基于能量的DSPI相位图正余弦降噪

针对数字散斑干涉(Digital Speckle Pattern Interferometry,DSPI)测量中散斑噪声干扰会导致相位提取困难、测量灵敏度降低的问题,提出基于能量的DSPI相位图正余弦滤波法,克服传统滤波方法不具有自适应性的不足,提高了相位图质量。该方法根据正交小波包能量估算DSPI相位图中的噪声能量;对相位图分别进行正余弦变换,采用均值法平滑处理;利用噪声能量设定滤波阈值,实现相位图有效滤波,文中将噪声能量与正余弦滤波结合可以自适应地进行降噪处理,利用能量控制图像滤波效果。仿真和实验结果表明,基于能量的正余弦滤波法较传统方法可以减少50%的循环次数。证明了本文提出的方法能够有效地对数字散斑干涉相位图进行滤波,提高信噪比。     

基于小波变换与均值滤波的渐进成形力信号处理研究

成形力是渐进成形过程的重要参数。在渐进成形力的检测过程中,针对渐进成形力信号中含有脉冲干扰、白噪声等混合噪声的问题,提出了将小波变换与均值滤波相结合的去噪方法。描述了基于小波变换与均值滤波相结合的算法步骤,针对成形力信号对小波阈值去噪参数选取进行了研究,并通过实验对比说明了新方法的可靠性与有效性。     

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.     

发动机装药内表面疵病检测中的图像滤波方法

导弹发动机内表面自动检测系统属智能检测技术的应用研究,是应用计算机图像处理技术,实现高精度、高效率的自动无损检测。图像滤波的目的是为了去除图像中的噪声,为下一步的自动检测作准备。基于小波分析理论,构造一种既能降低图像噪声,又能够保持图像细节信息的小波去噪算法,在采用小波变换方法对图像进行滤波的同时选择基于小波分解系数阈值量化的方法进行去噪。实验结果表明该方法优于中值和均值滤波方法,因为该方法可将高频部分的空间细化,低频部分的频率细分,并能实现对图像的自适应分析,噪声去除率可达到97%。     

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）。     

分数阶微分加权引导滤波对超声图像的纹理保持

医学超声图像是医生诊断人体组织病变的重要依据,而医学超声图像中固有的散斑噪声易造成纹理信息的破坏,影响医生对组织器官的判断,因此,医学超声图像的去噪处理倍受关注。针对目前医学超声图像去噪算法无法保持图像纹理这一局限性,本文提出分数阶微分加权的引导滤波算法。算法首先通过对数变换,将难以去除的散斑噪声转换为加性噪声;再结合分数阶微分算法,根据像素与边缘纹理的相关性设计纹理因子,并使用该纹理因子改进引导滤波方法;最后,通过改进的引导滤波器生成医学超声图像的处理结果。本文对猪胃和猪气管超声图像进行了算法实验,实验结果表明,本文算法相较于经典引导滤波算法,其结构一致性因子提升20.1%,无参考图像锐化因子提升3.3%,能够在去除散斑噪声的同时有效保留图像边缘纹理结构,对于医学超声图像具有良好的适用性。     

相干斑噪声抑制技术研究

本文研究了一种新的合成孔径雷达相干斑噪声抑制的算法.传统的噪声抑制和近年来的小波变换方法都有其不足之处.本文结合增强Lee算法中的思想与小波算法用于抑制SAR图像中相干斑噪声,能够获得良好的效果,通过对比试验,本文算法具有较好的相干斑噪声抑制能力和边缘保持能力.     

改进EMD阈值小波滤波方法

下肢自主康复训练机器人中交流伺服电机电流信号噪声严重影响电机力矩辨识精度。为解决非线性非平稳信号的滤波去噪问题,提出一种基于经验模态分解(EMD)的改进阈值小波滤波算法。首先对EMD最佳去噪层数和阈值小波的阈值处理函数进行分析和改进,然后将两种改进方法相结合,最后对Matlab中的Heavy sine信号添加高斯噪声,分别利用改进方法和软、硬阈值等滤波方法进行去噪实验。仿真实验结果表明,改进算法能有效去除非线性非平稳信号中噪声信号。与EMD和阈值小波等其他滤波方法相比,本文滤波算法去噪后信噪比更大,均方根误差更小,滤波效果更好。     

光学相关红外目标识别算法研究

为了解决联合变换相关器对红外目标难以识别的问题,研究了一种基于二进小波边缘检测和迭代阈值相结合的红外目标识别算法,设计了一种新型滤波器,对输入物面滤波.经过滤波处理后的物面能够更大程度上体现图像的特征信息,抑制噪声.实验结果证实该方法能有效提高光学相关红外目标识别的能力.     

