基于FPGA的无人机图像去噪与压缩算法及仿真

图像去噪与压缩是无人机完成对地观测任务中图像处理的关键步骤,其性能制约着后续图像的处理速度.提出了一种基于提升小波变换的图像去噪与压缩相融合的算法,并以FPGA为平台,采用Ver-ilog HDL编程实现.在设计过程中,优化了算法流程和乘法器结构,之后采用ModelSim软件进行仿真.仿真结果表明,在FPGA上实现该算...     

形态小波域声纳图像去噪算法

为解决声纳图像易受噪声污染、对比度降低的问题,提出一种形态小波域图像去噪算法.首先构造了可以用于灰度图像处理的形态中值小波,并在实现完备重构的基础上对中值小波进行了提升;然后利用提升后的形态小波,以移位抽取的方式对声纳图像进行完整的形态多分辨率分析;经阈值处理后,最终通过各重构图像的加权平均得到理想的去噪效果.仿真实验表明,形态小波域去噪算法在去除噪声的同时能完好保留图像边缘等重要细节,与传统的小波阈值去噪方法比较,对比度有所提高,图像更加清晰.     

基于提升小波的自适应阈值图像去噪

介绍了提升方法(Lifting Scheme)的基本原理,给出了用提升方法构造传统小波的实现方法.在提升小波分解变换的基础上,研究一种自适应阈值的图像去噪方法--AdaptThr Shrink去噪法.这种方法是基于Bayes框架,在不同子带和不同方向上选择不同的最佳阐值.结合软阈值法对图像进行去噪,与传统方法相比,此种方法提高了去噪后图像的峰值信噪比(PSNR),而且使图像更加清晰.基于提升小波的自适应阈值图像去噪法实现简单、计算速度快、去噪效果好.     

基于改进粒子群优化算法的二维静态离散小波图像去噪研究

提出了一种结合改进的粒子群优化算法及二维静态离散小波变换实现图像去噪的方法.由于图像在离散小波变换(discrete wavelet transform,DWT)处理下,经过低通、高通滤波器的卷积后,丢失了其中奇数项所含的时移信息,为了更好的满足时间不变性,可以采用二维静态离散小波变换实现图像的分解,然后将改进的粒子群优化算法应用于图像小波阈值去噪.对比实验结果表明,该方法的增强图像效果和去噪性能明显优于传统的小波阈值去噪.     

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。     

基于系数相关性的小波变换红外图像去噪

提出了一种基于层内邻域相关性的正交小波变换红外图像去噪算法.首先对红外图像进行离散小波变换,分别对各个分解层的高频子带进行处理;考虑到小波系数的层内邻域相关性,通过基于最小均方误差算法的邻域小波系数向量估计小波系数,然后由估计的高频子带小波系数,通过小波反变换得到去噪图像.仿真结果表明,该红外图像去噪算法能有效去除图像噪声,在峰值信噪比和主观视觉质量等方面都有明显改善.     

融合分形小波图像去噪和插值的新算法

提出一种能同时进行图像去噪和插值的分形小波算法。该算法在图像的编码过程中实现去噪,在解码过程中完成插值。基于分形的图像去噪算法涉及由含噪图像的统计特性预测无噪图像的分形编码参数,并由这一参数产生含噪图像的无噪估计。通过在解码过程中添加适量的分形小波外推步骤,即可实现图像的插值。为了减小失真、增强经此算法处理后图像的质量,该引入Cycle Spinning算法。实验结果表明,该方法在同时实现图像去噪、压缩和插值上是最优的。且Cycle Spinning算法的引入明显改善图像视觉效果,显著提高图像的PSNR值。     

轮胎图像去噪方法研究

为了减少噪声对轮胎图像的影响，研究了几种不同轮胎图像降噪算法。首先构建带有高斯噪声和椒盐噪声的轮胎图像；然后采用均值滤波、中值滤波和小波变换算法实现轮胎图像去噪；最后通过实验验证了轮胎图像去噪方法的有效性，分析了不同方法的峰值信噪比（Peak Signal to Noise Ratio, PSNR）性能。     

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.     

海量数据流的提升小波变换并行算法研究

提升小波变换算法在图像去噪中有广泛的应用,但是对于海量数据流该算法计算速度缓慢无法达到实时性.为了提高计算速度,提出一种基于图形处理器(GPU)的并行计算策略,把传统提升小波变换算法映射到CUDA编程模型,利用具有大规模并行计算特征的GPU作为计算设备,结合GPU存储器的优势实现了基于滑动窗口的提升小波变换并行算法.实验的测试结果表明,在现有的实验条件下,随着图像的增加,提升小波变换并行算法可以把计算速度提高50倍,效率提高明显.本文提出的方法也可以用其他图像处理算法的并行化.