手指静脉图像增强算法研究

根据手指静脉图像的特点,采用了一系列增强图像的算法,分平滑去噪、锐化和二值化三个步骤实现,从而达到分离静脉区域和背景区域的目的。在平滑去噪部分,根据手指静脉图像相邻区域间灰度的关系特点,采用了梯度倒数权重平滑法,对图像进行了去噪处理;在锐化部分,采用将高频强调滤波和直方图均衡化相结合的方法,达到了增强静脉和背景对比度的较理想的效果;在二值化处理部分,根据手指静脉不同区域灰度差别较大的特点,提出了一种分区域处理的方法。试验表明,该算法能有效的分离静脉区域和背景区域。     

基于中值滤波和形态学的去噪算法

提出了一种基于中值滤波和灰度形态学的去噪算法。首先利用中值滤波和形态学滤波的方法对原始图像进行去噪处理,而后叠加经过高帽变换的图像以增强边缘信息,改善了传统中值滤波算法易造成边缘模糊和对噪声强度敏感的不足。该算法简洁、耗时少。算法的实用性用计算机进行了仿真验证。     

基于判断脉冲噪声的中值滤波改进算法研究

为提高图像去噪效果,在分析了中值滤波算法及判断脉冲噪声中值滤波算法基础上,对算法进行了门限选择及噪声误判的改进,改进后的算法增强了单线元素边缘的检测能力。通过仿真结果,可以看出对图像的去噪效果有一定的提高,信噪比也有所提高。     

受人观测启发的UUV前视声纳滤波方法

UUV依据前视声纳探测信息进行在线滚动路径规划。针对浅水环境下声纳探测信息受物理及声场环境干扰杂波较多的问题,提出了一种受人观测启发的前视声纳滤波方法。首先,建立了声纳视域模型,然后采用小波阈值法进行声纳信息的初步去噪;其次,引入仿人观测的真伪目标判别策略,提出了基于时间滑窗的探测目标模糊关联与真伪判别算法。湖试结果表明:该算法能够滤除浅水环境下声纳探测信息的杂波,可提供可信环境信息,并引导UUV避开岛屿、浮箱等典型障碍目标。     

基于小波域统计模型的纸浆纤维图像去噪研究

在小波多尺度分析基础上，提出一种新的图像小波系数的白适应统计算法，并应用于纸浆纤维图像的去噪研究。将图像小波系数视为服从广义高斯分布（GGD）的随机变量模型，在小波软阈值去噪的基础上引入空间自适应阈值方法；将均值滤波算法应用于小波系数方差的边缘估计中，结合最大后验概率准则（MAP）进行参数估计以恢复噪音小波图像。该算法用于纸浆纤维图像的去噪，效果理想，同其它的图像去噪算法相比，它具有较高的峰值信噪比（PSNR）。     

基于小波变换和自适应中值滤波的图像去噪

小波图像去噪已经成为目前图像去噪的主要方法之一。该文尝试把小波变换与自适应中值滤波这两种去噪方法相结合,对同时含有高斯噪声和椒盐噪声的图像进行了去噪研究。实验结果表明,此方法在去除噪声的同时也较好地保留了原始图像的边缘信息,效果不仅优于单一的小波变换或普通中值滤波的方法,更优于将小波变换与普通中值滤波相结合的方法。     

商标图像平滑滤波算法研究与应用

为了更加准确的完成商标图像的自动检索,在预处理过程中,针对商标图像中存在的噪声,研究了图像平滑滤波算法,分别利用均值滤波、中值滤波和改进的中值滤波方法对商标图像进行了滤波去噪处理.实验结果表明,改进的中值滤波算法在实现去除噪声的同时,既克服了均值滤波处理后图像边缘模糊和图像色变的缺点,也克服了中值滤波法处理后图像形变的不足.     

基于L-T的联合算法在光纤法珀纳米压力传感器脉压检测信号中的应用

研究了一种改进的去噪方法及其在脉冲拍频信号去噪中的应用。该算法结合了局部均值分解(Local mean decomposition,LMD)和时频峰值滤波(Time-frequency peak filtering,TFPF)的优点,称为L-T算法。TFPF作为一种经典的时频滤波方法,较长的窗长可以在保留信号幅值的前提下有效抑制随机噪声,而较短的窗长则导致信号幅值严重衰减。因此,为了保持有效信号幅度、抑制随机噪声,对LMD和TFPF进行了改进。首先利用LMD将原始信号分解为无级生存(Progression-free survival,PFS),然后计算各乘积函数均值的标准误差,将许多PFSs分为有用分量、混合分量和噪声分量。其次,将短窗TFPF用于有用分量去噪,长窗TFPF用于混合分量去噪,得到重构后的信号。最后,将该算法用于F-P压力传感器的降噪。实验结果表明,与传统小波去噪算法相比,L-T算法去噪效果更优。     

遥感图像常用去噪方法

遥感图像在获取和传输的过程中,受各种噪声影响,使图像的边缘纹理等细节模糊,质量降低。为获得清晰的、高质量的遥感图像必须进行降噪预处理。该文就遥感图像去噪的邻域平均法、中值滤波法、维纳滤波法及小波变换法算法原理进行了研究和比较分析并进行了仿真实验。结果表明:对受不同噪声影响的遥感图像选择不同滤波算法均能取得较好的效果,但在噪声模型未知的情况下,小波去噪效果更佳。     

