改进最小均方误差估计的煤尘图像去噪

煤尘图像在采集和传输过程中受到了各种噪声的污染。最小均方误差估计（MMSE）去噪算法对高斯噪声有较好的去噪效果,提出了一种改进的最小均方误差估计（IMMSE）去噪算法,该算法改进了广义高斯分布模型的参数估计方法,相比目前的其他算法,在不降低精度的情况下减少了计算量。中值滤波对脉冲噪声有较好的去噪效果,用自适应中值滤波（AM）代替普通的中值滤波,更好的保留了图像的细节,提高了去噪效果。利用IMMSE和AM自在图像去噪方面的优势,将两者有机地结合起来,提出了一种称之为IMMSE—AM的去噪算法。用IMMSE—AM对真实煤尘图像进行去噪处理,实验结果表明,新算法提高了煤尘图像的去噪效果,并且计算量较小,能够满足对煤尘浓度实时测量的要求。     

基于抗混叠轮廓波变换系数分布模型的去噪算法研究

针对轮廓波变换存在频谱混叠致使其难以获得理想的去噪效果这一问题,本文提出一种基于抗混叠轮廓波变换系数分类的混合模型图像降噪算法.该算法通过计算变换系数的尺度间相关性,将系数分为重要系数和非重要系数两类,并对二者分别采用广义非高斯二元变量分布与零均值高斯分布建模,在Bayes框架下对原始图像进行估计.实验研究结果表明,以Barbara图像为例,当噪声方差σ=30时,本文算法不仅峰值信噪比(PSNR)超过Contourlet-HMT模型去噪2.72 dB,且主观视觉效果上亦均优后者,同时还具有较高的计算效率.     

基于图像去噪的自适应滤波器的设计

本文首先提出了图像去噪的重要性,并用实验证明了图像噪声的存在;随后介绍了图像噪声的分类及常用的数字滤波法去除噪声;最后根据冷轧带钢表面图像噪声特点,设计了自适应滤波器,实验证明该滤波器可以很好的滤除冷轧带钢表面图像的噪声.     

一种概率自适应图像去噪模型

从小波变换入手,提出了一种概率自适应去噪模型.该模型包括尺度层间模型和层内模型.去噪方法首先利用小波域层间模型,将小波系数分成两类:有意义系数和无意义系数;然后在层内概率模型下运用最大后验概率估计方法,从有意义系数中恢复出原始系数.我们还将这种模型引入复数小波变换域.实验结果及分析表明了该去噪模型的有效性.     

基于遗传算法的多小波自适应阈值去噪研究

针对噪声多小波分解后的尺度性与图像本身的特性,通过遗传算法自适应寻求图像的最小均方误差,提出了一种基于遗传算法的多小波自适应阈值去噪算法.实验结果证明,该算法明显优于传统算法,不仅能有效地滤除图像中的噪声,而且能较好地保留图像的边缘信息,具有更为理想的去噪效果.     

基于尺度相关的CCD图像小波去噪方法研究

根据信号与噪声在小波变换下表现出的不同的传播性质,提出了一种基于空域相关的CCD图像去噪方法.该方法通过计算相邻尺度小波系数乘积的累积直方图来确定阅值,再利用改进的阈值函数对小波系数进行阈值处理.实验结果表明,该算法在有效去除噪声的同时,能够较好地保留图像的细节信息.     

基于小波-边缘保持Kalman滤波抑制散斑噪声算法

提出了一种新的用于噪声抑制的基于边缘保持Kalman滤波和小波变换相结合的算法。此算法对原始图像进行小波变换,然后在各个尺度上将与边缘大小和位置有关的信息从噪声图像中提取出来并将这些信息作为Kalman滤波器的控制输入。仿真结果表明:该算法能够有效的去除噪声,又保留有用信号及边缘信息。通过比较证明其优于小波阈值算法和自适应Kalman滤波算法。     

奇异值分解带通滤波背景抑制和去噪

针对可见光图像弱小目标检测中的背景抑制和去噪问题,提出了奇异值分解(Singular Value Decomposition,SVD)带通滤波新方法.首先分析了图像奇异值与目标、噪声和图像背景的关系,结果表明奇异值的高序部分更多地反映图像噪声,中序部分更多地反映目标性质,而低序部分更多地反映图像背景.以此为依据提出了SVD-I型和SVD-II型两种带通滤波器,并给出了奇异值曲线转折点法和门限准则法两种滤波器参数确定方法.实验表明SVD带通滤波能有效抑制图像背景,去除噪声,进而提高弱小目标的信噪比.     

基于小波变换与中值滤波的炉膛火焰图像去噪方法研究

在炉膛火焰燃烧状态检测中引用机器视觉技术,关键问题就在于火焰图像噪声污染,这就需要采用科学有效的图像预处理策略对原始图像信息进行去噪处理,以此避免给图像后续处理与燃烧状态判断造成不必要的影响。在炉膛火焰图像中噪声十分繁杂,主要包含高斯噪声与椒盐噪声,就图像特性而言,实施了中值滤波与小波去噪有机结合的方法,兼备两者优势,其既能够滤除噪声,又可以保留边缘与细节,以此进行图像预处理,这就直接为图像深入分析提供了新方式。对中值滤波与小波变换进行了详细分析,对两者进行了自适应权重优化改进,并通过结合两者进行了实践验证,结果表明,中值滤波与小波变换相结合的炉膛火焰图像去噪方法更高效。     

应用绝缘子红外热像处理的现场污秽等级检测方法

针对绝缘子表面热场分布与湿污条件的紧密联系,提出一种基于绝缘子红外热像处理的现场污秽等级检测新方法。污秽检测的基本过程为:对红外图像进行平稳小波域局部自适应去噪抑制成像过程中的白噪声干扰;在对数变换的基础上利用最大类间方差法进行图像分割;利用以二值图像重心坐标为起点的不同角度散射直线来采样绝缘子盘面边缘点;应用最小二乘拟合盘面边缘椭圆方程;提取椭圆内长轴以上图像区域;规格化,统计灰度直方图。按上述过程建立不同湿度条件下各污秽等级绝缘子热像灰度直方图特征库,采用与最近邻湿度样本的灰色综合关联度最大相似准则评定现场污秽等级。实验结果表明了该方法用于绝缘子现场污秽等级检测的可行性和有效性。