基于空间域低通滤波算子的其他频谱特性算子获得方法研究

图像滤波处理是图像处理的重要内容。图像可以在空间域利用卷积运算实现滤波处理,常用的滤波处理有低通滤波、高通滤波、高频强调滤波和同态滤波。本文首先介绍了图像不同区域的频谱分布情况和空间低通滤波算子的特性,然后基于卷积运算和傅里叶变换的性质,利用空间域低通滤波算子,获得空间域高通、高频强调和同态滤波算子的方法。     

基于小波变换的EEG噪声滤除算法设计与实现

对采样频率为1 ooo Hz的脑电波实测信号分别进行了基于快速傅里叶变换的频谱加窗滤波算法分析和采用小波变换的自适应阈值算法仿真对比分析．分析结果表明：采用传统的频谱加窗滤波算法,在信号噪声频带交叠的情况(如白噪声)中应用效果较差,无法滤除低频范围内与脑电信号混叠的白噪声;采用小波变换的自适应阈值算法的消噪效果明显好于传统的频谱加窗滤波算法,具有良好的应用价值．     

基于Hilbert-Huang的柴油机振动信号去噪处理

运用Hilbert-Huang变换对柴油机振动信号进行去噪处理,对去噪处理的结果进行分析．结果表明：利用Hilbert-Huang变换的多尺度滤波特征可以有效地去除信号的噪声干扰,克服了傅里叶变换用高次谐波频率分量拟合非线性、非平稳信号的缺点,从而提高振动信号分析的可靠性．     

基于小波变换与中值滤波相结合的图像去噪处理

尝试利用基于小波变换和中值滤波相结合图像去噪声处理对同时含有高斯噪声和椒盐噪声的图像去噪方法进行了探讨．结果表明，小波变换结合中值滤波方法在去除图像噪声的同时较好地保持了图像所包含的边缘信息，处理效果优于单一的小波变换去噪或中值滤波．     

基于小波变换方向信息的奇异值图像去噪研究

提出一种基于小波变换方向信息的奇异值图像分解去噪方法.由于图像噪声主要集中在小波域中的高频子图部分,且系数较小,可以利用奇异值分解后较大的奇异值和对应的特征向量重构出去噪图像,然而由于奇异值分解固有的行列方向性,对于高频对角线子图重构出的图像去噪效果不理想,故采取旋转至行列方向后再进行常用的奇异值滤波.低频子图仅作简单维纳滤波,最后将去噪后的低频和高频子图进行小波反变换重构出最终的去噪图像.实验结果表明,该方法在有效去噪的同时较好地保留了原有的高频细节信息.     

广义S变换域低照度图像时频分析及滤波

为降低二维广义S变换的计算复杂度和内存占用度,基于二维广义S变换时频分析原理,提出了一种改进快速离散正交S变换算法(FDOST).采用FDOST算法对低照度图像进行S变换,分析了高斯噪声和原始图像在广义S变换域的时频分布,给出了区分原始图像和高斯噪声的方法以及基于改进广义S变换低照度图像时频滤波法.对合成含噪图像和实际低照度图像进行去噪仿真,结果表明:基于改进广义S变换FDOST滤波方法可去除图像中的高斯噪声,去噪后图像信噪比较去噪前提升了6%,最大化保留了原始图像信息.     

S变换时变滤波在去噪处理中的应用研究

针对常用的滤波去噪方法都受到使用条件的限制,实际资料的滤波去噪不能达到良好效果,S变换时变滤波克服了传统滤波去噪方法滤波因子不能随时间、频率变化而变化的缺陷.将地震资料用S变换方法变换到时频域,对不同时间内不同频率的噪声部分充零,再将去噪后的地震数据利用S反变换到时间域,以获得所需要的有效信号.通过理论计算分析和实例计算表明,S变换时变滤波能够有效去除不同时段、不同频率的噪声.该方法具有一定的可行性.     

