用小波变换抑制SAR图像中的斑点噪声

抑制合成孔径雷达图像中的斑点噪声一直是处理图像并得到准确图像信息的难点，提出了一种基于小波变换抑制合成孔径雷达（SAR）图像中的斑点噪声的方法，对原有的小波变换方法作了改进，能更好地保留图像的边缘信息，并能简化计算量。在仿真实验中使用了合成的模拟图像和真实的合成孔径雷图像，并与以往的小波去噪滤波方法以及一些经典的斑点噪声滤波方法（包括中值滤波，Lee滤波，Frost滤波）进行比较，在综合考虑了滤波算法在均匀区域对斑点噪声的抑制能力以及保留边缘信息能力的情况下，提出的算法有更好的效果。     

独立分量分析理论在海底管道漏磁检测中的应用

应用独立分量分析(ICA)方法对海底管道缺陷漏磁法检测中电磁干扰的消除进行了研究，阐述了漏磁检测和负熵法ICA快速算法的原理，应用相应的分析工具研究了试验数据。结果表明，在试验室条件下该方法能很好地分离出缺陷信号和电磁干扰信号。     

涡流检测信号小波除噪与缺陷特征提取

应用小波分析技术进行涡流检测的信号除噪和缺陷识别。根据信号在不同小波变换下表现形式不同的特点，提出一种综合应用多种小波除噪的方法，效果优于通常的单一小波方法。应用小波多尺度边缘检测功能进行缺陷的定位和尺寸判别。借助小波多尺度分析功能，可以对缺陷信号进行仔细分析，并对相近缺陷进行分类。     

基于小波的医学图像去噪方法研究

为有效地表现医学图像原有信息中有用的信息,降低医学图像受噪声干扰的现象,减少诊断误差,本文将现有的小波图像去噪方法运用于医学图像,并对各种方法进行实验分析比较,以提供医学参考。实验发现,与较常用的均值滤波与中值滤波相比,小波去噪方法有效提高了医学图像的去噪PSNR值。     

结合降噪卷积神经网络和条件生成对抗网络的图像双重盲降噪算法

针对图像降噪中降噪效果差、计算效率低的问题,提出了一种结合降噪卷积神经网络（DnCNN）和条件生成对抗网络（CGAN）的图像双重盲降噪算法。首先,使用改进的DnCNN模型作为CGAN的生成器来对加噪图片的噪声分布进行捕获;其次,将剔除噪声分布后的加噪图片和标签一同送入判别器进行降噪图像的判别;然后,利用判别结果对整个模型的隐层参数进行优化;最后,生成器和判别器在博弈中达到平衡,且生成器的残差捕获能力达到最优。实验结果表明,在Set12数据集上,当噪声水平分别为15、25、50时：所提算法与DnCNN算法相比,基于像素点间误差评价指标,其峰值信噪比（PSNR）值分别提升了1.388 dB、1.725 dB、1.639 dB;所提算法与三维块匹配（BM3D）、加权核范数最小化（WNNM）、DnCNN、收缩场级联（CSF）和一致性神经网络（CSNET）等现有算法相比,结构相似性（SSIM）评价指标值平均提升了0.000 2~0.104 1。实验结果验证了所提算法的优越性。     

圆形线材表面缺陷识别的图像处理研究

针对圆线材表面缺陷检测中出现的外界杂质干扰问题,对圆线材常见的6种表面缺陷进行建模,分析3种常见的图像噪声模型,并采用多种滤波算法进行处理比较,通过评估各算法对应的PSNR值确定了合适的图像预处理方案,同时对比分析3种特征描述因子对图像的特征提取效果。所得结果如下:均值滤波算法对高斯噪声处理效果好,中值滤波对椒盐噪声处理效果好,均值滤波和中值滤波对泊松噪声都有较好的处理结果;使用SURF算法进行图像特征提取效果好。研究结论可为解决线材表面缺陷的检测问题提供参考。     

基于小波阈值的sEMG信号消噪方法研究

在表面肌电（sEMG）信号采集过程中,不可避免的会出现噪声,特别是人体运动时,肌肉动态收缩,采集的结果含噪就会更多。针对含噪情况,提出基于小波阈值的sEMG信号消噪方法。通过选择肌电信号的采集位置,在采用高精度的肌电采集系统的基础上,采集正常行走过程中胫骨前肌的sEMG信号,利用matlab小波工具箱,用dbN小波函数进行分解后,用detcoef函数提取不同尺度的细节系数,将与噪声相关的细节系数进行强制阈值消噪,对信号相关的细节系数用minimaxi阈值规则进行软阈值消噪,并与分层阚值得到的降噪信号进行比较,分层阈值得到的降噪信号过于光滑,降噪后的信号能量保留成份仅为46．48％,失去了原信号本身的一些信息。而采用软闯值消噪,不仅较好的去除了噪声,而且与原信号保持了很好的相似性,能量保留成份达到86．38％,说明比分层阈值具有更好的消噪效果。     

Blind Deconvolution Models Regularized by Fractional Powers of the Laplacian

We present a method for deconvolution of images by means of an inversion of fractional powers of the Gaussian. The main feature of our model is the introduction of a regularizing term which is also a fractional power of the Laplacian. This term allows us to recover higher frequencies. The model is particularly useful to devise an algorithm for blind deconvolution. We will show, analyze and illustrate through examples the performance of this algorithm.

基于图像纹理和小波变换的聚类分割方法

针对纹理图像,本文提出了一种基于图像纹理特征的非学习分割方法。采用小波变换和快速k-means聚类分割算法,减少了整个处理过程的运算量。为了保证分类算法的精确性,运用了总体流量变化最小（Total Variation Flow）[1]非线性去噪方法对图像进行预处理,从而将减小图像噪声污染带来的分割误差。在图像特征的提取上,运用Gabor滤波器原理生成滤波空间,并让图像通过滤波空间而生成特征向量空间。通过制定一个快速寻优策略,从而达到分割图像的目的。     

Digital canvas removal in paintings

The periodic structure of the underlying support of paintings on canvas can become quite prominent and disturbing in high resolution digital recordings. In this paper, we construct a new model and method for the digital removal of canvas which is considered as a noise component superimposed on the painting artwork. The high resolution of the images prohibits the efficient application of existing adaptive denoising filters. Hence, a two-step approach is proposed. First a (smoothing) Wiener filter is applied to the complete image. The second step consists of a spatially adaptive extension with low-complexity to obtain a generic digital canvas removal filter.