采用频域滤波的织物疵点检测方法

首先,通过傅里叶变换获得含有疵点的织物频谱图,根据频谱图设计频域滤波器分离正常的纹理信息,保留疵点信息;然后,通过傅里叶逆变换进行灰度图重构,得到去除正常纹理的疵点图像;最后,经过高斯平滑后二值化分割出织物疵点.实验选取5种织物疵点进行验证,结果表明:采用频域滤波的织物疵点检测方法检测效果良好,且检测率达到90%以上.     

一种基于鲁棒估计的自适应图像平滑方法

基于鲁棒统计理论,提出一种新的保持图像边缘的图像平滑算法.将图像滤波与平滑转化为一个分段常数模型的鲁棒估计问题.并由此导出基于分段常数模型的尺度自适应鲁棒滤波器.为了自动确定鲁棒滤波器的最优尺度参数,使用直方图分析,结合非参数统计的方法来确定各点的鲁棒尺度参数.该算法可以在平滑图像的同时,保持原始图像中的边缘结构.实验表明,该算法平滑图像的效果,明显优于固定尺度的平滑算法.     

傅里叶变换轮廓术中预处理滤波方法的研究

用傅里叶变换轮廓术测量复杂物体形状时,频谱能量分布弥散,出现频率混叠现象,滤波时难以确定截止频率.选用了3种频域滤波窗以及小波滤波4种滤波方法对傅里叶变换轮廓术中的变形光栅图进行处理,计算机模拟并比较了在有噪声和无噪声的情况下不同滤波方法的误差分布.数据分析表明,选用合适的小波基对信号进行滤波处理比其余3种滤波器的测量精度要高.     

傅里叶变换轮廓术中预处理滤波方法的研究

用傅里叶变换轮廓术测量复杂物体形状时，频谱能量分布弥散，出现频率混叠现象，滤波时难以确定截止频率。选用了3种频域滤波窗以及小波滤波4种滤波方法对傅里叶变换轮廓术中的变形光栅图进行处理，计算机模拟并比较了在有噪声和无噪声的情况下不同滤波方法的误差分布。数据分析表明，选用合适的小波基对信号进行滤波处理比其余3种滤波器的测量精度要高。     

基于中频滤波的聚焦测度研究

在研究中频滤波聚焦测度的基础上,提出了一种基于带通滤波器和高斯-拉普拉斯算子相结合的聚焦测度算法.首先对图像进行灰度处理,使用高斯-拉普拉斯模板对该图像进行滤波.然后,使用傅里叶变换将图像从空间域变换到频率域,通过带通滤波器获取图像的中频信息.最后,统计中频信息的均值来作为整幅图像的聚焦测度.实验结果表明,本文所提出的聚焦测度算法能够有效地度量边缘等细节信息,具有一定的噪声鲁棒性.     

基于移频技术的短时傅里叶变换阶比分析

提出了一种基于移频技术的短时傅里叶变换阶比分析算法.该算法利用傅里叶变换在频域的卷积性质,对原始信号在时域乘以e-j2πfit使fi的频谱能量搬迁到零频处,按一定的频率间隔改变fi就可以在零频处得到其他频率的频谱能量,以此来提高短时傅里叶变换在时频分析中的频率分辨率.然后在时频面上进行局部阈值降噪,同时跟踪转速的变化,最终应用到变速机械的阶比分析中.与短时傅里叶变换分析结果对比表明,本文方法可以更加准确地跟踪到实际的转速.实际降速过程中轴承信号利用本文方法进行阶比分析,成功提取到轴承的故障特征频率.     

基于保边函数的图像去噪

为解决传统去噪算法对图像平滑区域效果较好,但存在边缘模糊且残余噪声较大的不足,在分析传统各向同性扩散的基础上,以去噪目的为先验知识建立保边去噪模型,提出了基于保边函数的图像去噪算法.该算法对图像平滑区域进行各向同性的平滑处理,保留了传统算法的优点;对图像边缘区域进行各向异性处理克服了传统算法的边缘模糊现象.实验结果表明:基于保边函数的去噪算法具有残余噪声较小和保边性,提高了图像的PSNR和视觉效果.但是对图像中的较小边缘误作为噪声被去除.     

自适应型中心加权的中值滤波器

针对低噪声污染的图像提出了一种改进型中值滤波算法.该算法是一种自适应型中心加权的高效中值滤波算法.通过粗略地检测图像中的冲击噪声污染率,来自适应地调整中心像素的权值.从而控制新的滤波器对不同污染程度的噪声图像进行不同程度的平滑,即对轻度污染的图像进行轻度的平滑,而对污染比较严重的图像进行重度的平滑.实验结果表明.新的滤波算法优于传统的中值滤波器及其他一些典型的改进型中值滤波器.     

混合噪声的图像复原算法

提出了一种基于中值滤波和局部线性核平滑的图像去噪算法.该算法采用在空间域中的自适应滤波思想,运用改进的混合滤波器去除图像中的混合噪声.该算法的特点是复原后的图像能较好地保留边缘,同时对图像退化的先验知识要求不严格,并且有明确的数学公式,更适合实际运用.实验表明,作者提出的方法对含有混合噪声的图像复原具有较好的效果.     

改进的数学形态学开闭滤波算法在细胞图像预处理中的应用

对数学形态学开闭滤波算法进行了改进,使其能针对癌细胞图像特征进行开闭滤波,在滤除背景噪声的同时,能滤除正常的离散细胞,保留疑似癌变细胞的全部原始图像特征.与其他几种滤波方法在癌细胞图像中应用的结果相比较,改进后的数学形态学开闭滤波算法能够很好地保留原始灰度信息,并且能最大限度地去除背景噪声及无用信息.