基于灰度变化的数字图像降噪方法

数字图像在成像和处理的过程中,会有于外界因素的介入,数字图像会被沾染上大量噪声信息,而这些噪声信息会使图像的质量退化,严重影响图像后期的处理。而为了解决这一问题,人们提出了大量的降噪方法去减轻噪声对图像的影响。本文提出一种基于图像灰度变化的降噪方法,该方法通过对人眼判断噪声方法进行模拟,再将其转化成计算机可以执行的算法步骤,依据灰度值变化范围的区分方法,将图像和噪声进行剥离并还原,最终通过具体的图像对比,获得了不错的降噪效果。     

基于相位重组近邻点建构的虚拟成像索引技术

提出一种考虑相位重组近邻点建构的虚拟成像索引技术。针对强脉冲噪声污染下的虚拟成图像进行图像降噪滤波模型构建,求取噪声像点的近邻点,通过对数字图像的像点的近邻点噪声序列进行高斯伪随机数排序,以近邻点为中心进行相位重新建构,实现对虚拟成像的降噪滤波和检测索引。仿真实验证明,新的图像索引技术能有效强脉冲噪声污染虚拟成像进行高精度低均方根误差索引,滤波效果卓越,比传统算法性能有大幅提高,其优越的图像降噪处理和索引性能将在医学成像处理、空间探测等虚拟成像处理领域有较好的工程实践价值。     

一种考虑水印特征隐藏三维数字图像保护方法

针对传统三维数字图像嵌入水印算法保留的水印特征信息过多,易被攻击的弊端,提出了一种考虑水印特征隐藏的三维数字图像保护方法,对于待加入水印的三维数字图像,引入分块DCT算法对原始图像进行水印特征隐藏处理并得到水印特征隐藏图元矩阵,再将水印图像通过BCH编码进行特征隐藏降噪压缩。根据设定的特征隐藏系数随机分配图元位置并插入原始图像中,得到包含特征隐藏水印的数据图像。仿真结果表明,该方法嵌入的特征隐藏水印不仅可抵抗多种不同类型攻击,比传统算法抗噪声攻击性提高了约25%,抗剪切攻击性提高了15%左右。     

基于小波变换的低照度图像增强新算法

针对低照度图像暗、对比度低,同时存在大量黑暗连通区的特点,提出了一种基于小波系数融合的低照度图像增强算法,该算法对图像的低频和高频信息分别用空域法和频域法进行处理。实验表明,该方法在处理低照度图像的过程中,在调节图像动态范围和增强图像细节的同时,也达到了对高频信息降噪的目的。通过该算法处理,能有效减少拍摄图像所需的曝光时间。     

基于小波阈值压缩的运动模糊图像去噪算法

强干扰环境下采集的模糊运动图像通常含有大量的噪声,难以进行有效的细节分析,需要进行图像降噪滤波处理。传统方法采用小波分析的图像细节滤波算法进行降噪,对运动场景下的图像角点偏移部分的降噪效果不好。提出一种基于小波阈值压缩的运动模糊图像去噪算法。构建模糊运动图像的小波分析模型,采用小波阈值压缩方法进行运动模糊图像的角点检测,形成具有角点的图层小波阈值压缩库,实现图像降噪滤波处理。仿真结果表明,采用该算法能有效实现图像去噪滤波,提高图像质量和峰值信噪比。     

图像椒盐噪声处理中的两种滤波方法及比较

本文主要研究了图像椒盐噪声处理中的均值滤波和中值滤波两种降噪算法,详细阐述了其基本原理、实现方法以及具体算法,并通过实例对两种滤波方法的降噪效果加以比较与分析。     

一种远程教育视频动态图像清晰化处理算法

针对远程教育视频图像传输过程中,由于传输距离过长,图像传输信号会受到复杂外界环境因素的影响,造成视频图像传输信号衰减,导致远程教育视频图像中包含大量的非线性噪声,造成图像不清晰。提出了一种基于非线性滤波的远程教育视频图像清晰化处理算法。对远程教育视频图像中的噪声特征进行分类处理,利用非线性滤波算法进行去噪处理,从而实现了远程教育视频图像去噪处理。实验证明,这种算法能够避免由于传输距离过长导致的远程教育视频图像中存在大量噪声的缺陷,提高了远程教育视频图像清晰度。     

改进PCNN对图像降噪的研究

针对图像噪声问题,提出了一种改进的PCNN模型,将突触连接强度分别取0.06或0.1的可调值,并结合局部中值降噪,有效地滤除噪声。实验结果表明,该方法有效地去除了图像的噪声点,改善了图像的质量,同时与突触连接强度不变的PCNN及传统降噪算法等多种方法进行比较,此方法降噪结果最佳。     

基于Gabor特征分解的高斯混合非线性图像滤波

通过图像滤波提高图像的分辨和识别能力,传统的图像滤波算法采用小波降噪方法,由于受到背景色噪声的干扰,小波分解中对低频图像参量的滤波性能不好。提出一种基于Gabor特征分解的高斯混合非线性图像滤波算法。首先进行图像平滑和小波分解预处理,沿梯度方向求得图像边缘信息,在尺度平移平面上进行小波特征分解,得到图像滤波过程中的Gabor小波变换系数,采用高斯混合非线性滤波算法实现图像滤波方法改进。仿真结果表明,采用该方法进行图像滤波,能有效抑制图像斑点噪声,提高图像的分辨性能,对边缘特征和细节的保持能力方面性能有优越,特别适用于对合成孔径雷达成像的滤波处理。     

基于多个小波基联合去噪方法的研究

图像在形成、传输、存储过程中,不可避免地会受到各种噪声的干扰,极大地影响了人们从图像中提取信息,因此,采用适当的方法尽量减少图像噪声是一个十分重要的处理步骤。小波变换应用于图像去噪领域比较成功,在图像去噪中能更好地保护图像细节。本文提出了一种多个小波基联合去噪的方法,该方法能够很好的去除图像中常见的噪声。     

改进的傅里叶变换在红外图像降噪中应用研究

图像降噪处理一直是图像处理领域的重点问题.红外图像容易受噪声的干扰,针对传统的傅里叶变换图像去噪技术由于傅里叶参数选择困难,造成红外图像中噪声无法彻底去除等问题,提出了一种改进的快速连续的傅里叶变换红外图像降噪算法.仿真实验表明,提出的方法能够有效地去除噪声,提高了算法的执行效率.     

