用小波变换抑制SAR图像中的斑点噪声

抑制合成孔径雷达图像中的斑点噪声一直是处理图像并得到准确图像信息的难点，提出了一种基于小波变换抑制合成孔径雷达（SAR）图像中的斑点噪声的方法，对原有的小波变换方法作了改进，能更好地保留图像的边缘信息，并能简化计算量。在仿真实验中使用了合成的模拟图像和真实的合成孔径雷图像，并与以往的小波去噪滤波方法以及一些经典的斑点噪声滤波方法（包括中值滤波，Lee滤波，Frost滤波）进行比较，在综合考虑了滤波算法在均匀区域对斑点噪声的抑制能力以及保留边缘信息能力的情况下，提出的算法有更好的效果。     

基于小波的医学图像去噪方法研究

为有效地表现医学图像原有信息中有用的信息,降低医学图像受噪声干扰的现象,减少诊断误差,本文将现有的小波图像去噪方法运用于医学图像,并对各种方法进行实验分析比较,以提供医学参考。实验发现,与较常用的均值滤波与中值滤波相比,小波去噪方法有效提高了医学图像的去噪PSNR值。     

圆形线材表面缺陷识别的图像处理研究

针对圆线材表面缺陷检测中出现的外界杂质干扰问题,对圆线材常见的6种表面缺陷进行建模,分析3种常见的图像噪声模型,并采用多种滤波算法进行处理比较,通过评估各算法对应的PSNR值确定了合适的图像预处理方案,同时对比分析3种特征描述因子对图像的特征提取效果。所得结果如下:均值滤波算法对高斯噪声处理效果好,中值滤波对椒盐噪声处理效果好,均值滤波和中值滤波对泊松噪声都有较好的处理结果;使用SURF算法进行图像特征提取效果好。研究结论可为解决线材表面缺陷的检测问题提供参考。     

基于小波阈值的sEMG信号消噪方法研究

在表面肌电（sEMG）信号采集过程中,不可避免的会出现噪声,特别是人体运动时,肌肉动态收缩,采集的结果含噪就会更多。针对含噪情况,提出基于小波阈值的sEMG信号消噪方法。通过选择肌电信号的采集位置,在采用高精度的肌电采集系统的基础上,采集正常行走过程中胫骨前肌的sEMG信号,利用matlab小波工具箱,用dbN小波函数进行分解后,用detcoef函数提取不同尺度的细节系数,将与噪声相关的细节系数进行强制阈值消噪,对信号相关的细节系数用minimaxi阈值规则进行软阈值消噪,并与分层阚值得到的降噪信号进行比较,分层阈值得到的降噪信号过于光滑,降噪后的信号能量保留成份仅为46．48％,失去了原信号本身的一些信息。而采用软闯值消噪,不仅较好的去除了噪声,而且与原信号保持了很好的相似性,能量保留成份达到86．38％,说明比分层阈值具有更好的消噪效果。     

Blind Deconvolution Models Regularized by Fractional Powers of the Laplacian

We present a method for deconvolution of images by means of an inversion of fractional powers of the Gaussian. The main feature of our model is the introduction of a regularizing term which is also a fractional power of the Laplacian. This term allows us to recover higher frequencies. The model is particularly useful to devise an algorithm for blind deconvolution. We will show, analyze and illustrate through examples the performance of this algorithm.

基于图像纹理和小波变换的聚类分割方法

针对纹理图像,本文提出了一种基于图像纹理特征的非学习分割方法。采用小波变换和快速k-means聚类分割算法,减少了整个处理过程的运算量。为了保证分类算法的精确性,运用了总体流量变化最小（Total Variation Flow）[1]非线性去噪方法对图像进行预处理,从而将减小图像噪声污染带来的分割误差。在图像特征的提取上,运用Gabor滤波器原理生成滤波空间,并让图像通过滤波空间而生成特征向量空间。通过制定一个快速寻优策略,从而达到分割图像的目的。     

基于RGB颜色特征的印鉴图像预处理

针对票据印鉴在RGB颜色空间分布的特点,通过算法将红色印鉴从杂乱的背景和噪声中分离出来,得到二值化的印鉴图像,再通过去噪得到较好的预处理印鉴图像。实验证明,该方法的计算速度较快,并能在一定程度上恢复出被背景覆盖的印鉴部分,使得提取的印章有较理想的视觉效果。     

堆栈式混合自编码器的人脸表情识别方法

针对进一步提高人脸表情识别率的问题,采用了一种基于深度学习的堆栈式混合自编码器（Stacked Hybrid Auto-Encoder,SHAE）的人脸表情识别方法。该方法的结构是由去噪自编码器（Denoising Auto-Encoder,DAE）、稀疏自编码器（Sparse Auto-Encoder,SAE）以及自编码器（Auto-Encoder,AE）组合而成的5层网络结构。为了增加网络的鲁棒性以及泛化能力,采用去噪自编码器对样本进行提取特征,为了对提取的特征进行降维以及进一步提取更抽象的稀疏特征,采用稀疏自编码器进行级联,来对特征进一步处理。训练过程首先由无标签的数据进行预训练和整体微调,对整个结构的权重进行初始化和更新调整,然后使用有标签的数据进行测试训练。在JAFFE和CK+两个数据集上实验显示,相较于单纯的堆栈式去噪自编码或者单纯的堆栈式稀疏自编码,该方法具有更好的识别效果。     

可编程逻辑器件驱动电流噪声影响分析

在应用越来越广泛的图像处理系统中,噪声是影响图像质量的重要因素。各种滤波电路以及图像滤波算法,有时也不是最直接、最有效的解决方法。论文经过大量实验研究发现,大型图像处理采集系统中互联信号的驱动电流,对系统噪声影响很大。找到驱动电流对噪声的影响规律,探索出一种设置驱动电流大小的方法是论文的研究目的。通过Lattice的ispLEVER7．1实时改变驱动电流的设置,借助MATLAB 2008B分析工具,计算小同图像的峰值信噪比PSNR以评估噪声影响。结果表明：兼顾图像质量,系统体积,尺寸,功耗,以及芯片驱动能力设置最佳驱动电流,对系统硬件设计具有很好的指导作用。     

Digital canvas removal in paintings

The periodic structure of the underlying support of paintings on canvas can become quite prominent and disturbing in high resolution digital recordings. In this paper, we construct a new model and method for the digital removal of canvas which is considered as a noise component superimposed on the painting artwork. The high resolution of the images prohibits the efficient application of existing adaptive denoising filters. Hence, a two-step approach is proposed. First a (smoothing) Wiener filter is applied to the complete image. The second step consists of a spatially adaptive extension with low-complexity to obtain a generic digital canvas removal filter.