基于各向异性Markov随机场的三维显微图像复原

提出了基于小波域各向异性马尔可夫随机场模型的三维显微图像复原算法。小波是当前研究的热点,它能够很好地刻画图像的边缘信息。为了有效地保留图像的边缘,根据小波变换后各个子带小波系数的方向性特点,以各向异性马尔可夫随机场模型作为小波系数的先验概率模型进行正则化处理;本文采用正则化比例系数自适应调整方法,当算法收敛到全局最优时,正则化比例系数也达到最优选择;考虑到噪声的影响,算法在每一步迭代求解过程中,对估计出的图像进行去噪处理。实验结果表明,本文算法能够有效地保留图像边缘等细节信息,去除层间干扰并抑制噪声。     

应用特征估计的距离图像多尺度滤波

为了提取含有噪声的激光扫描距离图像中的特征,提出了一种多尺度自适应滤波方法.该方法由特征估计和多尺度滤波两部分组成.利用无嗅卡尔曼滤波器构建白适应特征估计器,估计扫描点间的几何拓扑关系,并用估计过程中所获得的Mahalanobis距离构建扩散滤波核,对原始距离像进行多尺度滤波处理.为了能够仅依靠单一模型实现对环境中不同...     

应用小波域三维Context模型的视频图像去噪

提出了一种基于三维小波变换和分块Context模型的视频去噪新方法（3DWTBCM）。视频图像序列的各帧之间具有较强的相关性,在三维小波变换域内去噪可以很好地将这种相关性加以利用。根据视频图像三维小波分解域内系数和噪声分布的特征,利用小波系数具有局部相关性对小波系数进行分块,将系数分解成各个局部区域。再将Context模型用于局部块中,按照能量分布将块内的小波系数分成多个子块。对各部分进行能量估计和多阈值估计,获得去噪声最佳阈值,有效地消除噪声。实验结果表明,3DWTBCM的噪声抑制效果明显优于各种2D去噪声方法,和常用的3D去噪声方法,PSNR平均提高1.5dB以上。从视觉效果来看,本文算法在去除噪声的同时,能较好的保留运动图像细节,运动物体显得比较平滑,不存在传统算法中的拖影、闪烁等现象。     

基于自适应梯度阈值各向异性滤波抑制红外复杂背景

在传统各向异性扩散滤波算法的基础上,提出了一种自适应梯度阈值各向异性滤波算法,用于有效地抑制红外复杂背景、滤除噪声,同时增强红外弱小目标。该算法根据图像的局部特性,利用其在不同方向上的梯度特点,判断某点像素是噪声还是图像以及其存在于图像的平滑区域还是边缘区域。文中据此提出了自适应求取边缘函数中的梯度阈值(K值)的方法,解决了原各向异性滤波算法的边缘函数中K值固定单一的问题。实验证明:与原各向异性滤波算法和其他背景抑制算法相比,提出的算法增加了去噪功能,对各种复杂背景抑制效果更好,增强后的图像信噪比提高了近2倍。     

基于特征信息分类的三维点数据去噪

为了有效去除获取三维点云数据时的噪声,同时又不损失模型的特征信息,提出了一种基于三维点云特征信息分类的去噪算法。首先采用主成分分析法和二次曲面拟合法估算三维点云的微分几何信息;然后根据点云平均曲率的局部特征权值,将点云数据划分为特征信息较少的平坦区域和特征信息丰富的区域,针对不同特征区域分别采用邻域距离平均滤波算法和自适应双边滤波算法进行去噪滤波。实验结果表明:滤波后点云数据的最大误差为0.144 7mm,标准偏差为0.021 0mm。在不同噪声强度下,该去噪算法均能够达到较好的去噪效果,并保留点云的高频特征信息。     

