改进非局部均值各向异性扩散图像去噪算法

针对各向异性扩散算法的不稳定性在去噪过程中易产生阶梯效应,导致纹理细节不能较好保留的缺点,提出一种改进的非局部均值各向异性扩散图像去噪算法.所提算法将非局部均值引入迭代过程,利用图像中的大量相似冗余信息,以中心像素邻域图像块作为像素点的相似性度量,对图像进行合理的描述;同时在扩散系数函数中,将图像梯度结合残差图像中局部能量算子,自适应选择扩散系数.结果表明,所提算法在有效平滑噪声的情况下,减弱了阶梯效应,保留了更多的纹理细节,与各向异性扩散算法、自适应选择扩散去噪算法和基于非局部均值理论的各向异性扩散算法相比,峰值信噪比和结构相似度有较好提升.     

一种基于边缘提取和渐进非局部均值的快速低剂量CT图像去噪算法

低剂量CT降低了病人的辐射危害,却导致图像质量下降,医疗诊断难度增加。为了提高CT图像的质量,提出了一种基于边缘提取和渐进非局部均值的快速低剂量CT图像去噪算法。一方面,通过对图像边缘的提取,提高去噪中的边沿保护能力;另一方面,采用多次逐步去噪的渐进式滤波策略,在去噪的同时达到有效保护图像细节的作用。此外,求出了整幅图像所有图像块的加权2-范数平方数值之后,计算每次的加权欧氏距离时进行调用,并使用快速傅里叶变换实现非局部相似块的加权欧氏距离计算,大大提高了算法的运行效率。在真实和模拟的低剂量CT图像上进行了实验,结果表明,本文算法不仅可以提高低剂量CT图像的质量,而且能够将算法运行速度提高约3倍。     

基于直觉模糊散度的自适应非局部均值去噪算法

针对传统的非局部均值(NLM)算法在图像去噪时会出现边缘会模糊的问题,提出了一种基于直觉模糊散度的自适应非局部均值(IFD-NLM)去噪算法.该算法利用图像块之间的直觉模糊散度度量非局部图像块的相似性,修正NLM算法的相似性权重,降低不相似图像块之间的干扰,提高了NLM算法相似性权重的准确性.此外,根据图像块内容和直觉模糊散度特征图像,设定相关阈值,自适应地选择滤波参数.实验结果表明,所提算法相对于传统NLM算法能更有效地去除噪声,同时可以保留更多的纹理细节特征和几何结构特征,图像细节信息更为丰富.     

基于EMD算法的光栅莫尔条纹信号去噪方法研究

针对计量光栅莫尔条纹信号的质量问题,提出了基于经验模态分解（EMD）算法对非平稳光栅莫尔条纹信号模型的去噪方法。建立非平稳的光栅时变信号模型,利用EMD算法不需要定义滤波器参数的自适应性优点,对添加不同噪声的多组光栅信号模型进行了滤波分析的仿真实验,其信噪比和均方根误差两项指标优于均值滤波、小波阈值去噪方法。对两路正余弦理想信号添加高次谐波分量,通过对比EMD算法抑制高次谐波前后的李萨如图形,验证了该方法在去噪过程中对光栅莫尔条纹信号正弦性误差补偿的良好效果。     

基于小波变换和均值滤波的图像去噪方法

将小波变换和均值滤波相结合提出了一种有效的图像去噪方法,先将含噪图像进行小波分解,获得不同频带的子图像.将低频近似图像保持不变,对水平、垂直和对角三个方向高频细节图像根据其特性采用三种不同形状的模板进行均值滤波,最后将低频近似图像与三个均值滤波后高频细节图像合成得到去噪后的图像.实验结果表明,该方法在降低了图像噪声的同时又尽可能地保留图像的细节,其去噪效果优于单一小波阈值法和均值滤波法.     

