基于小波变换与形态学的车牌定位方法

针对信号噪声环境下的车牌定位问题,提出了一种基于小波变换和数学形态学的图像定位方法.该方法先用自适应滤波多尺度边缘检测方法检测出车牌的边缘;然后用数学形态学方法对阈值二值化后的边缘图像进行系列形态运算,进一步消除无用信息;最后用基于车牌底色识别的方法进行车牌定位.实验结果表明,该方法定位效果好,适于有噪声的车牌图像进行定位.     

基于小波变换模极大值的自适应阈值图像去噪算法

依据白噪声小波变换性态与信号奇异性相比具有显著不同的特点，在大尺度下设置阈值，去掉噪声信号而保留图像细节信号引起的模极大值点。在阈值设置问题上，采用自适应阈值的方法，克服单一阈值不能在每级尺度上将信号与噪声作最大分离的缺点。实验表明，与单一阈值去噪方法相比，该方法不仅可以保留图像边缘信息，而且能提高去噪后图像的峰值信噪比2～5dB。     

基于类高斯模型的显微图像固点噪声定位算法

针对显微图像固点噪声的特点和技术要求,本文提出类高斯模型和相应的固点噪声检测方法.首先,利用显微图像序列的时间相关性,计算类高斯模型中图像序列相同位置像素彩色分量的均值和方差;然后,根据彩色分量均值图像用最大类间方差法计算彩色分量的自适应阈值,用均分法计算彩色分量方差的自适应阈值;再者,根据阈值对图像序列中的每个像素进...     

基于小波包和LMS自适应降噪的柴油机振动诊断

由于柴油机振动信号的特征频带和噪声频带存在重叠现象,利用小波阈值消噪时难以选取合适的小波阈值,针对该问题提出一种基于小波包的LMS自适应滤波降噪方法。该方法将小波包与LMS自适应滤波相结合,首先利用小波包变换对信号进行多层分解,然后以噪声干扰对应尺度上的第一层“细节”分量及最大分解尺度上的逼近分量重构信号,将重构后的信号作为LMS自适应滤波器原始输入信号,再以小波包最大分解尺度上的高频细节信号作为自适应抵消器的参考输入信号,进行LMS自适应滤波降噪处理。仿真计算和工程应用表明,该方法参数设置较少,易于控制,不涉及小波阈值降噪中阈值的选取问题,对比试验信号的分析验证了方法的有效性,将该法应用在柴油机振动诊断中提高了故障识别率。     

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。     

基于图像去噪的混合噪声滤波算法

传统的中值滤波和均值滤波通常被分别用来滤除椒盐噪声和高斯噪声.但是当图像同时存在高斯噪声和椒盐噪声时,单独使用哪种滤波方法都不会达到最好的去噪效果.为了能同时滤除两种不同性质的噪声,提出了一种新的自适应混合噪声滤波算法.该算法采用了一种基于自适应阈值的方法对滤波系数加以优化,使其既可以有效地减少噪声,又可以较好的保持图像的边缘细节信息,仿真结果表明该算法能较好的滤除混合噪声,且滤波效果优于传统的滤波算法.     

基于阈值判断的自适应中值滤波算法

针对标准的中值滤波算法在去除噪声与保留图像细节方面难以取舍的缺陷,在自适应中值滤波算法的基础上提出了一种改进的基于噪声点检测的自适应中值滤波算法.该算法在进行噪声点检测时采用了一种阈值判断法,充分利用了当前像素点与邻域像素点的灰度值之间的关系.结果表明,在噪声浓度较高时仍然可以区分噪声点与边缘点,滤波的同时有效地保护了图像的细节.     

一种尺度自适应Canny边缘检测方法

作为最优边缘检测算子,Canny算子在线性滤波及选取阈值方面具有一定的局限性.在其基础上,采用尺度可变的自适应高斯滤波器进行滤波,通过计算滤波器各滤波窗口内像素点灰度值的均值,以及该均值与当前像素点灰度值的差值,确定滤波窗口的平滑度,并将其作为高斯函数尺度的大小,在滤除噪声的同时确保了边缘信号不被平滑掉;同时采用基于简单统计法及梯度阚值法的双阈值分割方法检测经过非极大值抑制的梯度幅值图像的边缘.实验结果表明,该方法能够有效滤除噪声,且假边缘及丢失边缘的数量都比Canny边缘检测的少.     

一种改进的局部三值模式的人脸识别方法

为了更好的描述人脸特征,提出了一种基于不同尺度像素块及自适应阈值的局部三值(LTP)模式方法.该方法首先将图像分为若干个子区域,采用自适应阈值并基于不同尺度的像素块提取每个子区域的LTP纹理直方图,然后将得到的每个子区域的直方图连在一起并经过主成分分析(PCA)降维处理得到特征向量.在人脸数据库上进行的实验证明,应用该方法进行人脸特征提取并结合最近邻分类法得到了较高的识别率.     

