匀速直线运动产生的图像模糊及复原研究

在拍照的曝光期间,由于景物和照相机之间的相对运动,往往造成图像的模糊,致使照片效果差无法使用。另外,图像在获取和传输过程中,往往产生大量随机噪声。运动模糊和噪声使图像质量退化,对进一步的边缘检测、图像分割、特征提取及模式识别带来不便。本文将对匀速直线运动的情况下产生的图像模糊以及复原进行研究。     

一种保持图像细节的形态学滤波器

提出了一种保持图像细节的形态学滤波器,和经典形态学滤波器相比较,新的形态学滤波器的其主要算子中使用了结构元素的轮廓,用测试图和加噪图进行实验,表明此滤波器具有良好的保护图像细节和滤噪的性 能。     

一种基于自适应滤波的三相有源电力滤波器的检测算法

对有源滤波器现有的几种检测算法进行了简单的分析，针对目前在有源滤波器中应用较广泛的瞬时无功功率理论检测法中存在的问题和不足，提出了一种基于自适应滤波理论的三相并联型电力有源滤波器的新型检测算法，并用Matlab中的Simulink对基于此算法的 滤波器进行了建模和仿真。     

潜望镜图像序列的时域Kalman滤波

根据潜望镜图像序列的噪声模型，提出了用非线性模糊滤波器和自适应Kalman在空域和时域对其进行滤波的方法。     

智能选取滤波器的方向图滤波算法

由于指纹图像纹线粗细的不同,分块大小固定及使用同一滤波器不能适用于不同的指纹图像。针对方向图滤波方法中,由于图像分块大小及滤波器不合适,导致不能连接图像中的断线,或是在曲率变化较大的图像区域出现“尖”的不平滑现象,提出了一种智能选取分块大小及滤波器的算法,该算法在大量的实验中,表明了其有效性。     

基于梯度的自适应椒盐噪声滤波算法

针对传统中值滤波方法不能有效保持图像细节信息和对图像适应能力差的问题,提出一种改进的椒盐噪声滤除算法。算法基于先检测、后滤波的思想,根据图像的极小梯度矩阵自适应计算噪声阈值,提高了噪声检测的准确性;为了更好地保持图像细节,对检测出的噪声像素进行多窗口中值滤波。多组去噪实验表明：所提算法对污染程度不同的图像具有良好的适应性,在滤除噪声的同时还可以有效还原图像边缘等细节信息。     

基于自适应形态滤波的医学超声图像降噪

针对医学超声图像上的斑点噪声,本文提出一种基于自适应形态滤波的降噪方法.首先构造一组检测图像中不同像素值突变的结构因子;再对每个结构因子构造相应的形态滤波结构元;最后对每个像素点邻域进行结构检测,找到该点处最可能存在的突变结构,以相应的结构元完成该点的形态滤波.对不同信噪比的仿真图像和实际图像分别采用本文方法和各向异性扩散滤波,不同尺度传统形态滤波进行了:比较实验,结果表明:采用本方法可将超声图像的信噪比、对比度噪声比和图像优度分别平均提高15%、37%和69%,优于其它方法.     

保持边缘的SAR图像滤波方法

首先阐明了SAR图像边缘和边缘保持的概念。其次，提出了一种评价平滑图像边缘保持的方法。通过计算发现，常用的标准滤波方法：增强Lee滤波、Kuan滤波、增强Frost滤波和Gamma MAP滤波的边缘保持能力很差。最后发展了一种能保持边缘的SAR图像滤波方法。这种方法是对Han等人去除SAR图像斑点噪声方法的改进，并分析了这种方法能够保持图像边缘的原因。     

一种自适应的图像双边滤波方法

提出一种利用双边滤波的图像平滑滤波方法,即在滤除图像中高频噪声的同时,按照图像亮度变化保持图像中处于高频部分的边缘信息的自适应滤波过程。该滤波方法将传统的Gauss滤波器的权系数优化成Gauss函数和图像的亮度信息乘积的形式,优化后的权系数再与图像作卷积运算。这样,滤波时就可以考虑到图像的亮度信息,在滤除图像噪声的同时尽量保持了图像的边缘。由于双边滤波的方法可以使滤波器的权系数随着图像的亮度变化而改变,所以在滤波过程中能达到自适应滤波的目的。     

模糊自适应滤波的主动控制方法研究

由于主动控制中广泛使用的自适应滤波 - x L MS算法只适用于线性控制问题 ,针对一些非线性问题 ,本文提出利用一种非线性自适应滤波方法——基于模糊逻辑系统的自适应滤波方法来解决一类参考信号与外扰呈非线性函数关系的前馈主动控制问题。仿真结果表明 ,该模糊自适应滤波器优于线性滤波器的控制效果     

运动模糊图像恢复在汽车同步环检测中的应用

同步环是汽车变速箱的关键零件，同步环漏装会产生传动轴打齿现象，严重影响汽车的安全性能和使用寿命。采用机器视觉技术对同步环装配与否进行检测，是一种高效准确的在线检测方法。由于在生产线上水平运动的同步环和静止的摄像机之间存在相对运动，因此摄像机采集的图像模糊不清。针对运动模糊图像的复原算法进行了研究，分析了其退化的原因，建立了图像复原的数学模型，并根据图像复原的数学模型对运动模糊图像进行了图像复原处理，为后续图像处理做好了前期准备，并取得了令人满意的效果。     

