基于HSI颜色空间噪声检测的彩色图像去噪算法

目的为了有效去除彩色图像中的椒盐噪声,提高彩色图像质量。方法采用椒盐噪声检测和中值滤波相结合的方法,提出一种基于HSI颜色空间噪声检测的彩色图像去噪算法。将图像转换到HSI颜色空间,根据椒盐噪声在S通道具有极大值或极小值的特点判断出可疑椒盐噪声的位置,在H通道、I通道将可疑椒盐噪声分为噪声点和有用信号,对检测出的噪声像素进行中值滤波去噪。结果采用文中算法去噪后,验证图像主观评价值(Z)为1.30,平均PSNR为37.54,SSIM为0.99,Entropy为7.31,在主客观评价上优于现在常用算法。结论文中提出算法可以为彩色图像椒盐噪声的去噪提供理论基础,具有一定的实际应用价值。     

彩色图像处理综述

介绍彩色图像处理的研究背景,对目前所提出的主要颜色空间进行归类分析,并对各种颜色空间的转换关系进行论述。并且介绍了基于彩色图像的增强,彩色图像的滤波,彩色图像的分割和彩色图像的压缩的些处理算法。     

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。     

应用多通道脉冲噪声检测的彩色图像自适应中值滤波方法

首先对彩色图像RGB 3个颜色通道的子图像,以串行的方式,确定出各颜色通道的脉冲噪声位置。根据待检测像素点附近4个邻域的灰度均值,自适应调整脉冲噪声判断阈值。由各通道的噪声检测结果经运算得到彩色图像脉冲噪声检测结果。采用改进的自适应矢量中值滤波法,对脉冲噪声有选择地滤除。实验结果表明,该方法结合标量方法进行脉冲噪声检测,矢量方法滤除彩色图像中的脉冲噪声,具有较好的滤波性能指标和视觉效果。     

刮板细度计非接触测量数据处理研究

对基于光谱共焦技术搭建的刮板细度计斜槽面深度测量装置的非接触测量数据进行处理算法研究.引入高斯滤波对整段测量数据进行滤波分析,再分左上平面、右上平面、斜槽底面三段进行高斯滤波,分离三个测量面的表面粗糙度信号及波纹度信号,解算出粗糙度值.对于高斯滤波中线,利用最小二乘法进行拟合,结果表明左右上平面的直线倾斜度一致,可拟合...     

一种新的DWT域彩色图像数字水印算法及其实现

提出了一种基于DWT域的彩色图像数字水印算法,选取离散小波变换的中低频系数进行了水印的嵌入。选择了一种具有实际意义的二值图像作为水印图像,然后根据水印图像的不同值,在中频系数的不同方向上,改变系数2次嵌入了数字水印,以提高其鲁棒性。实验结果表明:该算法具有很好的隐蔽特性,并且对椒盐噪声、高斯噪声、中值滤波、图像旋转、图像缩放和JPEG压缩处理等操作具有很强的鲁棒性。     

基于QR码和DWT-SVD技术的双彩色盲水印算法

目的为了进一步提高盲水印算法的嵌入能力和鲁棒性,提出一种基于QR码和SVD分解的强鲁棒性双彩色盲水印算法。方法基于Arnold变换对水印彩色QR码分通道置乱加密并归一化;将彩色载体图像分通道进行小波变换,并对三级低频子带进行4×4分块SVD分解;通过调节每一子块酉矩阵(2,1)和(3,1)坐标系数的差值将水印信息嵌入到载体图像对应通道中。结果实验结果表明算法具有较高的鲁棒性,对裁切、旋转、JPEG压缩、高斯噪声、椒盐噪声、高斯滤波、中值滤波、对比度增强等攻击具有较强的鲁棒性。结论由于算法在提取过程中不需要任何原载体图像相关信息,属于盲水印算法,因此文中提出的双彩色盲水印算法在数字产品版权保护中具有较大的实用价值。     

