基于经验模态分解和核主成分分析的SAR图像相干斑抑制

结合经验模态分解(EMD)与核主成分分析(KPCA)方法,针对SAR图像提出一种改进的相干斑抑制算法。首先将SAR图像进行对数变换和均值调整后进行经验模态分解;然后利用KPCA进一步去除各层本征模态函数(IMF)中的噪声,具体方法是根据斑点噪声的统计特性和零均值高斯白噪声IMF的能量分布模型,近似计算各层IMF中噪声能量所占比例,据此选择合适数量的主成分重构IMF;最后对经过KPCA处理的IMF进行累加重构得到去噪SAR图像。实验结果表明,与另外两种EMD图像去噪算法相比,本文提出的方法在相干斑抑制效果和图像细节信息保持能力两方面都有较好的提高。     

基于小波变换的图像混合去噪算法

提出基于小波变换与中值滤波相结合的方法,实现了图像去噪。该方法在去噪之前,先通过小波边缘检测确定图像边缘特征的小波系数,保留这些位置的小波系数,其不受阈值去噪影响,对其它位置的小波系数进行自适应阈值去噪,去除高斯噪声。然后对图像进行中值滤波,去除椒盐噪声。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的混合噪声,而且能较好地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。     

墙地砖图像的去噪研究

对墙地砖图像去噪从理论和实验两个角度进行了深入的分析和讨论．首次提出了,采用微分算子边缘检测结果进行去噪性能评判的方法,通过三种途径对去噪性能进行了评价．     

基于小波包分析的图像融合去噪方法

提出一种基于小波包分析的图像融合去噪方法.利用不同特性的小波包基对含噪图像进行分解,对不同层次上的小波包系数进行软阈值处理,然后按照相应的融合规则对图像的低频分量和高频分量分别进行融合处理以得到一组新的融合后的子图像,最后利用小波包逆变换重构得到融合后的新图像.实验表明,本算法去噪后的图像在峰值信噪比及主观视觉效果两方面均得到了明显改善.     

主成分分析在GPS噪声剔除中的应用分析

基于主成分分析的基本原理,应用此方法,对GPS观测数据进行处理分析,结果表明,GPS单日解序列中存在的噪声得到了有效的剔除或减弱,提高了GPS站点坐标的精度与可靠性,对GPS的应用具有一定的参考价值。     

自适应SAR图像噪声识别和去噪算法研究

对噪声SAR图像进行噪声类型识别,是对图像进行有针对性去噪的第一步。针对7种典型噪声的干扰图像,提取包括Zernike矩、小波高频不显著系数子带能量比、噪声能量特征值等在内的8类特征值。设计了反向传播(BP)神经网络分类器,可以实现对不同噪声类型干扰的SAR图像的有效识别。采用了包括Probabilistic Patch-Based filter、2DDFT-DWT等7种最新有效过滤SAR噪声图像的算法进行综合去噪。实验结果表明,系统能够在一定程度上自适应过滤受到不同噪声干扰的SAR图像信号。     

基于高斯比例混合模型图像Curvelet域去噪

提出了一种基于高斯比例混合模型的图像Curvelet域去噪算法,改善了图像的去噪效果.首先对图像进行Curvelet变换.然后建立系数邻域的高斯比例混合模型.最后在模型基础上用贝叶斯最小二乘估计方法对系数进行估计.算法有效结合了Curvelet变换对图像边缘的高效表示能力和高斯比例混合模型对邻域系数相关性的概括能力.实验结果表明,在主观视觉上.该算法对图像边缘进行了很好的保护;在峰值信噪L-'c上较其他算法也有所改善;特别是对纹理细节比较丰富的图像.去噪效果更加明显.     

太阳能光伏阵列红外图像的特征提取

针对红外图像普遍存在目标与背景对比度差、噪声较大及非均匀成像等问题和太阳能光伏阵列的红外图像特点,文章提出了先将待分析图像与正常工作的太阳能光伏阵列的红外图像作差运算,再采用二维阈值化与模糊聚类相混合的方法提取目标特征的方案,实验结果令人满意。     

红外图像与热分析法联合分析药品包装材料成分

利用傅里叶变换衰减全反射红外光谱结合热分析对4种不同型号的塑料药瓶进行成分分析,并运用红外图像系统研究了塑料药瓶组成成分的分布情况.结果表明:4种药瓶主要成分为高密度聚乙烯(HDPE),此外里面含有一定量的聚丙烯(PP),红外图像系统分析结果与热分析及傅里叶变换衰减全反射红外光谱的实验数据相吻合.红外图像系统能够将混在复杂混合体系中的痕量杂质检出,为药品包装材料检验提供一种与国外同行同步的技术手段.     

基于小波线性最小均方误差的红外图像去噪

根据小波多尺度线性最小均方误差估计方案的小波基选择标准来确定最佳小波基.在此基础上,对红外图像中的散斑噪声运用取对数方案,并进行硬阈值处理,从而达到去噪目的.     

一种去除图像混合噪声的新方法

某一种去噪方法通常只对某一类噪声的滤除较为有效,为了抑制混合噪声,提出一种结合中值滤波与小波去噪的图像去噪算法。该算法首先检测出脉冲噪声点,并采用自适应窗口对脉冲噪声点进行中值滤波处理,然后用基于高斯混合模型的小波去噪法滤除图像中的高斯白噪声。仿真实验表明,对于被高斯、脉冲混合噪声污染的图像,该算法的去噪效果显然比单一的中值滤波和小波去噪法好得多。     

一种基于邻域噪声评价法的图像去噪算法

常用的经典脉冲噪声滤波方法在去除图像脉冲噪声的过程中,常常造成图像细节信息的丢失,导致图像模糊不清.为了克服这一缺陷,提出了一种新的基于局部相似度分析和邻域噪声评价的图像去噪算法.该算法通过分析图像中各像素点的局部相似度来确定图像的轮廓和噪声,再通过邻域脉冲噪声评价法检测出脉冲噪声点,使图像处理仅处理噪声点而保持轮廓像素点不变,更有效地改善了噪声检测精度,并保护了图像的细节特征.实验结果表明,这种新算法较其他经典滤波器具有更有效的图像去噪和细节信息保护性能,具有一定的应用价值.     

