基于改进剪切波和Canny的故障区域检测算法研究

针对机械故障红外热图像存在各种噪声造成故障区域测量参数提取精度低的问题,本文提出了基于改进剪切波和Canny的故障区域检测算法。该算法包括基于改进剪切波的去噪算法和改进Canny算子的边缘检测算法,在去噪中本文提出的是一种基于剪切波和高阶谱相结合的新算法,可以有效地去除高斯噪声与椒盐噪声的混合噪声并保留图像细节;在图像的边缘检测中本文利用剪切波与Canny算子相结合的改进新算法对红外故障图像进行边缘提取,从而消除了传统的Canny算子在检测时出现的伪边缘现象。实验仿真结果表明本文提出的去噪算法与传统的去噪算法相比显著提高了图像的峰值信噪比(PSNR),同时图像的边缘和细节也得到了很好的保留,实现了故障区域特征参数的精确有效提取。     

一种基于图像融合的红外图像预处理算法

在使用传统的滤波去噪方法对红外图像进行预处理时,会在削弱噪声信息的同时模糊了图像中目标和背景的边缘成分,不利于对图像信息进一步处理。针对该问题,提出基于图像融合的红外图像预处理方法,通过对同一幅退化降质的红外图像分别实施改进的中值滤波算法和改进的Sobel算子边缘提取算法,进行去噪处理和边缘提取,最后利用图像融合算法,将不同算法处理的结果图像加以合并,形成融合后图像。实验结果表明,所提出的基于图像融合的预处理方法能够滤除红外图像中大部分噪声,且很好地保留了目标和背景的细节特征,而且运算简单,便于硬件实时计算,有利于后续的目标检测与识别处理。     

基于噪声检测的自适应中值滤波算法

针对现有中值滤波算法对于高密度噪声图像以及纹理细腻图像的边缘处理能力欠佳的缺陷,提出一种基于噪声检测的自适应中值滤波算法.新算法根据噪声点与周围信息的关联程度将噪声点滤波值进行调整,从而更好的处理图像的细节部份.新算法中的自适应策略加强了滤波算法的去噪性能,使其对于含有任意噪声密度的图像也能很好的进行噪声滤除.通过仿真分析,新算法对于细节丰富的图像以及高密度噪声的图像滤波效果良好,有效的提高图像的峰值信噪比,其去噪效果相比其他方法更加优秀.     

用小波变换抑制SAR图像中的斑点噪声

抑制合成孔径雷达图像中的斑点噪声一直是处理图像并得到准确图像信息的难点，提出了一种基于小波变换抑制合成孔径雷达（SAR）图像中的斑点噪声的方法，对原有的小波变换方法作了改进，能更好地保留图像的边缘信息，并能简化计算量。在仿真实验中使用了合成的模拟图像和真实的合成孔径雷图像，并与以往的小波去噪滤波方法以及一些经典的斑点噪声滤波方法（包括中值滤波，Lee滤波，Frost滤波）进行比较，在综合考虑了滤波算法在均匀区域对斑点噪声的抑制能力以及保留边缘信息能力的情况下，提出的算法有更好的效果。     

一种改进的含噪图像边缘检测算法

数字图像边缘检测是图像分割、识别等图像分析和理解领域中的重要基础。针对图像边缘检测中噪声抑制与细节保留之间的矛盾,提出了一种基于小波变换和数学形态学改进的含噪图像边缘检测算法。该算法对含噪图像分别采取小波变换法和数学形态学法进行边缘提取,将所得图像进行小波分解,对高低频系数分别采取不同融合规则进行融合,通过逆小波变换得到融合图像。通过实验对比不同算法对含噪图像的边缘检测效果图,结果表明,该算法提取的图像边缘轮廓信息连续完整,在较大程度上能够抑制噪声,较好地保留了图像的细节信息。     

一种基于小波SAR图像斑噪声抑制的改进算法

基于小波变换的合成孔径雷达(SAR)图像斑噪声抑制算法,能很好的减小相干斑噪声对SAR图像的影响.但该算法在平滑噪声的同时,往往也会使图像的边缘变得模糊,降低了SAR图像的分辨率.比例边缘检测算法能较完整和准确的检测出SAR图像的边缘.我们试图提出一种改进算法,结合小波方法和比例边缘检测两种算法的优点.利用比例边缘检测提取出SAR图像的边缘图,用小波的方法对去边缘的图像进行去斑噪声处理,再把边缘图叠加到去噪后的图像上.试验证明这种算法能够在去除SAR斑噪声的同时,较好的保持SAR图像边缘.     

