激光主动成像制导图像去噪算法研究

快速有效地对所获图像进行去噪是提高激光主动成像制导精度的关键一步。针对成像中的散斑噪声,提出了一种改进的小波阈值与基于积分图像的非局部均值滤波相结合的去噪算法。首先对激光主动成像图像进行噪声分析;然后通过对数变换将乘性噪声转换为加性噪声;而后将含噪图像进行两层小波分解,在第一层高频部分运用改进的小波阈值法,在第二层高频部分运用基于积分图像的非局部均值滤波算法进行去噪;最后进行相应的逆变换得到去噪图像。理论分析和实验结果证明,该算法能有效去除噪声,较好地保证了图像细节,并且满足激光主动成像制导对图像去噪实时性的要求。     

基于中值滤波和小波变换的红外图像去噪方法

针对红外图像对比度差、信噪比低、红外目标易被噪声干扰的缺点,提出一种自适应中值滤波和小波变换相结合的去噪方法.首先对图像进行小波变换,得到各频带子图像,对不同子图像采用不同的滤波模版进行自适应中值滤波,最后对图像进行小波重构,实现图像的去噪.将该方法与目前常用的去噪方法进行对比实验,结果表明,该算法简单有效,突出目标图像细节,可获得更好的图像视觉效果.     

NSCT域红外图像改进非局部均值滤波算法

结合非下采样轮廓波变换(NSCT),提出了一种红外图像改进非局部均值滤波算法(Improved Non-local Means Filtering,INLMF)。该算法首先对红外噪声图像进行多尺度NSCT变换,其次分别从相似图像块自适应划分方法以及滤波权重计算方法 2个方面对经典非局部均值滤波算法进行适当改进,将改进后的非局部均值滤波算法(INLMF)应用于处理高频分解系数,然后将滤波后的高频分解系数与低频分解系数进行重构,得到去噪后的图像,最后对去噪后图像采用非负支撑域有限递归逆滤波(Non-negativity and Support Constraints Recursive Inverse Filtering,NAS-RIF)算法进行图像复原,以尽可能消除因滤波造成的图像失真。测试结果表明,本文算法滤波效果优于NLMF及其已有的改进算法。     

基于B样条小波的偏微分方程图像去噪方法

提出一种基于B样条小波的偏微分方程图像去噪方法.先对图像进行B样条小波变换,将得到的高频系数采用偏微分方程方法去噪,迭代次数采用去相关最优停止准则进行控制;将得到的低频系数进行阈值处理,阈值选取采用基于信息熵的阈值选择策略,然后对处理后的小波系数进行B样条小波逆变换,得到去噪后的图像.数值实验表明,改进算法能克服B样条小波变换与偏微分方程去噪的不足,增强去噪能力,同时有效保护图像边缘和细节信息.     

基于超精密激光辅助的运动训练图像去噪处理模型研究

采用超精密激光辅助的运动训练图像去噪处理模型,去除运动训练图像中的噪声,获取高精度的运动训练图像,为运动训练分析提供可靠的分析依据。通过超精密激光仪采集运动训练图像,采用小波变换对采集的含噪运动训练图像进行中值滤波预处理,对图像进行三层小波分解,对分解后所获得细节子图像进行均值滤波,去除滤波噪声,储存高频信息,完成运动训练图像去噪处理。并通过自适应伪加权中值滤波与伪加权均值滤波相结合的混合滤波模型,进一步对小波去噪后的运动训练图像进行混合滤波处理,同时对处理后的图像进行灰度修正。实验结果说明,该模型对不同类型运动训练图像去噪处理效果好,能更好地去除散斑噪声和高斯噪声的干扰,较好地保存运动训练图像边缘等细节且清晰度高。     

一种小波域改进非局部均值滤波算法

提出了一种噪声图像高效滤波算法。该算法对经典非局部均值滤波算法从边缘保持效果和计算复杂度两个方面加以改进。提出一种基于图像结构相似度(SSIM)相似性检测算子,并将其与传统的高斯加权欧氏距离进行加权融合,从而实现对经典非局部均值滤波的改进,可实现对图像边缘和平坦区域滤波的有效兼顾。将其引入到小波变换域,对于高频子图像,首先采用Canny算子实现自适应边缘检测,获得边缘和非边缘图像,采用改进非局部均值滤波和经典非局部均值滤波分别加以处理,然后实现图像的融合;最后实现小波系数重构。通过对实物图像和标准测试图像的仿真实验结果表明,该滤波算法的去噪效果较优,能基本实现对高强度随机噪声情形下的图像复原,从而印证了该滤波思路的可行性。     

基于小波变换和粒子群改进的FCM图像分割方法

模糊C均值聚类(FCM)算法是常用的图像分割算法之一,具有无监督、计算简便、软分割等优点。但是,对于含噪声的图像,会受到较为明显的干扰,且对初始值敏感,易陷入局部极小值。针对以上问题,提出一种新的FCM算法。首先,应用小波变换将图像三重分解得到不同尺度的高频和低频系数,应用各向异性滤波对分解后的高频系数进行去噪;然后,将处理好的系数利用小波重构得到处理完成的图像;最后,利用粒子群算法更新FCM的聚类中心,以得到全局最优值。实验结果表明该算法较好地抑制了噪声的影响,具有较好的鲁棒性。     

基于小波域HMT模型的图像去噪研究

研究小波域隐式马尔可夫模型树(HMT),提出了一种基于小波域HMT模型抑制高斯白噪声的改进图像去噪算法.首先将噪声图像沿水平、垂直及对角方向进行平移变换;然后对平移后的图像进行小波变换,建立其对应的小波域HMT型,分别进行去噪处理.最后取所有去噪图像的均值作为最终的去噪图像.在仿真实验中,对不同程度污染下高斯白噪声的Lena图像分别采用该文算法、小波域硬阈值与软阈值去噪进行比较.结果表明,该文算法很好地保留了图像的细节和边缘信息;提高了图像的峰值信噪比;抑制了Gibbs效应;具有较好的去噪效果.通过实验仿真可以看出,这种方法较好地去除了白噪声;提高了图像的峰值信噪比;较好地保存了图像的边缘和细节信息;抑制了振铃现象.     

基于自适应权重Retinex和小波变换的彩色图像增强算法

针对现有图像增强技术容易出现细节丢失、局部曝光不足、过曝光或颜色失真,不能兼顾对比度和色彩保真的问题,提出了基于自适应权重Retinex与小波变换结合的彩色图像增强算法(AMSR-WT)。将图像从RGB空间转换到HSI空间,对亮度分量I进行小波变换分解为低频亮度图像和若干高频亮度图像,对低频图像使用自适应权重Retinex进行增强,对高频图像使用改进的阈值去噪算法进行去噪,通过小波逆变换重构亮度分量,经过Gamma校正进一步增强对比度并转换回RGB空间得到增强图像。实验结果表明,该算法有效提高了图像对比度和颜色保真度,较好地保留了图像的细节和纹理。     

基于小波变换的图像去噪方法

针对传统小波去噪时图像边缘被破坏因而丢失有用细节信息的问题,基于小波去噪的优点,研究了几种改进的基于小波变换的图像去噪方法。分别是基于小波变换和中值滤波的去噪方法,雏纳滤波和小波域滤波相结合的方法,小波变换去噪与高阶统计量滤波法去噪相结合的方法等。经过大量的计算机仿真试验,最后所得结果表明这几种改进后的基于小波变换的去噪方法均可以有效地降低图像的噪声干扰,比较好地保留图像中重要的细节信息,具有一定的实际应用价值。