基于样本熵的改进小波包阈值去噪算法

为了更好地消除噪声对被测振动信号的干扰,分析了样本熵算法与噪声的关系,提出了一种基于样本熵的改进小波包阈值去噪算法。在阈值函数方面,该方法利用样本熵作为特征参数,对含噪信号小波包系数的噪声分布进行表征,且依据此特征参数值对阈值函数进行改进,使其能够根据信号的小波包系数受噪声影响的情况进行自适应的调整;在阈值选取方面,定义去噪后信号与原始信号之差作为噪声信号的估计,利用样本熵作为判别依据,选取使得噪声估计的样本熵值最大的阈值作为最优阈值。该方法与其他方法进行对比,结果表明,该方法能够有效地去除噪声且更好地还原信号的频率特征,是一种更为优越的去噪算法。     

特征保持的点云光顺算法

提出了一种特征保持的三维点云光顺去噪算法。首先对点云模型构造kd树结构,计算采样点的k邻域,然后把点云模型的局部几何信息,包括邻域点间距离、法向夹角、曲率等作为特征参数,根据其特征性强弱将采样点沿法向方向移动不同距离来实现点云去噪。实验结果表明,算法既能有效去除噪声,又能很好地保留原始模型的特征信息。     

结合复方向滤波器组高斯尺度混合模型及非局部均值滤波的图像去噪

提出了一种结合金字塔对偶树方向滤波器组(PDTDFB)变换域高斯尺度混合模型及非局部均值滤波的图像去噪方法。首先,建立了含噪图像的PDTDFB系数的局部高斯尺度混合模型,应用贝叶斯最小二乘法估计出去噪图像的PDTDFB系数;然后,通过PDTDFB逆变换重构得到初步去噪的图像;最后,采用非局部均值滤波平滑人工效应,从而获取最终的去噪图像。该方法充分利用了PDTDFB变换具有近似平移不变性、多尺度多方向选择性和对图像纹理边缘等细节信息的高效表示能力,以及高斯尺度混合模型对PDTDFB系数的邻域相关性的概括能力。实验结果表明:与目前几个典型的去噪方法相比较,该方法使信噪比提高了0.3~3dB,视觉效果也有明显的改善。另外,该方法不仅能有效地去除含噪图像中的噪声,同时也有效地保留了原始图像中的边缘和纹理等细节信息。     

基于平移不变小波的声发射信号去噪研究

小波阈值去噪算法在信号的奇异点处会产生Pesudo-Gibbs现象。平移不变小波去噪方法是对闽值法的改进，该方法可以有效地抑制Pesudo-Gibbs现象，而且能够减少原始信号和估计信号的均方根误差，提高信噪比。将该方法用于声发射信号的去噪处理，并与闽值法进行了比较。仿真结果表明该研究方法可以有效地去除噪声，提取声发射信号的特征信息，具有较强的工程实用性。     

基于参数自适应各向异性高斯核的散乱点云保特征去噪

为解决传统点云去噪算法造成的过光顺及局部失真问题,提出一种基于各向异性高斯核的散乱点云保特征去噪算法。根据邻域点在其切平面上的投影和采样点法向构建信息相似度函数,并通过信息相似度函数定义有效邻域;应用主元分析理论研究曲面采样点、棱线采样点和角点的特征值及特征向量的分布特性;在此基础上构建以协方差矩阵的伪逆矩阵为带宽矩阵的参数自适应的各向异性高斯核函数,并将其与双边滤波算法结合用于散乱点云去噪。实验结果表明,该算法能够根据点云的局部分布特性自适应地调整滤波主方向和各主方向的衰减速度,在实现散乱点云去噪的同时可有效保持点云模型的原始尖锐特征。     

鲁棒的图像恢复技术在溺水报警系统中的应用

对于一个溺水报警系统.为了将游泳者从背景中分离出来以便分析其运动特征.需要对受各种噪声污染的观测图像进行恢复处理。由于泳池水下图像受水波干扰较为严重.信噪比低.直接使用传统的图像恢复方法对其进行处理.效果较差。本文根据鲁棒估计方法抗噪性能强的特点.将其与图像恢复技术结合起来.提出了一种自适应鲁棒平滑滤波算法。通过泳池水下图像处理实验证明,该算法可以在充分去除噪声的同时.很好地保持原始图像中大部分的边缘结构。因此.本方法具有一定的实用价值。     

