基于数学形态学和小波阈值的红外温度图像去噪方法

针对普通小波阈值去噪方法不能较好地保留红外图像边缘信息的问题,提出一种数学形态学边缘检测和小波阈值去噪相结合的方法,即红外图像先经过小波变换,在高频子带中做数学形态学边缘检测,确定边缘信息的位置,再进行阈值去噪处理。结果表明,与普通小波阈值去噪方法相比,该方法较好地保留了红外图像的边缘信息,去噪效果明显,且改善了均方误差和峰值信噪比,对摩擦副表面红外温度图像进行去噪,可获得较为准确的温度场。     

基于形态学边缘检测和小波阈值的摩擦副红外图像去噪

针对红外图像通过普通小波阈值去噪不能较好地保留边缘信息的问题,提出了一种数学形态学边缘检测和小波阈值去噪相结合的方法,对摩擦副表面红外图像进行去噪,达到获得较为准确的温度场的目的。红外图像经过小波变换,在高频子带中做数学形态学边缘检测,确定边缘信息的位置,再进行阈值去噪处理。试验结果表明,相比普通小波阈值去噪方法,该方法不仅较好地保留了红外图像的边缘信息,去噪效果明显,而且改善了均方误差和峰值信噪比。该方法意在提高红外图像测温的准确性,为测量和分析摩擦温度场提供更好的技术支持,具有较高的工程应用价值。     

基于预滤波处理的红外图像小波去噪

针对超声激励检测金属板材内部接触界面类缺陷的红外图像特性,提出一种首先基于高斯滤波和中值滤波对红外图像进行预处理,然后采用二维小波阈值对图像进行去噪的方法。实验结果表明,该方法有效降低了红外图像中的噪声,提高了图像的信噪比。     

基于边缘检测小波变换的红外与可见光图像融合方法

简要地论述了图像融合中主要的三种像素级融合算法,即简单方法、基于塔形分解以及基于小波分解的融合方法,在现有的红外与可见光图像融合方法之上,提出了以边缘检测为基础的一种小波变换图像融合方法,并对融合效果进行了评价。实验结果表明,经该方法对红外与可见光图像的融合可以提供更多、更有效的信息,提高了图像的分辨效果和人眼对场景目标的发现和识别概率,融合效果较为理想。     

基于小波变换的水果红外图像目标识别

边缘在机器视觉应用中是一个很重要的特征.提出了一种新的基于小波变换的边缘检测方法,并对红外水果图像进行识别.它是自动化采摘技术的基础.以二次光滑小波作为小波函数,对水果红外图像进行二维二进小波变换,计算了小波变换结果的局部模极大值点,从而得到了水果红外图像的轮廓.     

基于小波变换和形态学的图像边缘检测方法

提出了一种基于小波变换和形态学的图像边缘检测方法。对源图像进行小波分解,用数学形态学法对低频子图像进行边缘检测,用小波变换法提取高频图像的边缘,采用一定的融合规则将两个边缘图像融合在一起得到一幅完好的边缘图像。这种边缘检测方法结合了小波变换法和数学形态学法的优点,对用这两种方法得到的边缘信息进行融合,有效地抑制了噪声,且边缘连续、清晰。实验结果表明,提出的这种结合方法优于单独使用数学形态学法或小波变换法。     

基于小波变换的图像降噪技术研究

根据小波变换和噪声信号的能量分布特性,提出了一种先用小波变换对含噪图像进行多尺度分解,求出各尺度小波变换高频系数的噪声方差和阈值,利用各尺度的阈值对高频系数进行处理,然后利用小波变换系数重构图像,实现图像降噪的方法;实验结果说明该方法既可以有效地降低噪声,又可以较好地保持图像细节。     

基于小波变换和数学形态学的边缘检测法

提出一种基于小波变换和数学形态学的边缘检测算法.对于遥感图像的边缘检测,利用小波变换的特点,先对遥感图像进行分解,获取高频分量的详细细节.然后通过对遥感图像特点的研究,文中提出一种适于遥感图像的L形结构元素.利用小尺寸结构元素对边缘细节的检测能力,从而得到相对较好的图像特征和细节.     

基于小波包和数学形态学结合的图像特征提取方法

提出了一种基于小波包和数学形态学相结合的图像特征提取方法,应用于车牌字符等的图像提取及边缘检测。采用了小波包对图像进行分解并重构其近似部分,用形态学膨胀和腐蚀等形态学基本运算以及形态学梯度对图像进行边缘检测,并应用形态学重构填充了车牌字符的空隙,以便后续的字符识别。仿真实验表明与Edge边缘检测算子相比较,该方法能够更好地提取图像特征,检测出的边缘更清晰,并更好地填充了车牌字符的空隙。     

基于小波变换多阈值彩色铁谱图像的分割方法

提出了一种基于小波变换多阈值彩色铁谱图像的分割方法.该方法首先将彩色铁谱图像分割为3个层次图像,然后对各单色图的直方图通过小波变换多阈值进行分割,形成背景色、一般磨粒和异常磨粒3个分割区域,最后再合成彩色图像,实现对背景色、正常磨粒沉积链、异常大磨粒的划分.实验证明该方法可以有效地提高所需图像的质量.     

