基于频域的图像条纹噪声消除方法

主要以图像去噪为主的研究对象,利用图像的频谱图对图像中的条纹噪声的频率分布进行分析,并使用巴特沃斯带阻滤波器对条纹噪声进行消除。实验结果表明,该方法能够有效地滤除图像中存在的条纹噪声,且不会丢失原图像的有用信息,能够恢复出不含噪声的原始图像。     

分形噪声中谐波信号的提取

本文提出一种分形噪声中谐波信号的提取算法。它利用小波变换对1／f噪声的白化作用,结合自适应自调谐滤波器组,在小波域实现了分形噪声与谐波信号的分离。仿真结果表明,该算法能够有效地抑制分形噪声,显著地提高信噪比。     

数字图像去噪方法的比较与研究

本文首先分析了数字图像中噪声产生的原因,然后介绍了图像去噪的基本原理和各种方法,提出利用不同方法去除不同噪声的思想,并将去噪方法进行综合比较,总结出基本规律,为图像去噪的研究工作奠定了基础。     

图像检测方法研究

图像噪声会严重影响其视觉效果,采用适当的方法进行图像去噪是一项必不可少的预处理操作。本文对几种常用的图像去噪方法进行了分析,通过仿真高斯噪声和椒盐噪声,着重对基于均值滤波、中值滤波以及卷积神经网络的实际去噪效果进行了比较。实验结果表明三种方法的去噪效果各有优劣,均能提高图像的检测质量。     

一种改进的三维块匹配图像去噪算法

目的为了有效消除噪声图像中的椒盐噪声、高斯噪声甚至混合噪声,改进三维块匹配算法,提出一种新的图像去噪算法。方法首先,该算法将含噪声图像用图像块之间的相似性构建三维矩阵。然后,在图像块之间进行硬阈值滤波降低噪声,对图像块集合加权平均重建得到初步估计去噪图像。最后,对初步估计结果图像进行块匹配,在图像块内和图像块之间进行维纳滤波和加权中值滤波,得到最终去噪图像。结果仿真结果表明,该算法对图像采集的常见噪声均表现出理想的去噪效果,PSNR值均大于31 d B。对比维纳滤波、中值滤波、硬阈值小波滤波,文中算法对高斯噪声、椒盐噪声和混合噪声的去噪结果 PSNR值为31.5334~36.6466 d B,均高于其他算法,最高差值达到12.08 d B。结论结合中值滤波和三维块匹配算法的图像去噪算法,能够较好去除噪声图像的多种类型噪声,是一种较为优秀的去噪算法。     

脉冲噪声下基于Myriad滤波及分形盒维数的频谱感知

为了实现脉冲噪声背景下频谱感知,本文提出基于Myriad滤波及分形盒维数的频谱感知方法。Alpha稳定分布噪声影响信号的分形盒维数值。由于Myriad滤波可以抑制Alpha稳定噪声,所以先对接收信号Myriad滤波,再计算其分形盒维数值作为检验统计量。仿真结果表明,该方法在Alpha稳定分布噪声下具有良好的频谱感知性能     

基于小波神经网络的CCD图像去噪算法研究

CCD摄像机获取目标影像时不可避免地受到噪声影响,因此噪声去除是CCD图像处理的一项重要研究课题。提出一种基于小波神经网络的图像去噪方法。实验结果表明,该方法在去除噪声上优于传统的均值滤波等方法,具有很好的保真度。     

一种结合小波变换和维纳滤波的图像去噪算法

目的为了有效消除噪声图像中的椒盐噪声、高斯噪声甚至混合噪声,结合维纳滤波的优势和小波分解各分量的特点,提出一种新的图像去噪算法。方法该算法先将含噪声图像进行小波变换,分离出1个低频分量和3个中高频分量,然后对低频分量进行自适应维纳滤波,对3个中高频分量用Canny算子提取边缘,最后将处理后的4个分量进行重构得到去噪后的图像。结果仿真结果表明,该算法对扫描仪引入的常见噪声均表现出较好的去噪效果,PSNR值均大于20 d B。尤其是对于高斯噪声和混合噪声,新算法去噪后的PSNR结果高于维纳滤波、软阈值小波滤波和文献[9]算法1~8 d B,效果较好。结论结合小波变换和维纳滤波的图像去噪算法,能够较好去除噪声图像的多种类型噪声,是一种较为优秀的去噪算法。     

基于小波变换和中值滤波的图像去噪

针对图像中同时含有脉冲和高斯混合噪声的情况下,本文提出了一种中值滤波和小波变换相结合的图像去噪方法。仿真结果表明,该方法可以有效地滤除混合噪声,改善图像的视觉效果。     

基于小波神经网络的激光散斑图像去噪技术研究

提出基于小波神经网络的图像去噪方法,该方法兼有小波分析的良好时频域特性和神经网络的自适应能力.实验结果表明,该方法在去除噪声上优于中值滤波等传统去噪声方法,其散斑指数较小,峰值信噪比较大,在有效去除噪声同时,又能很好地保护图像的细节信息.     

散斑干涉条纹图的总变分去噪方法

去除散斑条纹图中的噪声是电子散斑干涉测量技术的关键问题.提出将总变分图像去噪方法应用于电子散斑干涉条纹图滤波过程中,并对保真系数进行了改进.用总变分模型定义图像的能量函数,利用变分法求得满足能量函数的最优解,将图像去噪过程转化为求解偏微分方程的过程.分别对计算机模拟的条纹图和实验获得的条纹图进行了测试,定性和定量分析的结果表明该技术能够在显著滤波的同时保持条纹的对比度.     

