一种改进的去除灰度图像椒盐噪声方法的研究

针对传统中值滤波算法（SM）在滤除高密度椒盐噪声时存在滤除不完全和使边缘细节变得模糊的不足,提出了一种改进自适应中值滤波法,该方法在计算像素点4邻域均值与检测点的灰度差值后,将此差值同一个自适应调整的阈值进行比较,若差值大于阈值则为噪声,否则为信号点。实验表明,该方法比传统方法去噪效果较好,对噪声密度在30％以上的图像,去噪后可使图像峰值信噪比（PSNR）达到20dB以上,均方误差（MSE）在100以内。     

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。     

基于小波分解切换规则的交互系统切换滤波方法*

交互系统中常出现多种混合噪声,单一的滤波算法无法满足交互系统对精确性的要求,而联合滤波算法往往牺牲了系统的实时性。为此提出一种基于小波分解切换规则的滤波算法,通过切换规则判断图像中噪声的类型,选择更加匹配的滤波子系统。同时结合改进的Canny算子,提出一种改进的小波域维纳滤波去噪算法。实验结果表明,该算法对单一噪声和混合噪声都有较好效果,但椒盐噪声的滤波效果不如自适应中值滤波,可通过切换规则将滤波系统切换到自适应中值滤波。该算法将在对实时性要求高的互动领域内有广泛的应用前景。     

医学超声病灶图像预处理

图像滤波技术在图像处理中占有重要的地位。其中医学病灶超声图像主要被斑点噪声污染,对医生诊断病情带来干扰。针对医学超声图像噪声的特点提出了自适应中值滤波器,并与经典中值滤波器对含有不同噪声密度的胆囊超声图像进行去噪处理,对实验结果对比分析。结论表明:自适应中值滤波较经典中值滤波在对噪声密度较大的图像进行去噪时,能较好的保持图像细节信息,它能够有效改善图像质量。自适应中值滤波器较其他非线性滤波器有更好的视觉效果。     

基于中值滤波和改进提升小波的输电线路激光测距信号去噪方法

针对小波变换去噪算法精度不高,运行时间较长的缺点,并结合激光测距信号含有高密度高幅值脉冲噪声和白噪声的特点,提出一种基于中值滤波和改进提升小波的去噪算法。首先对实测输电线路激光测距信号进行中值滤波处理,以平抑占比较重的脉冲噪声;再进行提升小波变换,得到小波分解系数;同时,使用鸡群优化算法(chicken swarm optimization,CSO)寻找最优阈值;然后进行提升小波逆变换得到重构信号。结果表明:相对于传统提升小波变换去噪算法,应用该方法的去噪效果信噪比提升2倍以上。最后将几种去噪算法进行了综合比较,所提出方法可有效提高去噪效果并略微减少算法运行时间,优于传统去噪算法。     

基于EMD的图像信号去噪的改进算法

根据EMD对图像信号进行分解,本文讨论了采用硬阀值去噪声和软阀值去噪的方法的优劣性,并提出了EMD＋SG滤波器组合去噪的方法,对前N／2个IMF采用SG滤波器对每一数据点的一个邻域（长度为n的滑动窗口）进行滤波,用一元P阶多项式根据最小二乘法准则,拟合出邻域内的最佳值作为去噪后的数值,再与后N／2个IMF进行图像重构。实验表明,该算法比其它算法具有较好的去噪效果。     

基于方向的多阈值自适应中值滤波改进算法

为了在有效滤除椒盐噪声的同时更好地保持图像细节,提出一种基于滤波值二次修正的图像椒盐噪声滤波算法。该算法首先利用基于阈值的自适应中值滤波改进算法实现对噪声点的检测与初级滤波,然后对滤波值采用基于方向信息的多阈值自适应滤波算法,实现对初级滤波值的二次修正。算法结合了基于阈值的自适应中值改进算法良好地噪声检测性能及基于方向信息的多阈值自适应滤波算法的细节保护能力。实验结果表明,在客观评价指标和主观视觉效果方面,新算法均取得了优于传统自适应中值滤波算法及其改进算法的效果。     