基于信号子空间的激光主动成像散斑去除

为研究激光主动成像中散斑噪声的抑制问题,提出一种基于信号子空间TDC(Timedomain constrained)的散斑去噪方法,并搭建一套基于距离选通ICCD的激光主动照明系统进行实验验证。首先使用同态变换将乘性噪声变为加性噪声,然后利用小波变换估计噪声的协方差;接着对含噪图像进行奇异值分解并估计信号子空间的维数,根据该维数对无噪图像的协方差矩阵进行特征值分解,计算出滤波估计矩阵。将滤波估计矩阵与含噪图像卷积,最后做同态逆变换,得到降噪后的图像。结果证明本文的去噪方法拥有比经典的Lee、Frost和Kuan算法更好的散斑噪声抑制效果,同时计算时间明显缩短。     

一种灵活的图像频谱分割与去噪方法

针对图像变换域分割不灵活的问题,提出了一种图像傅里叶谱灵活分割与去噪的简单方法．根据输入图像的频谱能量分布和实际应用的需要,设计具有合适采样因子的线性相位非均匀滤波器组并将其应用于对图像行、列的处理中,实现对整个图像按照频谱能量的高低进行灵活分割的过程．若干扰噪声的功率谱集中分布在图像的低能量部分,且其谱值高于原始图像的低能量谱值,应用这一频谱分割思想,可以很容易地将噪声检测出来并加以去除．实验结果表明,该方法实现简单,尤其是在原始图像的频谱分布比较集中时非常有效．     

基于遥感图像频率域滤波的灰色线性中值去噪算法

结合频率域滤波去噪方法,对比低通滤波图像,按照灰色关联分析方法筛选出遥感图像中可能存在的噪声像元,优化噪声窗口灰度序列,并以此建立灰色线性模型,在参考传统中值滤波思想的基础上对含噪遥感图像进行去噪处理。大量仿真试验分析表明,该方法在处理脉冲噪声方面具有良好的去噪效果,且具有保持图像信息质量的特点。此外,试验中发现,采用该方法处理含有混合噪声的遥感图像时,根据具体图像含噪情况,合理地选取阈值,在一定程度上可以提高其削弱图像中混合噪声的水平。     

联合双重滤波的水下图像NSCT阈值去噪算法

针对水下图像噪声特点以及去噪时边缘细节保护不理想的问题,提出了基于联合双重滤波的NSCT阈值去噪算法.该方法采用具有平移不变性的非下采样轮廓波变换对水下图像进行多尺度和多方向分解,根据分解后图像的噪声分布特点,联合频域与空域方法将中值滤波和非局部均值滤波算法分别应用于高低频图像的滤波处理,设置合理阈值进行去噪,进一步恢复图像细节并重构图像.实验结果表明,水下图像的去噪效果明显提高.     

小波变换与中值滤波相结合图像去噪方法

为了很好地保持图像的边缘细节,在对二维图像去噪平滑的过程中,采用基于小波变换和中值滤波相结合的图像去噪处理方法.将含有复杂噪声的图像首先进行小波分解,对各频带的子图像采用不同的阈值(软阈值和硬阈值)进行中值滤波处理,在去除图像噪声的同时,较好地保持了图像所包含的边缘信息.经实验证明,对二维图像的处理效果优于单一的小波变换去噪或中值滤波等方法.在由相干切片数据形成的二维地震图像处理中得到了应用,提高了地震解释的效率.     

改进算法在混合噪声STM图像滤波中的应用

基于小波变换的高斯混合模型小波去噪方法能有效滤除高斯白噪声,中值滤波法能较好滤除脉冲噪声并保留图像边缘及细节信息。将两种方法结合起来,并采用Matlab语言进行仿真,然后对含有高斯脉冲混合噪声的STM(扫描隧道显微镜)图像进行去噪处理。实验结果表明,这种混合去噪方法能有效去除STM图像中的高斯白噪声和脉冲噪声并保留图像的边缘及细节信息,能得到更好的STM图像,其效果要优于单纯使用中值滤波或者小波去噪的效果.     