基于块匹配的迭代滤波SAR图像去噪

提出了一种基于块匹配的迭代滤波合成孔径雷达图像去噪方法。首先,利用图像块之间的相似性进行块匹配,将相似图像块构建成一个三维矩阵。然后,在相似图像块之间进行迭代变换域滤波去除相干斑噪声,通过加权平均重建得到基本估计去噪图像。最后,对基本估计结果图像执行块匹配,在相似图像块内与相似图像块之间进行三维经验滤波得到最终去噪图像。实验表明,该方法不仅能够很好的去除合成孔径雷达图像相干斑噪声,还能够较好地保持图像的细节信息。     

一种基于小波变换的图像自适应去噪新方法

针对图像在日常拍摄和传输过程中极易受到干扰,造成图像模糊,分辨困难的问题。文章中首先对利用滤波去除图像噪声的方法以及利用常见的小波系数变换去除图像噪声的方法进行了说明并给出了小波变换去噪的步骤和流程图,进而针对性的提出了一种基于小波变换的自适应图像去噪方法。利用信噪比（SNR）和峰值信噪比（PSNR）两种客观评价方法将文章方法与其他方法进行了比较,数值仿真结果表明文章中提到的方法大大提高了图像去噪的水平,达到了自适应去噪的效果,说明该方法具有很好的实用性。     

基于小波分析的惯性传感器信号实时处理方法

分形噪声和白噪声是影响光电跟踪系统惯性传感器输出信号精度的重要因素,采用传统的方法很难滤除分形噪声.利用分形噪声在小波变换域的特殊性质,采用小波滤波方式,并在此基础上,实现两种不同带宽的惯性传感器信号的融合.通过将阈值计算进行简化,并对信号输入延拓方式进行改进,提高了信号处理的精度,由此可以大大降低信号的小波变换长度以提高运算速度,最终在相应硬件的基础上实现信号的实时处理.最后的实验验证了该算法的有效性和实时性.     

基于Contourlet变换尺度间相关的图像去噪

Contourlet域数据分析表明,信号的变换域系数在尺度间相关性高,而白噪声则呈弱相关或不相关。通过相关性强弱区分噪声与信号系数,并结合阈值函数,提出了基于Contourlet变换尺度间相关的图像去噪新算法。实验结果表明,新方法去噪后的图像比小波相关去噪算法的PSNR值更高,视觉效果更好,尤其适用于纹理轮廓丰富的图像去噪。     

基于神经网络和方差的快速分形图像编码算法

为克服快速分形图像编码带来的解码图像质量下降问题,提出了一种神经网络与方差混合编码的快速分形图像编码算法.该算法结合图像子块复杂度与方差值的对应关系,根据每个区块的方差值大小选择适当的映射编码方法,即对于方差值相对小的区块采用方差编码以提高编码速度,对于方差值相对大的区块采用神经网络编码以提高编码质量.该算法可以较好地修正传统分形编码中由于自仿射映射结构限制所带来的解码质量偏低的问题,在大幅提高编码速度的同时,很好地保持了图像的编码质量.实验结果表明,该算法对比基本分形编码算法可以加速24倍,解码图像的质量对比方差快速分形编码算法有1.1dB的提高.同时,该算法的硬件实现比较容易,非常贴近实用化.     

一种基于压缩感知的全变分图像去噪算法

针对传统图像去噪方法的不足,提出了一种基于压缩感知的全变分正则化图像去噪算法,利用基于压缩感知算法中的TVAL3算法对含噪图像进行图像重构和噪声去除.通过对比该算法与OMP(Orthogonal matching pursuit,OMP)与SP(Subspace pursuit,SP)算法的峰值信噪比和重构时间,发现在采样率为0.4和0.8时,该算法的峰值信噪比提高都在3dB以上,时间方面也有明显提升;随着采样率的提升,算法所需的迭代次数越来越少;采样率为0.4时,所需的迭代次数为78次,但采样率在0.8时,迭代次数减少到57次,所需时间越来越短.实验结果表明,该算法的重构效果明显优于其它压缩感知重建算法,能够很好地进行图像重构和噪声去除.     

基于四叉树小波分形的医学图像压缩

文章提出了一种基于四叉树小波分形的医学图像压缩新算法.利用小波子带图像间的相似性和块内存在的自相似性进行分形编码,克服了传统分形编码复杂和编码时间过长的缺点,有效提高了编码效率.实验表明,此方法在无诊断失真的情况下可获得较好的压缩效果,在远程医疗和PACS系统等领域的医学图像压缩中有重要的潜在应用价值.     

基于残差和注意力网络的声呐图像去噪方法

前视声呐作为一种水下主动声呐设备常用于采集水下图像数据,然而会受到水下噪声的影响导致图像质量下降。针对这一问题,本文提出了一种基于密集残差和双通道注意力机制网络的前视声呐图像去噪方法。首先采用双通道注意力机制对声呐图像的通道信息进行提取,统计声呐图像的全局信息,输出声呐图像的噪声图;密集残差块根据噪声图和声呐图像,充分学习不同尺度上的特征信息,经过多次学习和信息传递后输出干净声呐图像。针对前视声呐图像及其噪声特点,模拟了前视声呐图像并添加瑞利分布的乘性噪声和高斯分布的加性噪声,生成模拟数据集用于网络训练和性能评估。在模拟数据集和真实数据集的实验中表明,本文方法能够有效去除噪声,保留图像细节。

     

基于级联双稳随机共振和多重分形的机械故障诊断方法研究

对级联双稳随机共振的滤波特性进行了对比和分析,利用这种特性,结合广义维数对信号非线性特征的度量能力,提出了基于级联双稳随机共振和多重分形的机械故障诊断方法。实验结果证明,该方法可以有效的消除高频噪声,增强低频段信号的能量,由此得到的分形维数比较准确,能够更加精确地度量机械振动信号的非线性特征,从而达到机械故障诊断的目的。