应用小波神经网络处理CCD图像噪声

提出了一种用于数字图像中CCD噪声处理的小波神经网络滤波器.分析了CCD噪声模型,找出了导致CCD噪声模型复杂的原因:CCD相机响应功能的非线性.在对自适应噪声平滑(ANS)滤波器分析的基础上,考虑了影响滤波效果的两大问题:滤波窗口和图像强度.将小波神经网络非线性逼近CCD噪声曲线,按照噪声参数对图像进行区域划分并分配相应的权值.然后,结合相应的非线性滤波器进行针对性滤波,综合输出.实验结果表明:本文改进的滤波器滤波效果明显,信噪比得到进一步提高(24.65).利用小波神经网络良好的非线性函数逼近性,结合ANS滤波器,构造出了小波神经网络非线性ANS(WNN-NANS)滤波器,该滤波器在去除噪声的同时很好地保留了边缘细节,同时提高了信噪比.     

科学级CCD相机的噪声分析及处理技术

为了降低科学级CCD相机的噪声,提高相机的成像质量,针对不同的噪声源,根据相应的噪声产生原理,设计了实用的噪声抑制电路和处理电路.应用于选用DALSA IL-E2型TDI-CCD 图像传感器自己开发的科学级CCD 相机,有效地降低了暗电流噪声,消除了复位噪声对真正信号的影响,使相机的成像质量得到提高.通过实验证明,该科学级CCD相机的输出信噪比能达到50 dB.     

基于行列处理消除正向脉冲噪声非线性滤波器

在光电成像应用领域中,有时会在图像上产生大量的正向脉冲噪声,严重地影响了图像质量。本文针对数字图像中出现的正向脉冲噪声,提出了基于行列处理消除正向脉冲噪声的非线性滤波器（ＲＣＦ）,并分析了它的滤波和细节保护特性。通过对仿真图像的处理和应用实例,与几种非线性滤波器做了对比。实验表明基于行列处理的非线性滤波器通过简单的行列处理,不但能有效消除正向脉冲噪声,而且对图像边缘和细节具有较强的保护能力,     

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.     

理想数字滤波器的谐波小波逼近模型与设计方法

分析谐波小波的频域特征和滤波特性,研究理想数字滤波器的谐波小波逼近模型与实现方法。利用谐波小波在频域具有良好的紧支特性和盒形特性,建立理想数字滤波器的小波逼近模型。通过谐波小波变换,实现逼近滤波器的带宽和中心频率的可调。该逼近滤波器的幅频特性已逼近理想数字滤波器的幅频特性,且具有零相移特性,并通过傅里叶变换实现其快速算法。通过算例和工程应用实例验证,该方法能有效地滤除噪声信号,具有算法简捷、快速等特点,能对实测信号进行实时滤波。     

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...     

一种遗传-模糊神经网络图像滤波器

提出了一种新的模糊神经网络与遗传算法相结合的非线性图像滤波器 ,通过有效的编码方案 ,遗传算法可以在很短的进化代数内完成对网络参数的学习。包含于网络中的模糊推理有效地恢复了受污染的像素点 ,同时并不降低原始图像的品质。仿真实验表明 ,该滤波器对冲击噪声有很好的滤除效果 ,明显地优于传统的图像滤波器     

双边滤波器在X射线图像平滑滤波中的应用

针对传统空间滤波器在对X射线图像进行平滑滤波时造成图像边缘模糊现象的问题,提出一种采用双边滤波器对X射线图像进行平滑滤波的一种方法.与传统图像滤波方法不同,双边滤波器不但能对图像进行滤波,而且能保护边缘信息,而传统空间滤波器对图像滤波时会造成图像边缘模糊.双边滤波器是在空间滤波器的基础之上采取动态改变滤波器的方法来对图像进行滤波.最后通过采用不同滤波器对噪声图片进行平滑滤波,验证双边滤波器的平滑滤波效果.     

