IPP在基于小波域Wiener滤波的图像去噪中的应用

为了提高工业在线检测中图像处理的速度,使用英特尔集成性能原件(Intel IPP)作为编程工具,在小波域结合Wie-ner滤波进行图像去噪。对IPP作了简介,并阐述了小波域Wiener滤波原理和ThWiener算法。实验表明,在VC 平台下使用IPP对含噪图像进行小波域Wiener滤波具有良好的去噪效果,并且计算速度快,效率高,在实时图像处理中有较高的应用价值。     

基于小波包变换与自适应阈值的图像去噪

提出了一种基于图像小波包变换及与分解层次相关的自适应阈值的去噪方法。利用小波包对图像进行分解,可以同时对图像的低频和高频部分进行分解,可以更好地保留图像信息,减少噪声对图像的影响。同时对小波包树系数用自适应阈值进行软阈值处理,可以很好地保留边缘等图像信息,这一方法比采用常用的阈值明显提高了去噪图像的信噪比。通过对加噪图像的实验可以看出,本文方法不仅可以有效地去除加性高斯白噪声,而且很好地保留原图信息,对进一步图像处理有所帮助。     

基于修正维纳滤波的小波包变换图像去噪

图像去噪是图像处理中一个非常重要的环节。为了改善降质图像质量,根据Donoho提出的小波阈值去噪算法,分析了维纳滤波原理,提出了一种基于修正维纳滤波的小波包变换图像去噪方法。利用修正维纳滤波对噪声图像进行处理,用处理后的图像计算噪声的标准方差,以此作为小波包的阈值。利用小波包对维纳滤波后的图像进行分解,实现对图像的低频和高频部分分别进行分解,用计算出的阈值对小波包树系数进行软阈值处理。利用小波包逆变换来获取去噪后的图像。结果表明：在噪声方差为0.01时,经该算法去噪后图像的PSNR比小波包自适应阈值去噪后的PSNR高出8.8 dB。该算法不仅能有效地去除加性高斯白噪声,而且能很好地保留边缘信息,极大地改善了图像的视觉质量。     

基于小波包变换与自适应阈值的SAR图像去噪

针对SAR遥感图像在探测、传输过程中受到噪声干扰,不利于对其进行处理的问题,提出一种基于小波包和自适应阈值的SAR图像去噪方法.该方法采用小波包对SAR图像进行分解,与传统的小波分析相比,小波包分析能够提供一种更加精细的分析方法;然后采用自适应阈值的方法去除SAR图像中的噪声.实验结果表明,该算法能有效去除SAR图像中的噪声,在信噪比和主观视觉上都要优于小波去噪的方法.     

基于自适应边缘检测的小波包图像去噪

为了在滤除图像噪声的同时能很好地保持图像的细节，提出了一种基于自适应边缘检测的小渡包图像去噪方法，先用自适应滤波多尺度边缘检测方法检测出图像的边缘，小波包去噪时就可选用全局闽值而不必担心损害图像的边缘特征。实验结果表明，谊方法不但可以保持图像的边缘信息，而且能够提高去噪后图像的信噪比。     

基于小波变换的图像去噪

近年来,采用小波变换进行图像去噪已成为一个活跃的研究课题。针对传统去噪方法的缺陷,从理论上推导了二维小波分解和重构具体算法,研究了小波图像去噪的基本理论和方法,在此基础上利用Matlab7．0．1对含有两种不同高斯白噪声的图像进行了仿真实验,实验表明,基于小波变换的图像去噪可以有效地提高图像的去噪效果。     

基于多小波变换的图像去噪

小波分析是目前国际上最新的时间频率分析工具,是信号去噪的强有力处理工具.小波变换可以将交织在一起的混合信号分解成不同频率的块信号.多小波所拥有的对称性、正交性、有限支撑等重要特性弥补了单小波的不足.提出了一种新的图像去噪方法,该方法以多小波变换为基础.实验证明,去噪效果良好.     

基于平稳小波变换的图像去噪方法

正交小波阀值消噪方法已广泛地应用于图像噪声抑制，目前对于正交小波阈值去噪方法的研究主要集中于如何选取阈值使消噪达到较好的效果，然而对于图像中噪声幅度较大的情况下，正交小波变换阀值消噪会使图像边缘失真，甚至图像模型，提出的平衡小波变换的图像消噪方法，可以有效地降低噪声，同时又较好地保持图像边缘细节，与正交小波变换阈值降噪方法相比，有明显优越性。     

基于小波域维纳滤波的图像降噪技术

传统的小波域局部维纳滤波器的参数由小波系数的某个邻域上的系数或某个邻域上的系数加上相邻尺度上的对应系数所估计,由于邻域不可能取得很大,这样会导致在某些点上估计精度的下降.对此,该文首先分析了传统的小波域局部维纳滤波器的估计误差,然后根据分析的结果,提出了一种对该算法的改进,即先用适当的门限值对小波系数进行阈值化处理,再进行局部维纳滤波.对不同噪声水平的测试图像的仿真结果表明,该改进措施可以有效地改善小波域局部维纳滤波的降噪性能,而且噪声污染越严重,改善越明显.     

