共查询到20条相似文献,搜索用时 62 毫秒
1.
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。 相似文献
2.
3.
仲崇丽 《中国新技术新产品》2010,(15):41-41
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。 相似文献
4.
5.
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。 相似文献
6.
7.
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。 相似文献
8.
一种结合小波变换和维纳滤波的图像去噪算法 总被引:2,自引:1,他引:1
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。 相似文献
9.
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。 相似文献
10.
11.
12.
13.
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。 相似文献
14.
15.
16.
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. 相似文献
17.
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. 相似文献
18.
19.
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。
相似文献