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。     

工业线阵CCD相机系统测试与噪声评估

为了快速评价工业线阵CCD相机质量,本文选择信噪比为评价因子,建立了测试系统,研究了基于相机输出图像测试相机噪声的方法。分析了线阵CCD相机的噪声,建立了一个基于固定模式和随机噪声的信噪比计算模型,并分析了相关双采样(CDS)过程对电源噪声的影响。设计了一套适于工业场所的相机快速信噪比测试系统,结合理论分析数据和实际测试图像数据,提出了仅通过输出的8bit图片计算各噪声参数的方案。最后,对测试系统引入的光源不均匀性噪声进行了讨论,并证明该实验平台光源符合工业标准EVM1288要求。实验结果表明:当相机模数(AD)转化设置为8.7dB时,输出信噪比可达44dB;若排除光源干扰,输出信噪比可达46dB。该方案简便快捷,满足工业现场对相机信噪比评估的要求。     

Adaptive tuning piecewise cubic Hermite interpolation with Wiener filter in wavelet domain for scanning electron microscope images

Image processing is introduced to remove or reduce the noise and unwanted signal that deteriorate the quality of an image. Here, a single level two‐dimensional wavelet transform is applied to the image in order to obtain the wavelet transform sub‐band signal of an image. An estimation technique to predict the noise variance in an image is proposed, which is then fed into a Wiener filter to filter away the noise from the sub‐band of the image. The proposed filter is called adaptive tuning piecewise cubic Hermite interpolation with Wiener filter in the wavelet domain. The performance of this filter is compared with four existing filters: median filter, Gaussian smoothing filter, two level wavelet transform with Wiener filter and adaptive noise Wiener filter. Based on the results, the adaptive tuning piecewise cubic Hermite interpolation with Wiener filter in wavelet domain has better performance than the other four methods.     

基于L-曲率流滤波器的图像降噪算法

提出了L-曲率流滤波器的图像降噪(滤波)算法,该方法按图像信噪比大小分高、中、低3类,分别由L滤波器降噪、多级L滤波器降噪以及多次迭代的组合滤波器降噪,并进行了实验研究。结果表明:该算法与均值和中值滤波器相比,输入图像信噪比越低,滤波效果越明显。当输入图像为低信噪比时,对于受高斯噪声污染的图像,该算法滤波比均值滤波平均提高2.98 dB;对于受脉冲噪声污染的图像,该算法滤波比中值滤波平均提高11.09 dB,说明该算法对降低不同种类和不同信噪比的图像噪声有较强的适应性。     

Novel hybrid of strong tracking Kalman filter and wavelet neural network for GPS/INS during GPS outages

Aiming to improve positioning precision of the GPS/INS integrated navigation system during GPS outages, a novel model combined with strong tracking Kalman filter (STKF) and wavelet neural network (WNN) algorithms for INS errors compensation is proposed and tested. STKF is used to estimate INS errors as a replacement of Kalman filter (KF), and WNN is applied to establish a highly accurate model based on STKF when GPS works well and to predict INS errors during GPS outages. Performance of the proposed model has been experimentally verified using GPS and INS data collected in a land vehicle navigation test. The comparison results indicate that the proposed model combined with STKF/WNN algorithms can effectively provide high accurate corrections to the standalone INS during GPS outages.     

基于模糊神经网络的图像滤波算法

针对传统的线性和非线性图像滤波算法对含有丰富细节的图像滤波处理的不足,提出一种基于模糊神经网络的图像滤波算法.该算法利用神经网络的自学习功能训练标准样本以确定模糊贴近度阈值,在基本不改变原有图像的灰度信息的前提下,找出图像受到噪声污染的像素点,采用迭代中值滤波算法得到的中值替换噪声点.仿真实验表明该方法有很好的滤波效果,优于传统的图像滤波算法.     

基于神经网络的自适应滤波技术及其在超声检测中的应用

为满足超声无损检测和评价在新材料和新构件上应用的需求,提出了一种基于神经网络的自适应滤波器,使其兼具自适应滤波和非线性处理的能力。该滤波器是在线性自适应滤波器中引入一非线性隐含层而构成,在对该滤波器的结构和收敛性进行详细研究的基础上,实现了一种自适应噪声消除器并应用于超声检测中的材料噪声消除。实验结果证实:利用这种滤波器构成的材料噪声消除器比采用线性自适应滤波器具有更强的降噪能力。