基于三维块匹配的红外图像降噪与缺陷量化方法

对金属表面的缺陷检测以及量化逐渐成为一项重要的工作,对于保障器件安全有着重大意义。本文以钛合金为例,使用了一种以激光器为热源的的红外热成像缺陷量化方法。利用激光器可以点加热的优点对缺陷周围进行加热并对金属背面进行图像采集,为了使红外图像清晰表示并保留边缘,对红外图像进行同态滤波,变换后的红外图像进行噪声估计并使用基于三维块匹配的去噪算法将图像进行去噪,并且对去噪图像进行边缘检测以及缺陷量化。实验表明该系统可以有效的对金属材料进行缺陷检测,该红外去噪算法在峰峰值信噪比(PSNR)方面得到了显著的提升,在去除乘性噪声的同时也使图像边缘得到了有效地保留,该缺陷量化方法可以将误差控制在15 %以内。     

一种DCT域的语音增强改进算法

提出了一种DCT域的语音增强改进算法。该算法依据DCT域语音分量和噪声分量统计分布的不同,采用最大后验概率估计方法对语音分量进行精确估计,实现将语音信号从噪声环境中分离出来,从而有效地改善语音质量。在低信噪比条件下,该算法可以有效降噪,且增强效果较频域增强算法更好。     

基于最小线性均方估计的小波去噪算法

提出一种新的基于最小线性估计正交小波图像去噪算法。该算法把降噪过程直接看作是一个小波系数的加权和,而不是为小波系数假设一个统计模型。在此,基于最小线性均方估计构造去噪函数,然后最小化均方误差,得到一组估计参数,从而得到线性去噪函数,实现对非线性去噪算法的改进,其最大的好处就是不用先验知识;最后通过使用该去噪算法对一定噪声级数的标准图像进行处理,并与目前去噪效果最好的BLS-GSM方法进行了比较。结果表明了该方法的有效性。     

基于双密度双树复数小波变换的合成 孔径雷达图像降噪研究

 针对合成孔径雷达(SAR)图像相干斑噪声抑制问题,本文将双密度双树复数小波变换(DD-DT CWT)结合具有局部方差估计的双变量收缩阈值函数(BSF)构成一种新的SAR图像降噪算法实现合成孔径雷达图像降噪.首先将SAR图像用双密度双树复数小波变换进行多尺度分解,考虑小波系数间的相关性,用双变量概率密度函数作为小波系数及其父代系数的统计关性的模型,并通过Bayesian估计理论导出相应的非线性双变量收缩函数对图像不同方向的小波系数进行非线性自适应的处理,最后重建降噪后的图像.分别用仿真SAR图像和实际图像对算法进行验证,并与其它方法的性能进行比较,对不同算法处理后图像进行了主客观评价,分析结果表明,新算法的去噪效果明显优于传统的小波变换方法,不仅有效实现了图像降噪,而且较好保留了图像细节.含噪SAR图像经该算法处理后,图像性能指标均有提高.     

混合噪声环境下一种图像降噪的新算法

针对某些图像中背景复杂,目标对比度和信噪比低等特点,提出了一种基于邻域阈值分类的小波域去噪和改进的中值滤波相结合的方法对图像的混合噪声进行降噪.仿真实验结果表明,新算法能够有效去除高斯白噪声和脉冲噪声.新算法去噪后图像的峰值信噪比和均方误差都比单一算法得到了改善,从而证明了该方法的有效性.     

BM3D算法在海洋SAR图像去噪中的应用

相干斑噪声一直是困扰SAR图像处理的重要问题,噪声往往将有用信号完全掩盖。由于海洋图像邻域相似性高,将三维块匹配(BM3D)算法应用于海洋SAR图像相干斑噪声的滤除中,能够得到较好的去噪效果。该算法是基于变换域方法和非局部思想发展而来的,通过相似图像块匹配分组生成三维矩阵,然后在三维变换域去噪,最后逆变换还原图像。通过对BM3D算法的深入研究,发现该算法去噪性能与其参数密切相关。针对海洋SAR图像,通过大量实验,总结BM3D参数选择原则,优化了算法的去噪性能。     

基于整数DCT和块匹配的彩色图像去噪

降噪研究是图像和视频处理方面一个传统的研究领域,不同于传统的空域去噪,频域去噪算法取得了显著成就。文中提出基于块匹配的频域彩色图像降噪方法。首先对图像进行块匹配,完成后采用整型DCT变换对空域数据进行处理,实行频域去噪后进行整型DCT反变换得到空域结果。该算法测试整型DCT对降噪方法的影响,并且提高整体降噪方法的处理时间。文中提出的降噪方法在提高效率的同时,取得了同样优秀的降噪成果,在彩色图像处理方面取得显著效果。     

基于噪声估计的自适应块匹配和三维滤波降噪算法

针对经典的块匹配和三维滤波(BM3D)降噪算法中最 为核心的噪声水平(方差)参数在使用中需要 人工手动设置极大影响了降噪效果并限制了它的应用,提出了一种新的基于自然场景 统计(NSS)的噪声水平特征矢量和支持向量回归(SVR)技术的快速噪声水平估计算法并应用于 经典BM3D算法 中,使之转变为自适应降噪算法(Adaptive BM3D)。本文算法首先利用小波变换对图像进行 不 同尺度和不同方向的分解,提取各子带滤波系数并用通用高斯分布模型(GGD)建模,以模型 参数构成反映噪 声图像噪声水平的特征矢量;然后用SVR方法在大量噪声图像样本上进行训练获得图像噪声 水平预测模型。 实验表明:改进后的ABM3D算法实际图像降噪效果比BM3D算法获得进一步提升,并且仍然 保持了非常高的执行效率,相对于当前各主流算法具有明显的竞争力。     

一种基于噪声估计的彩色噪声滤除算法

在视频处理中，为了提高电视画面的清晰度，不但需要对亮度噪声进行滤除，对色度噪声的滤除也是必不可少的。文章的滤波算法是：先基于块操作对图像的噪声情况做一个大概的估计，然后根据估计的噪声情况对图像进行降噪或者不作处理。降噪的时候。对彩色脉冲和高斯噪声分别选择不同的阵噪算法。文章着重介绍了彩色脉冲噪声的滹除，该算法综合了线性和非线性矢量滤波，降噪效果明显,对高斯噪声采用矢量均值滤波。     

基于字典训练和高频增强的图像降噪研究

噪声图像,特别是含有高密度噪声图像在经过去噪后,图像细节(图像高频)丢失较多。针对这一问题,提出一种基于字典学习和高频增强的方法。该算法首先让噪声图像经过降噪算法处理,然后由样本图像依次模拟加噪和去噪过程得到去噪样本图像,样本图像和去噪样本图像相减得到样本差分图像,最后分别训练样本差分图像和去噪样本图像,得到一对高、低分辨率字典,用于重建图像去噪后所缺失的高频。实验结果表明,所提算法在主观的人眼视觉和客观评价上要优于经典的图像降噪算法。