恶劣天气情况下的数字图像处理技术

在恶劣天气下,拍摄的数字图像会存在各种噪声,含噪的图像在实际应用的价值会大大降低,有的甚至无法使用。本文针对雾天、雨天的含噪图像,分别采用基于压缩感知的梯度投影(GP)算法和经典的全变分(TV)算法进行去噪,实验结果表明其去噪效果要优于中值滤波、均值滤波去噪方法的去噪效果。     

基于扩散方程的图像去噪

在图像处理和图像分析领域中,去除噪声是一个长期存在的问题.好的去噪方法为图像的后继处理如边缘检测、图像分割、图像匹配等会带来许多好处,为此,人们提出了许多图像去噪平滑的方法.     

基于contourlet变换的PDE遥感图像去噪算法

针对contourlet阀值去噪和catte去噪模型的不足,提出了一种基于contourlet变换的PDE遥感图像去噪算法,该算法在有效去除遥感图像噪声的同时能保持图像的边缘和纹理信息,实验结果证明了该模型的有效性。     

基于改进BP算法的遥感图像边缘检测

由于噪声的干扰,常规的图像边缘检测方法往往效果不佳,因此本文提出了一种基于改进BP算法的边缘检测方法.在充分考虑边缘和噪声本质区别的基础上,构造具有较强抗噪能力的特征向量,然后用样本图像对四层BP网络采用改进BP算法进行训练.最后,将训练后的网络用于遥感图像的边缘检测.     

基于偏微分方程的自适应图像去噪模型

为了在图像去噪过程中提高去噪效率,本文结合差分曲率和分数阶微分算子,提出一种新的自适应图像去噪模型.把差分曲率引进偏微分方程图像去噪模型中,利用图像梯度、差分曲率和分数阶微分算子的性质,较好的区分图像边缘、平坦区域及噪声,分数阶微分算子由图像中局部方差确定,构造的去噪模型能自适应的扩散去噪,并且在去噪的同时可以保留更多的边缘信息和纹理.实验表明,新算法在客观质量评价方面,提高了峰值信噪比和结构相似度;在主观视觉方面,保留了更多的边缘信息,得到了较好的图像去噪效果.     

基于全方位、多尺度的数学形态学自适应边缘检测

为了有效地抑制噪声对图像的影响,能够清晰准确的对图像进行边缘提取,提出一种全方位、多尺度的数学形态学自适应边缘检测方法。该方法利用基本形态运算对噪声的抑制能力,并结合基本的形态检测算子,得到抗噪型的边缘检测算子。采用形态运算的加权组合构造出全方位、多尺度的数学形态学自适应边缘检测方法。实验表明,与经典的边缘检测算子相比,该方法运算简单,几何意义明确,而且在边缘检测的抗噪声等方面有着显著的优点。尤其是全方位、多尺度的形态学算子对于图像边缘的检测效果更好,它可以克服普通算子边缘不连续以及普通意义上的数学形态学上的对于噪声敏感等缺点。     

改进阈值的小波图像去噪

为了有效的去除红外图像的噪声,本文基于对小波阈值理论的研究,考虑到阈值函数的选取对去噪效果的影响,以及传统阈值函数在阈值附近图像不平滑的特点,提出了一种新的改进阈值的去噪算法。此方法通过结合BayesShrink阈值和SureShrink阈值的特点,改进了半软阈值去噪过程中在阈值附近函数图像不平滑的缺点,使得函数图像更平滑,图像信息保留更完整。实验结果表明,与传统的小波阈值去噪算法相比较,该方法能够获取更高的信噪比(SNR)和峰值信噪比(PSNR),结果显示本文的方法不仅能够更有效的去除噪声,还能达到更好的视觉效果。     

一种基于脉冲耦合神经网络计算的SAR图像噪声抑制方法

为解决合成孔径雷达图像中存在的相干斑点噪声问题,本文提出了一种基于脉冲耦合神经网络(Pulse Coupled Neural Network,PCNN)消除噪声的方法。首先利用PCNN同步点火的特性,结合邻域均值滤波方法 ,对图像进行预处理,然后构造了一个混合滤波器,使用该滤波器进行SAR图像平滑滤波,在有效消除噪声的前提下,尽可能的保护原图像边缘及图像细节。利用计算机仿真实验结果表明,该方法在保持图像边缘及图像细节信息的前提下能有效去除合成孔径雷达图像中存在的相干斑点噪声,优于传统的方法,获得了更好的去噪效果。     

一种基于平稳小波域的图像去噪新方法

本文在小波域图像去噪的基础上,提出了一种基于平稳小波域的去噪方法,并将文中滤波方法与传统去噪方法进行了效果比较。结果表明:与传统滤波方法相比,该方法不仅可以有效的去除图像噪声,而且在很大程度上保持了图像的边缘及细节特征,其相应的性能指标和视觉效果都要优于传统方法。     

浅析数学形态学在图像处理中的应用

数学形态学是一种基于集合论的方法和理论,其基本思想是利用一个结构元素去探测一个图像,通过目标图像的形态变换实现结构分析和特征提取的目的。本文在系统推导了数学形态学的基本运算和理论依据的基础上,对数字图像处理中的基础应用和形态学中的图像边缘检测算法展开了深入的分析,并围绕形态学图像边缘处理的抗噪边缘检测进行了优化处理。     

