基于DSP的沥青路面裂缝图像处理算法的实现

沥青路面裂缝是高速公路路面的主要患害之一。提出一种沥青路面裂缝图像处理算法，即采用改进的经典算法和形态学算法对沥青路面裂缝图像进行去噪平滑、边缘检测、图像分割、效果增强及边缘连接等处理。该算法通过DSP软件的检验，处理的效果相对于其它经典算法，有了显著的提高。对用谊算法处理后的沥青路面裂缝图像进行检测，检测的精度和检测效果都比较满意。     

一种针对含噪低对比度图像的边缘检测方法

主要研究了含有噪声的低对比度图像的边缘检测方法。通过对图像进行直方图均衡化、二值化、平滑及去噪处理后，利用膨胀腐蚀型检测算子对图像边缘进行检测。经实验证明，该算法对含噪低对比度图像具有较好的检测效果，与传统的Sobel、Canny算法相比，具有边缘连续、清晰的检测效果。     

基于改进NLM的PCB图像去噪算法

针对工业生产中的PCB图像边缘信息缺失且携带有大量噪声,现有去噪算法效果不佳、计算量庞大、复杂度高等问题,提出了一种基于改进NLM的PCB图像去噪算法,旨在提高PCB图像的去噪质量.首先,采用基于形态学的权重自适应算法对PCB图像进行图像增强,使PCB图像保留较好的边缘信息;其次,引入特征匹配模型对增强后的PCB图像与原始PCB图像进行特征点匹配融合;最后,通过改进NLM算法的权重值对PCB图像进行去噪,得到最终的去噪图像.实验结果显示,与现有算法相比,所提算法更好地保留了PCB图像的边缘信息,去噪效果佳,显著改善了图像质量,增强了图像的鲁棒性,且提高了计算速度,降低了算法复杂度.     

结构森林边缘检测与渗流模型相结合的混凝土表面裂缝检测

针对现有混凝土表面裂缝检测方法对不同环境下采集的裂缝图像集检测效果鲁棒性不强的问题,引入基于结构森林的学习框架来提取裂缝边缘,并融合改进的快速渗流算法检测裂缝,以保证检测精确率和效率。使用分段函数对彩色图像进行线性变换以增强裂缝,根据包含裂缝块的局部结构特征及彩色图像积分通道特征,利用结构森林边缘检测器快速提取裂缝边缘,同时结合改进的渗流模型快速渗流边缘并去噪。最后,利用形态学方法,连接较小断裂并填充孔洞。在收集的各类裂缝图像集上的实验结果表明,该算法处理速度快、鲁棒性好,且裂缝提取的精确度优于现有算法。     

基于Curvelet变换的地震噪声衰减

在研究地震勘探中,随机噪声是一种频带较宽的干扰波,常规的去噪方法效果不理想.为对方位提高识别能力,首先根据具有多尺度与多方向性的Curvelet变换的基本原理及其实现方法.采用块阈值法应用于地震数据随机噪声衰减中,并进行了仿真计算和实际资料的处理.结果证明利用Curvelet变换块阈值法能比较彻底地去除噪声,去噪后的图像边缘保持良好,滤除噪声同时还保留了有效部分,去噪效果良好,具有小波变换无可比拟的优势,且易于实现,在地震资料处理中具有一定的可行性和应用价值.     

Steerable Pyramid分解地震随机噪声衰减 ——基于局部Laplace先验概率密度模型

简单介绍了具有多尺度与多方向性特点的Steerable Pyramid分解和重构的基本原理。采用softLMAP阈值将其应用于地震数据随机噪声衰减中,进行了仿真计算和实际资料的处理并与自适应BayesShrink阈值及小波域softLMAP阈值去噪进行比较。结果证明利用Steerable Pyramid分解softLMAP阈值能比较彻底地去掉噪声,去噪后的图像边缘保持良好,滤除噪声同时还保留了有效部分,去噪效果良好,且易于实现,在地震资料处理中具有一定的可行性和应用前景。     

阈值去噪联合数学形态学的胃部图像边缘检测

在胃部图像边缘检测问题研究中,噪声影响着检测的准确性。针对图像受噪声的影响而导致边缘提取效果不佳的问题及传统边缘检测算法抗噪性差,提出了一种采用联合技术的小波阈值去噪和改进的数学形态学边缘检测算法,在小波域中利用小波阈值对胃部图像进行去噪处理,并用改进边缘检测算法对去噪后的图像进行边缘检测,得到胃部边缘图像。结果表明,改进算法不仅抑制了图像噪声,而且保护了图像边缘细节,相对传统边缘检测方法有更高的信噪比。     

