一种混合降噪方法在辐射图像降噪处理中的应用

在强辐射的环境中,采集的图像包含多种噪音,主要为椒盐噪声和高斯噪声,而遥操作的可靠性与高效性则在很大程度上依赖于采集图像的质量,图像去噪至关重要。对于辐射图像,采用了一种将多重中值滤波和第二代曲波变换相结合的混合降噪方法,从而较好地去除噪音、保护细节。其具体过程是:首先运用改进后的多重中值滤波对辐射图像进行去噪,再将初步处理后的辐射图像进行Wrapping快速离散曲波变换,然后再对每个子带的系数计算阈值并根据阈值对系数进行处理,最后进行曲波逆变换得降噪图像。辐射图像的仿真实验结果表明,提出的方法能较好地降低噪点并保护边缘,从而获得更好的视觉效果。     

基于小波变换的图像降噪技术研究

根据小波变换和噪声信号的能量分布特性,提出了一种先用小波变换对含噪图像进行多尺度分解,求出各尺度小波变换高频系数的噪声方差和阈值,利用各尺度的阈值对高频系数进行处理,然后利用小波变换系数重构图像,实现图像降噪的方法;实验结果说明该方法既可以有效地降低噪声,又可以较好地保持图像细节。     

一种用于自动调焦图像的降噪方法

图像清晰度评价是实现数字图像自动调焦的关键,而调焦图像降噪直接影响着图像评价的准确性。为有效抑制调焦图像中存在的两类主要噪声,结合椒盐噪声和高斯噪声特点,综合采用十字中值滤波法和维纳滤波法实现了图像降噪。实验结果表明,相比于单一降噪方法,综合方法不仅能最大程度地降低两类噪声,而且能较好地保护图像细节,可作为自动调焦成像系统图像预处理的主要方法。     

一种基于NSCT变换的超声图像降噪新算法

为有效抑制超声仪器成像中固有的斑点噪声,提出了一种基于非降采样Contourlet变换(nonsubsampled Contourlettransform,NSCT)域中边缘信号系数区提取和最小均方误差(minimum mean square error,MMSE)估计的超声图像的降噪算法。根据NSCT变换的细节信息刻画能力和平移不变性,对其各高频子带中系数进行分类,提取出边缘信号和平缓信号系数区;对超声图像的乘性斑点噪声进行推导研究,在边缘信号系数区和平缓信号系数区,根据各自噪声项的性质分别得出满足贝叶斯最小均方误差估计的降噪滤波方程;最后,对降噪后的系数进行NSCT反变换重建得到降噪图像。仿真图像和临床超声图像的实验结果证实,该算法与传统方法相比,不但能更有效地对斑点噪声进行抑制,也更好地保留了图像的细节信息。     

基于FPGA的图像滤波算法实现

本文在研究图像中值滤波算法的基础上，设计了基于FPGA的图像中值滤波器，并以丝杠零件为例验证了该方法的可行性。     

基于FPGA的图像双边滤波器系统设计

在对图像去噪的实时性与质量要求日益提高的背景下,该设计根据双边滤波算法的原理,将双边滤波空域核与值域核部分计算方法进行优化,设计了基于FPGA的图像双边滤波器处理系统。该系统利用上位机对FPGA端发送图像数据,FPGA将接收的图像数据经预处理之后对图像进行双边滤波处理,最后将处理完的图像数据按照视频格式采用HDMI接口输出到显示屏上。在对双边滤波模块接口设计时引入AXI总线,使用纯Verilog语言及参数化编程,模块可移植性强。从实验结果可以看出：系统对800×600分辨率噪声图像进行处理,耗时13 ms,处理过后图像的PSNR提高了3.75,SSIM提高了0.22,功耗仅1.3 W。     

基于Matlab的图像平滑算法浅析

随着图像处理领域的迅速发展,图像平滑作为图像处理中的重要环节,也逐渐受到人们的关注。图像平滑的目的主要是消除噪声。针对不同类型的图像噪声,文章研究均值滤波、中值滤波和低通滤波算法在去除不同图像噪声的性能特性,利用Matlab平台进行算法仿真,通过比较各算法的优缺点,进一步完善图像平滑方法,以达到平滑效果更理想的目的。     

基于共轭投影平均的显微CT图像降噪算法

基于正弦图的冗余信息,提出了一种显微CT图像降噪算法。该方法依据共轭投影场强服从相同参数的泊松分布这一规律,将对应共轭投影值求平均得到新的投影数据,然后利用滤波反投影算法重建CT图像。实际的实验结果证明,该方法可以有效抑制CT图像噪声,平滑区信噪比可以提高倍左右,且基本不损失空间分辨率。     

