自适应图像增强滤波器

Ｕｎｓｈａｒｐ ｍａｓｋｉｎｇ滤波算法是一种经典的图象增强算法,算法简单便对噪声非常敏感;而传统的平滑去噪算法对图象细节有很大损失。本文采用改进的自适应ＵＭ算法来增强图象,既有良好的去噪特性,又增强了图象的边缘,且算法简单,适于实时处理,效果优于同类滤波器。     

一种空间自适应小波门限去噪算法

提出了一种空间自适应小波门限去噪算法,该算法在小波域对含噪小波系数做两次自适应去噪,两次自适应门限分别基于最大似然(ML)方差估计和最大后验概率(MAP)方差估计.仿真结果表明,该算法与其它自适应门限去噪算法相比,去噪后的图象具有更高的峰值信噪比(PSNR).     

子波变换去噪的一种新算法

在图象平滑中，经常采用均值滤波和中值滤波。然而均值滤波对高斯白噪声比较有效而中值滤波对脉冲噪声比较有效。因而寻求对两种噪声都有效的去噪算法是我们所希望的。本文在概要介绍子波变换的基础上，首先从理论分析和实验计算两个方面详细讨论了脉冲信号和高斯白噪声的子波变换特性。然后说明了一种对脉冲噪声和高斯白噪声同时有效的新的去噪算法。最后利用改进的去噪算法对一维信号和二维信号进行了实验，并给出了数字仿真的结果。     

基于自动色阶和多尺度Retinex彩色图像增强算法

为了解决多尺度Retinex算法(MSR)在增强光照不均的单彩色图像时出现的细节模糊、颜色失真的问题,提出一种基于自动色阶和多尺度Retinex算法(Auto-colorMSR)。对图像进行双边滤波去噪,利用添加光照参数调节的MSR算法对去噪图像进行增强,并通过自动色阶进行色彩恢复得到增强图像。实验结果表明,提出的算法优于传统算法,图像增强后具有更好颜色保真和边缘细节保留特性。     

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。     

基于FPGA的小波去噪的硬件实现

为了解决传统频域去噪法在光信号处理中单分辨率的局限性,提出了具有多分辨性的小波去噪法,并通过对比验证其有效性。由于小波去噪实现对硬件的要求较高,采用现场可编程门阵列做硬件平台来实现基于分布式算法的小波运算,将复杂的乘法运算转化为简单的并行查表累加过程,提高了运算效率,完成了小波算法的硬件移植。最后设计了基于现场可编程门阵列的采集系统,并在其上进行了小波去噪的硬件验证。结果表明,小波去噪算法在现场可编程门阵列平台上得到了很好的实现,且去噪效果良好。     

基于灰预测的图象去噪新方法

抑制噪声是图象处理中极其重要的步骤，如何合理消除大量的噪声，又使图象保持原有的各类信息、保证图象质量一直是人们的努力目标。文章尝试与探讨了基于灰色GM（1，1）模型的图象去噪新算法，并与传统的图象滤波方法相比较，实验结果证明，该算法既可以有效地降低噪声，又可以较好地保持图象质量和细节．为图象去噪提供了新的方法。     

带噪声抑制的反锐化掩模图像增强算法

为了减小传统的反锐化掩模算法对噪声的敏感性，提出了一种新的反锐化掩模图像增强算法，该算法在图像的平坦区域进行去噪处理，并依据人眼视觉特性对图像的不同细节区域做不同程度的增强。通过几种算法的实验结果比较，表明本算法不仅增强效果较好，且抑制了噪声的增强。     

帧间自适应的压缩感知谱减去噪方法

针对应用压缩感知理论对含噪语音进行去噪其信噪比低的问题,以及应用谱减法对含噪语音去噪后语音信号仍不清晰的情况,提出帧间自适应的压缩感知谱减去噪方法。同时,由于传统压缩感知理论不能使语音信号在重构时实现帧间自适应的去噪效果,对此缺陷提出一种改进算法,并且将该算法应用到谱减法的去噪过程中。相比于经典的谱减法,实验结果表明,所提算法对含噪语音进行去噪不仅可以提高含噪语音的去噪效果,还可以有效地解决谱减法无法去除背景噪声及音乐噪声的问题。     

一种基于小波变换的非线性红外图像增强算法

针对红外图像对比度低,噪声干扰大,用传统增强算法增强时,增大噪音的问题,提出了一种基于小波变换的非线性红外图像增强算法.该算法先对原始图像进行小波变换获得低频和高频系数,接着根据低频系数的特点设计了非线性函数对低频系数进行增强,并对高频系数进行小波去噪,最后通过小波重构得到增强的图像.仿真实验表明,该方法不仅解决了红外图像对比度低的问题,并且降低了噪声,突出了图像细节,该方法无论是增强效果还是抗噪效果都明显优于传统的图像增强方法.     

基于优化ESMD-ICA的海面微弱目标检测

针对强海杂波背景下的海面微弱目标检测问题,提出基于优化ESMD-ICA的检测算法.利用小波模极大值去噪算法对信号预去噪,再采用优化ESMD-ICA去噪算法,最后用优化灰狼算法(GWO)改进的ELM模型对重构的去噪信号做预测.利用IPIX雷达实测数据验证新算法,实验证明:新算法在抑制海杂波前提下,未破坏信号的混沌性质,新预测模型的检测性能远胜于传统预测模型(BP神经网络).新算法在去噪效果、模型训练与检测时间以及检测器稳定性等方面均表现良好,有利于算法广泛应用于实际工程.     