紫外序列图像中目标的提取

分析了"日盲"紫外ICCD(增强型电荷耦合装置)探测系统所采集紫外图像中噪声和目标的特点,基于紫外图像的特点,提出了一种紫外序列图像中目标提取的方法.该方法首先采用时域递归低通滤波算法对紫外图像进行降噪处理,有效抑制了图像中的随机噪声,提高了图像的对比度.然后运用自适应阈值分割算法对目标进行了提取.实验结果表明,该方法能较好地检测出紫外序列图像中的目标,具有较强的噪声抑制能力.     

基于深度残差学习的彩色图像去噪研究

目的 当噪声存在时,尤其是等级相对较大的噪声,会导致彩色图像的视觉质量下降,为了有效去除噪声的同时使去噪后的图像有更好的视觉效果,提出一种基于深度残差学习的彩色图像去噪方法。方法 首先设计由多个残差单元模块组成的残差层,然后在每个残差单元模块之间添加跳跃连接,构成由噪声图像到去噪图像的非线性映射,并优化残差单元个数,使网络能学习到更多的图像细节特征,以提升网络的去噪性能,同时将每个残差单元模块中的激活函数提到卷积层前面,以加速网络收敛。结果 与常用去噪算法相比,文中方法在Kodak24和CBSD100数据集上的主观视觉打分MOS值以及客观指标(PSNR和SSIM)上,较其他方法有更好的效果。结论 提出的基于深度残差学习的彩色图像去噪方法能有效去除图像中的噪声,尤其是较严重的噪声,并取得了良好的视觉效果,表明该方法具有良好的去噪性能。     

基于子带收敛因子阈值法的轮廓波消噪方法

提出了适用于轮廓波变换消噪中确定子带阈值收敛因子的样本噪声响应法.该方法根据标准高斯白噪声作用在每个子带上的统计特性,得到每个子带的收敛因子;使用该收敛因子对标准的3σ(或4σ)准则进行修正来确定不同尺度不同方向子带的硬阈值;并在轮廓波域进行子带硬阈值处理之后,使用自适应维纳滤波进行后处理.实验结果表明,本文提出的消噪方法,对含有高斯白噪声的图像进行消噪,无论在峰值信噪比方面还是在视觉效果方面均可以取得比较满意的消噪效果;在一定的范围内,采用较小的样本图像计算子带收敛因子,在加快消噪速度和减小内存需求量的同时,仍然可以保持满意的消噪结果.     

基于双边滤波的自适应彩色图像去噪研究

目的为了克服彩色图像去噪后存在的特征模糊,研究基于双边滤波的自适应彩色噪声图像去噪方法。方法使用二维离散小波变换(DWT)对含噪声的彩图图像进行近似分量、水平细节分量、垂直细节分量和对角细节分量等4个方向的分解。根据DWT各方向分量归一化后的方差比例,利用RBF神经网络构造双边滤波系数模型确定不同方向的最佳去噪系数,提出彩色噪声图像自适应去噪方法(DWT-ABF),并将该方法与常规方法作对比。结果在不同噪声类型以及混合噪声失真情况下文中方法都能有效地去除噪声,并同时保留图像细节信息,且与其他方法相比,文中方法去噪后的图像都具有更高的PSNR值。结论文中方法克服了传统双边滤波无法自行确定最佳参数的缺陷,同时也良好地解决了去噪图像特征模糊的问题。     

全变分自适应图像去噪模型

通过分析三种主要变分去噪模型(调和、全变分以及广义全变分模型)的优缺点,提出了一种基于全变分的自适应图像去噪模型。该模型根据噪声图像的信噪比,采用高斯滤波器对图像进行预处理,克服了全变分模型引入的阶梯效应;利用图像中每一像素点的梯度信息,自适应选取去噪模型中决定扩散强弱的参数p(x,y),使接近边缘处平滑较弱,远离边缘处平滑较强。数值实验表明,本方法在去除噪声的同时保留了图像的细节信息,取得了很好的降噪性能,其峰值信噪比(PSNR)在高噪声水平下,较其他变分方法至少提高1.0dB左右。     

Image speckle noise denoising by a multi-layer fusion enhancement method based on block matching and 3D filtering

In order to improve speckle noise denoising of block matching and 3D filtering (BM3D) method, an image frequency-domain multi-layer fusion enhancement method (MLFE-BM3D) based on nonsubsampled contourlet transform (NSCT) has been proposed. The method designs an NSCT hard threshold denoising enhancement to preprocess the image, then uses fusion enhancement in NSCT domain to fuse the preliminary estimation results of images before and after the NSCT hard threshold denoising, finally, BM3D denoising is carried out with the fused image to obtain the final denoising result. Experiments on natural images and medical ultrasound images show that MLFE-BM3D method can achieve better visual effects than BM3D method, the peak signal to noise ratio (PSNR) of the denoised image is increased by 0.5?dB. The MLFE-BM3D method can improve the denoising effect of speckle noise in the texture region, and still maintain a good denoising effect in the smooth region of the image.     

