基于小波的图像去斑点噪声方法的研究

根据超声图像斑点噪声统计模型的特性,通过对超声图像进行连续小波变换、分形插值小波变换等变换方法以及小波分析的软阈值滤波方法,提出了结合小波软阈值与中值滤波去噪的方法,在不同尺度对信号小波系数进行处理,达到降噪目的.     

基于Shearlet域各向异性扩散和稀疏表示的图像去噪

为了更有效地去除图像噪声,同时更好地保留图像边缘细节信息,提出了一种基于shearlet 域各向异性扩散和稀疏表示的图像去噪方法. 首先对含噪图像进行非下采样shearlet 变换(nonsubsampled shearlet transform, NSST),将图像分解为低频分量和多个高频分量. 低频分量中包含图像信号的主要能量以及少量的噪
声,而高频分量中含有大部分噪声和图像边缘信息. 然后,利用K-奇异值分解(K-singular value decomposition,K-SVD) 算法去除低频分量中的噪声,各个方向的高频分量则通过核各向异性扩散(kernel anisotropic diffusion,KAD) 算法进行去噪. 最后,对处理过的低频分量和高频分量进行非下采样shearlet 反变换(inverse nonsubsampled shearlet transform, INSST),得到重构图像,从而有效地去除图像噪声,保留图像边缘细节. 实验结果表明,与小波扩散去噪法、shearlet 硬阈值去噪法、K-SVD 稀疏去噪法、小波域稀疏去噪法相比,该方法的去噪能力更强,并能更好地保留图像纹理细节特征,改善图像视觉效果.     

一种基于峰谷滤波的改进算法

在峰谷滤波的基础上提出了一种新的改进算法,首先在噪声污染图像的滤波窗口中去除除中心象素外的最大最小灰度值象素,然后利用中心象素与修改后的邻域进行比较以判断其是否为噪声点.理论分析和图像处理仿真实验表明,改进后的滤波器性能得到较大改善,在有效去除噪声的同时能充分保留原图像细节信息.     

基于图像分割的改进Census变换立体匹配算法

针对传统Census变换立体匹配算法精度低,提出基于图像分割的改进Census变换立体匹配算法.将Census变换窗口中心像素的灰度值用其邻域像素灰度值的中值代替,从而减少噪声对匹配精度的影响,增强算法的抗干扰能力.采用MeanShift算法对图像进行分割,结合其Census变换结果,以Hamming距离作为匹配代价,求取最佳匹配点,进而求取初始视差.通过左右一致性检验对视差图进行细化,对误匹配点进行替代和对遮挡区域进行填充,生成最终视差图.实验显示,该算法的鲁棒性和匹配精度优于传统算法,并且在深度不连续区域也能够获得精确的视差.     

利用MLT和SRS的混合图像融合与去噪算法

针对图像融合中的去噪声问题,提出一种基于多尺度变换(MLT)和信号稀疏表示(SRS)的混合图像融合与去噪算法,构建混合模型进行剪切变换,阈值化处理MLT分解后的各个系数值,运用滑动窗口技术和平移不变性形成稀疏表示进行图像融合,运用SRS算法去除源图像中的噪声.实验结果表明该算法减少了融合图像的对比度和光谱信息失真情况,显示出高质量的视觉融合效果,在不同噪声水平下能保持较高的PSNR值.     

电视图像中值滤波的硬件实现

采用一种适合于硬件实现的流水线伪中值滤波算法,利用FIFO器件和FPGA器件,完成8bit图像3×3窗口的列方式伪中值滤波,整个电路去噪效果明显.     

基于小波变换和均值滤波的图像去噪

通过对图像中含有高斯噪声的分析和研究,结合现有图像去噪的方法,提出了采用均值滤波和小波变换相结合的方法来消除图像噪声。对含噪图像进行小波分解并且对各层小波系数进行阈值量化和进行小波重构,采用不同的模板对水平、垂直、以及对角方向子图像进行均值滤波,将低频近似子图像与处理后的各细节子图像结合得到去噪后的图像。仿真结果表明,所提出的方法相比于其它单一的去噪方法具有更好的去噪效果。     

