基于Contourlet变换的图像非局部Bayes阈值去噪方法

轮廓波是一种有效的图像多尺度变换工具,由于其包含更多的有效信息,并能更好地刻画图像细节,因而被广泛应用于图像去噪领域。对非下采样轮廓波变换后的噪声系数进行统计,分析了不同强度噪声图像经轮廓波分解后,噪声系数在各方向子带间的分布特点,提出了非局部贝叶斯阈值去噪方法。首先,最外层各个子带进行以模板为单位的自适应Bayes阈值选取操作,并对相应噪声点进行预处理;其次,对预处理后的分块图像进行重构;最后,对重构图像进行非局部均值滤波处理。实验结果表明,该方法无论在视觉去噪效果还是客观评价指标上都明显优于传统的硬阈值去噪方法,并且较传统的非局部均值滤波也有所提高。     

基于遗传模拟退火的小波去噪算法在局部放电信号检测中的应用

提出一种基于遗传模拟退火的小波去噪算法,用于变压器局部放电脉冲信号去噪.对局部放电信号进行分解,采用基于SURE的最优阈值法则,结合遗传算法搜索最优阈值.仿真结果表明,该方法与传统阈值法相比,能更好地去除局部放电信号中的白噪声,去噪信号失真度较小,具有良好的应用价值.     

基于开关型非局部均值滤波的指静脉图像去噪

为了解决带有皮裂纹特征的指静脉图像中干扰区域影响静脉特征提取的难题,提出一种基于开关型非局部均值滤波的指静脉图像去噪算法。该算法首先生成静脉图像像素点的Hessian矩阵,然后通过Frangi滤波对起皮干裂区域进行精准检测,最后对受干扰区域进行非局部均值滤波去噪。理论分析与实验结果表明,该算法与现有经典静脉去噪算法相比,充分利用了图像上其它区域的冗余信息,在实现去噪的同时,更好地保留了非受干扰图像区域的静脉细节部分,一定程度上克服了经典去噪算法对整个图像的过平滑问题。在认假率为0时,拒真率相比原结果降低了5.63%。     

常用图像去噪方法探析与比较

均值滤波、中值滤波、维纳滤波和基于小波变换的软阈值法和硬阈值法是常用的几种图像去噪方法,通过对添加了不同噪声的图像进行了仿真实验。实验结果进一步验证了均值滤波在去除噪声的同时造成了图像边缘一定程度的模糊,中值滤波能相对较好的保留了图像的边缘,维纳滤波对高斯白噪声去噪效果较好但计算量大,相比较小波阈值法去噪是目前较好的的去噪方法,通过选取合适的阚值可以得到较为理想的去噪效果。     

图像去噪的小波阈值法研究

介绍了小波去噪的基本理论以及小波阈值法去噪的原理。小波阈值法去噪的关键是阈值的设置和阈值函数的选择。阈值的设置主要分为全局阈值法和局部阈值法。归纳了阈值的设置方法,并针对图像去噪进行了仿真实验,将一幅混有不同噪声的图像分别采用全局阈值和局部阈值去噪。实验得出局部阈值优于全局阈值的结论。     

Bessho型三维移动脉动源格林函数快速计算方法研究(英文)

研究目的:实现Bessho型三维移动脉动源格林函数的快速数值计算创新要点:1.提出了综合采用变量代换和"最速下降法"计算振荡项;2.推导了变量代换后,被积函数出现"伪奇异性"点的快速数值求解方法;3.建立了参数域内的局部自适应数值积分方法。研究方法:1.采用"Gaussian quadrature rule"消除被积函数端点处的奇异性;2.结合变量代换和"最速下降法"的特点,采用分区方法处理振荡积分(见图6);3.采用参数域内局部自适应积分方法实现被积函数沿最速下降线积分的快速计算。重要结论:1.采用"Gaussian quadrature rule"能有效消除积分端点的奇异性;2.采用提出方法计算格林函数及其偏导数的耗时为4×10 3s–6×10 3s,能满足工程应用的需要。     

结合局部信息活动轮廓模型的含噪图像分割方法

为改善传统活动轮廓模型对含噪图像的分割精度和效率,提出一种结合局部信息活动轮廓模型的含噪图像分割方法.首先构造局部信息速度函数,使图像局部灰度引导速度函数变化;然后采用拟合图像代替原图像,同时增加拟合中心权重以构造新的拟合项;最后引入自适应权重系数以增加模型对不同图像的分割灵活性.实验结果表明,相较于C-V模型,该方法...     