基于小波域分频的变电站红外监控图像噪声自适应滤波算法

针对变电站大量电力设施暴露于野外,受到空气粉尘、光照不均等因素的影响存在实地获取的红外监控图像含有大量噪声的问题,提出了一种基于小波域图像分频思路的自适应去噪算法。该算法首先对经分解后的变电站电力设施红外监控图像的小波低频、高频系数分别进行重构,得到空间域原始图像的背景图像和细节图像;然后对背景图像采用K-SVD字典学习自适应去噪算法进行处理;对于细节图像,根据其噪声分布特征,提出了一种基于窗口尺寸自适应调整的中值滤波改进算法进行处理;最后对噪声抑制后的背景和细节图像进行融合。研究表明,本文算法处理后的图像清晰度较高,有一定的实用价值。     

基于频域滤波的视频图像帧复原技术研究

视频图像帧在通信过程中,由于受到各种噪声的干扰,使其质量下降,为了确保较高的通信质量需要对降质的图像帧进行复原。本文分析了频域中的逆滤波和维纳滤波即最小均方误差滤波的方法对退化的图像进行复原的基本原理,在 VC++中对其算法思想进行编程实现,对比两种图像复原技术的效果,实验结果表明,两种频域滤波技术各有特点,逆滤波算法思想简单,对于图像帧降质小的图像复原效果较好;而对于信噪比较小,对于降质明显的图像帧使用维纳滤波复原效果较好。     

Image denoising using pulse coupled neural network with an adaptive Pareto genetic algorithm

Recently, pulse coupled neural network (PCNN) attracts much attention in image denoising as a nonlinear filtering technique. The PCNN‐based anisotropic diffusion (PCNN‐AD) method has been proposed previously for flicker noise reduction and its effectiveness has been demonstrated. Using the visual characteristics of PCNN, PCNN‐AD has also solved the problem of AD that AD is not able to suppress the isolate noise. However, there are still two drawbacks in PCNN‐AD, that is, time consuming and PCNN parameters' estimation. In order to improve the efficiency and the denoising performance of PCNN‐AD, a PCNN‐based method with an adaptive Pareto genetic algorithm (GA‐PCNN) has been proposed to restrain from additive white Gaussian noise (AWGN) in this paper. GA‐PCNN firstly integrates the PCNN and AD as a parallel system, then, optimizes the parameters of a simplified PCNN by the adaptive Pareto GA. Experimental results indicate that GA‐PCNN has better performances than the previous denoising techniques, i.e. median filter, Wiener filter, AD filter, and PCNN‐AD. The effectiveness of GA‐PCNN on AWGN reduction and edge preservation are shown finally. The results will also contribute to denoising in CMOS image sensors in the future. © 2011 Institute of Electrical Engineers of Japan. Published by John Wiley & Sons, Inc.     

基于 GA-BP 的改进高斯均值区域去噪技术

光纤连接器因其在光传输系统中的重要作用而备受关注,但是其表面附着的杂质会使复原的表面形貌出现噪点。而且现有的检测方法无法准确定位噪点,需要对其进行多次整体降噪处理,以此得到的图像细节保留能力较差。为此提出了一种基于遗传算法优化BP神经网络(GA-BP)的改进高斯均值区域去噪技术。首先,对干涉数据进行降维处理;其次,将降维后的数据作为神经网络的训练数据,利用神经网络对噪点进行定位;最后,采用改进的高斯均值滤波对三维图像的噪点位置进行滤波处理。结果表明,通过神经网络判别法得到的噪声像素点为2.45%,相比于阈值判别法具有较高的精度。并且通过改进的高斯均值滤波方法得到的方法噪声差值为474.7,峰值信噪比(PSNR)值为32.56。相比于均值和中值滤波方法,图像细节保持能力较高,复原图像噪点凸起明显减少。因此,它更适用于基于白光干涉原理的自动化检测。     

