共查询到20条相似文献,搜索用时 31 毫秒
1.
提出了一种自适应高斯引导的新型图像滤波算法。首先分析了引导滤波的数学模型,并在此基础上对其进行了改进,采用一个更加理性的参数优化算法。最后对改进的滤波算法进行了对比实验,实验结果表明自适应高斯引导滤波算法能够很好的滤除图像中的噪声,同时最大程度的保留了原始图像中的边缘和细节等信息。该算法对于激光三维条纹图像去躁具有良好的效果。 相似文献
2.
在分析现有的细节保护滤波算法的基础上,提出了一种基于相关度预测的图像椒盐噪声自适应滤除算法。对于信号像素,保持灰度值不变。对于噪声嫌疑像素,利用对邻域灰度相关量化分析和定义的灰度相关函数作为信号邻域相关性的度量,并将该系数作为预测滤波算法的阈值进行判别。根据像素被判定为噪声或有效信号的概率,自行调整滤波强度,减少图像滤波处理中的细节损失。实验表明,该算法的噪声滤除能力、细节保护能力以及运算效率都可以得到满意的结果。 相似文献
3.
本文使用一种基于选择性的、信号适应中值滤波算法去除脉冲噪声。该算法可以精确检测出噪声,得到较高的信噪比,且不损坏图像原有的边界和细节。结果表明,从噪声抑制和细节保存方面来看,该方法的效果远好于其他中值滤波方法。 相似文献
4.
5.
介绍局部统计滤波法的原理及算法,以慢性肝炎B超图像为例,与中值滤波和低通滤波相比较,指出局部统计滤波算法具有既能去噪声又能保持图像细节,是一种性能良好的滤波算法。 相似文献
6.
提出了一种融合自适应中值滤波与细节保存机制的图像深度脉冲噪声去除方法.该方法主要采用两个步骤,首先使用自适应中值滤波来最大可能地确定图像中的候选噪声点,然后根据特定的针对候选噪声点的正则化优化方法来复原被污染的图像.实验结果表明,与传统的自适应中值滤波相比,本文方法具有明显优越性,可以完成被脉冲噪声污染程度达90%的图像噪声去除工作,具有一定的实用意义. 相似文献
7.
8.
9.
通过图像边缘融合提高图像的成像质量和识别能力。传统的图像边缘融合方法采用小波包加权滤波方法,当图像出现丰富结构信息或者干扰较强时,融合效果不好。提出一种基于灰度窗口相关系数匹配的图像边缘融合算法。实现图像的边缘融合的基础是进行图像归一化分割,设计边缘特征提取方法,得到的图像边缘进行Hough变换直线检测,提取出直线段,通过超像素网格的形成的方法绘制图像的边缘融合边界寻优路径,得到超像素网格,实现了基于灰度窗口相关系数匹配的图像边缘融合处理。仿真结果表明,该算法的对图像的边缘融合效果较好,度量了区域间的差异和区域内的相似性,提高图像的分割和边缘融合质量。 相似文献
10.
11.
提出一种基于高频增强和区域标定的涡轮叶片缺陷定位检测算法,设计涡轮叶片缺陷定位检测工作原理,采用高频滤波的方法来锐化叶片图像,采用预处理的办法来初步控制过度分割现象,由灰度图像生成梯度图像,构建一个噪声抑制算子,解决过度分割问题,进行了涡轮叶片的缺陷特征模型构建和缺陷信息计算,采用高频增强算法和区域标记的方法,减少由于噪声和纹理细节产生的伪边界,提高缺陷定位性能。仿真实验表明,采用该算法能有效提高涡轮叶片的缺陷定位检测性能,突出损伤边界,较好地抑制噪声。具有较高的工程应用价值。 相似文献
12.
13.
14.
15.
本文提出了一种针对图像脉冲噪声进行检测,并根据检测结果进行选择性滤波的方法。该方法首先对含有脉冲噪声的整幅图像进行逐点检测,然后根据噪声检测结果来确定滤波窗口长度和参与滤波像素点的选用,对检测出的噪声点采用改进的中值滤波进行滤除。该方法可以有效滤除图像中的脉冲噪声,又能较好的保持图像的边缘细节。最后给出了滤波实验的仿真结果,说明了该方法的有效性。 相似文献
16.
本文提出了一种针对图像脉冲噪声进行检测,并根据检测结果进行选择性滤波的方法。该方法首先对含有脉冲噪声的整幅图像进行逐点检测,然后根据噪声检测结果来确定滤波窗口长度和参与滤波像素点的选用,对检测出的噪声点采用改进的中值滤波进行滤除。该方法可以有效滤除图像中的脉冲噪声,又能较好的保持图像的边缘细节。最后给出了滤波实验的仿真结果,说明了该方法的有效性。 相似文献
17.
针对传统的Canny算子不同阈值的选择存在被动性差、实时性差,无法进行在线检测等问题,本文提出了应用Canny算子的织物疵点检测改进算法。分析不同种类的织物疵点特征,利用不同的高斯滤波器对织物疵点进行滤波处理。通过自适应形式获取图像边缘信息的阈值,有效避免了由于阈值取值过高或者过低无法获取更好的织物疵点的边缘信息,同时能够根据织物疵点的类型选取对应的滤波参数,实现了织物疵点检测优化。仿真实验结果表明,经过改进后的Canny算法运行时间较短,漏检率低,能够更好的获取图像的边缘细节,并且整个算法的适应能力较强。 相似文献
18.
19.
《科技风》2017,(13)
本文基于对数字图像处理问题的研究,建立了图像预处理模型与图像相似度计算模型,同时从轮廓检测与提取和特征识别方面对模型进行了修正。第一,在图像预处理模型中,本文采用Niblack二值化算法对人脸斑点、肤色和皱纹等一些皮肤细节部分进行滤波处理,通过设置阈值来除去皮肤细节等问题,实现对图像特征区域的粗略提取。第二,在边缘检测模型中,本文采用的是高斯滤波和拉普拉斯边缘检测算法相结合的方法,使用高斯—拉普拉斯算子对图像实行边缘检测,通过检测得到进而获取人脸的轮廓。第三,在图像相似度计算中,本文建立了基于SVD奇异矩阵分解的PCA主成分分析模型,实现对图像特征向量的提取,然后采用巴氏距离算法计算人脸轮廓图像相似度。 相似文献