基于中值滤波和改进提升小波的输电线路激光测距信号去噪方法

针对小波变换去噪算法精度不高,运行时间较长的缺点,并结合激光测距信号含有高密度高幅值脉冲噪声和白噪声的特点,提出一种基于中值滤波和改进提升小波的去噪算法。首先对实测输电线路激光测距信号进行中值滤波处理,以平抑占比较重的脉冲噪声;再进行提升小波变换,得到小波分解系数;同时,使用鸡群优化算法(chicken swarm optimization,CSO)寻找最优阈值;然后进行提升小波逆变换得到重构信号。结果表明:相对于传统提升小波变换去噪算法,应用该方法的去噪效果信噪比提升2倍以上。最后将几种去噪算法进行了综合比较,所提出方法可有效提高去噪效果并略微减少算法运行时间,优于传统去噪算法。     

一种新的基于小波变换的SAR图像相干斑噪声抑制方法

本文从SAR图像相干斑噪声的产生机理出发,分析了各种滤波方法的优缺点后,在传统小波去噪的基础上提出了一种新的基于小波变换的SAR图像相干斑噪声抑制方法。该方法通过对小波分解后的高频区域进行二阈值分割,结合高频区域的方向特性和中值滤波方法,引入方向滤波窗口对不同分区进行不同的噪声抑制处理。实验结果证明了该方法的有效性,即此方法不仅拥有良好的去噪能力,而且能够很好的保持原图像的边缘信息.     

红外图像锁相滤波去噪算法的研究

本文首先分析了白噪声、背景温度和耗散能对热弹性能检测的影响,在此基础上提出了一种红外图像锁相滤波去噪的新算法.然后,在VC .NET环境下针对活塞栓、曲轴连杆红外图像设计了新的去噪算法程序,并与中值滤波、均值滤波等经典去噪算法的去噪效果进行了比较.最后应用信噪比、均方误差两项指标对新算法和经典算法的去噪效果进行评价.实验结果表明,采用新去噪算法对红外图像去噪,其均方误差为采用中值滤波法的7%.其信噪比比中值滤波法提高了10dB.     

基于小波域分频的变电站红外监控图像噪声自适应滤波算法

针对变电站大量电力设施暴露于野外,受到空气粉尘、光照不均等因素的影响存在实地获取的红外监控图像含有大量噪声的问题,提出了一种基于小波域图像分频思路的自适应去噪算法。该算法首先对经分解后的变电站电力设施红外监控图像的小波低频、高频系数分别进行重构,得到空间域原始图像的背景图像和细节图像;然后对背景图像采用K-SVD字典学习自适应去噪算法进行处理;对于细节图像,根据其噪声分布特征,提出了一种基于窗口尺寸自适应调整的中值滤波改进算法进行处理;最后对噪声抑制后的背景和细节图像进行融合。研究表明,本文算法处理后的图像清晰度较高,有一定的实用价值。     

改进Sage-Husa 算法结合小波模糊阈值算法的MEMS陀螺去噪

为解决微机电系统（MEMS）中陀螺仪输出噪声大、精度低的问题,基于自适应滤波算法与小波阈值算法的基础上,将小波阈值算法与模糊理论结合,提出了Sage-Husa自适应滤波算法联合小波模糊阈值去噪算法应用在MEMS陀螺去噪中。首先使用改进的Sage-Husa自适应滤波算法进行预处理,通过修正状态的预测值抑制干扰数据对滤波的影响,然后使用小波模糊阈值去噪算法对信号进行后处理,实现抑制随机噪声的效果。实验结果表明：在静态实验中,该算法去噪效果优于Sage-Husa自适应滤波算法和小波阈值算法,其与Sage-Husa自适应滤波算法、小波模糊阈值算法相比,噪声方差分别降低78.7%和14.6%,信噪比分别提高43.7%和16.3%。;在动态实验中,该算法能够自适应地减少异常值的不利影响,保持原始信号的波形,其与Sage-Husa自适应滤波算法、小波模糊阈值算法相比,噪声方差分别降低62.7%和31.6%,信噪比分别提高47.8%和10.0%。     

一种改进的去除灰度图像椒盐噪声方法的研究

针对传统中值滤波算法（SM）在滤除高密度椒盐噪声时存在滤除不完全和使边缘细节变得模糊的不足,提出了一种改进自适应中值滤波法,该方法在计算像素点4邻域均值与检测点的灰度差值后,将此差值同一个自适应调整的阈值进行比较,若差值大于阈值则为噪声,否则为信号点。实验表明,该方法比传统方法去噪效果较好,对噪声密度在30％以上的图像,去噪后可使图像峰值信噪比（PSNR）达到20dB以上,均方误差（MSE）在100以内。     