红外图像的自适应混合双边滤波算法

针对红外图像中的混合噪声,提出了一种自适应混合双边滤波算法。首先对双边滤波原理进行了分析,提出不能滤除强高斯噪声和脉冲噪声是由于双边滤波引入灰度域权值而带来的固有不足,因此根据双边滤波算法的特点设置了一种像素间的相似度,并以该相似度为基础将双边滤波不能滤除的强噪声点进行了标记,仅对红外图像中标记出的强噪声点进行中值滤波以减少图像模糊,对普通噪声点采用灰度方差自适应双边滤波以保留更多边缘特征。自适应混合双边滤波能够有效滤除红外图像中的高斯噪声、脉冲噪声以及由其组成的混合噪声,同时在滤波过程中并不降低双边滤波保留红外图像边缘特征的性能。仿真实验结果表明,与传统双边滤波、改进的双边滤波以及各项异性扩散-中值滤波算法相比,该算法无论是滤除红外图像的混合噪声还是保留边缘特征都较为优越。     

基于小波变换的空间目标图像去噪方法

通过对空间目标图像的特性进行分析,提出一种针对星空背景图像在保留恒星同时去除混合噪声的方法.该方法首先利用小波局部模极大值的多尺度相关性检测出图像边缘,再利用基于梯度分析的改进阈值方法对非边缘小波系数进行萎缩,最后由小波系数重构去噪后图像.实验证明该方法能够有效地去除高斯和椒盐混合噪声,使图像峰值信噪比提高5-10dB,并较好地保留图像边缘和有效恒星信息.     

低信噪比红外图像的快速统计法边缘提取

现代成像制导中所使用的红外图像往往存在着噪声大、目标一背景间灰度差较小、边缘较模糊的特点。这些特点会增加边缘提取的难度，因此必须建立更有效的红外图像边缘提取算法以满足需要。针对这些问题，以噪声Gauss分布模型和噪声特征为基础，建立了新型统计学意义下的红外图像边缘检测法。通过对此方法的概率模型进行分析，可以证明在有较大噪声的情况下，只要边缘处的差分值大于一定的值。就能以较大的概率提取出图像边缘。通过在不同情况下与梯度法的抑噪能力进行对比和分析发现，统计边缘提取法的噪声抑制能力要高于梯度法。在与Sobel模板算子法的红外图像边缘检测结果进行仿真和对比后发现，统计法能对红外图像的目标边缘检测取得良好的结果，并且算法具有快速简单的优点。     

基于总体最小二乘的红外图像去噪

针对红外图像存在的加性、乘性及混合噪声,采用从图像中截取图像块,再用图像块的线性结合对原图像进行去噪,总体最小二乘算法用来求解其中的系数向量,充分考虑了噪声图像中存在的不确定性,通过这组系数得到去噪后的红外图像.在对像素点空间关系权重的求解上,采用模糊核聚类算法将红外图像粗略进行聚类,归为同一类的像素点之间存在较强空间约束关系,否则认为它们之间存在较弱空间约束.通过与维纳滤波算法比较,仿真结果证明了总体最小二乘去噪算法在红外图像的视觉质量和信噪比改善两个方面的有效性.最后通过比较无噪红外图像与去噪红外图像的直方图表明总体最小二乘去噪算法的优越性.     

激光主动成像图像噪声抑制方法

针对激光主动成像图像特点及实际应用需要,提出了一种基于同态滤波与双数复值小波变换级联的图像降噪算法。首先通过同态滤波将乘性散斑噪声变换为加性噪声;然后用基于改进Q-shift滤波器的双树复值小波对含噪图像进行分解,通过Bayes自适应阈值法修正小波系数;最后再进行相应的逆变换得到去噪图像。该算法具有近似平移不变性、多方向选择性及精确重构性,采用信噪比（SNR）、峰值信噪比（PSNR）和运行时间作为算法去噪性能的评价标准进行实验。实验结果表明该算法能够有效抑制图像中的散斑噪声,计算效率高,且很好地保护了图像细节。     

一种基于同态滤波的红外图像增强新方法

针对红外图像分辨率低,对比度低,噪声大等不足,提出了一种基于同态滤波的红外图像增强新方法。这种方法首先用自适应中值滤波对红外图像进行去噪,保证噪声不被增强;然后利用同态滤波的原理,对图像细节进行增强。为了克服同态滤波结果所存在缺陷,最后联合使用限制对比度自适应直方图均衡进一步调整图像的动态范围。实验结果验证本文方法对红外图像的分辨率和对比度增强有很好的效果。     

利用红外图像处理方法检测材料缺陷

由于物体的导热特性和红外成像系统的限制,系统所成红外图像中目标与背景的对比度普遍较低,目标边缘模糊,难于直接判读缺陷,对于异形构件更是如此.针对这一问题,在热传导原理的基础上,首先通过中值滤波、帧间滤波尽量减少噪声对红外图像的影响.接着运用受限拉普拉斯算法和高提升滤波加强图像轮廓信息.然后通过灰度分段线性变换对图像中的缺陷信息进行增强,突出缺陷,改善红外图像的视觉效果,使其中的缺陷更适合于人眼观察,最后通过边缘检测的方法将缺陷边缘提取出来.仿真实验结果表明:该检测方法可得到清晰、光滑的缺陷轮廓图像,是一种实用型红外缺陷检测方法.     

