基于小波分析的图像去噪处理研究

图像中的噪声会妨碍人们认识处理图像,而图像去噪就是为了去除图像中的嗓声,以便人们对图像作进一步地处理,本文主要介绍了三种经典的小波变换去噪方法——模极大值去噪法、相关性去噪法、阈值去噪法,并对三种方法的性能进行了对比。     

一种基于小波变换的夜视图像去噪和融合方法

微光夜视图像使用的像增强器会导致电子噪声和低照度的产生,2种因素会导致图像不清晰,细节不足.该文分析了2种影响因素的产生原理,针对其采用改进的小波变换去噪算法和融合算法进行处理以提高图像分辨率.实验结果表明:经过去噪和融合的微光夜视图像获得了更高的图像分辨率,保留了更多的图像细节.     

基于嵌入式技术的煤矿井下监控图像清晰化研究

针对煤矿安全监控设备采集的图像质量差,不利于安全监控的现状,基于嵌入式的井下安全监控图像清晰化装置进行研究,该装置可以保留图像有效信息,去除图像噪声,增强图像清晰度。     

煤矿井下非均匀照度图像去噪研究

煤矿综采工作面空间小、照明环境复杂多变,采煤过程中伴随着大量的粉尘、大雾,导致采集的图像出现曝光、细节特征减弱等问题,难以对井下照明区域光照强度过大的图像进行有效的特征提取。针对上述问题,提出了一种煤矿井下非均匀照度图像去噪算法。首先,将视频截取为图像,判断图像是否需要进行光照抑制,将需要进行光照抑制的RGB图像拆分通道,并计算每个通道的光照调节因子,实现图像的整体光照调节;然后,将未进行整体光照抑制的图像和经整体光照抑制的图像进行反射分量提取,即将输入的图像转换为HSV空间图像,使用单尺度Retinex(SSR)算法对V通道图像中的光照分量进行单独处理,将V分量中的入射分量去除,保留反射分量,并对反射分量使用直方图均衡算法实现光照均衡化处理;最后,使用基于引导滤波的暗通道先验算法对经过光照处理后的图像进行去雾处理,并使用伽马校正函数重新调节亮度不均的图像。主观评价结果表明：提出的煤矿井下非均匀照度图像去噪算法有效抑制了因光照导致整体亮度较高的问题,且由于大雾、粉尘等因素导致图像模糊的部分更加清晰,图像的细节特征更加突出。采用信息熵、均值、标准差、空间频率4种评价指标对提出的算法效果进...     

基于支持向量机(SVM)的图像去噪方法

提出了一种基于支持向量机进行图像去噪的方法。该方法利用支持向量回归技术构造图像去噪所需的滤波器．其中特征的提取和训练样本的设计旨在抑制不同类型的噪声。实验结果表明，该方法能够有效去除噪声，并能较好地保护边缘信息，适用于边缘检测等操作的预处理。     

基于无下采样Contourlet变换的SAR图像去噪

提出了一种基于无下采样Contourlet变换(NSCT)的合成孔径雷达(SAR)图像去噪方法.首次在理论上证实了SAR图像取对数后无下采样Contourlet系数服从广义高斯分布,从而提出采用贝叶斯阈值方法估计不含噪声的无下采样Contourlet系数,达到去除噪声的目的.仿真和实际实验结果表明,该方法在噪声平滑、边缘和纹理保护等方面优于其他方法.由于无下采样Contourlet变换不进行下采样,该方法能够避免其他进行严格下采样的变换去噪时所引入的人工痕迹.     

小波方向扩展及在SAR图像处理中的应用

方向信息是图像信号的重要特征,在图像处理中具有重大意义,本文提出了一种基于棋盘滤波的小波方向扩展方法,对可分离小波分解的得到的三个高频子带（水平,垂直,对角）通过棋盘滤波的方法将混叠在一起的两个方向分离,所用的棋盘滤波器可以通过变换变量的方法得到,从而实现了将小波的三个方向扩展为六个方向.将此方法应用在SAR图像压缩和去噪中取得了比小波更好的效果.     

基于全变分的条码图像去噪研究

图像去噪是条码识别过程中的关键步骤,它要求减少图像干扰的同时保持清晰的边界,然而传统的高频滤波很难达到令人满意的效果。本文着重介绍基于全变分的条码图像去噪模型,把高斯噪声的降噪问题利用罚函技术分解为近似的几个线性问题,并推导出相应的Split Bregman过程。实验结果表明,该方案不但收敛速度较快,而且较好地保持图像的边缘信息,能显著提升解码的成功率。     

一种改进的非凸正则项模型的噪声去除方法

针对非凸正则项模型,在去除乘性噪声时边缘信息对噪声敏感且强度较大的噪声抑制能力弱的缺陷,提出了一种改进的图像去噪新模型。在新模型中通过取对数将乘性噪声转变成加性噪声,然后在模型的正则项和忠诚项中均引入高斯卷积,既对图像进行平滑预处理,又获得丰富的边缘信息,从而对边缘作出精确定位,使新模型具有良好的鲁棒性并根据图像的特征进行平滑,因而更好地保护了图像的边缘。数值实验表明,新方法的去噪结果在定量指标上有大幅提高,视觉效果上也有较大改善,尤其是对强度较大的噪声,新方法的优势更突出。     

盲小波算法在遥感图像去噪中的应用

根据盲信号分离原理和小波分析,提出了一种遥感图像去噪的盲小波算法,首先将遥感图像的个信号进行同深度小波分解,得到不同信号相应深度的小波系数和尺度系数,然后将小波系数进行软阈值法处理,并进一步对不同信号的同深度的小波系数和尺度系数进行盲分离,并提取与源信号相关的信号,最后通过信号重构估计源信号。这种将小波分析和盲信号分离技术有机结合的方法能够有效的消除遥感图像的噪声。通过对实际遥感图像的处理,并与其他去噪技术相比较,利用盲小波算法得到的结果更为理想。