基于灰色关联度的图像自适应加权均值滤波

为在图像去噪过程中既能获得较好的去噪效果，又能更好的保护图像细节，本文运用灰色系统理论中的灰色关联度的概念提出了一种基于灰色关联度的加权均值滤波器，将它用于图像的均值去噪。实验表明，该算法使图像处理效果比传统的均值滤波效果有所提高。     

基于批量重归一化去噪网络的地震信号消噪

随机噪声衰减是地震勘探中的一个关键步骤,针对大多数深层卷积网络用于压制地震勘探随机噪声性能易于饱和,导致无法从训练数据中学习或无法更新权重等问题,提出批量重归一化去噪网络(Batch-Renormalization Denoising Network, BRDNet)。通过结合两个并列的分支网络以增加网络宽度,从而获得更多特征,上层网络由残差学习(Residual Learning, RL)和批量重归一化(Batch Renormalization, BRN)组成,下层网络包括BRN、 RL和扩张卷积。批量重归一化技术解决了内部协变量移位和小批量问题,采用整体方式的RL以及扩张卷积来促进网络训练,可提取更多特征进行去噪。人工合成记录和野外实际记录的处理结果表明：相较于f-k滤波,小波去噪,时频峰值(Time-Frequency Peak Filtering, TFPF)滤波及现有的深度卷积神经网络(DnCNN), BRDNet具有更好的噪声压制能力和保幅效果,能够有效提高地震数据的信噪比和分辨率,为下一步进行地震解释提供有力的保障。     

基于各向异性扩散滤波与非局部先验的PET图像重建算法

针对在正电子发射断层成像中,经典的惩罚最小二乘算法和基于局部先验惩罚的改进算法不能有效地抑制噪声并保护图像边缘的问题,提出了一种新的各向异性扩散滤波非局部惩罚最小二乘重建算法(PLS-PDE).新算法首先对图像进行基于非局部二次先验的最小二乘估计,接下来对此估计值进行基于双向扩散系数的各向异性扩散滤波.所提出的算法综合了非局部先验与各向异性扩散滤波的优点.实验结果表明,新算法在抑制噪声和边缘保护方面取得了良好的折中,较大程度地改善了重建图像的质量.     

一种多模板的混合滤波乘性噪声图像去噪算法

提出了一种计算简单的去除图像乘性噪声的自适应混合算法,它通过事先定义一组实现简单的具有不同特性、不同大小窗口的中值和均值滤波器组,根据图像不同区域特征选择不同滤波器进行滤波.该算法能有效地利用空间滤波的特性,且便于硬件实现.实验结果表明,与现有的自适应去噪算法相比,该算法不但计算简单,而且在噪声抑制和细节保留方面综合平衡较好.     

基于非局部均值-鲸鱼优化算法的套管引线超声波检测方法研究

在利用超声波测距原理检测套管引线变形情况的过程中,回波信号会受到变压器绕组振动等噪声的影响。为准确得到套管内部引线的状态信息,提出一种非局部均值鲸鱼去噪算法。首先,利用希尔伯特变换对回波信号进行预处理,提高回波信号的准确度;然后,结合鲸鱼优化算法,以最高信噪比为目标函数,对非局部均值滤波因数进行寻优,确定最优因数并完成去噪。结合仿真和现场实验,该文提出的算法可以有效地去除噪声干扰,提高超声波回波信号的质量和信噪比,降低均方误差,增加超声波测距的精度,对于利用引线到套管壁距离判断引线变形状况有着一定的应用价值。     

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。     

一种基于噪声概念的新的去噪方法

在几乎所有的图像处理领域,在正式对图像处理之前,为了改善图像的质量,一般都要去除在图像传输等过程中产生的噪声。笔者介绍了一种新的去噪方法,该方法是基于噪声的概念提出的,对去除诸如椒盐噪声、随机噪声等效果都很好,尤其对随机噪声更显出其优势。该算法简单有效,容易实现。最后给出了在不同噪声量的情况下试验的对比图,经过大量的试验证明,这种新的算法能得到很好的去噪效果。     

基于局部结构形态改进图像边缘限幅滤波算法研究

应用经典限幅滤波算法(CFA)对边缘去噪处理时容易造成有效的高频边缘被抑制、破坏边缘连续性、丢失目标结构特征的问题.提出了一种基于局部结构形态特征的改进型限幅滤波算法,用于图像边缘滤波处理.该算法利用限幅滤波的原理,引入由5个相邻边缘点构成的滑动模子并遍历边缘各点,对滑动模子中增量超限的点加以结构形态预测和阈值判断,即...     