基于多尺度边缘检测的自适应阈值小波图像降噪

在图像处理中，去除图像中所含噪声而不使其边缘模糊是一个难题。考虑到小波变换在时域和频域均具有良好的局部特性，加之其多分辨率、去相关性等特点，本文提出了一种基于多尺度边缘检测的自适应阈值小波图像降噪方法。该方法将与噪声和边缘相关的小波系数和与同性区域相关的小波系数区别对待。在每个分辨层次，图像的边缘由梯度的幅度来进行估计（梯度的幅度由小波参数导出），且与噪声和边缘有关的梯度的幅度分布由Rayleigh概率模型化。基于此模型，得到该层的收缩函数。为充分利用尺度间相关性，各层的收缩函数被合并起来，进一步保持图像边缘。对与同性区域相关的小波系数，则采用一个基于Bayesian估计的自适应阈值进行处理。实验结果表明，与已有方法相比，该方法不仅可获得较清晰的图像边缘，而且降噪性能优良。     

双树轮廓波变换域的磁共振图像降噪

为了改善磁共振(MR)图像的质量,提出一种基于双树轮廓波(DT-Contourlet)变换的MR图像降噪算法。研究了MR图像的噪声分布模型,认为这种噪声服从莱斯分布,从而推导了MR模平方图像的噪声参数估计方法。通过分析DT-Contourlet的塔型双树方向滤波器组结构,明确了DT-Contourlet不仅能保持轮廓波灵活的方向选择性,而且克服了传统轮廓波不具有平移不变性的缺点。在DT-Contourlet变换域,通过计算方差一致性测度,用局部自适应窗口估计阈值萎缩因子,对MR模平方图像的变换系数进行阈值萎缩。最后,经过DT-Contourlet反变换,实现了MR图像的降噪处理。实验结果表明,用本文算法降噪的MR仿真图像的峰值信噪比(PSNR)优于传统算法;与基于小波和轮廓波的方法相比,不同噪声方差下的PSNR平均提高了2.13dB和0.91dB。从视觉效果来看,该算法能在有效抑制MR图像噪声的同时,更好地保持图像的细节信息。     

基于图像去噪的自适应滤波器的设计

本文首先提出了图像去噪的重要性,并用实验证明了图像噪声的存在;随后介绍了图像噪声的分类及常用的数字滤波法去除噪声;最后根据冷轧带钢表面图像噪声特点,设计了自适应滤波器,实验证明该滤波器可以很好的滤除冷轧带钢表面图像的噪声.     

一种基于稀疏表示的图像去噪算法

利用稀疏表示的自适应特征,将稀疏表示的多分辨理论应用于图像的去噪处理中,提出了一种基于稀疏表示的图像分块去噪方法。首先将噪声图像分割成一定尺寸的图像块,选出同质块与非同质块;然后利用小波去噪方法处理同质块,而采用脊波去噪方法处理非同质块,从而得到去噪后的图像;最后采用维纳滤波器对去噪后的图像进一步处理。实验结果表明,该方法与单纯的小波去噪方法和脊波去噪方法相比,信噪比有了较高的改善,较好地去除图像噪声,并且很好地保存图像的边缘纹理信息。     

结合复方向滤波器组高斯尺度混合模型及非局部均值滤波的图像去噪

提出了一种结合金字塔对偶树方向滤波器组(PDTDFB)变换域高斯尺度混合模型及非局部均值滤波的图像去噪方法。首先,建立了含噪图像的PDTDFB系数的局部高斯尺度混合模型,应用贝叶斯最小二乘法估计出去噪图像的PDTDFB系数;然后,通过PDTDFB逆变换重构得到初步去噪的图像;最后,采用非局部均值滤波平滑人工效应,从而获取最终的去噪图像。该方法充分利用了PDTDFB变换具有近似平移不变性、多尺度多方向选择性和对图像纹理边缘等细节信息的高效表示能力,以及高斯尺度混合模型对PDTDFB系数的邻域相关性的概括能力。实验结果表明:与目前几个典型的去噪方法相比较,该方法使信噪比提高了0.3~3dB,视觉效果也有明显的改善。另外,该方法不仅能有效地去除含噪图像中的噪声,同时也有效地保留了原始图像中的边缘和纹理等细节信息。     

抗混叠Curvelet变换非高斯双变量模型图像降噪

提出了一种基于非高斯双变量模型复数Curvelet变换的图像降噪新方法.采用具有近似移不变性的复数小波变换代替原Curvelet变换中的小波变换,并用改进的Radon变换避免了原Radon变换中一维傅里叶反变换在频域中采样不足的缺陷,从而保证了新的复数Curvelet变换具有抗混叠性能.充分利用信号系数层间相关性强而噪声系数层间相关性弱的特点,采用非高斯双变量对复数Curvelet变换域系数进行建模,并通过Bayesian MAP估计器对信号系数进行估计,从而实现降噪目的.实验结果表明,本文去噪法得到的峰值信噪比(PSNR)分别比传统Curvelet去噪法和Curvelet域HMT去噪法平均提高2.9 dB和1.5 dB,且能避免重构图像中出现划痕和嵌入污点,在有效去噪的同时,可较好地保护图像边缘和细节.     