基于平稳小波变换邻域系数萎缩的图像去噪法

为消除图像去噪过程中普遍存在的边缘失真,先利用Canny边缘检测算子提取含噪图像的边缘特征,使边缘图像的像素点和含噪图像的像素点一一对应,将含噪图像中边缘像素点的值设零,再将得到的去掉边缘信息的含噪图像进行二维离散平稳小波变换,对小波系数采用基于邻域的方法进行系数萎缩.该算法充分考虑了平稳小波系数的邻域性质,对处理后的小波系数进行平稳小波反变换得到平滑去噪图像,最后将边缘图像嵌入平滑图像中得到去噪后的图像.该算法能够在去除噪声的同时较好地保护图像的边缘,是一种有效的图像去噪法.     

基于多层小波阈值函数的彩色图像边缘检测

针对彩色图像边缘检测中RGB颜色空间分量之间高的关联性会导致部分色彩信息未能被有效识别、检测及抗噪性低,提出一种多层小波阈值去噪函数的彩色图像边缘检测方法。采用改进的小波阈值去噪方法对彩色图像进行去噪预处理;运用四元数思想构建四方向特征矩阵求解Canny算子梯度幅值和幅角;进行非极大值抑制和自适应双阈值处理得到最终边缘检测图像。实验表明,该算法能够较好地获取彩色图像边缘信息,并有效降低漏检率和错检率,增强了自适应性,提高了边缘检测中边缘的连续性和抗噪性。     

一种抑制图像阶梯效应的改进全变分去噪方法

针对全变分图像去噪算法中处理边缘区域与平滑区域相互冲突从而导致阶梯效应的问题,提出利用局部梯度阈值对两者进行分开滤波去噪的方法。在分析现有利用小波变换进行噪声预测的基础上,提出更精确的改进预测算法;通过实验,得到局部梯度阈值与噪声方差的关系方程,以及最优梯度阈值的估算方法;给出改进算法的步骤与迭代方法。实验结果表明,该算法能有效去除图像上的高斯噪声、获得较好的边缘保护效果,同时能克服全变分去噪后复原图像出现阶梯效应的问题。     

基于改进MP的地震信号去噪

地震资料中的噪声分为相干噪声和随机噪声.针对随机噪声,采用匹配追踪（MP）算法进行去噪,能取得一定的去噪效果,但是MP算法过大的计算量严重影响去噪的效率.为解决这个问题,本文采用遗传算法（GA）寻找最优原子,大大减少了算法的运算量,提高了算法的运算速度.本文对Ricker子波进行改进,加入尺度参数、位移参数和相位参数,利用改进后的Ricker子波构建的过完备原字库进行去噪可以取得更好的效果.本文采用相邻残差比阈值作为迭代终止条件,与采用硬门限作为迭代终止条件相比增强了算法的鲁棒性.实验仿真时,首先对加有随机噪声的人工合成地震信号进行去噪,仿真结果表明：本文改进的去噪算法与基础MP算法相比,在信噪比、均方差和计算速度上具有明显优越性,然后将本文改进的方法应用于实际地震信号去噪,并取得很好的去噪效果.     

全变分正则化非局部均值地震数据降噪

在地震数据的采集中往往存在随机噪声,噪声会影响地震数据分析的准确性,针对地震数据中存在的高斯噪声,传统非局部均值降噪算法在对地震数据降噪后无法有效保持地震数据中的同相轴边缘。将全变分正则化非局部均值算法应用于地震数据降噪,通过计算噪声估计值,更新去抖动非局部均值算法的权值,将去抖动非局部均值降噪结果进行全变分正则化约束,得到最佳的地震数据降噪结果。在有效去除高斯噪声的同时,保留地震数据的同相轴边缘。通过在合成地震数据、海上叠前地震数据、陆上叠后地震数据上进行降噪实验,对比该算法与非局部均值算法、基于近邻法选择策略的非局部均值算法的峰值信噪比、均方误差、平均结构相似度,得出全变分正则化非局部均值降噪算法在有效降噪的同时,可以较完整地保留地震数据的同相轴边缘细节。     

