数字视频图像噪声特征分析

在计算机视觉技术中 ,噪声消除是决定图像处理效果很关键的一步。本文根据产品表面图像研究了图像噪声特征 ,对噪声的幅值特性、形态特性进行了总结 ,发现在图像中除传统的图像噪声外 ,普遍存在孤立行噪声     

基于人眼视觉特性的邻域自适应模糊增强算法

针对灰度适中时人眼分辨力较强的视觉特性,利用Prewitt算子求得梯度图像,并在隶属函数的定义中引入像素的邻域均值分量,对梯度图像进行模糊域的自适应增强。实验证明该算法克服了传统模糊增强算法会对噪声点进行增强的缺点,在增强图像细节的同时有效地抑制了图像的噪声。     

基于小波和奇异值分解的图像边缘检测

针对传统图像边缘检测抑制噪声能力弱的问题,给出了一种小波变换和局部梯度场内奇异值分解相结合的边缘检测方法.首先在图像预处理阶段,为了提取准确的边缘特征,文中利用小波变换的时频局部化特性,对图像进行小波变换.该文对用小波求取的梯度场使用局部梯度奇异值分解的方法;利用奇异值的特性和良好的稳定性,使提取的边缘特征更加突出并且能够达到抑制噪声的目的.实验证明该文方法既能在无噪声影响的图像中提取出清晰完整的单边缘,又能在有噪声干扰的情况下提取出理想的边缘.     

基于独立分量分析的图像特征提取及泊松噪声去除

针对泊松噪声具有与信号相关和不一致性分布的特性,提出了一种基于独立成分分析(ICA)的软阈值滤波算法。泊松噪声对基于高阶统计量的ICA变换不敏感,其能量均匀分布在ICA域。首先将包含泊松噪声的图像变换到ICA域,然后再对图像独立成分进行软阈值滤波。该算法对图像和噪声具有自适应能力,在噪声去除和图像细节保留方面达到一个平衡。实验结果表明:该算法不仅可以有效去除图像中的泊松噪声和提高图像质量,而且具有良好的鲁棒性。     

针对多重退化因素的印刷图像复原方法

目的对于由多种因素所导致的印刷图像退化问题,文中提出一种针对椒盐噪声、高斯噪声和模糊退化等多重退化因素的图像复原方法。方法首先针对印刷图像椒盐噪声密度不高的特点,设计一种基于灰度范围准则和局部差别准则的椒盐噪声二级检测和滤除方法,并通过评价实验得出合适的阈值参数设置。在去除高斯噪声和图像模糊的过程中,利用边缘保持平滑滤波的原理和特性,将双边滤波器和引导滤波器应用于图像复原中,又在此基础上设计和应用图像细节增强的二次引导滤波器。结果在椒盐噪声去除方面,新方法对大部分图像都能取得较好的复原效果,尤其对细微边缘不多的图像效果最佳,复原后的PSNR值能达到40以上。二次引导滤波器对高斯噪声和图像模糊的复原效果最好。结论通过对不同图像复原方法的效果进行评价和分析,验证了文中方法的性能,为今后图像复原技术的应用提供了指导。     

基于视觉对比度特性的红外图像超分辨率重建

针对现有超分辨率算法重建后的红外图像存在对比度差、信噪比低、视觉效果模糊的缺点,提出一种基于视觉对比度特性的红外图像超分辨率重建算法。该算法首先利用人眼在不同灰度级的分辨能力不同,通过引入红外图像对比度这一先验信息重建红外图像,其次构建一噪声度量因子以区分图像目标与噪声,然后对目标边缘进行增强,噪声进行滤除。实验结果表明:经过改进算法重建的超分辨率红外图像对比度提高了2倍,噪声得到了有效抑制,视觉效果明显改善。     

一种新的DWT域彩色图像数字水印算法及其实现

提出了一种基于DWT域的彩色图像数字水印算法,选取离散小波变换的中低频系数进行了水印的嵌入。选择了一种具有实际意义的二值图像作为水印图像,然后根据水印图像的不同值,在中频系数的不同方向上,改变系数2次嵌入了数字水印,以提高其鲁棒性。实验结果表明:该算法具有很好的隐蔽特性,并且对椒盐噪声、高斯噪声、中值滤波、图像旋转、图像缩放和JPEG压缩处理等操作具有很强的鲁棒性。     

反演解析法提高CCD成像分辨率的噪声影响研究

反演解析法是提高CCD成像分辨率的方法之一。但是，加在低分辨率图像上的随机噪声会对合成的高分辨率图像产生不可预知的影响。中首先介绍了反演解析法原理，然后讨论了噪声的影响机制。并且，为了对噪声影响进行数值化分析，提出了一个噪声影响评价函数。最后，以该函数为基础，通过计算机仿真实验，找到了合成图像受随机高斯白噪声影响的规律。     

白光干涉数据的三维去噪研究

介绍了白光干涉系统噪声来源及其对白光干涉图像的影响;扫描白光干涉过程中既引入了时间噪声,又引入了空间噪声,使干涉数据的噪声呈复杂的时空分布;只对干涉数据进行单分量的传统去噪方法无法完全去除噪声,且会造成图像数据的畸变;利用三维噪声理论分析了白光干涉系统的噪声特性,并对干涉数据进行时间和空间分量的噪声处理,在去除噪声的同时,又避免了原始数据发生时空畸变;为了实现实时处理,设计了相应的基于图形处理器(Graphic Processing Unit,GPU)的并行算法,解决了三维去噪与重建耗时严重的问题。     