基于边缘保持滤波和改进核模糊聚类的脑肿瘤图像分割方法

脑核磁共振图像常常受到噪声的影响,且有灰度不均、边界模糊的特点,使得传统聚类算法无法获得理想的脑部肿瘤分割结果,为此提出一种基于边缘保持滤波和改进核模糊聚类的脑肿瘤图像分割方法.该方法首先采用改进的引导滤波算法对图像进行预处理,解决平滑图像时不能保留图像边缘的问题;然后将传统核模糊C-均值聚类算法(Kernel fuzzy C-means clustering)中的单一高斯核函数替换为混合高斯核函数,将数据由低维空间映射到高维特征空间;最后将马尔科夫随机场的先验概率引入,对算法的目标函数进行修正,进一步增强算法的抗噪性.实验结果表明,所提方法在去除噪声的同时,能够有效保留图像的边缘信息,PSNR值相比传统算法提升0.804 1～2.096 2 dB,SSIM值相比传统算法提升0.031 2～0.065 4,且算法分割精度更高,Dice指标和Jaccard指标的平均值分别达到0.955 1和0.914 1.     

一种新的自适应双边滤波算法

现有的双边滤波算法需要预先设置空间方差和灰度方差参数,滤波时参数固定且不能保证是最优的参数设置. 文中提出一种新的自适应双边滤波算法(adaptive bilateral filtering, ABF),通过目标尺度信息实现空间方差局部自适应取值,保留更多的图像边缘特征;采用图像分块技术估计噪声方差,根据噪声方差自适应地设置灰度方差,以保证滤除噪声的性能;通过强制增大空间方差滤除较强噪声点. ABF不必像传统双边滤波算法那样根据经验设置参数,而是根据图像局部特征自适应地设置空间参数,不仅提高了滤除噪声的能力,而且更好地保留了图像边缘特征. 仿真实验表明,无论是主观评价还是客观评价,所提出的方法均优于传统的双边滤波算法、各向异性扩散算法和改进的双边滤波算法.     

图像处理技术在裂隙检测技术中的应用

【目的】实现更加高效地获取岩土体中各种形态的裂隙参数，并对裂隙发育及岩体塌陷情况进行及时监控。【方法】使用计算机图像处理技术对勘探过程中得到的岩土体图像进行识别，并对裂隙图像进行灰度转换、二值化、滤波去噪等操作，设置阈值，并进行调试，统计去噪后的二值化裂隙图像像素面积，并使用分割迹线自动连接技术来完成对图像的处理。【结果】根据处理结果，可计算出岩体中的裂隙参数，并识别得到裂隙迹线。【结论】将图像处理技术应用于裂隙检测中，可精准、高效地完成检测任务，并满足实际工程中的应用需求。     

基于双向预测的图像去噪

本文提出的椒盐噪声图像去噪方法,首先将图像像素点分成真实像素点和可疑像素点,然后再对可疑像素点进行再次判断。对判断为真实噪声点的可疑像素点采用双向预测方法进行去噪,而其它可疑像素点则为原始像素点,保持不变。     

SAR图像的自适应边缘保持去噪滤波

针对目前SAR图像斑点噪声滤波算法在噪声去除和边缘保持方面同时性上的不足,该文基于SAR图像噪声识别和边缘检测,提出适用于同质区域和边缘区域的自适应SAR图像去噪滤波方法. 该方法根据SAR图像斑点噪声、边缘位置、边缘方向信息,动态改变滤波器模板的尺寸和形状,实现SAR图像斑点噪声去除,同时保持图像边缘和纹理信息与细微结构. 以2010年8月15日北极地区RADARSAT-2 SAR HH图像为例,将本文的方法与典型空域滤波法进行对比分析,定量分析结果表明所提方法的可行有效.     

图像的平移不变量小波去噪法及其应用

图像的平移不变量小波去噪法是小波收缩阈值去噪法的改进,能够有效抑制小波阈值去噪过程中出现的伪吉布斯现象.分析了图像的平移不变量小波去噪法的原理及其算法,并将该方法应用于颗粒显微图像的去噪.对采用不同去噪方法的图像按照分水岭算法进行分割,然后进行对比.实验结果表明图像的平移不变量小波去噪法的去噪效果较好。     

基于特征点的图像拼接技术在动漫中的应用

以制作全景图为例将图像拼接技术应用到制作动漫贴图上,简化动漫贴图的制作.使用手持相机采集一定重叠区域的图像,柱面投影后采用基于尺度空间的Harris算法检测图像特征点,双向归一化互相关算法匹配特征点,迭代提取阈值T的算法去除误匹配.通过改进的RANSAC算法快速估算出变换参数模型,对拼接图像进行投影变换.Szeliski灰度融合方法,直接计算匹配点灰度平均值融合图像,最后采用最佳缝合线的方法消除图像拼接处的重影.基于Matlab的数据实验表明,提出的图像拼接技术具有效率高,拼接图像清晰等优点,实现了较满意的全景图视觉效果.     