一种基于噪声检测的图像去噪算法

针对标准中值滤波算法去噪能力不强的问题,提出一种基于噪声检测的图像去噪算法。通过原图像与4个方向核的卷积,将像素点分为噪声点和信号点,直接输出信号点,而只处理噪声点。若信号点所在的最小邻域中存在信号点,则利用该点进行中值滤波;否则,继续扩大邻域范围。实验结果表明,该算法不仅能有效去除图像噪声,而且能较好地保护边缘,提高恢复图像的清晰度。     

全变分原理在地震数据去噪中的应用

地震图像资料的解释和后续处理中的重点环节是如何有效地降除地震资料记录中的噪声。高效的地震资料降噪算法在较好降除噪声的同时可以将图像的边缘信息予以较好的保留。论文首先全面地介绍了全变分去噪模型,同时详细介绍了参数的选取方法,最后进行实验和模型验证。结合小波阈值降噪方法进行比较,实验结果表明全变分降噪方法在很好地消除地震信号图像中的噪声,大面积提高信号剖面质量的同时,可以有效提高地震资料的信噪比。     

LWT-FLP去噪算法在FBG传感器信号处理中的应用

为了提高传感器信号处理的精度,结合提升小波变换和前向线性预测算法的优势,提出了一种新的去噪LWT-FLP去噪算法,首先利用提升小波对加速度计数据进行了多尺度变换,降低了原始数据的不平稳性;其次利用高频数据进行灰化处理,使原本无规律的数据体现出一定的规律性,可以有效提高FLP的预测精度。并对FBG传感器信号进行应用结果表明,提出的算法能够有效去除噪声对FBG传感器输出信号的影响,有效地证明了提出的LWT-FLP算法在去噪方面的优越性。通过与单一的算法进行去噪结果对比,验证了该算法的准确性,为传感器信号处理提供了一定的理论新方法。     

真实场景中基于卷积神经网络的去噪算法

For dealing with the noise image processing in the real scene, this paper proposes a denoising algorithm based on convolu- tional neural network according to the noise model which closer to the real scene. The algorithm uses multiple convolution layers in the convolutional neural network to learn the data characteristics of the noise image in the real scene, so as to continuously optimize its own parameters. The simulation results show that the denoising algorithm based on convolutional neural network has a good de- noising effect on the noise image in real scene, the denoised image is clearer, the visual effect is better, and the edge details in the im- age are well preserved.     

结合分块噪声估计的字典学习图像去噪算法

图像去噪是图像处理领域的重要环节,也是对图像进行后续处理的基础。近年来K-SVD字典学习去噪算法因其耗时短、去噪效果好的特点得到广泛关注和应用。但该算法的适用条件为图像的噪声为加性噪声且噪声标准差已知。针对这一情况,本文先提出一种平滑图像块筛选方法,并将其与奇异值分解(Singular Value Decomposition, SVD)相结合实现对图像的噪声标准差估计。再将得到的噪声估计方法与K-SVD字典学习去噪算法结合起来,提出一种具备噪声估计特性的K-SVD字典学习去噪算法。对多种图像的去噪实验结果表明,与Donoho小波软阈值去噪算法、全变分(Total Variation, TV)去噪算法相比,本文算法不仅能够使去噪后图像的峰值信噪比提升1~3dB,并且能较好地保留图像的细节信息和边缘特征。     

小波阈值神经网络在信号去噪及预测中的应用

提出了一种小波阈值神经网络模型(wavelet threshold neural network,WTNN),对合作式接收到的雷达信号进行去噪和预测.这种网络模型把小波最优阂值去噪器加到神经网络中,对带噪信号具有小波最优阈值去噪和预测的功能.对小波系数作单层重构,可简化训练算法,使编程得到精简.其次,通过对训练算法进行分析,得出了最优阈值及权值的调整公式.最后通过对线性调频信号去噪及前向一步预测的实验结果可以看出,当网络输入分别为带有高斯白噪卢、高斯带限噪声、瑞利噪声的线性调频信号时WTNN得到的结果均优于利用Donoho阈值进行去噪后再预测的结果.     

基于小波去噪和改进Canny算子的边缘检测

针对传统Canny边缘检测算法在抑制噪声和定位精度方面的不足．提出一种将小波去噪和改进Canny算子相结合的边缘检测方法。采用小波去噪方法对含噪图像进行噪声过滤．再用改进的Canny算子实现边缘检测。仿真实验结果表明,该方法抗噪能力极强,提取的边缘定位精确。     

小波分析在入侵检测中的应用

入侵检测在某种程度上类似于信号处理,基于此可将入侵检测过程中影响检测效果的干扰数据看成随机噪声,进而通过小波分析进行去噪处理,结果证实该方法可行。