心脏超声波图像斑点噪声去除方法仿真分析

研究心脏超声波图像质量优化问题,由于心脏的组成十分复杂,心血管各部分大小、厚度及其的不均匀,心脏瓣膜运动状况受到疾病影响也不规律,使得心脏在进行超声波图像采集过程中,往往存在大量的斑点噪声。传统的去噪算法都是将噪声转换成加信噪声,加以去除,但是转换过程会造成图像的大量有用信息损失,去噪结果缺陷明显。提出利用总体最小二乘模型的心脏超声波图像斑点噪声去除方法。根据最小二乘法相关原理,将最小二乘法相关原理应用到心脏超声波图像斑点噪声去除过程中,建立总体最小二乘模型,针对该模型的输出结果进行直交投影变换处理,实现心脏超声波图像斑点噪声的去噪处理。实验结果表明,利用改进算法进行心脏超声波斑点噪声去除处理,能够极大的提高图像的分辨率,满足心脏临床医学诊断和治疗的实际需求。     

文本图像的去噪算法应用研究

针对在通过拍照采集图像的过程中由于光照不均而造成的文本图像的噪声问题,研究了文本图像区别于一般图像的结构特征和噪声特征,提出了一种基于文本图像的投影结合分块形态学的快速去噪方法.该方法对输入的文本图像进行二值化,对二值化后的文本图像进行投影处理,根据对投影结果进行分析来快速去除行列间噪声,根据行列间噪声的多少产生一个阈值,通过这个阈值来确定分块后的图像是否需要字符内去噪,字符内去噪则采用形态学滤波法.实验结果证明,该方法对于正常情况下光照不均的文本图像的去噪较传统的全局去噪算法的效率更高,效果更好.     

超薄精密件对接接头图像采集和信息识别

针对0.1 mm不锈钢超薄板的超薄和微小尺寸等特点,研究其对接接头图像采集方案和信息识别方法;对比分析了曝光时间、亮度对图像采集的影响,采用Levenberg-Marquardt算法和全局优化法得出曝光时间、亮度和图像平均灰度值三者之间的匹配关系式;为了消除对接接头边缘毛刺、划痕和颗粒噪声对接头图像信息识别的影响,运用阈值分割、腐蚀和膨胀等形态学处理方法进行“去噪”处理,精确地得出了超薄板对接接头的信息.     

基于自监督约束的双尺度真实图像盲去噪算法

现存的图像去噪算法在处理加性高斯白噪声上已经取得令人满意的效果,然而其在未知噪声强度的真实噪声图像上泛化性能较差.鉴于深度卷积神经网络极大地促进了图像盲去噪技术的发展,针对真实噪声图像提出一种基于自监督约束的双尺度真实图像盲去噪算法.首先,所提算法借助小尺度网络分支得到的初步去噪结果为大尺度分支的图像去噪提供额外的有用信息,以帮助后者实现良好的去噪效果.其次,用于去噪的网络模型由噪声估计子网络和图像非盲去噪子网络构成,其中噪声估计子网络用于预测输入图像的噪声强度,非盲去噪子网络则在所预测的噪声强度指导下进行图像去噪.鉴于真实噪声图像通常缺少对应的清晰图像作为标签,提出了一种基于全变分先验的边缘保持自监督约束和一个基于图像背景一致性的背景自监督约束,前者可通过调节平滑参数将网络泛化到不同的真实噪声数据集上并取得良好的无监督去噪效果,后者则可借助多尺度高斯模糊图像之间的差异信息辅助双尺度网络完成去噪.此外,还提出一种新颖的结构相似性注意力机制,用于引导网络关注图像中微小的结构细节,以便复原出纹理细节更加清晰的真实去噪图像.相关实验结果表明在SIDD,DND和Nam这3个真实基准数据集上,所提的基于自监督的双尺度盲去噪算法无论在视觉效果上还是在量化指标上均优于多种有监督图像去噪方法,且泛化性能也得到了较为明显的提升.     

