BM3D去噪算法在仪表图像识别中的应用

电力系统中巡检机器人在采集仪表图像时往往受噪声影响而将有用信息掩盖。为解决这一问题,将BM3D(三维块匹配)算法应用于仪表图像的处理中,能够得到较好的去噪效果。BM3D算法是基于变换阈方法和非局部思想发展而来的。首先通过块匹配生成三维矩阵,然后在三维变化域去噪,最后逆变换还原图像。通过实验对BM3D去噪方法与其他传统方法的性能进行了对比分析。实验结果表明, BM3D图像去噪算法可以较好地保留边缘细节效果,解决了恢复图像细节与抑制噪声产生之间的矛盾,且效率较高。     

基于三维匹配块的SAR图像相干斑抑制研究

合成孔径雷达(SAR)图像中存在相干斑噪声,不能准确反映照射区域的散射特性,增加了信息提取的难度。三维匹配块(BM3D)算法是在变换域中的稀疏表示,将相似的图像块分到一个三维空间中,从而达到去噪的目的。通过对噪声模型特征的分析及参数设置,将适用于加性噪声模型的BM3D算法应用到乘性噪声中。采用仿真与传统方法对比表明,利用BM3D算法抑制相干斑噪声,其边缘保持指数达到了0.484 5,在降噪的同时又较好地保存了图像的细节特征,验证了算法的有效性。     

基于改进DTCWT和引导滤波的低剂量CT图像降噪

针对低剂量计算机断层扫描(CT)图像噪点较多和空间分辨率低的问题,提出了一种基于改进双树复小波变换(DTCWT)和引导滤波的低剂量CT图像降噪方法。首先使用DTCWT对低剂量CT图像进行多尺度分解,对高频子带系数使用拟合优度检验框架进行去噪,对低频子带使用三边滤波进行降噪,逆DTCWT重构得到初始去噪图像;然后使用降噪并插值的低频子带图像作为导向图像对CT图像进行引导滤波;接着结合初始去噪图像和引导滤波的去噪结果生成细节残存图像;最后用3维块匹配滤波(BM3D)阈值算法对细节残存图像进行二次去噪,叠加两次去噪结果得到最终去噪图像。实验结果表明,该方法优于其他传统图像去噪算法,在抑制噪声的同时,良好地保留了图像的边缘轮廓和纹理特征,对低剂量CT图像有着显著的去噪效果。     

基于加权低秩矩阵填充的图像去噪算法

为了更好地利用图像信息和增强图像的视觉效果,图像去噪成为图像处理领域中一个热点问题。针对图像去噪问题,本文在低秩矩阵填充理论的基础上,提出了两种基于加权低秩矩阵填充的图像去噪算法。首先,基于补丁匹配提取相似的补丁组成低秩矩阵;其次,利用相似补丁的性质形成含有缺失项的低秩矩阵;然后,利用加权核范数构建补丁块的去噪模型;最后,基于奇异值阈值分解和优化一最小化奇异值阈值分别求解加权低秩矩阵去噪优化模型,得到基于奇异值阈值分解的加权矩阵填充(SVT-MC)去噪算法和基于优化-最小化奇异值阈值的加权矩阵填充(MMST)去噪算法。实验结果表明,本文所提出的SVT-MC去噪算法和MMST去噪算法对不同程度的混合噪声都具有良好的去噪效果。     

改进相似性度量准则的SAR-BM3D相干斑抑制算法

针对三维块匹配（BM3D）算法在合成孔径雷达（SAR）图像相干斑抑制时存在块相似性度量不准确的问题,提出一种改进广义似然比准则（GLR）的SAR BM3D相干斑抑制算法。该算法根据在光学图像去噪效果良好的BM3D算法,以变换域方法和非局部思想为基础,考虑SAR图像相干斑特性,采用概率相似性度量方法用于块匹配步骤,从而达到较好的相干斑抑制效果。实验证明,提出的算法对SAR图像的相干斑抑制可以获得更高的信噪比和更好的视觉效果。     

红外图像锁相滤波去噪算法的研究

本文首先分析了白噪声、背景温度和耗散能对热弹性能检测的影响,在此基础上提出了一种红外图像锁相滤波去噪的新算法.然后,在VC .NET环境下针对活塞栓、曲轴连杆红外图像设计了新的去噪算法程序,并与中值滤波、均值滤波等经典去噪算法的去噪效果进行了比较.最后应用信噪比、均方误差两项指标对新算法和经典算法的去噪效果进行评价.实验结果表明,采用新去噪算法对红外图像去噪,其均方误差为采用中值滤波法的7%.其信噪比比中值滤波法提高了10dB.     

改进型多项式匹配图像去噪算法的研究与应用

为进一步改善常规多项式匹配算法的去噪能力,针对常规多项式匹配算法容易模糊图像边缘/纹理等细节问题,提出一种基于边缘保护的改进多项式匹配滤波的算法。该方法在常规多项式匹配算法基础上,改进滤波窗口的选择方式,沿着图像纹理走向方向提取自适应滑动滤波窗口,选择具有最小匹配误差的窗口进行匹配滤波并作为最终输出结果。然后分别在灰度图像和实际CT图像进行测试,经数据验证表明,该方法在有效压制噪声的前提下能够保持边缘/纹理信息,峰值信噪比平均提升80%以上,均方根误差减少80%以上。认为和常规多项式滤波方法、中值滤波方法、双边滤波方法、边缘保持滤波方法、三维块匹配去噪算法和去噪卷积神经网络方法相比,改进方法能够有效提升图像视觉效果,满足图像应用要求,具有良好的应用前景。     

一种基于小波变换的夜视图像去噪和融合方法

微光夜视图像使用的像增强器会导致电子噪声和低照度的产生,2种因素会导致图像不清晰,细节不足.该文分析了2种影响因素的产生原理,针对其采用改进的小波变换去噪算法和融合算法进行处理以提高图像分辨率.实验结果表明:经过去噪和融合的微光夜视图像获得了更高的图像分辨率,保留了更多的图像细节.     

基于TensorFlow的高压输电线路异物识别

针对传统异物识别准确率较低的问题,提出一种基于TensorFlow的深度卷积神经网络的异物识别模型。将巡检图像进行图像灰度化和尺寸压缩等预处理,并采用三维块匹配滤波(BM3D)算法进行图像去噪得到实验所需的训练数据。提出基于TensorFlow的深度卷积神经网络框架,通过使用框架中的TensorBoard模块设计深度卷积神经网络模型结构与优选模型参数,并针对ReLU激活函数与特征权重进行理论分析。实验结果表明,经过15次迭代训练后,深度卷积神经网络比传统的支持向量机(SVM)、极限学习机(ELM)和BP神经网络算法具有更强的巡检图像识别能力;与经典的LeNet-5和VGGNet模型以及相关文献中的模型相比,所提模型更具有优越性。     

基于自适应正则化匹配追踪的蒸发波导数据去噪重构

针对蒸发波导数据压缩感知过程中易受噪声干扰且采用传统重构方法抗噪性能较差的问题，提出了一种基于相似度阈值的自适应正则化匹配追踪去噪方法。该方法可以在信号稀疏度难以获知的情况下，利用自适应思想逐步扩充候选集，同时通过设置相似度阈值来对部分候选原子进行剔除，并结合正则化过程对支撑集原子进行二次筛选，从而较好地约束了噪声分量的重构，提高了信号的重构精度。理论分析和实验表明，所提方法的重构性能优于现有同类重构方法，去噪性能优于小波去噪方法，相同条件下，可获得更高的重构信噪比，有效实现了蒸发波导数据的去噪重构。