基于形态Haar小波的SAR图像斑点噪声抑制方法

针对现有相干斑抑制算法不能在去除斑点噪声和保持图像边缘、细节信息之间做到很好的折中,提出了一种新的基于形态Haar小波变换的合成孔径雷达(SAR)图像斑点噪声抑制方法。该方法首先对SAR图像进行二维形态Haar小波分解,图像的边缘、细节和纹理信息在低频子带中得到了更好的保留,噪声主要分布在高频子带;然后,根据各高频子带噪声的特点,分别对高频子带进行均值和中值滤波达到去除斑点噪声的目的;最后,再对低频子带和处理后的高频子带进行形态Haar小波精确重构得到去斑图像。实验证明:该算法不仅大大改善了原始SAR图像的画面质量,同时很好地保持了原始SAR图像的纹理特性和细节信息;该算法去斑性能指标总体优于传统的Lee滤波、Frost滤波、Kuan滤波和小波软阈值法。     

基于线性和非线性混合滤波器的噪声抑制技术

图像去噪处理的目的是抑制图像中的噪声、锐化边缘信息，为图像的后续处理(边缘检测和特征提取)提供基础，但目前的滤波技术较难达到同时平滑噪声，锐化边缘的要求，只能是在平滑噪声的同时，最大限度地保留边缘信息和细节。针对这一情况，在分析一般滤波器特点的基础上，提出了一种，基于线性和非线性混合滤波器的噪声抑制技术。该滤波器在平滑噪声的同时，能较好地保留边缘信息和细节。     

基于统计信息的数字图像恢复及噪声滤波方法

本文基于统计信息——局部均值和局部方差，探讨了数字图像对比度增强和噪声滤波方法。尤其对加性噪声和乘性噪声，设计了相应的滤波器。仿真结果表明，本文的方法实现简单、运算速度较快，为实时图像处理提供了一种新途径。     

SAR图像的MMSE降斑算法研究

合成孔径雷达(SAR)图像由于相干成像方式产生斑点,严重干扰人们对图像的解译。所提系统总结了基于最小均方误差(MMSE)准则的SAR图像降斑算法,包括Lee滤波、Kuan滤波和Frost滤波,分析了它们在斑点抑制和边缘保持两方面的特性。仿真图像和真实SAR图像的降斑实验表明,Frost滤波算法同时考虑滑动窗内的统计特性和结构信息,因此优于其它滤波算法。     

SAR图像斑点噪声的滤波方法研究

针对SAR图像的斑点噪声,分析斑点噪声的模型,给出一种改进的加权中值滤波和增强Lee滤波相结合的去噪方法流程,并用VC++实现这一方法流程。通过实例验证表明该方法流程能有效去除SAR图像中的斑点噪声和保持图像边缘信息。     

广义多级混合噪声图像滤波

本文在传统的线性、非线性滤波技术的基础上,提出了一种新的滤波器结构——广义多级混合滤波器。并导出了滤波算法。对受加性噪声(高斯噪声、均匀噪声和脉冲噪声)和信号相关噪声干扰的图像,它具有良好的噪声抑制能力,且有效地保持图像边缘和细节。在噪声图像的均匀区域,它几乎具备最优的滤波性能;在图像边缘区域,它的性能可以与FIR-中值混合滤波相媲美。而且,现有的多级中值滤波、Wiener-中值滤波、中值均值混合滤波、非线性均值滤波和排序统计滤波等都是它的特殊情况。     

基于自适应高斯滤波的超声斑点降噪

医学超声图像存在的斑点噪声降低了图像的质量,给临床诊断和图像的后续处理带来了困难。为了有效地去除噪声,本文提出了一种自适应高斯滤波的超声斑点降噪算法。该算法利用局部特征匹配计算出图像的处理窗口区域与参考区域的相似度,再根据相似度将整幅图像区分为斑点噪声区域和组织区域。同时利用相似度调整高斯滤波器的宽度值,使高斯滤波器对图像的不同区域进行不同程度的过滤。物理体模实验和人体超声肝脏实验结果表明,该算法可以有效地去除超声图像中的斑点噪声并保留组织结构,并且可使迭代次数大大减少,是一种有效的医学超声图像降噪方法。     