基于预滤波处理的红外图像小波去噪

针对超声激励检测金属板材内部接触界面类缺陷的红外图像特性,提出一种首先基于高斯滤波和中值滤波对红外图像进行预处理,然后采用二维小波阈值对图像进行去噪的方法。实验结果表明,该方法有效降低了红外图像中的噪声,提高了图像的信噪比。     

强反射表面缺陷图像预处理

为了校正强反射表面图像的亮度不均匀性,抑制局部强亮度现象,同时使其保留足够多的原始图像信息,研究了强反射表面缺陷图像的预处理方法。分析了强反射表面的光学特性,研究了偏微分方程理论及同态滤波算法,在此基础上提出了一种基于偏微分方程的同态滤波算法,即采用热传导方程滤波算子对同态分解的图像进行处理。引入信息熵对不同尺度参数下的处理效果进行评价,从而确定热传导同态滤波的尺度参数,并将该算法与背景去除法、基于小波的同态滤波算法进行了比较。对比实验表明,采用提出的算法处理后得到的图像其灰度级均匀分布在1～6之间,信息熵值均在91%以上。该方法校正了图像亮度的不均匀性,提高了图像质量,同时能保留足够多的原始图像信息。     

昆虫翅膀运动变形测量中的图像特征提取

通过分析翅脉图像的特点, 提出了一种用于提取昆虫图像翅脉和翅脉交点的亚像素级图像处理方法。该方法应用小波理论对图像消噪,并采用中值滤波预处理图像,然后利用小波同态滤波和双线性广义模糊相结合的算法增强图像的翅脉信号。应用基于Hession矩阵的亚像素提取算法提取翅脉中心点的位置,并根据翅脉方向变化的连续性,利用邻域角度约束方法确定翅脉交叉点。最后,给出几种算法实验结果的比较和分析,结果表明,该方法成功实现了翅脉和翅脉交点特征的提取,并有效抑制了噪声和干扰。     

小波变换在CCD视频图像去噪中的应用

利用图像小波系数空间相关性可以有效去除图像噪声的特点,将小波局部阈值放大法和兼顾软、硬阈值优点的半软阈值函数相结合,进行静态图像和CCD视频图像去噪.通过静态图像和CCD视频图像去噪仿真实验及分析,证明了所提出的算法相对于维纳滤波方法,在性能上有了改善,且信噪比有了提高.     

结合引导滤波和卷积稀疏表示的红外与可见光图像融合

为了解决红外与可见光图像融合时信息容易相互干扰、影响融合质量的问题,将引导滤波、高斯低通滤波与非下采样方向滤波器组相结合,提出一种新的图像融合方法。利用引导滤波和高斯低通滤波,将源图像分解为低频近似部分、强边缘部分和高频细节部分,并将高频细节部分进行非下采样方向滤波,进一步得到高频方向细节部分;对低频近似部分应用基于局部区域能量的融合规则,对强边缘部分提出一种基于卷积稀疏表示的融合规则,对高频方向细节部分提出改进的脉冲耦合神经网络的融合规则,得到相应的融合部分,并通过逆变换得到最终的融合图像。对多组红外与可见光图像的实验结果表明,算法得到的融合结果的主观视觉效果和客观评价指标均优于传统的图像融合方法,其客观评价指标中的标准差、信息熵、互信息、平均梯度和空间频率相比融合效果较好的基于离散小波变换和稀疏表示的融合方法平均提高20.28%、2.24%、47.41%、5.34%、8.02%。     