改进最小均方误差估计的煤尘图像去噪

煤尘图像在采集和传输过程中受到了各种噪声的污染。最小均方误差估计（MMSE）去噪算法对高斯噪声有较好的去噪效果,提出了一种改进的最小均方误差估计（IMMSE）去噪算法,该算法改进了广义高斯分布模型的参数估计方法,相比目前的其他算法,在不降低精度的情况下减少了计算量。中值滤波对脉冲噪声有较好的去噪效果,用自适应中值滤波（AM）代替普通的中值滤波,更好的保留了图像的细节,提高了去噪效果。利用IMMSE和AM自在图像去噪方面的优势,将两者有机地结合起来,提出了一种称之为IMMSE—AM的去噪算法。用IMMSE—AM对真实煤尘图像进行去噪处理,实验结果表明,新算法提高了煤尘图像的去噪效果,并且计算量较小,能够满足对煤尘浓度实时测量的要求。     

X射线数字底片去噪方法的研究

为了有效去除X射线数字底片的噪声,本文研究和建立了X射线数字底片的噪声模型,在传统的小波萎缩阈值去噪算法基础上,提出一种改进型的阈值去噪算法.该算法对小波变换的各系数进行Bayes参数估计,并根据子图直方图对噪声进行参数估计从而进行阈值设置,阈值处理后通过小波逆变换还原图像.实验结果表明,该算法同传统图像去噪算法相比,图像处理后较光滑清晰,视觉效果好,具有较高的峰值信噪比,能满足X射线数字底片后续处理的要求.     

基于小波分解切换规则的交互系统切换滤波方法*

交互系统中常出现多种混合噪声,单一的滤波算法无法满足交互系统对精确性的要求,而联合滤波算法往往牺牲了系统的实时性。为此提出一种基于小波分解切换规则的滤波算法,通过切换规则判断图像中噪声的类型,选择更加匹配的滤波子系统。同时结合改进的Canny算子,提出一种改进的小波域维纳滤波去噪算法。实验结果表明,该算法对单一噪声和混合噪声都有较好效果,但椒盐噪声的滤波效果不如自适应中值滤波,可通过切换规则将滤波系统切换到自适应中值滤波。该算法将在对实时性要求高的互动领域内有广泛的应用前景。     

医学超声病灶图像预处理

图像滤波技术在图像处理中占有重要的地位。其中医学病灶超声图像主要被斑点噪声污染,对医生诊断病情带来干扰。针对医学超声图像噪声的特点提出了自适应中值滤波器,并与经典中值滤波器对含有不同噪声密度的胆囊超声图像进行去噪处理,对实验结果对比分析。结论表明:自适应中值滤波较经典中值滤波在对噪声密度较大的图像进行去噪时,能较好的保持图像细节信息,它能够有效改善图像质量。自适应中值滤波器较其他非线性滤波器有更好的视觉效果。     

一种改进工件边缘检测方法的研究

针对现有边缘检测技术难以同时消除图像中噪声和工件表面划痕对边缘检测的影响,并保持图像边缘的清晰度和连续性,提出了一种基于二阶微分算子和数学形态学的改进边缘检测技术。首先利用数学形态学理论,设计了一种形态学开闭运算处理图像的方法,为去除工件表面划痕做好预处理;然后用二阶微分Laplace算子对预处理后的图像进行边缘检测;最后改进了一种高斯与双边滤波结合的算法,强化去噪效果,并对最终算法进行实验验证。实验结果表面,改进的算法在去除工件表面划痕方面效果明显,并与传统微分算子比较,边缘清晰度、峰值信噪比(PSNR)都有大幅提高,为提高工件识别精度打好基础。     

一种改进工件边缘检测方法的研究

针对现有边缘检测技术难以同时消除图像中噪声和工件表面划痕对边缘检测的影响,并保持图像边缘的清晰度和连续性,提出了一种基于二阶微分算子和数学形态学的改进边缘检测技术。首先利用数学形态学理论,设计了一种形态学开闭运算处理图像的方法,为去除工件表面划痕做好预处理;然后用二阶微分Laplace算子对预处理后的图像进行边缘检测;最后改进了一种高斯与双边滤波结合的算法,强化去噪效果,并对最终算法进行实验验证。实验结果表面,改进的算法在去除工件表面划痕方面效果明显,并与传统微分算子比较,边缘清晰度、峰值信噪比(PSNR)都有大幅提高,为提高工件识别精度打好基础。     

血管内超声图像的预处理

对血管内超声图像进行噪声滤波和边缘增强是对图像进一步处理分析的基础工作。针对采集到的强背景噪声的血管内超声图像,双边滤波利用像素间的空间距离和灰度值之差来控制滤波效果,即平滑了图像又保持了边缘。Retinex算法把图像分解为反射物体图像和入射光图像,在增强管壁边缘的同时对噪声影响小。实验结果表明,综合利用双边滤波和Retinex增强算法,在滤除噪声增强边缘有较满意的效果,对血管壁边缘检测有明显的改善。     

应用多方向小波分量和邻域特性去噪方法

文中提出一种用于图像去噪的小波分析方法:构造多方向小波分量检测边缘,对边缘点和噪声点进行不同的处理,达到保护边缘同时有效去噪的效果.实验表明该方法较为有效.     