基于高阶统计量的小波变换去噪算法

图像在获取和传输的过程中经常要受到噪声的污染.传统的去噪方法不仅滤出了图像的噪声,同时使图像细节变得模糊.本文提出一种基于双谱和小波变换的去噪算法.该方法是根据高斯噪声及椒盐噪声在小波变换下的不同特征,并结合双谱滤波、中值滤波的特点,在小波城内对高频子带进行双谱滤波,去除图像中的高斯噪声,然后进行中值滤波,去除图像中的椒盐噪声.高斯噪声的双谱为零,能够彻底的去除高斯噪声.该算法的实验结果表明不仅能滤出图像中高斯噪声和椒盐噪声,而且能较好的保留图像的边缘细节.其滤波效果优于传统的图像去噪方法.     

压缩编码孔径红外成像超分辨重建

为了利用低分辨率红外探测器获取高质量图像信息,对基于频谱面的压缩编码孔径成像方法和超分辨率图像重建算法进行了研究。首先,在频谱面加入孔径编码器,通过傅里叶变换对采样图像信号进行编码压缩。然后,利用光学成像系统的分片光滑性,实现信号在傅里叶变换域的稀疏表示。最后,提出了两点步长梯度法与自适应非单调线搜索策略相结合的梯度投影并行加速算法,用于完成对稀疏信号的超分辨重建。实验结果表明,该算法能够以远小于原始信号的数据量重建出高分辨率图像信息。     

一种SAR图像相干斑噪声抑制新算法

为抑制合成孔径雷达(SAR)图像乘性相干斑噪声,同时有效保护SAR图像的边缘特征,给出了相干斑噪声在小波域的一种加性转换噪声模型．并以此模型为基础,提出了一种非下采样小波包分解下自蛇扩散与改进L1-L2联合优化相结合的相干斑噪声抑制新算法．该算法利用非下采样小波包变换对SAR图像进行多层子带分解,然后对低通子带系数进行自蛇扩散滤波,并将滤波处理后的系数作为原SAR图像在小波域的局部均值估计,再以此局部均值为基础,利用改进的L1-L2联合优化对其他各高频子带系数进行自适应软阈值收缩滤波去噪．最后通过重构滤波后的各子带系数实现SAR图像相干斑噪声抑制．实验表明: 与经典的空域Kuan滤波算法、P-M扩散滤波算法及基于非下采样小波变换的Γ-WMAP算法相比,本算法在SAR图像的相干斑噪声抑制与边缘保护方面均取得了较好的效果．     

一种基于小波变换和数据融合降噪的图像边缘检测方法

提出的一种基于小波变换和数据融合降噪的边缘检测方法,是在边缘检测前先进行去噪处理,为避免去噪不完全、微分算子对噪声敏感,在边缘检测的同时增强了噪声,并把微分算子检测得到的边缘幅值图像融合与去噪相结合.最后,对融合后的图像进行灰度阈值处理和细化,得到边缘二值图像.实验结果表明：该方法在抑制噪声的同时能较好的检测出图像的边缘.     

一种基于小波变换和数据融合降噪的图像边缘检测方法

提出的一种基于小波变换和数据融合降噪的边缘检测方法,是在边缘检测前先进行去噪处理,为避免去噪不完全、微分算子对噪声敏感,在边缘检测的同时增强了噪声,并把微分算子检测得到的边缘幅值图像融合与去噪相结合。最后,对融合后的图像进行灰度阈值处理和细化,得到边缘二值图像。实验结果表明:该方法在抑制噪声的同时能较好的检测出图像的边缘。     

去除图像分划线的线形窗开关中值滤波算法

提出了一种用于去除图像中十字分划线的线形窗开关中值滤波算法.该方法将图像进行区域分类处理,对于未受分划线影响的区域可直接保留原图像信息;而对受到影响的区域,则利用分类器判断是否为分划线的像素,即对受影响区域进行开关中值滤波,从而有效地保留图像的细节.该算法复杂度低、处理速度快,适合于实际工程应用.     

流化床颗粒浓度信号的小波降噪分析

用小波分析去除噪声的方法,对气-固循环流化床中两相流颗粒浓度的实验数据进行分析,揭示流化床中两相流的流动规律。气固循环流化床提升管的颗粒浓度和压力波动信号的去除噪结果表明,小波分析方法能有效去除颗粒浓度和压力波动信号中的大部分噪声,其消噪效果优于传统的傅里叶变换滤波方法,且小波分析去噪方法能更加有效地辨别真实信号与噪声信号。