双正交小波阈值去噪在套管检测中的应用

为解决套损检测情况图像中的噪声污染对测井解释的影响,文中分析了几种图像去噪的方法,详细介绍了双正交小波理论的提出背景、基本原理、分解与重构、阈值去噪过程,利用双正交小波的正交性、多尺度性等优点,将其应用于套损检测情况图像去噪中,在频域上对图像进行去噪处理。试验结果表明,双正交小波去噪相比正交小波去噪有效地提高了图像的质量和信噪比,同时能够最大限度地保留原有图像的边缘特征,有利于后续的目标特征提取与识别。     

基于多特征结合与加权支持向量机的图像去噪方法

在基于支持向量机(SVM)的图像去噪方法的基础上,提出了一种基于多特征结合与加权SVM的图像去噪方法。首先,根据图像中相邻像素的相关性及椒盐噪声的特点,提取含噪图像中的多种特征;然后,利用针对不平衡数据集所改进的加权SVM分类器,识别出含噪图像中的噪声点,再利用支持向量回归机(SVR)对噪声点的原始灰度值进行回归预测;最后,重构图像以达到去噪的目的。实验结果表明,该方法能提高SVM分类器对噪声点的识别率,改善分类器的性能,并能在去噪的同时较好地保留图像的边缘信息,获得较高的峰值信噪比(PSNR)。     

基于USFFT Curvelet变换图像去噪算法

为了更好地保留图像的高频细节信息,有效地避免图像重构中出现边缘扭曲现象.提出一种基于USFFT Curvelet变换的图像去噪算法.该方法首先对噪声图像进行USFFT Curvelet变换,在变换域计算噪声图像具有的全局阈值,然后采用窗口技术自适应地估计每个处理像素的萎缩因子,通过USFFT Curvelet反变换得到去噪后的图像信号.实验结果表明本文算法取得较高的信噪比,更好地保留了图像中存在的边缘,同时在视觉效果上也取得了较好的效果.     

小波变换及在图像去噪中的应用

图像去噪是图像处理中重要的一部分。小波域图像去噪是图像处理中一个引人关注的研究方向。本文介绍了小波变换和基于小波变换的图像去噪原理及一般方法。并应用MATLAB软件实现了小波图像去噪的计算机仿真。     

基于四阶PDEs和对比度增强的荧光显微图像去噪

提出一种用于荧光显微图像去噪扩散模型的算法。该算法针对二阶偏微分方程去噪模型易引起的"块效应"和伪边缘等问题,采用正则化方法,利用四阶偏微分方程,同时融合对比度增强技术设计去噪模型。与二阶偏微分方程扩散模型相比,该算法不仅使去噪图像看起来更加自然清晰,而且在峰值信噪比和结构相似度等客观评价方法下也取得了更加满意的结果。     

一种基于优化参数的非局部均值滤波算法

针对非局部均值滤波算法中难以找到一个全局最优的滤波参数h的问题,给出一种新的该参数的优化方法,并将其应用于传统非局部均值滤波算法的改进。首先基于SUSAN算法提取噪声图像的边缘信息,然后在大量实验的基础上,利用线性回归和非线性回归分析方法建立h与边缘信息、噪声方差之间的优化模型。最后,将基于该优化模型的非局部均值算法应用于多幅图像的去噪处理中。实验结果表明,新算法改善了传统非局部均值算法的去噪性能,取得了良好的滤波效果。     

一种改进的双项自适应总体变差去噪模型

研究经典总体变差去噪模型及其改进的自适应去噪模型,提出一种基于预处理图像局部信息的双项自适应模型。利用空间自适应保真项缓解二阶非线性滤波对细节的过度平滑,通过自适应正则化项减少阶梯效应,使数值更稳定和收敛。实验结果表明,与原方法相比,改进方法具有更好的鲁棒性,在噪声较高的情况下仍能取得较好的去噪效果。     

基于偏微分方程的舌图像去噪研究

在对舌图像的去噪过程中,平滑噪声的同时容易丢失边缘和纹理等细节信息。为此,研究基于偏微分方程的舌图像去噪方法,分别采用中值滤波、高斯滤波、P-M方程、正则化P-M方程以及耦合冲击-复扩散滤波模型,对加噪舌图像进行滤波。比较结果表明,正则化P-M方程更适合舌图像的去噪处理,该方法处理速度快、去噪效果好,且能有效保护图像边缘。     

分数阶微积分在图像处理中的研究综述*

综述了关于分数阶微积分理论在数字图像底层处理中的应用研究,具体包括:分数阶微积分和分数阶偏微分方程的基本理论及分数阶傅里叶变换的基本性质;分数阶微分滤波器的构造及在图像增强中的应用研究;分数阶积分滤波器的构造及在图像去噪中的应用研究;分数阶偏微分方程在图像去噪中的应用研究。最后,总结了分数阶微积分理论在图像处理中已取得的研究成果,并结合已有的基于分数阶微积分理论的图像底层处理模型,展望了分数阶微积分理论在图像处理中的应用前景。     

TLS估计的小波自适应零值绝缘子红外热像去噪

为了弥补传统Bayes估计的小波去噪方法依赖于小波系数先验分布模型的不足,针对零值绝缘子红外图像具有低信噪比特点,提出了基于总体最小二乘(TLS)估计的小波自适应零值绝缘子红外热像去噪方法。受噪声污染的零值绝缘子红外图像经小波变换后,不处理低频小波系数,获取各尺度、各方向的高频小波系数进行总体最小二乘估计,对估计后的小波系数进行逆变换得到去噪后的图像。实验结果表明,该方法与软阈值法和Bayes估计法相比,能够有效去除噪声,保留了图像的细节信息,去噪效果良好。