基于SFS原理的SMT焊点表面三维重构技术研究

基于明暗重构形状原理重构表面组装焊点的表面三维形状过程是:先通过图像采集设备,采集到SMT焊点图像,使用相关的图像处理技术,对SMT焊点图像进行处理;根据一个确定的反射模型建立物体表面形状与图像亮度之间的约束关系和物体表面形状的先验知识建立物体表面形状参数的约束关系,然后对这些约束关系联立求解,可得到物体表面的三维形状.同时针对不可接受SMT焊点图像重构出的三维图像不够理想的缺点进行了改进.在阐述其基本思想和原理的基础上,结合实例介绍了该技术的实现方法与步骤,对其中焊点图像的获取与处理、焊点三维重构技术算法等主要内容与关键技术进行了研究和探讨,并对结果进行了分析验证.     

基于小波变换的图像去噪

与传统的傅里叶变换去噪相比,小波能去噪同时保留图像细节特征。针对较好的小波去噪,本文研究了小波阈值去噪的阈值函数选取,阈值大小确定和小波去噪方法。     

基于小波变换气动光学效应模糊图像去噪

采用小渡变换算法用于气动光学效应图像去噪研究。结合气动光学效应的复杂性和小渡变换的特性，小渡变换算法可以有效地应用于气动光学效应图像去噪。去噪图像相对于原图像误差小，去噪效果明显。     

基于小波变换气动光学效应模糊图像去噪

采用小波变换算法用于气动光学效应图像去噪研究。结合气动光学效应的复杂性和小波变换的特性,小波变换算法可以有效地应用于气动光学效应图像去噪。去噪图像相对于原图像误差小,去噪效果明显。     

引入修正因子的局部维纳滤波图像去噪

维纳滤波是一种古典的去噪方法,它是最小均方误差意义上的最优线性滤波。在对它的性能分析后,噪声方差修正因子被引入。实验结果表明,这一方法虽然简单,但是有效改善了传统局部维纳滤波的性能。     

基于小波包变换的多光谱图像融合方法研究

小波包分析将频带进行多层次划分,对小波多分辨分析没有细分的高频部分也进行了进一步的分解。本文在研究了小波包图像分析法后,提出了基于小波包变换的象素级图像融合算法。通过把同一目标的多传感器获得的不同波段的图像数据利用小波包变换进行融合,得到融合图像。这种方法能够很好地将源图像的细节融合在一起,完好地显示了源图像各自的信息。     

Daubechies提升小波在图像去噪中的仿真研究

在介绍了一般小波理论和小波图像去噪的基础上,重点阐述了提升小波算法(lifting scheme)的基本原理,给出了用提升方法构造传统小波的普遍实现方法,按照提升小波的一般理论,对Daubechies(9/7)小波进行提升格式处理,并将Dau-bechies(9/7)提升格式小波应用到二维图像去噪研究中.计算机仿真试验结果表明,在去掉噪声后图像信号的信噪比相近的情况下,提升小波与传统小波相比,其优点在于计算简单,编程容易,速度快.     

基于小波包变换的遥感图象融合

为了能够更好地把来自多传感器的图象信息综合起来，以提高对图象信息的分析和提取能力，在研究了小波包图象分析法之后，提出了一种基于小波包变换的图象融合方法，由于小波包变换能对图象进行多层次分解，包括对小波变换没有细分的高频部分也能进行进一步的分解，因此小波包分析能够为图象提供一种比小波多分辨分析更加精细的分析方法，利用此融合算法将由多传感器获得的同一目标不同波段的遥感图象和不同分辨率的遥感图象进行融合后得到的融合图象，能够很好地将源图象的细节融合在一起，通过与该融合图象进行主观与客观的评价比较，证明该融合方法可以获得更好的融合效果。     

基于陷波器和小波变换去除自发脑电信号噪声的方法

提出了一种将小波变换与陷波滤波器相结合消除自发脑电信号噪声的方法,实验结果显示,两种算法的结合可以产生很好的消噪效果,为后面信号的进一步分析和处理提供了较好的结果.