一种便捷数字图像处理系统的MATLAB实现

基于MATLAB 7.0,根据其高效的矩阵运算,利用数字图像处理函数,设计一款简单便捷的数字图像处理系统,该系统集成在一个GUI界面中,可对数字图像处理中最常用的几何变换、直方图变换、图像增强、图像去噪等处理。本系统具有高效的处理速度快、使用便捷,对工程中的应用也具有一定的借鉴意义。     

关于医学图像去噪的方法研究

目的 :为了研究新的医学图像去噪方法。方法:对同组图片做小波变换、中值滤波和合并小波变换和中值滤波图像去噪新方法 ,观察对比去噪后图片的清晰度。结果:通过对比实验,研究结果显示合并小波变换和中值滤波图像去噪方法有很好的临床效果。结论:合并小波变换和中值滤波图像去噪方法是有效的。     

一种级联的激光主动成像图像融合降噪算法

针对激光主动成像图像混合噪声的特点,提出了一种投票中值滤波和整数提升小波级联的融合降噪算法。首先对激光图像进行噪声像素点检测,区分噪声点与非噪声点;而后采用投票中值滤波对噪声点进行处理,抑制脉冲噪声;然后采用整数提升小波变换对图像进行Bayes自适应阈值去噪,抑制散斑噪声;最后通过逆变换得到去噪图像。通过实验比对结果表明,该方法在具有良好的去噪、边缘保持性能的同时,还具有较为理想的实时性。     

基于不变矩特征的车道线图像检测算法

为了提高智能车辆导航系统中的车道线检测正确率,提出一种基于不变矩特征的车道线图像检测算法。首先对原始车道线图像进行预处理,提取感兴趣的区域,得到车道线图像的不变矩特征,然后采用支持向量机对车道线图像不变矩特征向量进行建模,得到车道线的检测结果,最后采用仿真实验对算法的性能进行分析。仿真结果表明,相对于其它车道线检测算法,本文算法不仅提高了车道线检测的正确率,而且获得更高的车道线检测速度,完全能够满足车辆安全驾驶实时性的要求。     

一种应用于图像去噪的广义回归神经网络模型设计研究

为了更好地去除图像中的椒盐噪声、保留图像细节信息,提出了一种广义回归神经网络模型,适用于图像去噪。首先,对传统广义回归神经网络的原理进行了分析,并对采用的广义回归神经网络进行具体设计。然后对广义回归神经网络中的唯一可调参数（平滑因子）进行了优化。采用归一化均方误差和峰值信噪比指标进行具体算法性能分析。仿真试验结果显示：相比径向基神经网络和传统广义回归神经网络,提出算法的去噪能力更强,具有较高的峰值信噪比和较低的归一化均方误差,验证了提出算法的有效性和先进性。     

基于K-SVD字典稀疏分解的实木地板去噪方法

针对实木地板的图像获取过程中,所产生的噪声问题,引入了K-SVD字典的学习算法,提出了一种图像的有用信息稀疏分解去噪的方法,目的是有效的保留实木地板的有用纹理信息,并抑制其中掺杂的噪声。通过对图像稀疏分解后得到的值,来进行图像重构,就可以达到图像的去噪目的。首先,构造一个初始化的DCT字典,对图像分块处理;接着,在这个初始化字典的基础之上,进行纹理信息的稀疏分解,同时,对它们之间的残差值进行奇异值分解,更新字典;最后,利用得出的最优化字典,采用正交匹配重构算法,完成去噪图像的重建。实验表明,该算法得出的图像主观效果好,减少了去噪后的模糊程度及保留更多细节信息,在不同程度的噪声下,PSNR较高。     

基于混合滤波算法的数字图像去噪方法研究

双边滤波已广泛应用于数字图像处理领域,但在图像的高梯度区域,双边滤波会产生阶梯效应。双边滤波是局部模式滤波的一种特殊形式,提出了基于高斯滤波和双边滤波的混合图像去噪方法。利用高斯滤波器对噪声图像进行滤波,得到参考图像,将参考图像和噪声图像作为范围核函数的输入双边滤波器。参考图像提供图像的低频信息,噪声图像提供图像的高频信息。与传统双边滤波法比较,混合去噪方法能够有效地克服阶梯效应,滤波后的图像更平滑,纹理特征更接近原始图像,可获得更高的峰值信噪比。     

结构保持生成对抗网络的SD-OCT图像去噪方法

为了去除频域光学相干断层扫描(SD-OCT)中的散斑噪声,提出了一种结构保持生成对抗网络模型,可以无监督地从SD-OCT图像合成高质量的增强深部成像光学相干断层扫描(EDI-OCT)图像.该模型基于循环生成对抗网络结构学习无配对SD-OCT和EDI-OCT图像之间的域映射关系.为了克服循环生成对抗网络生成图像的结构性差异问题,模型利用连续帧之间的相似性引入全局结构损失,保证了图像的全局结构一致性;同时通过模态无关邻域描述符引入局部结构损失,保持了图像的解剖结构细节.在50组CirrusSD-OCT数据集上进行去噪的实验结果表明,该模型的PSNR值为29.03 dB, SSIM值为0.82, EPI值为0.50,均优于现有模型.