基于中值滤波和维纳滤波的图像混合噪声滤波研究

某一种去噪方法通常只对某一类噪声的滤除较为有效,为了抑制混合噪声,提出一种结合中值滤波与维纳滤波的图像去噪算法。该算法首先检测出脉冲噪声点,并对脉冲噪声点进行中值滤波处理,然后用维纳滤波滤除图像中的高斯白噪声。仿真实验表明,对于被高斯、脉冲混合噪声污染的图像,该算法的去噪效果显然比单一的中值滤波和维纳滤波好得多。     

纹理保留的PCA非局部均值改进降噪方法

针对PCA-NLM去噪方法容易丢失图像纹理细节的问题,提出一种基于纹理特征描述的改进PCA非局部均值去噪方法.基于局部结构张量的边缘纹理描述将图像划分为平坦区、边缘区和纹理区,根据边缘纹理特征值自适应地选取PCA维数和搜索区域以改进去噪效果.实验结果表明,该方法对纹理细节丰富的区域能更好地保留了图像纹理细节,降噪效果优于PCA-NLM方法.     

基于小波-Contourlet的Bayes估计医用红外热图去噪方法

医用红外图像去噪已经成为医学图像实际应用中不可或缺的一项工作。为了获得更好的去噪效果,提出了一种基于小波-Contourlet(WBCT)变换的Bayes自适应估计医用红外热图去噪方法。并且,与图像循环平移算法(Cycle Spinning)相结合,提高信噪比,更好地体现图像的边缘和纹理等特征信息。在Matlab环境下进行仿真研究。结果表明,这种算法能够获得更高的信噪比,使视觉效果得到明显的改善。     

一种Bayer图像的插值与去噪方法

为了改善彩色图像还原效果,降低硬件设计复杂性,分析了彩色插值对脉冲噪声的影响,以及彩色插值与去噪先后顺序对图像质量造成的影响,提出一种基于5×5窗口的先去噪后插值的彩色图像还原方法。采用阈值检测噪点的中值滤波算法去除Bayer图像的脉冲噪声,后采用基于梯度的插值算法完成彩色插值。仿真结果表明,该方法还原的图像性能指标优于传统方法,可以有效去除脉冲噪声,同时较好的保留图像细节,且算法复杂度不高,实时性好,易于硬件实现。     

基于子空间表示和加权低秩张量正则化的高光谱图像混合噪声去除方法

针对高光谱图像中存在混合噪声的问题, 提出一种基于子空间表示和加权低秩张量正则化的方法去除高光谱图像中的混合噪声. 子空间表示利用光谱频带之间的相关性, 选取合适的正交矩阵, 将高光谱图像投影到低维子空间中, 使提出的算法具有较低的复杂度, 简化去噪过程的同时去除图像中的部分噪声. 去噪过程基于从简化图像中提取的低秩张量进行, 引入加权低秩张量正则化项表征简化图像子空间的先验信息, 基于Tucker分解中核范数的物理意义构建合理的加权机制, 保留高光谱图像的内在结构相关性. 并且设计了一种基于迭代最小化的方法, 用于求解提出的非凸去噪模型. 在模拟和真实数据集上的实验结果表明, 该子空间表示和加权低秩张量正则化方法在定量和定性分析上都取得了较好的去噪效果.     

基于cICA的红外点目标检测方法

针对红外点目标检测的要求,提出了一种基于约束独立分量分析(cICA)的红外点目标检测方法. 该方法只采用单帧扫描图像作为数据源,利用峭度约束的独立分量分析方法,消除了传统独立分量分析(ICA)方法的提取顺序的不确定性,从而直接提取点状目标的位置. 实验结果表明,利用该方法能够有效地进行红外点目标检测.     

可见光与红外图像彩色融合中的热目标增强方法

研究树林、陆地场景下可见光与红外图像彩色融合中的热目标增强方法.利用拮抗视觉特性在YUV空间融合可见光与红外图像,增强二者的独有特征;在色彩传递阶段,使用3×3大小的十字形窗口定位红外图像的热目标,当窗口的局部均值大于红外图像的整体均值时,确定该像素点处于热目标区,表征红色与亮度(Y)差异的V分量值根据局部均值与整体均值之比进行增强.仿真结果表明,算法用浓烈的红色突出红外图像的热目标,有效地提醒观察者注意感兴趣的目标,同时,可见光图像的场景细节被赋予与白天光照下彩色图像类似的自然色彩,改善了场景的深度感知,提高了形势意识能力.     

基于核主成分分析的图像去噪

简介了核主成分分析的原理及利用核主成分分析的图像去噪方法.通过使用核函数,在特征空间中对噪声图像使用主成分分析进行降噪处理.基于MDS的思想,使用核方法计算出在特征空间中降噪后的图像与其邻域点之间的内积约束关系,通过核函数重构出在原空间中降噪图像与其邻域点的内积约束关系,基于此内积约束关系在原空间中重构出降噪图像,从而达到通过核主成分分析对图像降噪的目的.比原有的MDS算法更稳定,对图像的噪声部分有更好的去除效果.