基于小波多尺度分解的竹条缺陷检测算法

在竹条缺陷的图像检测过程中,针对缺陷种类多,尺寸和形状变化大且竹纹理干扰大,提出一种竹条缺陷检测算法。首先设计了竹条边界检测算法,以判断竹条的三角条缺陷;其次对竹条图像的小波分解子图像进行32灰度级量化处理,经过分析图像共生矩阵的逆差矩差分值来获取最佳的小波分解层,实现了对竹纹理的滤除;最后结合Otsu自动阈值检测方法,完成了竹条常见的6种缺陷的检测。经过实验,该算法准确稳定,能有效滤除竹纹理的干扰,竹条缺陷检测效果较好。     

角加速度信号自适应小波的去噪方法

针对多扰动、大负载环境下角加速度计输出信号中含有脉冲噪声和高斯白噪声的情况,提出一种改进的离散小波阈值法与中值滤波算法相结合的角加速度计信号自适应去噪算法。首先,使用中值滤波对原始信号进行去除脉冲噪声的预处理;其次,使用分解层数的自适应确定方法与改进的阈值选取准则,通过离散小波阈值去噪法去除高斯白噪声。仿真结果表明,该算法能够有效地提高信噪比,降低最小均方误差。实验结果表明,该算法既能去除分子型液环式角加速度计信号中噪声,又能很好地保留真实信号中的高动态部分。     

数学形态学和小波变换的红外图像处理方法

为了从红外热图像中识别和跟踪目标,提出了一种采用数学形态学和小波变换相结合的红外图像处理新方法。该方法首先利用形态开、闭滤波器组对原始图像进行平滑处理;然后采用一种改进的数学形态学的分水岭算法对红外图像进行分割,同时利用考虑了图像纹理信息的小波阈值对分割的图像进行滤波处理;最后针对过分割问题提出了一种利用区域灰度中值对分割区域进行融合处理的算法。实验结果及算法性能评估结果表明,该方法能够较好地解决红外目标的识别问题,具有较好的实用性。     

基于MAP估计的复小波域局部自适应绝缘子红外热像去噪方法

为了从强白噪声干扰的红外热像中提取真实的绝缘子盘面温度场信息,提出一种基于MAP估计的复小波域局部自适应去噪方法.首次证实了绝缘子红外热像双树复小波变换(DT-CWT)系数服从拉普拉斯分布,并对不同滤波器组采用各自最精细分解层子带系数估计噪声方差,利用待估计点圆形邻域系数估计信号方差,且随分辨率变化调整圆形邻域半径,使得MAP估计的无噪声系数更为准确,提高了去噪图像质量.实验结果表明,该方法比传统的Wiener滤波法、基于离散小波变换和DT-CWT的贝叶斯阈值去噪方法具有更高的信噪比,在有效去除图像噪声的同时,图像细节信息保留更完好.     

低比度钢板微小缺陷的图像增强和分割

针对低对比度、微小的钢板表面缺陷，提出了基于图像增强的图像分割算法来有效分割和识别缺陷目标。采用小波变换与同态滤波结合算法对图像进行增强处理，不仅消除照度不均的影响，还突出了缺陷细节的信息，达到图像增强的效果。最后，利用粒子群算法优化最大类间方差法参数（PSO-Otsu）确定增强后图像的最佳阈值，并结合Canny算子进行缺陷检测。对比其他算法，该算法在检测低对比度的微小缺陷上取得了良好的效果。     

天基红外图像的点目标检测

为了研究地球同步轨道卫星红外扫描相机图像星上处理技术,分析了美国国防支援计划(DSP)卫星Phase-Ⅱ阶段和改进后的星上信息处理机的基本处理流程,提出了一种适用于星上工作环境的红外扫描图像点目标检测双通道滤波方法。首先,采用均值滤波抑制背景,对背景去除后的残差图像进行自适应门限探测;在门限滤波的同时,采用峰值判别算法对峰值数据进行检波以降低自适应门限滤波产生的虚警;最后,采用融合算法对超过门限的图像及峰值检波图像的双通道数据进行目标确认。该算法在保证高目标检测率的同时降低了虚警率,简单可行且利于硬件实时实现。实验结果表明,当目标信噪比6时,检测概率可达99.3%(虚警率为1.3×10-3);算法实时性分析表明,处理器主频为200MHz时,算法处理能力为56.45Mb/s,满足天基信息处理要求。