基于BEMD与双树复小波-局部Wiener滤波的毫米波图像去噪

为了有效地去除毫米波图像中含有的噪声,提高目标识别的精度,提出一种将二维经验模式分解(BEMD,Bidimensional Empirical Mode Decomposition)与基于双树复小波变换(DTCWT)的加窗局部Wiener滤波相结合的图像去噪算法。首先,对毫米波图像进行BEMD分解,得到不同特征尺度的本征模函数(IMF,Intrinsic Mode Function)子图像集;其次,利用双树复小波变换对中高频IMF子图像进行多尺度、多方向分解,并结合带有椭圆方向窗的局部Wiener滤波算法对各个高频方向子带进行去噪;最后通过DTCWT逆变换重构得到去噪后的IMF,并与残差图像相加进行BEMD重构。实验结果表明,该融合算法与单独的BEMD,DTCWT-Wiener滤波及离散小波变换-Wiener滤波算法相比,去噪后图像的视觉效果更好,提取的目标的边缘及细节特征更清晰,因而峰值信噪比最高。     

基于循环平移和DTCWT的声呐图像滤波方法

声呐图像散斑噪声的存在严重影响声呐图像的人工判读和自动识别。声呐图像散斑噪声滤波是声呐图像处理领域的一个重要难题。双树复小波变换(DTCWT)因其具有近似的平移不变性、良好的方向选择性已被应用于图像滤波。但这种平移不变性的近似性使得DTCWT不能较为彻底地抑制伪吉布斯现象,而导致滤波后图像的边缘存在一定程度的模糊。为了减小伪吉布斯现象和声呐图像边缘模糊,将循环平移与DTCWT结合使用,提出一种基于循环平移和DTCWT的声呐图像滤波方法。实验结果表明,该方法在滤除声呐图像散斑噪声的同时能够较好地保持声呐图像的边缘。     

一种合成孔径声呐图像目标分割方法

合成孔径声呐图像的信噪比低于普通光学图像,使图像分割成为合成孔径声呐图像处理中的重要环节。本文研究了表示合成孔径声呐图像数据分布的瑞利混合模型,结合马尔科夫随机场模型,将其应用于声呐图像水下目标(亮区)分割;通过最大期望算法分别估计目标和背景的瑞利混合模型参数,并利用该参数使用Graph cut方法进行马尔科夫随机场图像分割,通过重复迭代,最后形成稳定的目标分割结果;对实际的声呐图像进行了数据分析及目标分割,结果表明瑞利混合模型在描述合成孔径声呐声图上有良好的性能,可以改善目标分割的效果。     

基于稀疏布阵的实时三维成像声纳系统

水下实时三维成像声纳系统可以有效地提高对水下目标探测及识别的能力,本文提出基于稀疏面阵的实时三维成像声纳系统,该系统包括3个部分:窄带信号发射系统、稀疏布阵接收系统及信号处理系统。信号处理系统在远场情况下采用二维FFT波束形成获得目标三维成像,近场情况下采用自聚焦二维FFT波束形成获得三维成像结果。相比于直接相移波束形成,稀疏布阵情况下采用二维FFT波束形成算法具有更小的计算量和内存需求量的优势。基于该成像算法,设计并实现一套实时三维成像声纳系统,通过多次湖上及海上实验对该系统进行测试,实验结果表明:该系统可以获得水下近场及远场目标的三维图像并满足实时成像的要求。     

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...     

A new MNF–BM4D denoising algorithm based on guided filtering for hyperspectral images

This paper proposed a new MNF–BM4D denoising algorithm based on guided filtering to improve the denoising performance of the state-of-the-art Block-Matching and 4D filtering(BM4D) algorithm for hyperspectral images in the spatial and spectral domain. BM4D is firstly used to denoise hyperspectral images. Then Minimum Noise Fraction(MNF) algorithm is introduced to distinguish between the main component and the noisy component. Finally, the guided image filtering technology is utilized to further improve the denoising performance. A number of experiments on both simulated and real data are conducted to validate the effective denoising performance of the proposed method. Therefore, the proposed algorithm can be considered as a promising technique for hyperspectral imagery denoising.     

中值滤波与小波变换的指纹图像混合去噪的算法

图像去噪是指纹图像预处理中的重要内容,直接影响着指纹识别系统的准确率.结合中值滤波与小波去噪分别去除椒盐噪声和高斯噪声中的优势,提出了一种指纹图像混合去噪算法,并对其中的关键步骤进行了详细分析.仿真结果表明:相对于单一使用一种去噪方法,混合去噪算法能更有效地去除指纹图像中的椒盐和高斯混合噪声,获得了较好的峰值信噪比增益.     

基于无人艇载侧扫声呐的水下目标定位方法研究

水下目标高精度定位是无人艇开展海底测绘、航道清理、沉船打捞等任务的重要前提。 然而,现有的基线式定位方法无 法对未知水域内的目标进行精确定位。 实际任务中,无人艇往往需要搭载侧扫声呐并辅以其他手段来确定水下目标的准确位 置。 针对无人艇水下目标定位难题,首先对侧扫声呐水下目标定位过程进行建模,然后分析姿态误差对水下目标定位造成的影 响,利用姿态矫正矩阵消除姿态误差,最后利用离散卡尔曼滤波算法对多点测量数据进行最优估计,得到水下目标的精确位置。 仿真实验和无人艇集成实验结果表明,该定位方法能够有效的减小测量过程中的误差,平均定位精度达到 0. 334 m。