全方向增强局域统计自适应滤波器在平滑雷达图象斑点噪声中的应用

合成孔径雷达图象的斑点噪声是由于合成孔径雷达（SAR）发射的相干干涉波产生的，它严重地影响了合成孔径雷达图象的质量和应用。为了更好地平滑噪声，保护边界和纹理信息，本文在分析和实现适应于SAR图象的各种局域自适应滤波器的基础上，实现了一种新的改进的全方向增强的局域自适应滤波器，它是把（2N＋1）＊（2N＋1）的滤波子窗口分成4N个子窗口，根据不同的子窗口中的局域变化系数来进行滤波，结果表明，这种全方向增强的局域自适应滤波器在保护地物的辐射特性和图象的纹理信息以及增强图象的微细节等方面，均比以前的滤波器有较大的提高。     

基于惩罚系数自适应修正的SAR图像滤波新算法

合成孔径雷达(SAR)图像存在较强的相干斑点噪声,严重地影响了地物信息的提取与SAR图像的应用效果。提出了一种新的SAR图像斑点噪声滤波算法,该算法以一种基于膜模型的M arkov随机场的近似最优迭代滤波算法(TSPR)为基础,考虑了邻域空间关系对势能函数的影响,并通过在迭代过程中自适应修正惩罚系数,来达到更好的斑点噪声滤波效果。通过对含不同强度斑点噪声的退化图像的对比试验结果来看,该算法在提高处理后图像的信噪比方面,能够取得较TSPR算法更佳的效果。     

噪声图像滤波的树型滤波器

本文提出了一种在空间域根据图像的邻域特性和边缘方向信息进行滤波与增强的方法。该方法利用图像的结构信息,对噪声进行分区处理,克服了传统线性滤波器引起的边缘模糊和细节损失。在算法实现上,充分发挥中值滤波器滤除脉冲干扰能力强,边缘保持好的优点。从而使恢复图像边缘和细节清晰。理论分析和计算机仿真结果表明,本文提出的滤波器结构在噪声滤波和边缘保持方面优于中值滤波,α-裁剪均值滤波、Winsorized均值滤波,建立了一种崭新的硬件方案。(本算法已在PCVISION图像系统上仿真。)     

PhotoshopCS3／CS4滤镜剖析

滤镜是Photoshop中功能最丰富、效果最奇特的工具之一。该文通过对PS滤镜及其案例分析,探讨如何深入地学习PS滤镜,充分发挥PS的滤镜功能,从而制作出绚丽多姿、风格迥异的图像。     

一种基于图像信息熵的自适应滤波算法

提出一种基于图像最小信息熵的自适应滤波算法,利用局部信息熵最小的办法估计图像中的噪声感染程度,从而自适应地确定修正后的Alpha均值滤波器中滤波窗口的大小和去掉灰度最大和最小的像素个数,然后进行滤波。实验结果表明此算法较现有的中值滤波和均值滤波器的滤波能力有显著提高,而且在图像的局部特征和细节保持方面优于现有的滤波算法,并克服了修正后的Alpha均值滤波器非自适应性的弱点。     

衰减因子自适应估计卡尔曼滤波比较研究

针对卡尔曼滤波算法发散的问题,从卡尔曼滤波技术的稳定性出发,分析了卡尔曼滤波发散的原因,提出了新的衰减记忆卡尔曼滤波中衰减因子的自适应估计方法。该方法利用滤波残差序列在最优估计时为零均值白噪声的性质,分别检验滤波残差每一个分量得出衰减因子值,并与强跟踪滤波器进行了对比研究。仿真结果表明,新算法在系统噪声特性不准确的情况下,能自适应地估计出衰减因子的大小,抑制卡尔曼滤波估计的发散,滤波精度要高于强跟踪滤波器;且其推导形式简单、计算量小、适合于在线运算。     

