架对电子内镜图像的增强

针对目前图像增强算法对于电子内镜图像光照不均匀、低照度区域边缘细节不明显以及高噪声等问题的局限性,设计了一种用于电子内镜图像的融合低噪声、均衡光照和细节增强的Retinex框架,并根据此框架设计了增强算法。算法首先利用基于位置信息与相邻频率的滤波器得到低噪光照值;为了有效区分噪声与细节信息,设计了一种基于最大后验概率估计(Maximum A Posteriori estimation,MAP)的反射率估计方法,引入光照因子控制概率权重,对于低照度区域反射率平滑项施加强约束,并通过最大化其后验概率以应对低照度区域的高噪声问题;为均衡光照、应对人体内黏膜和消化液的散射和吸收导致的图像退化,基于暗通道先验(Dark Channel Prior,DCP)算法设计了反向均衡化模型以得到均衡光照值;为应对低照度区域细节信息不明显问题,利用对比度限制自适应直方图均衡化得到细节增强结果。通过使用均衡光照值补偿增强后的反射率,实现噪声抑制、光照均衡、细节增强提高之间的有效融合。实验结果表明,本算法较于近期的同类算法NIEIE(Non-uniform Illumination Endoscopic Imaging Enhancement),能够在保持信息熵与峰值信噪比的基础上,增强度提升23.94%,对于电子内镜图像具有良好的适用性。     

自适应权值滤波消除图像椒盐噪声的方法

提出了一种自适应权值滤波算法。该方法利用邻域差分法(ROAD)判定滤波中心点的有效性,若判定该点为噪声,则将邻域像素分别赋予不同权值对该点像素重构,邻域像素权重系数的分配随该点有效程度的增加而增大。一方面抑制了图像噪声,另一方面保留了图像细节。实验证明该方法在滤除椒盐噪声时,无论从视觉角度还是数据恢复角度都比常规滤波方法效果有明显改善。当图像中含有35%的椒盐噪声时,利用该方法恢复数据效果比传统中值滤波提高10 dB。     

应用正则化影响函数扩散模型的星图噪声滤波

由于恒星星图的噪声滤波对保持星点的边缘细节要求较高,本文以塔基（Tukey）扩散模型与改善的PM（Perona-Malik）模型为基础,提出了一种基于正则化影响函数扩散模型的星图噪声滤波方法。该方法通过导数算子提取边界点集,利用图像中原始像素和噪声像素的空间分布特性对图像进行噪声滤波处理,并通过给定边界条件恢复图像边缘。由于避免了方差稳定（VS）变换,该方法可以直接处理高斯噪声。对普通图像和添加高斯噪声星图进行了仿真测试,并与普通扩散函数算法进行了比较。实验结果表明：提出的算法表现出了较好的噪声滤波能力,同时有效地保持了特征图像的边缘。相对于普通扩散函数算法其平均绝对误差降低了13.6%,峰值信噪比平均提高了6.1%。得到的数据显示,本方法的滤波能力优于普通的扩散函数方法,特别适用于星图的噪声滤波处理。     

多尺度光照不变人脸特征图像的提取方法

现实环境下的人脸认证系统性能受光照变化影响很大.本文提出一种基于各向异性扩散算法的多尺度人脸光照不变特征图像提取算法.其特点是针对人脸图像中的光照问题引入新的区间不一致描述子,并提出新的传递系数以消除传统各向异性扩散算法带来的图像光晕效应,进而形成新的各向异性扩散算法.该算法可以在多尺度空间中有效地提取不随光照变化的人脸结构特征图像,不需复杂的光照变化建模,且对训练样本无特殊要求.在Yale B及CMU PIE标准人脸库上进行了实验,结果表明该算法在低频光照域上具有很好的边缘保持能力,即使在光照变化很大的条件下也能获得良好的处理效果,并明显的降低了人脸认证的错误率.     