基于小波变换的低剂量CT肺实质提取研究

肺实质提取是利用计算机辅助诊断系统研究肺部疾病的关键步骤。低剂量CT扫描在肺部疾病诊断研究中应用广泛,但传统的肺实质分割方法由于低剂量CT图像噪声影响难以获得精确的肺实质分割结果。基于小波变换提出一种针对低剂量CT图像的肺实质分割算法。该算法首先应用全局阈值去除体外干扰,利用小波变换良好的定位性能准确检测出图像边界;然后进行边界连接解决微弱边沿丢失问题;最后,根据肺部边缘闭合周长最长这一特征,从连接好的边缘中检测肺实质边缘,从而达到提取肺实质的目的。理论分析与计算机仿真实验结果表明,算法具有良好的抗噪能力,与传统肺实质提取方法Snake模型相比,其检测出的图像面积重合率平均提高约1%。     

一种改进的图像边缘提取方法

为提高图像边缘检测的清晰度、精度、连续性以及抗噪性能。结合小波变换和数学形态学设计了一种图像边缘提取算法。重点论述了一种改进形态学边缘检测算子。该算法以含噪图像为研究对象,通过小波分解将原始图像分为高频和低频分量。利用小波变换模极大值法实现高频分量边缘检测,同时基于改进形态学边缘检测算子实现低频分量边缘检测。然后,通过图像融合得到完整边缘。仿真结果表明:所述方法抗噪性能较好,图像边缘清晰度高而且定位精准。     

基于PDE图像插值放大算法的改进

在分析常见的基于全变分图像插值放大方法及研究P-M扩散模型的基础上,提出利用P-M扩散模型改进全变分图像插值的方法.实验表明,新方法在一定程度上解决全变分图像插值放大方法所带来的"块效应"问题.     

基于传送带背景的同色重叠目标的边缘检测

本文针对现有的生产线上产品质量检验对机器视觉识别技术的需要,为了能够从传送带上采集的图像中提取几何特征。笔者以传送带上葡萄等级检测项目为例,首先用轮廓波变换对含噪声的采集图像消噪,然后再进行图像边缘检测,边缘检测的效果直接影响了是否能从采集的葡萄个体图像中提取出几何特征参数。实验结果表明此方法能够在同色重叠物体图像中获得较准确完整的边缘检测效果,从而使几何特征提取成为可能。     

改进奇异值分解去噪的图像盲复原的研究

图像复原过程,对先验条件的了解通常很少,因此图像盲复原得到广泛应用。本文介绍了一些图像盲复原的算法,分析了奇异值分解去噪的不足,引进了一种改进的去噪方法。最后,利用EM算法从模糊图像估计点扩散函数,分别对比不同方差的噪声类型、不同大小图像在改进前后复原的结果,证明了改进奇异值分解算法去噪的有效性。     

基于自适应滤波和多结构元素形态学的图像边缘检测

本文对各种滤波方式以及数学形态学中腐蚀、膨胀等基本原理进行了研究,采用自适应滤波和多结构元素形态学相结合的方法进行了图像的边缘检测。通过仿真实现,证明此方法可以有效去噪,并得到连续性较好的边缘图像。     

基于提升小波的SAR图像斑点噪声抑制方法

斑点噪声去除是对合成孔径雷达(synthetic aperture radar,SAR)图像自动分割、分类、目标检测和其它定量专题信息提取处理前必要的步骤。首先简要回顾了各种传统的SAR图像斑点噪声去除方法。在充分考虑SAR图像斑点噪声乘性特征的基础上,对SAR图像进行对数变换,将乘性噪声转变为加性噪声,然后再对图像进行提升小波分解,采用Bayes Shrink阈值对小波系数进行处理。最后根据4个指标来对比不同方法的去噪效果。结果表明,与传统的滤波方法相比,基于提升小波的去噪方法在图像均匀区域的辐射特性保持和斑点噪声抑制能力方面具有较大的优势。与传统小波相比,提升小波不但在运算速度上有优势,而且省内存。     

高分辨率太阳图像中列固定模式噪声的消除

高空间分辨率太阳图像中的列固定模式噪声降低了图像质量并对太阳大气现象、太阳物理的研究产生了影响。针对传统小波变换处理列固定模式噪声不足的问题,提出一种新型的基于小波变换和双滤波的去噪算法。首先,根据噪声的产生机理以及存在形式,将原始图像对数化并进行小波变换。其次,对小波域中的垂直分量进行中值滤波,去除其中的噪声小波系数。再次,利用小波逆变换得到无噪图像,并与对数化图像做差提取初始噪声。然后,对初始噪声进行低通高斯滤波并指数化得到结果噪声。最后,用原始图像除以结果噪声便得到去噪后的图像。真实图像的实验结果表明本文算法的去噪效果优于其他算法。实验表明本文算法在去除列固定模式噪声的同时,能够很好的保留图像信号,提高图像质量。     

基于形态学算法的边缘提取

由于图像的边缘通常含有大量重要信息,因此,边缘检测成为图像处理的一个重要环节,其检测算法也获得了广泛的研究,巴经形成了Robert、Laplacian、Canny等多种算法.但这些传统算法在边缘检测精度和抗噪声性能方面还存在一定的问题.本文研究了基于形态学的边缘提取算法,并与传统算法在抗噪性等方面作简单比较.     

三种空间域图像去噪方法的比较与研究

去噪是图像处理中极其重要的步骤,包括空间域去噪和变换域去噪两种.均值滤波、中值滤波和维纳滤波是三种最重要的空间域去噪方法,它们在去除高斯噪声、椒盐噪声和泊松噪声中的性能表现不同,模板尺寸是影响其性能的一个重要因素.实验表明,三种去噪方法在去除不同噪声时都能找到一个最佳模板尺寸,维纳滤波适用于去除高斯噪声和泊松噪声,中值滤波适用于去除椒盐噪声.