改进的Canny算子边缘检测算法研究

针对传统Canny算子边缘检测算法出现伪边缘或边缘丢失的缺陷,提出了一种采用统计滤波去噪和基于灰度的迭代法计算阈值的边缘检测算法。首先统计滤波并使用均值和方差去噪,避免出现如同高斯函数受噪声干扰的问题,保证图像边缘完整性;其次,使用灰度进行迭代计算确定阈值,改进了传统算法中人工确定的不足,使阈值更加准确,减少伪边缘和信息丢失的情况。通过大量实验对比和结果分析表明,改进后的算法与传统算法相比,可以提高边缘检测运行效率,使结果更加清晰、准确。     

一种基于K近邻的图像去噪方法

图像去噪作为数字图像处理中的基础课题,一直以来都是研究热点。由于许多复杂的原因,图像不可避免地会带有各种噪声,于是去除噪声是图像预处理的一个重要步骤。针对传统均值去噪的不足,提出一种基于K近邻的去噪方法。实验表明,该方法较传统方法更为有效。     

一种去除图像混合噪声的新方法

某一种去噪方法通常只对某一类噪声的滤除较为有效,为了抑制混合噪声,提出一种结合中值滤波与小波去噪的图像去噪算法.该算法首先检测出脉冲噪声点,并采用自适应窗口对脉冲噪声点进行中值滤波处理,然后用基于高斯混合模型的小波去噪法滤除图像中的高斯白噪声.仿真实验表明,对于被高斯、脉冲混合噪声污染的图像,该算法的去噪效果显然比单一的中值滤波和小波去噪法好得多.     

基于四元数表示的彩色图像混合噪声去噪（英文）

为了能够更加有效地恢复受混合高斯和脉冲噪声污染的彩色图像,采用基于四元数的彩色图像整体处理方案,提出了一种彩色图像混合噪声去噪算法.首先,通过一个纯四元数矩阵表征一幅彩色图像;然后,根据高斯噪声和脉冲噪声的不同特性,采用基于四元数方向矢量排序统计的算法检测脉冲噪声位置;最后,将针对高斯噪声的基于四元数最优权值的非局部均值滤波器进行改进以应用于混合噪声图像去噪,在权值计算时不考虑已被检测出的脉冲噪声点.对5幅标准图像的实验结果表明,所提算法的去噪效果优于目前常用的ROR-NLM(robust outlyingness ratio-nonlocal means)算法和最优权值混合滤波器.     

基于强干扰的地震信号小波去噪与震源识别研究

为了更好地识别强干扰下的地震信号,介绍了一种改进的小波阈值去噪法对天然地震信号和人工爆破信号去噪.去噪后的信号经过经验模态分解之后,取第一个IMF分量.经过希尔伯特黄变换之后提取HHT谱幅比特征和自相关函数的均值特征,利用支持向量机建立天然地震和人工爆破的模型.在利用建立的模型识别已知的震源类型,判断改进的去噪法对震源类型识别的效果.实验结果表明:去噪法改进之后,对天然地震和人工爆破的识别率有显著的提高.     

