基于第二代小波的增强边缘的图像去噪

传统的一些去噪技术往往是以牺牲图像的边缘和细节为代价的.为了去掉图像的噪声,同时又能够很好地保留图像的边缘和纹理细节,在介绍第二代小波变换的原理的基础上,提出使用边缘检测的方法检测出图像的边缘和纹理细节,将它和该图像进行融合,用第二代小波对含噪图像进行分解,对图像高频进行自适应去噪.由于图像在去噪前融合了边缘信息,因此边缘和细节部分得到了增强.仿真结果表明:该去噪方法优于传统小波阈值去噪方法.     

针对医学图像的小波阈值去噪方法

为了改善小波阈值去噪算法中硬阈值和软阈值存在的不足,提出一种新的小波阈值去噪方法.该算法在进行小波阈值去噪前,先将图像分割成背景平坦区域和细节区域两部分,然后分别进行小波阈值去噪,最后融合两图像从而获得去噪图像.在分别进行小波阈值去噪时,利用迭代法进行阈值选择,采用"软、硬阈值折中"阈值函数.根据对医学图像去噪的仿真实验结果表明,该算法在去噪效果上均优于传统的软硬阈值方法.     

基于小波去噪和直方图模板均衡化的手指静脉图像增强

提出一种手指静脉图像增强算法. 该算法包括去噪、 对比度增强和二值化. 在去噪部分, 根据小波变换后各频带的不同特点, 结合手指静脉的特点, 分别设计了不同的去噪策略; 在增强部分, 设计了一种新的方法, 称为灰度直方图模板均衡化方法, 较好地增强了静脉和背景的对比度; 在二值化部分, 采用了OTSU方法. 实验表明, 该算法能有效的增强图像的对比度, 改善图像的质量.     

基于各向同性逆扩散方程的指纹图像增强方法

目的 对指纹图像进行滤波去噪的同时增强指纹图像的脊线轮廓.方法 由热扩散方程给出了一种各向同性逆扩散方程.结果 该方法在对指纹图像滤波去噪的同时,不仅保护了指纹的纹线,而且锐化了纹线.结论 该方法比传统的中值滤波、高斯滤波具有增强边缘的效果,更适合纹理密集的指纹图像的处理,效果优于传统的中值滤波和高斯滤渡.     

基于双树复小波变换与双边滤波的图像滤波

为了进一步提升高斯噪声的去除性能,提出了基于双树复小波变换与双边滤波的图像滤波方法.根据图像和噪声的分布特征,推导出一种自适应的阈值去噪模型.用去噪模型对双树复小波变换后的图像系数进行量化处理,再由双树复小波逆变换得到去噪图像,然后用改进的双边滤波方法对去噪图像进行边缘增强,改进的双边滤波核自适应于图像的特征,具有更好的鲁棒性.实验结果显示,该方法相对于现有的性能较好的方法,PSNR高出大约0.8 dB,SSIM高出大约2.3%.实验证明了该文提出的方法在去噪效果和细节恢复上优于已有的方法.     

基于小波变换的一种图像增强去噪算法

利用小波变换的自适应特征,将小波的多分辨理论应用于图像的去噪、增强处理中,针对传统的阈值去噪和子带增强的缺点,提出了一种改进的自适应图像去噪增强算法.该算法对图像的噪音进行了估计,采用软阈值和硬阈值相结合的处理方法,利用3次B样条插值函数的特性,设计一个平滑的过渡区,有效地避免了单独使用软阈值或硬阈值处理的缺点,保证了图像达到比较好的去噪效果;同时引入的增益因子,可以自适应地补充图像的弱信息.     

矢量中值滤波在细胞彩色图像去噪中的应用

在一般图像中值滤波去噪的算法基础上,针对细胞医学图像处理的特点,用彩色图像的矢量中值滤波算法对细胞图像进行去噪处理.去噪过程使用窗口长度变换和同窗口多次迭代两种方式进行实验,结果表明,采用矢量中值滤波算法的同窗口多次迭代方式能够取得良好的去噪效果.     

基于双边滤波-BM3D算法的GPR图像去噪

为了增强地质雷达(GPR)图像,将双边滤波和三维块匹配算法(BM3D)相融合,提出了一种联合去噪算法.同时,研究了不同方差下的峰值信噪比,并采用最大化真实图像和估计图像之间的结构相似性对去噪后的图像进行了客观评价.实验结果表明,与单一的去噪算法相比,联合去噪算法能够更好地保持地质雷达图像中缺陷目标体边缘的完整性,具有较...     

一种改进的动脉CT图像去噪方法

针对常用医学图像去噪方法中存在去除噪声不全面、图像清晰度损失的缺点,提出一种改进型的方法.根据Brige-Massart惩罚策略,由图像自身噪声确定每层阈值,根据控制变量法确定其他的相关因素.结合图像去噪目的与去噪效果,根据计算机断层扫描(CT)图像动脉区域的灰度值特点,对阈值进行硬阈值化处理.最后,对图像进行仿真对比实验,实验结果显示:中值小波去噪的峰值信噪比(R_PSN),标准信噪比(R_SN)与均方差(E_MS)数值都优于其他去噪方法.     