含特殊噪声模糊图像复原技术的研究及应用

为解决模糊图像复原技术经典算法受噪声等高频成分影响较大的问题,文中提出一种简单快速处理含特殊噪声模糊图像的方法。当噪声叠加到图像中,图像赖以估计模糊核参数的频域特征减弱甚至消失。一般去除噪声的方法在滤除噪声的同时也除去了一些可用于模糊参数估计的重要信息,因此,含噪图像通常会寻求它法处理。但文中研究发现,对于某种特殊的噪声例如椒盐噪声,使用针对于它的滤波方法,例如中值滤波,信息损失量极小,因此含特殊噪声图像可以按此方法处理。结合有针对性的滤波方法去除特殊噪声,减少信息损失,从而快速恢复图像。仿真实验结果表明,对于含噪图像,该算法比以往算法更优越。     

基于计算机技术的高速串行光纤图像实时采集方法

在目前的图像实时采集方法中,对采集到的图像信号的噪声滤波不足,影响采集图像的质量。因此,提出基于计算机技术的高速串行光纤图像实时采集方法设计研究。采用计算机技术中值滤波法,对采集到的图像进行数据滤波去噪。通过Mallat算法将去噪后的图像进行分解并重构小波函数,获得完整的图像数据信号,进一步分析和变换重构后的小波函数。通过链码方式提取图像的轮廓和特征链码,实现图像采集。实验结果显示,设计的图像采集方法采集到的数据受噪声影响更低,信噪比改善因子的均值分别为-5.9762和-4.6691,并且图像质量更好,因此,证明研究方法满足设计目的,有效提高了采集图像的质量。     

采用改进结构特征度度量分析的噪声标准差估计算法

提出了一种基于改进的噪声标准差估计的轮廓波去噪算法,在常用的轮廓波去噪算法基础上提出了新的解决方案。该方案将滤波法与改进的图像结构特征度度量分析算法结合起来,筛选出适合计算噪声标准差的图像子块集合,再用直方图法估计图像噪声标准差,然后将该标准差用于轮廓波去噪。在标准差估计对比试验中,将滤波法、分块法、改进的分块法与文中的标准差估计算法进行对比;在去噪对比试验中,采用基本的小波阈值去噪算法(universal阈值),由小波阈值法引申出的普通轮廓波阈值去噪算法,基于维纳滤波的轮廓波去噪算法,基于系数建模的轮廓波去噪算法与文中算法做对比。实验结果表明:文中算法能够更加精确地估计图像噪声标准差,且去噪效果与普通轮廓波去噪及其他轮廓波去噪算法相比更加稳定,鲁棒性更好。     

小波变换在电能质量信号去噪中的研究

研究电能质量信号去噪问题,针对电能质量信号在采集过程含有大量的噪声,给电能质量分析带来困难,因此要对电能质量信号进行去噪处理.传统去噪方法不能同时解决去噪和突变点信息保留之间矛盾的问题,导致去除噪声的同时损失了更多的原始信号信息.为了改善电能质量信号的去噪效果,提出了一种改进的小波软阈值电能质量信号去噪算法.采用融合软、硬阈值法的不同特点,通过自适应调整参数方式获得最优的小波系数的阈值,使得改进的阔值函数适应性更强,有效克服了采用软阈值法过渡光滑导致信号失真,而采用硬阈值法去嗓效果不佳的缺陷.仿真结果表明,算法补传统软阈值算法的缺陷,该方法消除信号中的噪声效果和还能保留突变点的信息能力都优于传统的去噪方法,为消噪设计提供参考.     

基于PM模型扩散系数改进的加速算法

0引言图像在生成、传输、采集的过程中,因为种种不可预测因素的干扰,总是会受到噪声的污染和破坏,严重情况下会影响到实际应用,因此对所需的图像进行一定的预处理是尤为必要的。图像去噪的实质是图像退化过程的逆过程,它根据得到的退化图像信息对含有噪图像进行处理以恢复原来的图像,是原始图像在某种意义下的最优估计。图像去噪方法大致分为空域和变换域去噪     

一种基于边缘检测的图像去噪优化方法

为了消除或衰减存在于图像上的噪声,同时尽可能地保留图像细节,提出基于边缘检测的图像去噪算法.先通过小波边缘检测法求出有噪图像的边缘图像;再通过小波边缘检测方法确定哪些小波系数是图像的边缘特征,这些小波系数将不受阈值去噪的影响,因此,可以只是根据噪声方差来设置去噪的阈值,对原有噪图像进行小波去噪,得到平滑图像;最后,将边缘图像嵌入平滑图像中,得到去噪后的图像.实验结果表明,与普通的小波阈值去噪方法相比,上述算法不但能在有效去噪的同时保留图像的细节信息,而且能提高去噪后图像的峰值信噪比.