基于像素同龄组的航拍图像去噪方法

由于受到光照、机身震动等拍摄环境的影响,航拍图像中常常混有高斯噪声和脉冲噪声。针对这一现象,提出一种结合改进的中值滤波和维纳滤波的像素同龄组去噪算法。首先将图像根据像素值的不同,分为若干像素同龄组;然后根据每个同龄组的特点,有针对性地进行中值滤波或维纳滤波;最后,借助航拍绝缘子图像,完成仿真实验,并与单独中值滤波、维纳滤波的去噪效果进行对比。实验结果表明,该方法在处理混有高斯噪声和脉冲噪声的航拍图像方面,具有良好的去噪效果。     

小波域BM3D滤波算法高炉回旋区温度场测量

高炉风口回旋区温度的精准检测对判断和控制高炉运行状况至关重要。为实现温度场的数字化测量,避免人工观测的主观性,该文提出一种小波域BM3D辐射图像滤波算法。针对风口图像中条纹噪声与高斯噪声的影响,首先利用小波分解实现有用信息与噪声分离;其次将携带条纹噪声与高斯噪声的细节信息分别采用软阈值与BM3D进行滤波。这样分步式的滤波算法在保证高斯噪声的去噪效果的同时,可有效抑制条纹噪声。去噪测试结果为MSE为10.115 8,PSNR为38.080 8 dB。测温实验结果表明,该文提出的算法测得的温度场准确度相对更高。     

泡罩药品包装视觉检测系统图像滤波算法

目的有效滤除泡罩药品包装视觉检测系统中的图像噪声,以保证后续泡罩包装药品的图像分割、特征提取等任务顺利开展。方法分析引导滤波的数学模型,并在此基础上对其进行改进,提出一种自适应高斯引导的新型泡罩药品包装图像滤波算法。采用更加理性的参数优化算法,且用高斯窗口来代替传统的盒窗口。结果自适应高斯引导滤波算法能够有效滤除图像中的噪声,同时最大程度地保留原始图像中的边缘和细节等信息。结论该算法对后期泡罩药品包装的图像处理和分析有一定的指导意义。     

Image denoising algorithms based on fractional sincα with the covariance of fractional Gaussian fields

Image denoising has been considered as an essential image processing problem that is difficult to address. In this study, two image denoising algorithms based on fractional calculus operators are proposed. The first algorithm uses the convolution of covariance of fractional Gaussian fields with the fractional sinc_α (FS) (sinc function of order α). The second algorithm uses the convolution of covariance of fractional Gaussian fields with the fractional differential Heaviside function, which is the limit of FS. In the proposed algorithms, the given noisy image is processed in a blockwise manner. Each processed pixel is convolved with the mask windows on four directions. The final filtered image based on either FS or fractional differential Heaviside function (FDHS) can be obtained by determining the average magnitude of the four convolution test results for each filter mask windows. The outcomes are evaluated using visual perception and peak signal to noise ratio. Experiments prove the effectiveness of the proposed algorithms in removing Gaussian and Speckle noise. The proposed FS and FDHS achieved average PSNR of 28.88, 28.26?dB, respectively, for Gaussian noise. The improvements outperform those achieved with the use of Gaussian and Wiener filters.     

同态滤波耦合后处理优化的图像增强算法

目的为了提高图像增强算法中的亮度分布,抑制伪光晕与噪声现象,改善增强图像的细节与亮度。方法提出一种同态滤波耦合后处理优化的图像增强方案。首先,利用引导滤波器估计输入图像的照度,利用YCb Cr色彩空间中平滑的Y通道为导向图像,以有效捕捉真实场景的亮度,准确计算图像照度。其次,根据得到的照度估计,提取图像景物的反射率,为了同时提供动态范围压缩和色调再现,设计一种多尺度Retinex和色彩修复算子,利用3个不同尺度的Gaussian滤波加权组合,进行彩色图像增强。最后,为了实现多尺度Retinex与色彩修复算子的最优性能,通过非线性拉伸和参数优化组成的自动后处理方法,构建一种学习策略,利用量子行为粒子优化机制(QDPSO)自适应地确定每个输入图像的最佳参数,从而有效考虑了景物的照度与反射率的关系,避免了色彩失真。结果实验数据表明,与当前常用的增强算法对比,所提算法得到增强图像清晰度和细节更优,更符合视觉的感知特性,且效率更高,耗时约为0.7 s左右。结论所提算法具有良好的增强效果,在图像信息处理领域具有一定的借鉴作用。     