基于导向滤波Retinex和自适应Canny的图像边缘检测

机器视觉识别常用金属制品边缘时,表面亮度不均易导致边缘误识别,且传统的边缘检测算法去噪的同时也抑制了大量边缘信息,降低了边缘检测质量。本文提出一种基于导向滤波Retinex和自适应Canny的图像边缘检测算法。该算法采用基于导向滤波的Retinex法得到金属制品图像的反射分量,通过加权分布的自适应伽马校正提升反射分量图像对比度;然后,采用自适应各向异性扩散滤波对增强后图像进行去噪处理,抑制增强后图像的噪声及低对比度纹理,再采用改进四方向Sobel梯度模板提取图像边缘;最后沿用传统Canny算法的非极大值抑制及双阈值分割进一步细化边缘。实验结果表明,新算法检测典型金属小零件时,图像锐度指标由原图的47.11提升至68.39,金属表面的亮度标准差从原图的44.76下降至20.16;噪声指标从原图的1.1下降到0.15左右,并且在去噪的同时较好地保留了图像边缘锐度。新方法有效改善了金属表面图像因亮度不均导致的边缘误识别问题,并且提取的边缘连接性较好。     

基于活动轮廓模型和Contourlet多分辨率分析分割血管内超声图像

血管内超声斑块图像的分割对动脉粥样硬化疾病的诊断有重要价值。针对传统分割方法初始化和鲁棒性两个问题,提出一种基于活动轮廓模型和Contourlet多分辨率分析分割血管内超声斑块图像的新方法。该方法运用Contourlet变换将原图像分解为多分辨率低通分量和多分辨率带通分量方向性子带。对低通分量进行模板匹配,确定血管内腔边界和中外膜边界的初始轮廓;对带通分量方向性子带进行扩散滤波,抑制噪声的同时尽可能保留有用边缘,并结合边界矢量场使轮廓演化得到最终分割结果,从而提高了分割算法的鲁棒性。对100幅仿真图像和120幅实际图像的分割结果表明,该方法能自动、精确地提取血管的两条边界。相对于传统活动轮廓模型法,该方法分割实际图像的平均距离误差提高了3.04像素,面积差异百分比提高了6.30%。     

基于伽马混合模型 B 超图像聚类配准的 颈动脉管壁搏动位移干扰抑制

提出了基于伽马混合模型 B 超图像聚类(UICG)的配准方法以抑制血管壁搏动位移估计的干扰。 使用伽马混合模型对 颈动脉 B 超图像聚类,以远距组织的归一化互信息为相似性测度提取干扰曲线,基于干扰曲线对聚类图像序列进行空间逆变 换以消除外界干扰,最后采用散斑追踪法在配准后的聚类图像序列中估计管壁搏动位移。 仿真实验表明,相比主轴质心与互信 息相结合(PCMI)的传统配准算法,X、Y 和旋转方向上的 UICG 干扰归一化均方根误差(NRMSE)分别减小了 36% 、38% 和 32% , 管壁搏动位移估计的 NRMSE 均值减小了 37% 。 对健康受试者颈动脉的实测试验进一步证明了 UICG 法的有效性。 综上,UICG 法能有效抑制干扰,提高管壁搏动位移的估计精度。     

Correlation-based methods of automatic particle detection in electron microscopy images with smoothing by anisotropic diffusion

Two methods of correlation‐based automatic particle detection in electron microscopy images are compared – computing a cross‐correlation function or a local correlation coefficient vs. azimuthally averaged reference projections (either from a model or from experimental particle images). The ability of smoothing images by anisotropic diffusion to improve the performance of particle detection is also considered. Anisotropic diffusion is an effective method of preprocessing that enhances the edges and overall shape of particles while reducing noise. It is found that anisotropic diffusion improves particle detection by a local correlation coefficient when projections from a high‐resolution reconstruction are used as references. When references from experimental particle images are used, a cross‐correlation function shows a more marked improvement in particle detection in images smoothed by anisotropic diffusion.     