改进的自适应噪声总体集合经验模态分解在光谱信号去噪中的应用

针对近红外无创血糖检测过程中噪声对血糖浓度模型精度和稳定性的影响,提出用自适应噪声总体集合经验模态分解方法实现近红外光谱信号的去噪;同时,根据原始信号曲率和分解后本征模态函数(IMFs)曲率间的离散弗雷歇距离选择相关模态。首先,将自适应噪声的总体集合经验模态分解方法引入近红外光谱去噪过程,介绍了经验模态分解、集合经验模态分解、互补集合经验模态分解及自适应噪声总体集合经验模态分解的基本原理及具体实现过程。然后,应用基于曲率和离散弗雷歇距离的自适应噪声总体集合经验模态分解改进算法对仿真信号和光谱信号进行去噪,并将其标准差和信噪比作为评价指标。实验结果表明:应用提出的方法得到的血糖浓度近红外光谱数据其标准差为0.179 4,信噪比为19.117 5dB,实现了信号与噪声的分离,改善了重构信号质量,具有良好的自适应性,可以有效识别并提取有用信息。     

基于MAP估计的复小波域局部自适应绝缘子红外热像去噪方法

为了从强白噪声干扰的红外热像中提取真实的绝缘子盘面温度场信息,提出一种基于MAP估计的复小波域局部自适应去噪方法.首次证实了绝缘子红外热像双树复小波变换(DT-CWT)系数服从拉普拉斯分布,并对不同滤波器组采用各自最精细分解层子带系数估计噪声方差,利用待估计点圆形邻域系数估计信号方差,且随分辨率变化调整圆形邻域半径,使得MAP估计的无噪声系数更为准确,提高了去噪图像质量.实验结果表明,该方法比传统的Wiener滤波法、基于离散小波变换和DT-CWT的贝叶斯阈值去噪方法具有更高的信噪比,在有效去除图像噪声的同时,图像细节信息保留更完好.     

基于深度残差网络的强辐照图像去噪方法研究

针对传统去噪方法难适用于强辐照环境下图像去噪问题,提出一种基于深度残差网络的强辐照图像去噪方法。首先利用深度残差网络自适应提取辐照图像的高维特征,构建图像去噪深度网络模型;然后利用数据增广技术扩增网络所需数据集;最后以交叉熵损失函数作为网络的评价指标,拟合出噪声图像和干净图像之间的映射关系。实验表明:该方法去噪后PSNR值能提高9 dB以上,且该方法具有强适应性;与现有主流去噪方法相比,所提方法去噪效果更优。     

基于导向滤波Retinex和自适应Canny的图像边缘检测

机器视觉识别常用金属制品边缘时,表面亮度不均易导致边缘误识别,且传统的边缘检测算法去噪的同时也抑制了大量边缘信息,降低了边缘检测质量。本文提出一种基于导向滤波Retinex和自适应Canny的图像边缘检测算法。该算法采用基于导向滤波的Retinex法得到金属制品图像的反射分量,通过加权分布的自适应伽马校正提升反射分量图像对比度;然后,采用自适应各向异性扩散滤波对增强后图像进行去噪处理,抑制增强后图像的噪声及低对比度纹理,再采用改进四方向Sobel梯度模板提取图像边缘;最后沿用传统Canny算法的非极大值抑制及双阈值分割进一步细化边缘。实验结果表明,新算法检测典型金属小零件时,图像锐度指标由原图的47.11提升至68.39,金属表面的亮度标准差从原图的44.76下降至20.16;噪声指标从原图的1.1下降到0.15左右,并且在去噪的同时较好地保留了图像边缘锐度。新方法有效改善了金属表面图像因亮度不均导致的边缘误识别问题,并且提取的边缘连接性较好。     