基于FIR 数字滤波器的扫描图像去网

针对扫描图像,提出了一种基于FIR 数字低通滤波器的去网方法,该方法是将图像从空间域转换到频率域,对频率域图像进行FIR 低通滤波处理,结合图像评价指标PSNR,选择最优的滤波器参数。用该去网算法与常用的去网算法进行了比较,结果表明,该去网算法在达到去网效果的同时能够更好地保留边缘信息。     

一种抗打印扫描的双彩色QR码水印算法

目的为了提高QR码的抗打印扫描能力,提出一种抗打印扫描的双彩色QR码水印算法。方法将彩色载体QR码分通道,并对各通道进行三级小波变换和SVD分解,将置乱后彩色水印图像分通道嵌入到对应载体图像特征矩阵中,利用DWT-Schur分解嵌入标记矩阵的方法解决SVD分解带来的虚警率问题。结果实验表明,该算法在100%识别的情况下,具有较好的抗打印扫描能力。结论该算法不仅具有较好的抗打印扫描能力,且解决了SVD分解带来的虚警率问题,同时对裁切、旋转和JPEG压缩等攻击具有较好的鲁棒性。     

针对多重退化因素的印刷图像复原方法

目的对于由多种因素所导致的印刷图像退化问题,文中提出一种针对椒盐噪声、高斯噪声和模糊退化等多重退化因素的图像复原方法。方法首先针对印刷图像椒盐噪声密度不高的特点,设计一种基于灰度范围准则和局部差别准则的椒盐噪声二级检测和滤除方法,并通过评价实验得出合适的阈值参数设置。在去除高斯噪声和图像模糊的过程中,利用边缘保持平滑滤波的原理和特性,将双边滤波器和引导滤波器应用于图像复原中,又在此基础上设计和应用图像细节增强的二次引导滤波器。结果在椒盐噪声去除方面,新方法对大部分图像都能取得较好的复原效果,尤其对细微边缘不多的图像效果最佳,复原后的PSNR值能达到40以上。二次引导滤波器对高斯噪声和图像模糊的复原效果最好。结论通过对不同图像复原方法的效果进行评价和分析,验证了文中方法的性能,为今后图像复原技术的应用提供了指导。     

基于NSST与IHS的红外与彩色可见光图像融合

目的 鉴于传统的红外与彩色可见光图像融合算法得到的融合图像,无法很好兼顾清晰度、对比度和色彩是否失真等,提出一种新的基于NSST和IHS颜色空间的彩色图像融合算法。方法 首先将源彩色可见光的RGB图像变换到各通道相关性最小的IHS颜色空间,分离出亮度分量和色度分量。其次对彩色可见光的亮度分量和红外图像分别进行NSST分解,对分解得到的低频系数采用基于自适应高斯模糊逻辑函数的系数选择方案,对高频系数则采用基于像素点的绝对值取大的系数选择方案,然后对经过选择的低、高频系数进行NSST逆变换,得到的融合图像作为新的亮度分量,结合已有的色度分量将其进行IHS逆变换,得到最终的RGB融合图像。结果 通过2种场景的红外与彩色可见光图像进行仿真实验,将提出的算法与LPT,SWT和NSCT等算法对比,通过主观评价和客观评价指标IE, AG, SF和SD等,可知新算法的融合结果图像场景细节最清晰,红外隐藏目标对比度最高,且色彩未出现明显失真现象,图像融合质量最高。结论 提出的算法相较于传统的红外与彩色可见光图像的融合质量,全面提升了效果,表明该算法具有优越性。     