二维经验模态分解法在漏磁图像处理中的应用

采用图像方法可以更加直观地对管道漏检测中的缺陷进行判断,但在图像数据的采集过程中噪声是不可避免的。采用二维经验模态分解(BEMD)与均值滤波法相结合的方法对漏磁图像进行去噪处理,将图像信号分解为有限个二维固有模态函数(BIMF)和一个残余分量,将残余分量保留,对BIMF分别进行均值滤波,再将处理后的BIMF分量与残差一起重构图像,所得重构图像在保留原图像基本信息的基础上,消除了大量噪声信息。文中还直接采用均值滤波方法对漏磁图像进行去噪处理,通过信噪比的比较,表明BEMD方法用于漏磁图像去噪效果明显。     

基于小波变换的图像去噪方法的研究与实现

本文将小波阈值去噪与维纳滤渡结合起来,在小渡域进行维纳滤波.为了完成估计和去噪两个任务,我们设计了双小波基维纳滤波器,采用两路小波变换.我们采用构造的调节阅值函数作为第一路小渡滤波器,克服了硬阈值法产生的伪吉布斯效应和软阚值法产生的边缘模糊等失真现象,在有效去噪的同时很好地保留了图象边缘等局部特征.     

基于小波包滑动阈值的信号去噪

传统信号去噪方法常采用门限法对噪声信号的小波或小波包变换做阈值处理以达到去噪的目的。本文介绍了一种利用小波包滑动阈值去噪的新方法,通过对信号的小波包分解系数的滑动阈值量化,得到重构的去噪信号。计算机仿真结果表明,滑动阈值法具有很好的实用价值。     

三维非线性动力响应的理论分析和数值计算方法

本文应用显式分块多时步变时同步长的时间积分策略,提出材料小应变、大位移瞬态分析的有限单元法,该法使用随单元旋转的坐标系,给出计算效率很高的结点力计算列式.我们采用能量校核的方法,以保证计算的稳定性.文中给出实现这种计算的程序框图,数值计算实例表明,该程序可广泛的应用于三维非线性动力分析.     

基于图像边缘检测的小波阈值去噪方法

提出一种基于图像边缘检测的小波闽值去噪新方法.该方法利用Canny算子检测出图像的边缘,进而定义了一种新的阈值函数,然后对含噪图像、边缘图像的小波变换系数采用新阈值函数分别进行阈值处理,将处理后的边缘图像与图像的小波系数进行融合,得到去噪后的图像.实验结果表明,采用该方法处理的去噪图像,能够在去噪的同时有效地保持图像的边缘信息.     

基于改进Canny算子的医学图像边缘检测算法

边缘检测作为图像分割的一部分,能够用于医学图像诊断。在医学图像获取过程中不可避免地会出现一些高频噪声,从而对属于高频分量的边缘产生干扰。传统Canny算子在高斯滤波去噪时会滤除一些边缘信息,且需要人为设定高斯滤波方差及高低阈值,缺乏自适应性。通过采用自适应中值滤波去噪,以及采用Sobel算子计算梯度幅值方向,并利用非极大值抑制对图像进行细化,最后利用Otsu计算图像高低阈值,从而对Canny算子进行改进,并在医学图像上进行实验。结果证明,该方法能更准确地检测边缘信息,且具备较强的自适应性。     

一种基于轮廓波变换和统计模型的图像去噪算法的研究

本文提出了一种基于轮廓波（Contourlet）变换和统计模型相结合的图像去噪方法。Contourlet变换能够更好地表征图像各个方向的特征．通过对特征系数的分析．估计统计模型,利用近似最大后验概率估计（MAP）做局部方差估计并且和噪声方差的估计比较来达到去噪的目的。为了克服缺乏平移不变性所带来的Gibbs效应,本文采用循环平移法进行优化,有效地克服Gibbs效应。与小波变换去噪法和Contourlet变换阈值去噪法比较,该算法不仅能够提高图像去噪的PSNR,而且能够更有效地保持图像的边缘和细节。     

基于小波分析的图像去噪

针对图像去噪展开研究,结合均值滤波技术和小波分析技术,提出了使用高斯平滑滤波与小波局部阈值处理相结合的方法。首先对图像进行高斯平滑滤波,然后选取适当的小波阈值对小波系数进行处理、重构得到新的图像,并将去噪图像的峰值信噪比作为性能指标,仿真实验结果表明文中所用的方法去噪效果更佳,图像有着更好的视觉效果。