融合形态学-复小波变换的PD干扰信号抑制方法

针对局部放电检测过程中周期性窄带干扰和白噪声难以抑制的问题,提出了一种融合数学形态学与复小波变换的干扰信号抑制方法.该方法基于数学形态学原理构造广义形态学滤波器,并将其作为前置滤波单元,实现原始信号的预处理,再对处理后的信号进行复小波变换,最终得到去噪后的局部放电信号.应用该方法对模拟和现场采集的局部放电信号进行去噪处理,结果表明:该方法能够有效地抑制局部放电信号中的周期性窄带干扰和白噪声干扰;与相同小波基的小波去噪方法和复小波去噪方法相比,该方法去噪时的能量损失较小,能够很好地保留局部放电信号特征.     

基于梯度矢量卷积场的四阶各向异性扩散及图像去噪

进一步研究了基于偏微分方程的图像去噪方法.为了去除二阶偏微分方程(P-M模型)引起的阶梯效应以及提高四阶偏微分方程(Y-K模型)的边缘及纹理保护能力,本文将梯度矢量卷积场(GVC)引入到四阶偏微分方程Y-K模型中,提出了基于GVC的四阶各向异性扩散模型.首先,减去原始Y-K模型中的部分梯度方向扩散.然后,引入GVC场以代替图像在梯度方向的二阶导数直接计算.由于GVC场可以较准确地确定图像的边缘位置,并对噪声具有很强的鲁棒性,因此得到了有效的各向异性扩散模型.实验结果表明,运用本文去噪方法可以更好地保护图像边缘及纹理等细节特征,而且能够有效地提高峰值信噪比:文中所有在实验中得到的峰值信噪比均比原始模型高l dB以上.     

基于迭代控制核回归的带钢表面图像去噪研究

为了在消除图像处理中的噪声的同时尽可能保留图像细节信息,研究了带钢表面图像的迭代控制核回归图像去噪模型;在以欧氏距离决定权值的基础上,考虑像素灰度值,引入一个迭代过程,并对全局平滑参数进行有效的选取,通过主观评价和客观评价对该方法在带钢表面图像的去噪效果做出评价。实验结果表明,基于迭代控制核回归的图像去噪方法相较于传统的图像去噪方法提高了图像的信噪比,在有效去除噪声的同时更好的保存了图像的纹理和边缘等细节信息。     

一种基于稀疏表示的图像去噪算法

利用稀疏表示的自适应特征,将稀疏表示的多分辨理论应用于图像的去噪处理中,提出了一种基于稀疏表示的图像分块去噪方法。首先将噪声图像分割成一定尺寸的图像块,选出同质块与非同质块;然后利用小波去噪方法处理同质块,而采用脊波去噪方法处理非同质块,从而得到去噪后的图像;最后采用维纳滤波器对去噪后的图像进一步处理。实验结果表明,该方法与单纯的小波去噪方法和脊波去噪方法相比,信噪比有了较高的改善,较好地去除图像噪声,并且很好地保存图像的边缘纹理信息。     

一种基于像素选择的SAR图像非局部均值滤波方法

原始的合成孔径雷达(SAR)图像通常含有大量散斑噪声,使SAR图像的处理和解释变得十分困难。为了在不影响SAR图像细节特征的情况下实现有效的滤波去噪,文中提出了一种基于像素选择的SAR图像非局部均值滤波方法,首先将原始实测图像转换为对数图像,接着对其进行基于像素选择的非局部均值滤波去噪,最后将去噪后的对数图像转换为原始空间图像。实验表明,与其他滤波去噪方法相比,文中方法在减少SAR图像散斑噪声的同时可很好地保持原图像边缘及纹理细节信息,视觉效果和性能指标均有良好的表现。