彩色图像的复变函数模型及其边缘检测

本文在彩色图像的HSI颜色空间中,根据其分量的不相关特性,针对H、S分量建立了彩色图像的复变函数模型,并给出其边缘检测方法,得到H、S分量的边缘图像.抽取彩色图像的1分量构造灰度图像,利用当前成熟的灰度边缘检测方法(基于小波的多尺度边缘检测方法)得到1分量的边缘图像.最后,利用信息融合技术,将上述获得的两幅边缘图像进行信息组合得到最终的边缘检测结果.从试验的结果来看,本文所采用的方案充分利用了彩色图像所包含的信息,对图像的彩色边缘比较敏感,获得了满意的边缘检测结果.     

基于多级LatLRR和HSI空间的彩色图像融合算法

目的 为提高红外与彩色可见光融合图像的可视性,更好地再现图像的对比度和色彩效果,提出一种基于多级低秩表示和HSI颜色空间的彩色图像融合算法.方法 首先利用RGB到HSI颜色空间转换,把彩色可见光RGB图像转化到HSI颜色空间,并分离H,S,I三通道.然后利用LatLRR对彩色可见光图像的I通道图像和红外图像进行二级分解,可得到显著的细节部分和基础部分,并将彩色可见光图像I通道和红外图像的细节部分采用核范数自适应加权融合策略进行融合,基础部分采用高斯模糊逻辑值自适应加权进行融合.最后把融合后的细节部分和基础部分相加产生新的I通道图像,结合H,S通道再转到RGB空间,得到融合图.结果 实验结果表明,文中算法得到的融合图主观上彩色失真度最小、场景细节最清晰、红外目标更突出,同时客观评价指标值上升约1％～24％.结论 文中算法是一种有效的算法,对彩色图像融合结果有较好的改善作用.     

Filter for biomedical imaging and image processing

Image filtering techniques have numerous potential applications in biomedical imaging and image processing. The design of filters largely depends on the a priori, knowledge about the type of noise corrupting the image. This makes the standard filters application specific. Widely used filters such as average, Gaussian, and Wiener reduce noisy artifacts by smoothing. However, this operation normally results in smoothing of the edges as well. On the other hand, sharpening filters enhance the high-frequency details, making the image nonsmooth. An integrated general approach to design a finite impulse response filter based on Hebbian learning is proposed for optimal image filtering. This algorithm exploits the interpixel correlation by updating the filter coefficients using Hebbian learning. The algorithm is made iterative for achieving efficient learning from the neighborhood pixels. This algorithm performs optimal smoothing of the noisy image by preserving high-frequency as well as low-frequency features. Evaluation results show that the proposed finite impulse response filter is robust under various noise distributions such as Gaussian noise, salt-and-pepper noise, and speckle noise. Furthermore, the proposed approach does not require any a priori knowledge about the type of noise. The number of unknown parameters is few, and most of these parameters are adaptively obtained from the processed image. The proposed filter is successfully applied for image reconstruction in a positron emission tomography imaging modality. The images reconstructed by the proposed algorithm are found to be superior in quality compared with those reconstructed by existing PET image reconstruction methodologies.     

基于神经网络的图像混合滤波及融合算法研究

当图像中同时存在高斯噪声和椒盐噪声时,单一的均值滤波或中值滤波很难达到最佳滤波效果。 分析了噪声特点和各种滤波方法的优势,提出了一种基于神经网络的图像混合滤波及融合算法:首先建立概率神经网络,检测椒盐噪声和高斯噪声点,并分别利用中值滤波和均值滤波去除噪声点,然后建立径向基函数神经网络,利用训练好的径向基函数神经网络融合 2 种不同滤波的图像,输出理想的融合图像。 Matlab 仿真实验结果表明,该算法有效去除混合噪声的同时,能很好地保护图像的边缘与细节,是一种有效的方法。