基于自适应权重Retinex和小波变换的彩色图像增强算法

针对现有图像增强技术容易出现细节丢失、局部曝光不足、过曝光或颜色失真,不能兼顾对比度和色彩保真的问题,提出了基于自适应权重Retinex与小波变换结合的彩色图像增强算法(AMSR-WT)。将图像从RGB空间转换到HSI空间,对亮度分量I进行小波变换分解为低频亮度图像和若干高频亮度图像,对低频图像使用自适应权重Retinex进行增强,对高频图像使用改进的阈值去噪算法进行去噪,通过小波逆变换重构亮度分量,经过Gamma校正进一步增强对比度并转换回RGB空间得到增强图像。实验结果表明,该算法有效提高了图像对比度和颜色保真度,较好地保留了图像的细节和纹理。     

基于数据库的算法管理和选择

针对数据处理中由于缺乏统一有序的算法管理机制,导致在各领域中普遍存在算法重复设计、修改以及大量算法的相似性问题,提出了一种基于数据库的算法管理及优化选择的思想。文中首先介绍了所提思想的系统模型及实现设计,然后以图像去噪算法为例,通过几种算法对不同噪声的去噪效果完成了一个简单的算法管理选择系统,实验结果证实了所提思想的可行性。     

自适应小波阈值去噪方法

针对未知含噪信号的小波去噪理论,提出了一种新的阈值方程,并基于斯坦恩无偏估计(SURE)优化算法和阈值方程寻找最优门限值,以确保去噪后的信号是对未知原信号的最优估计。同时,注意到使用正交小波去噪,容易在信号奇异点处产生Gibbs振荡。为解决该问题,在信号分解和重构时使用了平稳小波变换算法。最后,应用以上方法与基于SURE的正交小波去噪方法对2种含噪信号进行去噪分析,结果令人满意。     

基于EMD算法的海杂波信号去噪

为有效提取噪声背景下的海杂波信号,针对实际海杂波信号非线性非平稳的特点,提出基于EMD算法对实测海杂波数据去噪。对噪声水平未知条件下,EMD算法分解的哪些内蕴模式是信号部分难以有效界定的问题,提出基于噪声主要在高频段且能量较小、信号能量主要集中在低频段思想的噪声判断准则。为验证EMD去噪效果,将该算法对含有噪声的海杂波实测数据进行去噪,采用信噪比和均方差两项指标衡量去噪效果,并与均值、中值、db2小波等去噪方法对比,EMD算法在这两项指标均优于其他算法,说明EMD算法对海杂波数据去噪是有效的。     

GIS局部放电小波阈值去噪算法的改进

为了抑制GIS局部放电现场检测中的噪声干扰,本文在现有的小波阈值去噪的基础之上,提出了一种基于新的阈值函数的去噪算法。该去噪算法与传统的基于硬阈值或软阈值小波去噪算法相比,具有表达式简单,易于计算的优点,同时通过仿真试验表明该算法提高了信号的信噪比,具有较好的去噪性能。     

基于小波阈值算法的海杂波信号去噪

为有效提取噪声背景下的海杂波信号,针对海杂波信号非线性非平稳的特点,提出基于小波阈值算法对实测海杂波数据去噪。在噪声水平未知条件下,提出基于噪声主要在高频段且能量较小、信号主要集中在低频段思想的噪声判断准则。为验证小波去噪效果,将该算法对含有噪声的海杂波实测数据进行去噪,采用均方差和降噪信号信噪比两项指标来衡量去噪效果,并与均值和中值等去噪方法对比,小波算法在这两项指标均优于其他算法;此外,实验结果还表明,db2小波在双曲线阈值函数和HeurSure阈值模式下优于其他小波去噪效果。     

一种红外图像对比度增强的小波变换法

提出一种基于离散平稳小波变换和非线性增益的红外图像对比度增强方法．对红外图像进行离散平稳小波变换后,对分辨率较好的各高频子带直接利用所提出的去噪方法去噪;对分辨率较差的各高频子带利用所提出的非线性增益法结合文中的去噪法进行增强;并给出一种评价增强图象质量的准则．实验结果表明,本文提出的方法在有效的增强红外图像对比度的同时,又能很好的抑制红外图像中相关噪声、加性高斯白噪声和乘性噪声．     

一种基于小波变换的图像去噪算法

利用小波方法去噪,是小波分析应用于工程实际的一个重要方面。针对图像存在大量噪声的情况,阐述小波变换去除信号噪声的基本原理和方法。在综合考虑图像去噪平滑效果和图像的清晰程度的基础上,提出一种多方向多尺度的自适应小波去噪算法。通过试验数据验证了该算法的可行性和鲁棒性。实验结果表明该方法增强了图像的视觉效果。     

基于稀疏表示的被动毫米波L-R成像算法

在被动毫米波的图像恢复中,L-R算法是一种简单而有效的非线性方法。但当噪声不可忽略时,L-R算法难以获得较好的复原结果。自适应稀疏表示,作为一种新的信号处理方法,具有表达信号灵活的特点,能够在保持目标特征的同时有效地去除噪声。该文提出一种基于自适应稀疏表示的L-R算法。首先采用稀疏信号表示的方法进行去噪,然后使用L-R算法进行图像恢复。这种改进算法通过使用基于自适应稀疏表示的去噪算法有效地减少了噪声对L-R算法的影响。实验数据的成像结果表明:该文的改进算法提高了L-R算法的性能,可用于低信噪比的图像复原。