基于抗混叠轮廓波变换系数分布模型的去噪算法研究

针对轮廓波变换存在频谱混叠致使其难以获得理想的去噪效果这一问题,本文提出一种基于抗混叠轮廓波变换系数分类的混合模型图像降噪算法.该算法通过计算变换系数的尺度间相关性,将系数分为重要系数和非重要系数两类,并对二者分别采用广义非高斯二元变量分布与零均值高斯分布建模,在Bayes框架下对原始图像进行估计.实验研究结果表明,以Barbara图像为例,当噪声方差σ=30时,本文算法不仅峰值信噪比(PSNR)超过Contourlet-HMT模型去噪2.72 dB,且主观视觉效果上亦均优后者,同时还具有较高的计算效率.     

基于非下采样Contourlet变换和谱图理论的扩散去噪

提出了一种基于谱图理论的热扩散方程图像去噪方法.该方法用非下采样的Contourlet变换提取图像的边缘和轮廓等几何特征,并将提取的特征用来构造图的权重函数,将扩散方程建立在图上,用热核和拉普拉斯矩阵实现图像的去噪.仿真实验结果表明,该方法能够有效去除高斯噪声,较完整地保持图像中的边缘等细节信息,在去噪性能上优于其他的偏微分方程去噪方法.     

Study on denoising filter of underwater vehicle using DWT

In the step processing a digitalized signal,noises are generated by internal or external causes of the system.In order to eliminate these noises,various methods are researched.Among these noise elimination methods,Fourier fast transform （FFT） and short-time Fourier transform （STFT） are widely used.Because they are expressed as a fixed time-frequency domain,they have the disadvantage that the time information about the signal is unknown.In order to overcome these limitations,by using the wavelet transform that provides a variety of time-frequency resolution,multi-resolution analysis can be analysed and a varying noise depending on the time characteristics can be removed more efficiently.Therefore,in this paper,a denoising method of underwater vehicle using discrete wavelet transform （DWT） is proposed.     

基于粒子滤波的电子稳像算法

提出了一种基于粒子滤波的视频序列稳定算法。 该算法从视频图像中提取角点特征,建立当前帧与参考帧之间的映射关系,然后根据仿射变换模型采用最小二乘解获得帧间的全局运动参数,最后利用粒子滤波平滑运动参数,实现帧间的实时运动补偿,达到稳像的目的。实验结果表明该算法鲁棒性较强,去除高频抖动的同时较好地保留了摄像机的主动运动,稳像后视频效果良好。     

Image reconstruction algorithm of electromagnetic tomography based on fractional Kalman filter

Aiming at the problem of low quality of image reconstruction of electromagnetic tomography (EMT), in this paper, an image reconstruction algorithm of EMT based on fractional Kalman filter (FKF) is proposed. Firstly, the principle of EMT and the principle of state equation of FKF are expound respectively. FKF is often used in the state estimation of nonlinear systems. There is a nonlinear relationship between the object field distribution and the sensor signal in the EMT. Therefore, according to this feature, FKF is applied to the image reconstruction algorithm of EMT. The image reconstruction process of EMT is regarded as the state estimation process of FKF, the normalized measurement voltage is taken as the observation value, and the sensitivity matrix is taken as the measurement matrix. To establish the nonlinear state estimation equation of the FKF and a priori estimation error covariance equation in the EMT, the gray value of image obtained by LBP is used as the initial value of the state estimation, a prior estimation state vector and a priori estimation error covariance matrix are obtained by prediction update, the Kalman filter gain and the posterior estimation error covariance matrix are obtained by the correction feedback process. After repeated iterations, the final state vector, i.e. reconstructed image of EMT is obtained. Finally, simulation experiments are carried out for seven different flow patterns. The results show that the image error and correlation coefficients of the reconstructed image of this algorithm are better than traditional algorithms such as LBP, Landweber, Kalman filter, and have better anti-noise effect than Kalman filter. Therefore, the image reconstruction algorithm of FKF is a new method and means to study the image reconstruction of EMT.     

基于双线性滤波器的安防相机低照度去噪研究

针对安防监控摄像机在夜间拍摄时易产生噪声,以及所使用的图像去噪方法易产生图像边缘特征退化的问题,提出了一种基于图像像素值差的监控摄像机低照度去噪方法。通过计算像素值差,再下采样得到图像金字塔,以获得整体和局部像素值差的索引,由此设计了一种适用于低照度的去噪卷积核,以增加噪声对中间像素值的影响,实现低照度环境下图像噪点的消除并保留其边缘特征。实验表明,该方法在低照度场景实际应用中既去除了图像的噪点,又保留了边缘信息。与基于小波变换的算法相比,该方法明显提升了图像的主观评价质量,并在Imatest信噪比测试中提升了图像的亮度信噪比。