基于凸包优化的盲源分离在图像去噪中的研究

目的针对高斯-脉冲混合噪声图像中难以有效去除大量奇异点或离群数据的问题,提出一种基于凸包优化的盲源分离方法来去除图像中的混合噪声。方法该方法把混合噪声和原图均看作未知的源信号,依据噪声图像中混合噪声与原图内容的加性关系建立盲源分离的模型,并利用凸包优化的方法构建源信号(凸包极点)的仿射包,然后通过最小化仿射包到凸包(噪声图像)上的投影误差,求解混合噪声和原图2个源信号,实现去噪混合噪声、复原原图的目的。结果实验结果发现,无论高斯-脉冲混合噪声强弱,该方法去噪复原后的峰值信噪比和平均结构相似性分别在39.9129 d B和0.9以上。结论由实验数据证实该方法可有效地从盲源分离的角度去除图像中高斯-脉冲混合噪声、复原原始图像。     

Shift and scale‐invariant correlation for pattern recognition based on the bidimensional empirical mode decomposition with noise robustness

Abstract

A novel filter is proposed to improve the noise robustness and discrimination capability for shift and scale invariant pattern recognition. This filter is a combination of mellin radial harmonic filter (RHF) and the bidimensional empirical mode decomposition. The basic principle of this method is to make use of partial reconstructions of the image by the relevant intrinsic mode functions corresponding to the most important structures of the image. A criterion is proposed to determine the proper number of intrinsic mode functions to be discarded for denoising by discussing the characteristic of the noise. The proposed filter provides a wider allowable scale change of the object. Within this range, the correlation peak intensity is relatively uniform even in the case of noise. This proposed filter has been tested experimentally to confirm the result from numerical simulations for cases with and without additive white Gaussian noise.     

基于像素同龄组的航拍图像去噪方法

由于受到光照、机身震动等拍摄环境的影响,航拍图像中常常混有高斯噪声和脉冲噪声。针对这一现象,提出一种结合改进的中值滤波和维纳滤波的像素同龄组去噪算法。首先将图像根据像素值的不同,分为若干像素同龄组;然后根据每个同龄组的特点,有针对性地进行中值滤波或维纳滤波;最后,借助航拍绝缘子图像,完成仿真实验,并与单独中值滤波、维纳滤波的去噪效果进行对比。实验结果表明,该方法在处理混有高斯噪声和脉冲噪声的航拍图像方面,具有良好的去噪效果。     

基于最优收缩的传声器阵列部分相干噪声去噪方法

传声器阵列信号的去噪问题对波束形成方法具有重大意义。在复杂干扰环境下,背景噪声的分布不再满足传统的互不相干假设,而更趋近于部分相干。文章研究了空间噪声的分布机理和部分相干噪声理论,并提出了一种在已知声源个数下的传声器阵列部分相干噪声的去噪方法：通过声源噪声的低秩假设以及部分相干噪声的稀疏假设,基于最优收缩方法（Opt-Shrink）迭代提取传声器阵列互谱矩阵的低秩部分,实现去噪的目的。通过仿真,验证了该方法在相干通道数为10和25时,可以获得明显的成像结果;而传统针对不相干噪声去噪的对角线移除方法（DiagonalRemoval,DR）在相干通道数较多时,声源定位结果较差。在强干扰低信噪比的声源定位实验中,该方法相对于对角线移除方法可以得到更好的去噪效果。     

应用轮廓波和稀疏编码收缩法消噪毫米波图像

结合以峭度为稀疏标准的稀疏编码算法的高阶统计特性以及轮廓波分解的方向性和能量变化特性,提出了一种新的基于轮廓波和稀疏编码收缩技术的毫米波图像消噪方法。稀疏编码是一种有效的模拟视觉系统的图像特征提取方法,根据提出的特征系数的稀疏先验分布知识,能够自适应地确定收缩阈值。把该收缩技术应用到轮廓波变换域,能够很好地减弱毫米波图像中的未知噪声。采用相对信噪比评判消噪图像的质量,仿真实验表明,与标准稀疏编码收缩方法、轮廓波变换域降噪方法以及小波软阈值收缩方法相比,该降噪方法能够获得较好的图像恢复质量。