基于自适应均值的图像滤波算法

目的为了提高激光三维成像系统中的图像质量,有效滤除图像中噪声,提出一种自适应均值漂移的图像滤波算法。方法在传统算法基础上对均值漂移滤波算法进行改进,选取领域内像素的均方差为控制参量对带宽矩阵h大小进行自适应调控。根据宽带矩阵h的大小,选择合适的像元值参与到计算均值过程中,以提高结果的计算精度。结果实验结果表明改进后的算法能够有效滤除图像中的噪声,提高图像清晰度。结论该算法具有良好的保边去噪特性。     

指纹识别系统中的预处理组合算法

针对电容式传感器采集的指纹图像的特点,本文提出了一套完整的指纹图像预处理组合算法.该算法充分考虑到了采集到的指纹图像的质量和图像面积等问题,且从全局角度出发在当前原有算法基础上加入了两次滤波去噪来增强指纹纹线并有效消除噪声以得到更清晰准确的处理结果.算法首先对采集到的指纹图像采用边缘保持滤波法去除噪声;然后使用基于纹路方向性的Cabor滤波图像增强算法增强去噪后的指纹图像,减少因指纹旋转及平移因素造成的误差;接着对增强后的图像采用动态阈值法进行二值化处理并进一步地二次滤波去噪;最后采用基于形态学的细化算法对二值图像进行细化将其变为点线图.实验证明,通过该算法处理后的图像很好地保留了纹线的关键信息,有利于后续的指纹特征提取和匹配.     

自适应模糊小波阈值去噪算法在图像中的应用

消除在图像中产生的噪声,为了使图像清晰,污染度小,成了数字图像处理信息传播的重要部分。本文分析了中值滤波法、维纳滤波法、邻域平均法等几种传统的方法,着重研究自适应模糊小波阈值算法在图像去噪中的应用。运用Matlab软件对一张含噪图片（含高斯噪声）进行仿真去噪,仿真结果分析比较,得出了自适应模糊小波阈值去噪算法比传统方法去噪效果更好,更明显。     

一种改进型自适应加权模糊均值滤波算法

针对原有的自适应加权模糊均值AWFM滤波器对局部噪声幅度估计不足的缺点。提出了一种新的改进型自适应加权模糊均值MAWFM滤波算法。该算法采用了一种新的模糊检测方法，可以同时检测各个像素点的正负向噪声幅度，从而能够建立一种新的自适应的模糊信号空间，以适应噪声在各个图像局部的变化。实验结果表明，MAWFM滤波器比以前的AWFM滤波器及传统的中值滤波器均有较优越的性能。     

图像检测方法研究

图像噪声会严重影响其视觉效果,采用适当的方法进行图像去噪是一项必不可少的预处理操作。本文对几种常用的图像去噪方法进行了分析,通过仿真高斯噪声和椒盐噪声,着重对基于均值滤波、中值滤波以及卷积神经网络的实际去噪效果进行了比较。实验结果表明三种方法的去噪效果各有优劣,均能提高图像的检测质量。     

特征系统实现算法的小波去噪方法研究

ERA/DC 利用脉冲响应数据构造 Hankel 矩阵时运用了相关技术,因此对信号中的白噪声有抑制效果,但实际数据所含的噪声中,除随机噪声外,还有尖脉冲噪声、漂移等其它噪声。为了获得理想的识别效果,利用小波算法对脉冲响应数据进行去噪处理,再用 ERA/DC 进行识别。两自由度的阻尼弹簧质量系统以及卫星缩尺模型的仿真结果表明,小波去噪方法对多种噪声形式均有抑制作用,能提高 ERA/DC 的识别精度,可用于 ERA/DC识别的信号去噪。     

基于加权非局部平均算法的滚动轴承故障诊断

非局部平均算法(Non-Local Means,NLM)拥有十分优异的去噪性能,被广泛应用于二维图像信号处理领域,并逐渐应用于一维轴承故障信号检测中。该方法能够利用信号中存在的冗余冲击成分,以包括局部结构的小窗口或邻域为单元,利用局部结构相似性进行加权运算,抑制随机噪声信号,使冲击特征得到增强。但对于强烈背景噪声干扰下的信号,诊断效果不够理想。提出一种基于非局部平均算法的权重包络谱诊断方法,该方法对信号各点进行加权运算,通过权值比对,使信号冲击分量的尖锐特性得到进一步增强。通过与EEMD方法对比,以及实验室轴承故障数据和工程案例分析,验证了该方法在检测轴承局部故障检测中的有效性和优越性。