小波包降噪在工业信号预处理中的应用

针对工业过程数据含有噪声干扰的特点,本文提出了基于小波包分解的阈值降噪方法进行数据的降噪处理。以化工过程数据为例,通过MATLAB仿真实验,对比了小波包降噪、小波降噪、中值滤波三种方法的降噪效果。结果表明:小波包降噪具有明显的优越性。     

车牌识别系统设计

我们从图像复原、图像增强、图像检测等方面对该系统进行设计分析。基于数字图像出来的方法,将拍摄得到带有运动模糊和高斯噪声的彩色图像,通过维纳滤波的处理,复原得到一个基本清晰的灰度图像。再进行灰度切割,得到一个二值灰度图像,从而保留住车牌所含有的重要信息,抑制掉噪声带来的影响。再通过图像的开操作、闭操作以及图像填充,将图像划分成几个区域。     

JPEG图像压缩技术及仿真实现

随着多媒体技术的快速发展,静止图像的应用越来越广泛。它的应用主要集中在图像的存储和图像的传输两方面。本文首先介绍了静止图像压缩技术,介绍了基于离散余弦变换的JPEG图像压缩编码算法。鉴于数字图像的噪声模型,针对含有噪声的数字图像去除相关性比较差的问题,对图像作去噪处理后再用静止图像压缩标准JPEG作图像压缩编码。通过MATLAB仿真实验,表明先过滤再压缩的压缩方案信噪比比较高,压缩比的性能也可以达到良好。     

预光滑子正则化求解的图像修复策略

由于传感器噪声或者拍摄抖动,容易导致数字图像含有噪声,所以必须对模糊图像进行修复处理,本文针对正则化模型在图像修复中还存在的抗噪性能较差的问题,提出了一种预光滑子正则化求解的图像修复策略。首先采用软阈值对正则化去噪模型进行最优化求解,然后构建基于离散小波的多重网格,然后为了得到最优正则化参数,采用预光滑子策略对其最粗层进行优化,并采用软阈值方法消除残留的高频信息。算法仿真实验结果表明,本文提出的方法在大多数噪声水平下比其它方法表现更优秀,并且计算时间明显比其它方法更少。     

水声图像增强技术研究

图像增强是水声图像处理的重要环节,主要侧重于图像降噪、边缘提取和有效目标信息的增强等。本文研究了水声图像处理领域常用的降噪与增强技术,并以海洋中常见的扇贝目标的水声图像为样本进行了试验,分析了该类水下目标声学图像的噪声干扰分布特点。在对比了各类图像增强技术的处理效果之后,本文具体给出了类似水声图像增强时的一般处理步骤,为该类目标水声图像降噪与增强处理方法的选取提供了有力的参考。     

基于HVS的图像变换域鲁棒性数字水印算法

为提高数字图像水印算法抗攻击能力,提出了一种新的、鲁棒性强的数字图像水印算法。首先对二值水印图像进行Arnold置乱变换,然后将宿主图像进行多级Contourlet变换,并选择纹理丰富和频率较大的高频区域作为水印嵌入的区域,最后基于人类视觉系统的掩蔽函数得到合适的水印嵌入强度,将水印码嵌入到数字图像中,实现信息隐藏。算法水印隐蔽性好,算法鲁棒性强,能够对均值滤波、高斯滤波以及中值滤波,对噪声、JPEC压缩攻击和裁切攻击均具有较强的抗攻击能力。该算法能够满足数字图像防伪以及版权保护的需求。     

数字图像的平滑处理方法研究

图像在获取和传输过程中,会受到各种噪声的干扰,使图像退化,质量下降,对分析图像不利。图像的平滑或去噪一直是数字图像处理技术中的一项重要工作。为此,论述了在空间域中的各种数字图像平滑技术方法。     

一种基于位置变换和灰度变换相结合的数字图像置乱方法

图像置乱技术在数字图像加密中有着广泛应用。作为一种图像加密技术,它主要通过改变原图像中各像素位置或改变像素灰度值的方式达到对图像信息进行隐藏的目的。提出一种易于实现的将像素位置变换和像素灰度变换相结合的数字图像置乱方法。实验证明该方法相对传统算法置乱效果得到明显加强。     

基于盲源分离的智能图像和语音信号去噪方法

采用传统图像降噪方法对智能图像和语音信号进行降噪处理后,智能图像清晰度较低,语音信号信噪比过大,降噪效果差。针对上述问题,本文提出了一种基于盲源分离的智能图像和语音信号去噪方法。首先通过信号采集装置采集智能图像和语音信号,然后进行均匀化和白化的预处理,最后利用对称分量提取独立分量实现降噪。结果表明,采用该方法降噪后,智能图像的清晰度更高、语音信号的信噪比更大(达到26d B),证明该方法较传统方法具有更好的降噪效果。