基于均值滤波和小波分析的图像去噪

由于均值滤波在抑制噪声的过程中会损失图像的边缘等细节信息,从而导致整幅图像的模糊不清,而小波分析在图像处理中具有较强的图像增强能力,故而采用两种滤波方法的结合来处理含噪图像。通过实验证明,该法在处理含噪图像时,不仅很好地降低了噪声,而且还较好地保留了原图像的边缘等细节信息,使得图像的对比度增强,增进了图像的视觉效果。两者的有机结合使得图像的去噪效果比单独使用其中一种更优。     

基于非线性变换的自适应时间延迟估计

含有脉冲性噪声的信号常使经典的时间延迟估计算法效果变差。给出了一种基于Sigmoid 变换的自适应时间延迟估计算法（SATDE）,采用 Sigmoid 函数,对含有脉冲性噪声的信号进行非线性变换;利用自适应滤波器对信号的时间延迟参量进行估计。计算机数值仿真实验结果表明,该算法在对信号的时间延迟进行估计时,不仅可以适用于符合高斯模型的信号噪声,更适用于含有脉冲噪声的信号。该算法是一种具有较好鲁棒性的时间延迟估计算法。     

基于背景估计的焊缝缺陷检测

针对射线检测图像中缺陷识别率低的问题,利用背景估计和差分运算来增强缺陷、抑制复杂背景和噪声。该方法首先利用Otsu分割获得的掩模图像提取焊缝区域;其次通过改进的中值滤波对焊缝区域进行背景估计,反背景差分获得含有缺陷的差分图像;随后根据缺陷与误检边缘处梯度方向的差异性,利用多方向多级梯度有效解决背景残余问题;最后通过自适应阈值分割将含有缺陷的差分图像二值化。实验结果表明,该方法具有较高的缺陷识别率,召回率和准确率分别达91.90%和 90.95%,在实际中具有较好的应用价值。     

基于直方图特性的图像去噪方法

传统的图像去噪方法在去噪过程中往往导致处理过后的图像模糊不清,且残留的信号噪声较大.为有效去除噪声又不至图像模糊,本文针对多幅图像加噪声后的直方图进行了分析,提出了一种利用图像直方图特性去除噪声的算法,对加入噪声后的直方图进行扫描和灰度值变换以调整原噪声图像的灰度,使得噪声融入背景.最后利用中值滤波进行残留噪点的消除.实验结果表明,该算法不仅可以使得图像能有效去除噪声,而且图像的质量有较大幅度的提高.     

一种改进工件边缘检测方法的研究

针对现有边缘检测技术难以同时消除图像中噪声和工件表面划痕对边缘检测的影响,并保持图像边缘的清晰度和连续性,提出了一种基于二阶微分算子和数学形态学的改进边缘检测技术。首先利用数学形态学理论,设计了一种形态学开闭运算处理图像的方法,为去除工件表面划痕做好预处理;然后用二阶微分Laplace算子对预处理后的图像进行边缘检测;最后改进了一种高斯与双边滤波结合的算法,强化去噪效果,并对最终算法进行实验验证。实验结果表面,改进的算法在去除工件表面划痕方面效果明显,并与传统微分算子比较,边缘清晰度、峰值信噪比(PSNR)都有大幅提高,为提高工件识别精度打好基础。     

一种改进权重的非局部均值图像去噪算法

提出了一种改进权重的非局部均值滤波方法。在高斯加权的欧氏距离基础上,结合相关系数来衡量图像邻域间的相似性,将其应用到图像邻域灰度矩阵间的相似性度量上,更好地利用了图像邻域间的相似性质。通过对添加不同噪声水平的噪声图像进行测试,实验结果表明,与传统的非局部均值滤波算法相比,所提出的算法在去噪性能上尤其是结构信息保持上均有显著提高。