基于核独立分量分析的PET图像处理

随着医学戍像和计算机辅助技术的发展,从二维医学图像到三雏可视化技术,医学图像处理技术已经是目前医学技术中发展最快的领域之一。PET／CT系统因为同时具有多层螺旋CT和PET的临床特点,可以同时提供结构和功能方面的信息,在临床上有着广泛的应用前景。对它的图像处理也成了研究热点。因此本文对处理PET图像进行研究。本文研究了基于核独立分量分析的去噪应用于PET图像处理,实验结果表明,相对于医学图像处理中传统ICA去噪算法,本文所采用的去噪算法更适合于PET图像的处理。因此,可以判定Kernel-ICA在PET图像的去噪处理中是一种非常实用而且有效的算法,进而也可以推断出在PET图像处理中,基于Kernel-ICA的去噪算法具有很好的发展前景。     

SAR图像小波域消噪方法

目的 介绍小波域SAR图像消噪算法，并且提出一个小波域内利用多重分形参数修正的雷达图像消噪算法。方法 在系统分析SAR图像与小波之间联系的基础上，通过实验表明SAR图像中原始信号与噪声的多重分形参数不同，采用小波域内对多重分形谱相关的Hoelder指数修正方法进行SAR图像消噪。结果 该算法可以在保留信号边缘、纹理等奇异性情况下，消除斑点噪声。结论 小波进行SAR图像消噪具有独特的优势，随着如分形理论的各种非线性理论的引入，对于具有非线性特征的SAR图像斑点消噪研究将取得更好的效果。     

基于卷积神经网络的超声造影图像去噪方法

针对超声造影图像包含大量噪声的问题, 提出一种基于卷积神经网络的超声图像去噪方法. 首先, 通过图像平移、 翻转、 旋转等数据增强方法扩充稀缺的超声造影图像样本数量; 其次, 通过重叠切割小图像块, 进一步扩充样本数量; 最后, 以图像块和人工噪声为输入训练集, 训练基于卷积网络结构的去噪模型. 实验结果表明, 该方法可有效扩展至不同大小的超声造影图像, 对于超声造影图像去噪后的峰值信噪比高于传统的图像去噪方法.     

基于PDE的图像增强改进方法研究

实际应用中,图像不仅需要改善反差而且还有噪声污染。针对传统方法对图像先后做反差增强和去噪所产生的不可避免的缺陷,提出一种基于PDE的改进的反差增强方法,算法将增强和去噪过程统一起来同步进行,并加入一个特殊调整项,进一步改善图像视觉效果。实验证明改进后的方法整体上比传统方法具有更好的性能,能够有效地避免传统方法的缺陷。     

基于偏微分方程的均衡网状扩散图像增强模型

运用偏微分方程方法,对图像进行降噪与边缘增强。其中,重点研究网状扩散模型,并对其存在的问题进行分析。实验表明,扩散模型的效果在效率和处理的质量方面更胜于基本的偏微分图像处理技术。     

基于小波变换与阀值收缩法的图像增强去噪

提出了一种基于小波变换与阀值收缩法的图像增强去噪方法。图像经过小波分解后可以得到一系列不同尺度上的子带图像,在不同尺度的子带图像上进行基于阈值收缩滤波的细节系数增强,再进行小波重构,即可得到增强后的图像。该方法可以有效地去除噪声,增强图像的平均梯度,改善图像的视觉效果。     

基于中值滤波的手指静脉图像增强

提出了一种基于中值滤波的手指静脉图像增强方法,本算法包括去噪、对比度增强和高通滤波增强.中值滤波在去除图像噪声的同时较好地保护了图像所包含的边缘信息,对比度增强加大了血管和背景的整体对比度,最后的高通滤波增强进一步增强了血管和组织的纹理结构.实验表明,本算法不但对图像去噪效果好,而且能有效地增强图像的对比度,改善图像的质量.     

基于中值滤波和分数阶滤波的图像去噪与增强算法

为了避免经典中值滤波器对图像的模糊化,设计了一个噪声检测模型.通过对噪声的检测,设计了一种开关滤波器.当检测点为噪声时,使用中值滤波器进行去噪;当检测点为非噪声点时,利用分数阶微分滤波器对图像进行增强.所提算法不仅能有效地去除图像中的椒盐噪声,还能对图像进行增强,使图像在边缘突出的情况下完好地保留细节.选择“Lena”等经典图像进行多次实验与分析,结果表明了所提算法在图像去噪和增强方面的有效性.     

基于变分混合模型同步实现图像去噪和反差增强

针对反差较低的且包含噪声的医学图像,依据图像直方图特点设计分段拉伸函数,并与基于梯度和拉普拉斯算子的图像去噪变分模型结合,建立新的变分模型,同步实现图像去噪和反差增强。该模型可有效消除图像光滑区域出现的阶梯效应,从而避免在图像增强过程中出现的假边界问题。同时,还为所提出的模型设计了Split—Bregman算法,以提高计算效率。最后通过实验对所提出的模型和算法的有效性进行了验证。     

The Recognition of Silk Fabric Defects Based on Biorthogonal Wavelet Analysis and SOM Neural Network

A feasible approach fog the recognition of silk fabric defects based on wavelet transform and SOM neural network is proposed in this paper, the indispensable processes of which are defect images denoising and enhancement, image edge detection, feature extraction and defects identification. Both geometrical and textural feature panuneters are extracted from the edge image and the enhanced defect image, and utifize SOM neural network to recognize the common defects which silk fabrics have, including warp- lacking, weft-lacking, double weft, loom bars, oll-stalin. Experimental results show the advantages with high identification correctness and high inspection speed.