基于小波变换与纹理特征分析的地基云图识别

云状是云观测的三大要素之一,正确识别云状有助于分析大气运动状态,为天气预报提供重要依据。文章采用了图像处理的方法对全天空红外云图进行初步云状识别的研究,利用小波分析与纹理特征(灰度共生矩阵)分析相结合的方法提取所需识别云类型的特征参数,设计并建立适合云状识别的分类器。所做分析和研究工作表明,对比单一纹理特征分析和利用小波分析与纹理特征分析相结合的方法对所选全天空红外云图的识别结果,后者具有较高的准确率。     

基于Red-Black小波变换的多光谱图像融合方法

针对张量积小波在多光谱图像融合中的不足,提出了一种基于Red-Black小波变换的多光谱图像和高空间分辨率全色图像融合方法.首先对多光谱图像进行IHS变换,将得到的亮度分量和高空间分辨率全色图像进行直方图匹配,并分别作多尺度Red-Black小波分解,然后对低频部分采用加权平均、高频部分采用替代的融合算法对分解子图像进行融合,最后对融合后的各级子图像进行Red-Black重构和IHS逆变换得到融合结果图像,采用客观性能指标对融合结果图像进行了评价.实验结果表明,该方法有较好的融合效果,其保持光谱质量和空间分辨率信息的能力比基于IHS变换融合方法、基于DWT的融合方法和基于IHS-DWT的融合方法都强.     

基于Contourlet变换在图像去噪中的应用

Contourlet变换是小波变换的新发展,能更有效地捕捉图像中的几何结构。本文提出一种基于Contourlet变换的图像去噪方法。该方法通过对阈值去噪中的统一阈值和阈值函数进行分析,构造出一个新的阈值函数,新阈值函数在一定程度上改进了统一阈值"过扼杀"Con-tourlet系数的缺点,同时也使硬阈值去噪中出现的伪吉布斯现象得到解决。实验结果表明,本文采用的方法提高了去噪后图像的PSNR值,同时有效地保留了图像纹理信息,使视觉效果更好。     

一种Lucy-Richardson算法和小波变换结合的图像复原算法

Lucy-Richardson(LR)算法作为图像复原的经典算法之一,在进行图像复原时,对退化过程的先验知识要求少且复原效果好,然而由于算法采用迭代逼近的方法,故算法耗时长。针对这一缺点,用LR算法与小波变换结合的图像复原算法(即联合算法),分级对图像进行处理,在减小噪声干扰的同时提高算法的恢复效率。实验结果证明该方法在合理的范围内,以牺牲部分复原效果为代价却有效地提高了复原算法的效率。     

基于小波熵的微弱信号检测方法研究

在科学技术研究领域中,经常会遇到非平稳、低能量、瞬时变化的微弱信号检测问题,然而,微弱的有用信号往往被环境噪声所湮没,最大程度地提取有用信息一直是弱信号检测中的一个难题。尤其对短时低能量的瞬变信号,采用传统信号处理方法提取其位置信息难以奏效。小波分析的方法为弱信号检测技术开辟了一条新途径,但小波变换对弱信号进行特征提取的关键在于确定小波系数的阈值。为此,在软阈值基础上引入反映信号能量分布特性的小波熵概念,利用信号在不同分解尺度上具有不同的小波熵,能够自适应地确定高频系数分量的阈值。仿真分析表明,基于小波熵分析的方法能够在强噪声环境中对微弱信号准确定位,实现低能量的瞬变信号有效提取。     

基于小波变换的图像数据融合方法

提出一种基于小波变换的图像数据融合方法.原始图像经过小波变换,分解成亮度子图像和边缘子图像,对分解后的子图像进行分块处理,根据局部区域方差准则计算融合系数,对每个子块图像进行数据融合,最后重建图像.实验结果表明,本文方法具有很好的一致性.     

基于区域生长的生物图像分割方法

针对基于区域的分水岭算法中通常存在的严重过分割现象,采用两点措施来改进:其一是在分水岭分割之前采用迭代阈值分割算法对图像进行分割,从而有效地抑制了由图片表面的灰度变化引起的过分割,使边缘定位更加准确;其二是在分水岭分割之后以基于面积,对比度和深度控制的区域合并准则,有效抑制过分割现象,同时满足感兴趣区的分割要求,实验表明该方法简单有效,能够得到符合人类视觉系统特性的分割结果。     

基于冗余小波和分水岭变换的肺结节识别

利用CT影像检测肺结节,已成为目前诊断和预防早期肺癌的主要方法.对肺结节的有效识别,是实现肺癌计算机辅助诊断的关键.本文根据医学影像的特点,提出一种基于冗余小波变换和分水岭变换的肺结节识别方法,该方法通过保持平移不变的冗余小波变换得到细节信息增强的影像,然后用基于有向欧式距离变换的分水岭算法实现对肺结节的分割.实验表明,该方法对CT序列影像进行肺结节识别可以得到良好的分割结果,从而为医生对肺结节的诊断提供更加准确的客观依据.     

基于双正交小波的星点细分定位方法研究

在星敏感器工作过程中,星点目标亚像元质心定位的准确性直接影响星识别的准确性,同时也决定了星敏感器姿态测量的有效性.带阈值的质心法是星点目标细分定位的较理想方法,具有较强的抗噪声干扰能力.在双正交小波变换的基础上提出基于双正交小波的自适应小波阈值法.与传统的IIR阈值法比较,不仅星点目标提取更加准确,而且位置测量精度更高.     

基于小波边缘检测的图像去噪方法

为得到轮廓清晰的小波去噪图像，提出了一种保护图像边缘信息的小波去噪方法。通过选取二维可分离小波对噪声图像进行导数平滑处理，测出小波系数的局部极大值点，即边缘点，在采用统一阈值对图像去噪的同时，对图像的边缘点做保留处理。实验证明，在加大阈值的情况下，此种方法仍保持了清晰的图像边缘，去噪后的图像峰值信噪比提高了1～2dB。