包络滤波算法及其在图像去噪中的应用

针对图像处理中的图像去噪问题,研究和提出了一种基于包络线的包络滤波方法.该方法通过对包络线进行修正并进行均值,得到原始信号的一种逼近,这种逼近能够有效地保持信号的主要波形成分和边沿,同时抑制信号中的低幅度噪声扰动,从而达到滤除噪声保持边沿的目的.将这一算法应用于图像去噪可以很好地去除低幅度噪声,并保持图像的轮廓与边缘,结果大大优于加权平均、中值滤波和小波去噪技术.     

基于神经网络噪声检测的自适应中值滤波器

针对椒盐噪声污染图像的滤波问题,提出了一种基于前馈神经网络的噪声检测器。基于这种噪声检测方法,采用自适应中值滤波算法,依据像素点的不同属性采用不同的滤波策略。实验结果表明,该算法在有效去除椒盐噪声的同时更好地保留了图像的边缘和细节,是一种有效的图像去噪方法。     

基于同态滤波和全变差的激光图像降噪方法

针对激光主动成像图像的特点,提出了一种基于同态滤波和全变差的图像降噪方法.首先对图像进行同态滤波,提高图像的对比度并去除激光图像的散斑噪声,然后采用基于最小化全变差模型去除激光图像的高斯噪声和脉冲噪声.采用信噪比、对比度和亮度失真度作为图像降噪效果的评估,将算法与中值降噪、小波与中值滤波结合降噪等进行对比实验,实验结果...     

三维医学图像的混合噪声去除方法

针对医学图像在采集传输等过程中易受噪声污染,且目前多数去噪方法对混合噪声去噪效果不好,影响三维重构精度的问题,提出了基于自适应三维分数阶积分和中值滤波结合的混合噪声去除方法。首先介绍了几种传统方法在去除混合噪声中的不足,然后基于三维图像梯度信息提出了三维分数阶积分的自适应分数阶阶数,利用分数阶积分和中值滤波的各自优点,将两者结合对混合噪声去噪,并提出了基于混合去噪的边缘曲面追踪算法。实验结果和数据分析表明,提出的混合去噪方法能够从噪声污染的医学图像切片中追踪出高精度边缘曲面,与传统去噪方法相比,具有更好的去噪效果。     

同态非局部滤波在激光主动成像散斑抑制中的应用研究

传统的激光主动成像散斑抑制方法中,局部单像素滤波和变换域滤波难以取得良好的抑制效果,同时容易导致边缘展宽,对图像信息造成破坏。鉴于非局部滤波对加性噪声的优异去噪性能,本文研究了三种具有代表性的非局部滤波方法,并使用半导体泵浦固体脉冲激光器搭建主动成像系统,进行散斑噪声抑制性能的比较。实验表明,采用同态FMPatchGP不仅能够有效抑制散斑噪声,而且能很好地保持边缘信息,同时满足实时性处理的要求,在激光主动照明系统中具有良好的应用前景。     

一种改进的图像中脉冲噪声滤波方法

提出了一种估计脉冲噪声强度的方法,并针对传统中值滤波(MF)法在去除脉冲噪声时存在的不足,给出了一种由噪声检测和噪声滤波2个阶段组成的图像滤波方法.实验结果表明,采用本文估计方法获得的噪声强度偏差较小,噪声滤波方法能在有效去除噪声的同时保持图像的边缘.     

基于聚类分析和骨架提取的含裂纹超声红外热像增强方法研究北大核心CSCD

超声红外热图像因噪声干扰及缺陷位置的热扩散,导致其存在对比度差、清晰度低、边缘模糊等问题。为了增强红外图像视觉效果,提高缺陷检测能力,提出了一种基于聚类分析和缺陷骨架的超声红外图像增强方法。采用基于kmeans的DBSCAN聚类算法对裂纹发热区域进行识别聚类,将图像分解为缺陷生热区域与非缺陷区域;然后,对缺陷区域进行骨架描述,并沿裂纹骨架走向采用改进的部分子块重叠直方图均衡算法对缺陷图像进行增强。提出的超声红外图像增强方法与常用的直方均衡化、限制对比度自适应直方图均衡化、自适应同态滤波三种方法进行对比,结果表明所提的增强方法可以得到对比度更显著的图像,具有明显的优势。提出的方法为增强超声红外图像视觉效果、提升裂纹诊断能力提供了一种有效方法。