结合压缩感知和曲波的天文图像去噪

在天文图像去噪中,为了提高迭代曲波阈值算法的去噪重建性能,提出了基于循环平移和曲波维纳滤波的压缩感知迭代重构算法。首先,使用基于曲波阈值的循环平移方法对重构图像进行调整以抑制重构图像中的伪吉布斯效应;接着,用提出的曲波维纳滤波算子替代小波阈值在迭代过程中对图像曲波系数进行筛选以进一步提高重构图像的质量。通过对添加高斯白噪声的Lena图像和月球图像进行重构实验,分析本文算法和当前主流算法的性能。实验结果表明,与传统的压缩感知迭代曲波阈值算法相比,本文算法能够获得较优的去噪性能,有效地保护天文图像的细节信息,峰值信噪比大约提高了2.6~3.2dB。     

基于投影特征的自适应图像匹配算法

针对传统图像匹配算法存在的计算量大、匹配速度缓慢的缺点,对基于相关函数法的投影法进行了改进,提出了一种基于投影特征的自适应图像匹配算法。得到投影序列后,选定初始阈值,在后续各点的计算中不断自适应更新,遵循超过当前阈值即停止匹配计算的原则,大大减少了对非匹配点的计算。实验结果表明,该算法抗干扰性强,匹配速度快;模板图像和待匹配图像大小越接近,该算法精度越高,速度优势越明显。     

基于分区灰度投影的稳像算法在卫星装配中的应用

针对传统电子稳像算法无法快速有效地消除视频图像随机抖动的问题,采用一种基于分区灰度投影的稳像算法,以确保机器人系统能够输出稳定连贯的卫星装配画面。对前后两帧视频图像进行划分并删除对比度低的子区域,利用间隔投影和互相关运算获取局部运动分量,通过基于平均误差门限的迭代步骤筛选后剩余的局部运动分量求解全局运动矢量;若判定存在低频扫描分量,还需对多帧图像的全局运动矢量作均值滤波处理。实验结果表明：基于分区灰度投影的稳像算法相比传统灰度投影法,在低对比度的自然场景图像和模拟装配图像中的稳像精确度分别提升119.1%和55.8%;同时执行时间只有块匹配算法的0.5%。能够有效消除随机抖动,快速输出稳定连贯的视频画面,保证机器人系统顺利完成卫星的地面装配工作。     

基于经验模式分解和互信息的多模态图像配准

基于互信息的配准方法是目前多模态图像配准研究中的热点.提出了一种基于经验模式分解后剩余图像和互信息的多模态图像配准方法.首先通过理论分析得出通过求解剩余图像之间的变换参数即可获得原始图像之间的变换参数,从而论证了二维经验模式分解(BEMD)应用于多模态图像配准的可行性,然后给出了图像配准方法的实现步骤.典型多模态图像配准实验结果表明此方法与传统互信息法和基于小波分解结合互信息的方法相比,旋转角度估计误差可以降低1个数量级,缩放参数的估计误差也有很大降低.表明该方法获得了更高的配准精度.     

基于静态小波变换的变透明度法融合GFP荧光与相衬图像

绿色荧光蛋白荧光图像与相衬图像的融合对蛋白质功能的研究和亚细胞结构的定位有重要价值。针对成功用于遥感图像融合的ARSIS概念下多尺度融合算法融合荧光图像与相衬图像时易产生伪像的缺点,提出变透明度的概念,根据直观视觉效果设计一组函数,为融合图像的每一像素分配尺度透明度,并基于静态小波变换的分解结果对源图像进行融合。先通过30组图像的融合实验,估计出所设计函数的相应参数,然后用于对另外117组图像的融合测试,分别计算融合结果的荧光区和非荧光区与荧光图像、相衬图像的质量指数Q和高频相关系数HPCC这两个表征融合效果的特征参数。结果表明,相比常用的融合算法--透明度法、棋盘格法和静态小波替换法,本方法在保持交互可变透明度的同时,提高了融合结果细节的清晰程度,降低了荧光图像背景对融合结果的影响。