基于小波和形态学的窦房结电图消噪算法研究

窦房结电图(SNE)是反映窦房结电活动的一种高分辨率的心电图,在临床医学上主要用于研究心律失常。为了提高临床诊断效率,提出了一种基于小波分析和数学形态法的消噪算法。该算法采用线性结构元素的形态滤波器消除SNE信号中的基线漂移,使用小波软阈值消噪法去除高频噪声,从而得到信噪比高的SNE信号。实验表明该算法可有效地对SNE信号进行消噪处理。     

融合小波与非局部均值滤波的DSPI相位图去噪

相位图去噪是数字散斑干涉测量的关键技术,但现有以正余弦均值滤波与窗口傅立叶变换滤波为代表的去噪方法在相位保真、自适应降噪、操作简便等方面不能完全满足要求。提出了一种新的自适应相位图去噪方法,首先计算原始相位图的噪声方差,然后对图像分别进行正弦与余弦变换后得到两幅图像,再对这两幅图像进行小波同态阈值去噪与非局部均值滤波,最后将处理后的两幅相位图反正切运算并再次估计噪声方差,根据图像噪声方差的收敛情况判断是否继续迭代处理,以实现相位图的自适应降噪。实验结果表明：针对同一张含噪相位图与传统正余弦均值滤波相比,本文方法噪声方差减少了0.38、L算子和减少了0.2、SSIM提高了0.16,同时,图像信息熵仅相差0.1。该方法能够有效抑制相位图中的相干噪声,充分保留相位边缘信息,同时能够有效避免因不适当的迭代滤波次数所导致的相位失真或噪声残留。     

一种基于数学形态学的灰度图像边缘检测方法

图像边缘包含图像的绝大部分有用信息,因而图像识别、匹配等具有很大的研究价值。传统的边缘检测算法去噪能力差、边缘定位能力低,而一般数学形态学算法提取的边缘清晰度不高,且不够平滑,难以满足图像处理的需要。采用序列多尺度结构元素分别对图像进行滤波,再灰度累加取均值,有效滤除噪声的基础上,尽量突出有效的边缘信息,去掉无效的细节信息。通过仿真验证,边缘定位精度高且平滑连贯,效果良好。     

结合加权模板差图与双边滤波的TFT-LCD检测算法

为了检测薄膜晶体管液晶显示器(TFT-LCD)面板上常见的点缺陷和线缺陷,提出了一种加权模板差图法与双边滤波相结合的缺陷检测算法。选取待检图左上角l×k大小的理想纹理模板,将原图分割为若干相同大小的单元,与加权的模板相减后再合成以去除大部分纹理背景;采用双边滤波抑制残余纹理背景;采用最大熵法分割缺陷;最后提取图像中的缺陷参数。通过对构造的理论缺陷图试验,验证了算法能检测出TFT-LCD面板图像上的缺陷,再对针孔、划痕、颗粒等样本缺陷进行试验并成功检出。算法结合了差图法去背景性能优异和双边滤波去噪效果明显的优点,具有良好的准确性和适用性。     

油水两相流电导波动信号小波去噪阈值规则的确定

阐述了小波去噪原理、油水两相流实验系统和方法,利用小波分解、滤波、重构对油水两相流电导波动信号进行去噪处理,消除了实验中各种因素产生的噪声.对4种不同阈值规则去噪性能进行了对比,分析了信号功率谱密度,认为采用Heursure规则得到的信号最理想,可以有效去除噪声,并广泛应用于不同流型电导波动信号.     

Additive noise reduction in natural images using second‐generation wavelet transform hidden Markov models

Noise reduction or denoising is required for visual improvement or as a preprocessing step for subsequent processing tasks, such as image compression and analysis. Therefore, denoising has become a highly desirable and essential process in multimedia applications. The aim of all denoising processes, especially in natural images, is to uncover the true image from the observed noisy image, ideally removing the additive white Gaussian noise (AWGN) while producing a sharp, useful image without losing finer details. Generally, most of the noise obtained during acquisition and transmission of the natural images is assumed to be AWGN. In this study, we propose a new adaptive denoising framework based on second‐generation wavelet domain using hidden Markov models (SGWD‐HMMs) with some new local structure, utilizing the fact that the images are nonstationary with singularities and some smooth areas that can be considered as stationary. The dependencies among wavelet coefficients can be efficiently captured by HMMs since the dependence between two wavelet coefficients dies down quickly as their distance becomes big. Quite remarkably, experimental results verify the effectiveness of SGWD‐HMMs in benchmark images when compared with other state‐of‐the‐art denoising algorithms. It gives competitive results in the subjective and objective assessments, but it is computationally more expensive. © 2016 Institute of Electrical Engineers of Japan. Published by John Wiley & Sons, Inc.