采用双树复小波和混合概率模型的光学相干层析图像去噪

为了去除光学相干层析图像中的斑点噪声,提出了基于双树复小波变换的混合概率模型ProbShrink算法. 针对原始光学相干层析图像中信号和噪声的分布特点,在微观层面引入了混合概率模型：将OCT图像取对数后进行双树复小波变换,对于层状边缘中与边缘点“方向一致”的小波系数,采用广义高斯模型描述;对于其他小波系数,则采用高斯模型进行描述. 而后采用改进的ProbShrink算法进行去噪. 实验结果表明,该算法在大幅提升信噪比的情况下保持边缘锐度的相对稳定,优于传统的基于小波变换的去噪方法.     

基于偏微分方程的声纳图像去噪

从图像的去噪模型入手,引入基于偏微分方程(PDE)的正则空间模型,结合全变差(TV)滤波器的设计,给出了一种针对声纳图像去噪的方法及其实现,并提出了基于小波变换的噪声方差估计方法.结果表明,由于采用不同于最小均方误差准则的新准则函数,在保持方差不变的条件下利用图像梯度信息建立选择性异性扩散模型来进行图像去噪复原,从而达到了既保护图像边缘又去除噪声的目的;与基于软阈值的小波去噪方法相比,在峰值信噪比和边缘保留评价参数方面具有优势.     

二维Arimoto灰度熵阈值分割

针对近年提出的二维Arimoto熵阈值分割方法只依赖图像灰度级出现的频数信息,而未考虑图像类内灰度均匀性这一问题,提出了基于灰度-梯度直方图的二维Arimoto灰度熵阈值分割方法.首先,在Arimoto熵的基础上直接考虑图像类内灰度均匀性,构建出一维Arimoto灰度熵阈值选取公式;结合灰度-梯度二维直方图目标与背景区域划分方式,推导出二维Arimoto灰度熵阈值选取公式;通过阈值选取函数所涉及中间变量的递推计算公式来消除冗余计算;采用基于Tent映射的混沌序列对人工蜂群算法的局部搜索阶段进行改进,以改进后的蜂群优化算法来加快图像分割最佳阈值的搜索速度,大大减少了时间花费.大量的典型图像对比实验结果表明,所提出的方法能够快速而准确地实现图像分割,且总体效果优于二维Shannon熵、二维Tsallis灰度熵和二维Arimoto熵阈值分割方法.     

遗传算法在小波阈值变换图像去噪中的应用

在岩层图像获取和传输过程中会受到来自传感器震荡、电子元器件干扰等因素的影响,导致图像质量下降。小波阈值去噪技术早已体现出它在图像去噪上的优越性,而阈值函数的选取特别是阈值的确定是小波去噪技术的关键所在,本文结合遗传算法以期找到相对最优阈值,应用结果证明遗传算法在此方面的可行性较好。     

基于计算机视觉的钢轨焊缝自动定位方法

为了实时检测钢轨焊缝边缘错边量合格情况,提出了基于计算机视觉的钢轨焊缝自动定位方法.首先,采用中值滤波对焊缝图像进行噪声去除;其次,采用限制对比度自适应直方图均衡算法和直方图均衡化法进行焊缝图像增强;然后,采用双阈值OTSU法进行图像分割,突出轨头和焊缝区域图像,并采用连通域法提取轨头和焊缝区域轮廓;最后,采用多次最小二乘直线拟合法获取焊缝拟合直线,计算拟合直线与轨头上边缘直线的交点作为定位点,实现钢轨焊缝自动定位.对60 kg/m钢轨焊缝区域的检测实验表明,所提方法具有精度高、稳定性好的优点,可用于焊轨基地焊缝的在线实时自动检测.     

基于小波变换的图像去噪技术

利用小波变换中的不同尺度特性对确定信号具有的"集中"能力,提出了基于小波变换的去噪方法。通过在不同尺度上选取适当的阈值,对大于和小于该阈值的小波系数进行相应的处理,其目的是尽量去除由噪声产生的影响,最后由处理后的小波系数对信号进行重构,以得到去噪后的信号。