全变分自适应图像去噪模型

通过分析三种主要变分去噪模型(调和、全变分以及广义全变分模型)的优缺点,提出了一种基于全变分的自适应图像去噪模型。该模型根据噪声图像的信噪比,采用高斯滤波器对图像进行预处理,克服了全变分模型引入的阶梯效应;利用图像中每一像素点的梯度信息,自适应选取去噪模型中决定扩散强弱的参数p(x,y),使接近边缘处平滑较弱,远离边缘处平滑较强。数值实验表明,本方法在去除噪声的同时保留了图像的细节信息,取得了很好的降噪性能,其峰值信噪比(PSNR)在高噪声水平下,较其他变分方法至少提高1.0dB左右。     

车载图像配准稳定算法中的关键技术

提出一种有效的车载图像配准稳定算法,这种算法的关键技术包括：一是采用由粗到精、由局部匹配到全局配准的两级配准策略,即在粗配准阶段,利用基于灰度投影均值的SSDA改进算法进行快速模板匹配;精配准时,借鉴联合直方图区域记数法的思路,在灰度信息的统计特性空间上巧妙定义一种全局准则函数,既能保证精度又摆脱了大量的浮点运算。二是在运动滤波时通过自适应选取滑动窗口的长度,降低了图像序列的抖动,同时防止过稳现象的发生。实验结果表明,该算法的平移配准误差( 0．254, 0．083)远远小于1个像素,且在一定硬件平台上稳定单帧图像需要14．7ms,仅为同精度其它算法的1／3,从而满足了车载图像系统的实时性和精度要求。     

Image deblurring using empirical Wiener filter in the curvelet domain and joint non-local means filter in the spatial domain

In this paper, an efficient image deblurring algorithm is proposed. This algorithm restores the blurred image by incorporating a curvelet-based empirical Wiener filter with a spatial-based joint non-local means filter. Curvelets provide a multidirectional and multiscale decomposition that has been mathematically shown to represent distributed discontinuities such as edges better than traditional wavelets. Our method restores the image in the frequency domain to obtain a noisy result with minimal loss of image components, followed by an empirical Wiener filter in the curvelet domain to attenuate the leaked noise. Although the curvelet-based methods are efficient in edge-preserving image denoising, they are prone to producing edge ringing which relates to the structure of the underlying curvelet. In order to reduce the ringing, we develop an efficient joint non-local means filter by using the curvelet deblurring result. This filter could suppress the leaked noise while preserving image details. We compare our deblurring algorithm with a few competitive deblurring techniques in terms of improvement in signal-to-noise-ratio (ISNR) and visual quality.     

天气影响的场景影像复原方法

提出了一种适用于恶劣天气下退化图像复原的简化算法。该算法利用大气辐射传输方程的数值解构造点扩散函数,可用于不同天气条件下的退化图像的复原。根据恶劣天气中散射粒子的前向散射系数大的特点,引入δ 函数,将相函数进行归一化分解;把得到的简化点扩散函数作为大气的退化函数,与退化图像一起进行频域复原滤波。实验结果表明,对于 512×512 的雾天场景图像,复原处理前后信噪比从 3.6400 提高到 8.5329;比较具有相同信噪比的复原图像,简化算法的处理耗时比简化前减少了 85%。     

自适应阈值的小波图像去噪

针对VisuShrink阈值和NormalShrink阈值的缺陷,提出了一种改进的自适应阈值图像去噪方法.根据不同的子带特性,定义了一个新的尺度参数方程,以确定适合各个尺度级的自适应最优阈值,并依此对图像进行去噪.实验结果表明,该方法可将每一尺度上的信号与噪声作最大分离,有效去除了白噪声,较好地保留了图像的细节信息,进一步提高了峰值信噪比,且没有增加时间复杂度,能用于实时处理.     

去除脉冲噪声的自适应开关中值滤波

为消除图像中的脉冲噪声,提出了自适应开关中值(ASM)滤波算法。该算法采用一种新的噪声检测方法将图像中的像素分为信号点和噪声点两类。对检测出的噪声点统计其个数并由此估算图像中的噪声密度,根据估计的噪声密度自适应确定滤波窗口尺寸,采用改进的中值滤波对检测出的噪声点进行处理;而信号点则保留其灰度值不予处理。对ASM滤波进行仿真实验,结果表明,它能在有效去除噪声的同时很好地保护图像细节,较传统中值滤波及其它改进中值滤波算法有更优的滤波性能。     

基于PMP的钢轨三维形貌在线测量模糊条纹复原

在线相位测量轮廓术(PMP)中,当被测物体运动速度较高时,所采集的变形条纹往往为运动模糊图像,使得复原误差增大,严重时可能导致三维重建无法进行。将在线PMP运用于钢轨外形及表面缺陷的在线三维测量时,为了实现钢轨表面模糊变形条纹的清晰化,本文对维纳滤波法、点扩散函数算法、盲解卷积算法和Richardson-Lucy算法等几种模糊图像复原算法进行了对比分析,用峰值信噪比对模糊条纹图像的复原效果进行评估。同时,研究了车辆运行速度和图像复原效果之间的关系,得出了复原效果与运行速度之间的关系曲线,进行了误差分析,并用在线PMP实现了钢轨外形的三维重建。理论及实验结果表明：在对钢轨外形轮廓及表面缺陷的在线三维测量时,Richardson-Lucy算法的复原效果最佳,图像复原程度与车辆运行速度呈多项式关系。