Photoshop CS3/CS4滤镜剖析

滤镜是Photoshop中功能最丰富、效果最奇特的工具之一。该文通过对PS滤镜及其案例分析,探讨如何深入地学习PS滤镜,充分发挥PS的滤镜功能,从而制作出绚丽多姿、风格迥异的图像。     

卡尔曼滤波计算方法研究进展

本文简要回顾了卡尔曼滤波研究的发展历程，重点对卡尔曼滤波及其在改善数值稳定性，提高计算效率等数值计算方面的研究与发展进行了综述，对ＱＲ分解，Ｕ－Ｄ分解，奇异值分解等在卡尔曼滤波，状态与偏差分离波及并行滤波与分散滤波等方面应用的新进展作了介绍。     

一种用于中值滤波的改进均值划分算法

图像滤波是很多图像处理算法在图像预处理阶段采用的处理措施,而中值滤波不仅能够有效地去除图像中的噪声,而且可以保持图像的边缘细节,从而成为首选的图像滤波方法.由于中值滤波需要使用排序操作,其计算时间复杂度较高,而且在滤波窗口较大时,导致图像滤波耗费较长的时间,不能满足海量、高分辨率图像实时滤波处理的需求.在研究中值滤波基础上,提出一种改进的基于均值划分的快速中值滤波算法,实验表明,该算法可以有效地降低图像中值滤波的时间消耗,特别是在大尺度图像中,当滤波窗口较大时,能够显著降低图像滤波时间,同时,能够与传统中值滤波保持一致的效果,进一步增强了大尺度图像实时处理能力.     

K分组合型Bloom Filter方法的设计

Bloom Filter是一种采用位向量表示数据集合并利用Hash函数支持有效数据查找的方法.它能够很好地判定某个元素是否属于给定的集合.拆分型Bloom Filter是Bloom Filter的一种改进,它能较好地缓解分布式环境下集合元素动态增长导致的查找误称率增大问题.作为一种新的K分组合型Bloom Filter,通过与Bloom Filter和拆分型Bloom Filter比较分析的结果表明,该方法能够在误称率、向量空间和平均判定时间3个指标中得到较好的平衡.     

Linux系统下使用Iptables构建防火墙

介绍了Linux系统下防火墙的发展过程及其工作原理,研究了Netfilter提供的功能和Iptables命令的用法,在此基础上建立了一系列实用的防火墙策略和规则。通过具体实例分析了如何运用这些规则来构建满足用户需求的防火墙。     

TMS320F2812芯片ADC模数转换精度的分析

TMS320F2812是高集成、高性能指令控制应用芯片,但其ADC模数转换单元易受干扰,精度差。本文从实际应用的角度出发,通过比较硬件滤波、电源滤波、软件滤波、工作时钟频率、ADC转换窗口、外部RAM等外围设计因素,提出了电源、软硬件滤波综合方案,以提高ADC模数转换精度。     

Some improvements for image filtering using peer group techniques

An image pixel peer group is defined as the set of its neighbor pixels which are similar to it according to an appropriate distance or similarity measure. This concept has been successfully used to devise algorithms for detection and suppression of impulsive noise in gray-scale and color images. In this paper, we present a novel peer group-based approach intended to improve the trade-off between computational efficiency and filtering quality of previous peer group-based methods. We improve the computational efficiency by using a modification of a recent approach that can only be applied when the distance or similarity measure used fulfills the so-called triangular inequality property. The improvement of the filtering quality is achieved by the inclusion of a refinement stage in the noise detection. The proposed method performs according to the following steps: First, we partition the image into disjoint blocks and we perform a fast classification of the pixels into three types: non-corrupted, non-diagnosed and corrupted; second, we refine the initial findings by analyzing the non-diagnosed pixels and finally every pixel is classified either as corrupted or non-corrupted. Then, only corrupted pixels are replaced so that uncorrupted image data is preserved. Experimental results suggest that the proposed method is able to outperform state-of-the-art methods both in filtering quality and computational efficiency.