基于低秩矩阵近似的低剂量CT图像两步去噪方法

低剂量CT扫描技术能有效减少患者所受到的辐射,但同时也导致了图像质量降低,尤其是图像中的条形噪声,给去噪工作带来了不小的挑战。针对这个问题,提出了一种基于低秩矩阵近似的低剂量CT图像去噪方法。该方法将低剂量CT图像的去噪过程分为两个阶段：第一阶段,利用图像结构信息的低秩特性,使用加权核范数最小化方法提取图像结构信息,实现对弱条形伪影和没有方向性的斑点噪声的去除;第二阶段,利用残留强条形伪影的旋转极低秩特性,即旋转后条纹噪声具有比背景内容更低的秩,再次利用低秩方法引入新的正则项,实现条纹噪声的去除。实验结果表明,该算法能够有效去除低剂量CT图像的条形噪声,并且较好地保留图像细节。     

带钢表面缺陷视觉检测系统关键技术研究

为满足钢板表面缺陷在线检测系统宽幅面、高速、高分辨率的检测要求，讨论了基于线阵CCD的钢板表面缺陷视觉检测系统实现的关键技术；优化设计了视觉检测系统的光学照明部分，以检测不同类型的缺陷。通过软件系统的特殊设计，以保证实时在线检测。针对缺陷图像低对比度、高噪声的特点，提出了基于灰度统计特性的图像边缘检测方法，并实现了对缺陷图像的自适应阈值分割。依据图像的缺陷统计特性，定义了缺陷的灰度、几何等特征量，用于缺陷分类。本系统样机已在实验室环境下运行。     

神经网络识别图像椒盐噪声的自适应滤波方法

为了使椒盐噪声不影响图像的后续处理,提出一种基于BP神经网络噪声检测的自适应开关滤波器来检测和滤除图像椒盐噪声.该方法利用像素值及其邻域特性作为像素点的描述即神经网络的输入,通过神经网络自动检测图像的噪声位置,据此保持非噪声点不变,对噪声点进行自适应窗口大小的均值滤波处理,且仅窗口内非噪声点参与均值运算.实验结果表明,...     

基于特征重建的工业CT算法

工业CT检测系统中,散射等噪声约束条件较多,传统的CT重建方法得到的重建图像噪声大、分辨率低,不适合对一些较小的疵病进行检测.文章依赖被检测对象内部结构特征,利用小波函数在RADON变换前后的特性,通过对投影数据预滤波,直接重建图像的特征部位,在不损失太多图像背景分辨率的情况下,凸显了被检测对象内部较小的疵病特征,提高了检测分辩率.     

排序滤波在工业射线图像系统中的应用

本文通过对工业射线成像系统的分析，比较了射线噪声图像的两种处理方法－线性滤波法和排序滤波法，实验表明，排序滤波地能够在减少白噪声的同时保存图像细节，是射线检测中一种有效的降噪增强处理方法。     

刃边法计算在轨卫星图像MTF的仿真分析

调制传递函数（MTF）较之仅凭借某一个数字量（分辨率、清晰度等）来对成像系统进行质量评价更具有权威性。刃边法适合卫星在轨的特性，易于实现，无需人工对在轨遥感器输入激励信号。本文在实现刃边法计算图像MTF的算法的基础上，通过仿真，分析了像移、刃边角度、噪声对MTF计算结果的影响，并对算法精度进行了检验。仿真结果表明，本文的计算在轨卫星图像MTF的方法具有较高的精度，并且能较好地抵抗噪声。     

基于多尺度形态学操作的超声图像增强方法

针对医学超声图像低对比度和强噪声给医疗诊断和图像处理所带来的困难，通过基于多尺度形态学操作的方法实现图像增强和噪声抑制的目的．该方法将传统的图像增强概念延伸到数学形态学多尺度空间中，利用多尺度形态学操作提取图像多尺度特征，并通过改变这些特征的强度实现图像局部对比度增强和噪声抑制．实验证明，该方法对超声图像局部对比度增强和噪声抑制是有效的．     

基于NETD的红外热像仪图像预处理方法研究

噪声等效温差(NETD)是红外热像仪的重要参数,它能够体现红外探测器的噪声特性。在剔除无效像元的基础上,利用线性滤波、非线性滤波、直方图均衡化和多尺度图像增强等算法对热像仪原始数据进行图像预处理;用实验者对画质和图像细节的直接观察作为定性判据,噪声等效温差作为定量判据,综合评价图像预处理算法的优劣。通过实验发现,线性滤波后进行多尺度图像增强的方式能够使图像细节更清晰,同时噪声等效温差减小约25.9%,是目前较为适合的实验用热像仪的图像预处理方式。     

一种基于空间自适应的盲图像复原算法

针对非负有限支持域约束递归逆滤波（NAS-RIF）图像盲复原算法对噪声敏感问题，提出一种基于空间自适应的改进算法。利用最优阈值估计图像支持域，在代价函数中引入空间自适应加权因子和尺度因子，结合正则化技术对图像复原进行局部控制，并对不同信噪比和背景的图像进行了实验。结果表明，在较低信噪比情况下，改进NAS—RIF算法仍具有较好的复原效果，有效地达到了保存图像细节并抑制噪声的目的。     

航空线阵CCD相机图像退化数学模型的建立

由于受到大气湍流，相对运动及传感器噪声等因素的影响，使得航空CCD侦察图像成为一个包含真实目标信息的退化图像，而噪声消除由于受CCD结构特点的限制，与传统的胶片噪声去除不尽相同，本文立足CCD特点，提出了一种适合CCD图像退化的数学模型。     

智能机器人运动物体检测中噪声消除方法

针对机器人运动体检测中差图像的噪声问题,提出了基于噪声概率分布的通用阈值选择方法。在该算法中,先判断相应区域灰度分布的一致与否,若分布不一致,再取其差图像。实验结果证明,这种方法能有效地消除差图像的噪声。