基于SVM的中值滤波去噪方法研究

提出了一种针对椒盐噪声的去噪方法.去噪过程先利用SVM分类器将含噪图像中的象素分为噪声或非噪声点;接着,非噪声点象素值被保留,而噪声点象素值则通过中值滤波方法进行处理,从而达到去噪的目的.本研究在MATLAB6.5环境下搭建实验平台,运用OSU_SVM3.0工具箱分别建立了四邻域,八邻域和二十四邻域三种分类模型,仿真实验证明,与已有的算法比较,本研究方法能达到较高的峰值信噪比,具有很好的去噪效果.     

基于视觉滤波算子的农业图像去噪研究

[目的]农业图像中难免存在噪声,噪声会干扰有用目标的识别。为了准确提取农业图像中的有用信息,拓展图像处理技术在农业工程中的应用,有必要去除农业图像中的噪声。[方法]本文将一种改进的中值滤波与视觉滤波LOG算子结合起来,用于对农业图像进行去噪。首先,通过LOG算子将图像分为边缘图像和非边缘图像,然后采用一种改进的加权中值滤波处理非边缘图像,边缘图像与处理后的非边缘图像融合为最终的去噪图像。[结果]利用本算法对农业图像进行测试,与传统的中值滤波算法进行对比,并采用峰值信噪比作为滤波算法性能的客观评价指标,本算法的峰值信噪比高于传统中值滤波算法8.15%,有更好的降噪效果。[结论]因此,该算法的滤波效果优于传统中值滤波算法,可有效去除农业图像中诸多因素产生的噪声。     

用于数字监控系统的图像去噪算法的研究与实现

针对数字监控系统因监控环境亮度不足导致监控图像存在大量噪声的情况 ,分析了图像的主要噪声源及其特点和性质 ,确定影响图像质量的主导噪声为CCD摄像管产生的读出噪声。比较了各种常见的图像去噪算法 ,在综合考虑图像去噪平滑效果、图像清晰程度和时间复杂度的基础上 ,提出将数学形态学法与中值滤波法相结合的用于数字监控系统的图像去噪增强算法。仿真试验及对多幅在不同亮度环境下拍摄图像去噪前后效果的对比结果表明 ,使用数字形态学滤波与 3× 3中值滤波结合的算法去噪 ,可将压缩后的录像码流数据量降低 15 %～2 0 % ,且去噪后的图像比较清晰平滑。由于算法的时间复杂度较低 (为O(N) ) ,速度较快 ,可满足实时性处理的要求 ,所以可将其直接移植到数字监控录像系统中。试验结果验证了本算法的可行性、实时性和鲁棒性。     

一种基于中值滤波和小波变换的图像去噪算法研究

针对同时含有脉冲噪声和高斯噪声的混合含噪图像特点,结合自适应中值滤波和小波变换的阈值滤波的各自优点,提出了一种基于中值滤波和小波变换阈值去噪相结合的图像去噪方法,即先对图像进行自适应中值滤波去除脉冲噪声,然后利用小波变换去除剩余的高斯噪声.实验表明：该方法能在有效去除混合噪声的同时,较好地保持边缘和细节信息.     

基于阈值的极值中值新型滤波方法

针对图像滤波中去噪与细节保护的矛盾,在分析极值中值滤波方法的基础上,提出了一种基于阈值的极值中值新型滤波方法。该算法将受脉冲噪声污染图像中的像素点用预判断算子法进一步分为噪声点、边缘细节区和平坦区3种类型,然后做不同的处理以获得良好的细节保护效果。仿真试验结果表明,该方法在去除噪声的同时,能更好地保持图像边缘细节,具有较好的处理效果。     

基于离散脊波变换的农作物图像去噪算法

由于农作物生长环境的复杂性,导致在获取农作物图像过程中或多或少存在一定程度的噪声,这给农作物成熟果实的自动化采摘造成了很大不便。因此,结合离散脊波变换,提出了1种农作物图像自适应去噪算法,该算法通过对图像实现多尺度脊波变换,保持低频分解系数不变,对于高频分解系数,首先分别采用改进非局部均值滤波算法(improved non-local means filtering,INLM)以及改进小波硬阈值去噪模型进行消噪;然后实现低频分解系数与各自消噪后的高频分解系数重构,从而获得2幅重构图像;最后实现2幅重构图像的等权融合处理,获得消噪后的农作物图像。结合相关试验,分别将该算法与经典非局部均值滤波算法(non-local means filtering,NLM)、已有的改进非局部均值滤波算法以及小波硬阈值去噪算法进行去噪效果比较,主观、客观分析结果表明,用该研究算法处理后的图像清晰度较高且残留噪声较少。     

图象处理技术在木材年轮检测中的应用

应用最先进的计算机了图象处理技术，对木材年轮的Ｘ光无损检测图片进行了处理。文中所用的加权补偿函数，二维中值滤波，区域生产技术明显地提高了原木年轮图象的质量，特别是考虑到人心理物理性质，处理后的图象更适合人眼对图象中年轮的识别，并减少了误差。     

一种基因芯片图像滤波混合法

对基因芯片的表达数据进行分析，有助于获得基因的表达谱与功能之间的关联信息，而基因芯片图像的滤波方法，对于获得高质量的基因表达数据具有重要的意义。本文采用小波和中值滤波混合法对基因芯片图像去噪，采用的小波硬门限阈值量化法去噪预先处理了基因芯片图像的部分高频噪声，避免了图像有用信号湮灭；而中值滤波法弥补了小波分析中的噪声指数较高的局限性。与传统的基因芯片图像滤波方法进行对比实验，结果表明，该方法能够在有效去除基因芯片图像噪声的同时，很好地保持图像的边缘和细节信息。     

1种农产品图像混合滤波算法的应用

针对农产品图像中的混合噪声,提出了1种有效的滤波算法。首先从噪声检测和标记方法、自适应加权滤波等环节对中值滤波算法进行适当改进,从而提出了1种改进自适应加权中值滤波算法对混合农产品噪声图像进行第1阶段滤波;然后对滤波后图像分别采用3×3滤波窗口、5×5滤波窗口的均值滤波算法进行第2阶段滤波;最后对均值滤波后的图像进行等权融合处理。分别将研究的滤波算法与中值滤波、加权中值滤波、极值中值滤波、均值滤波等算法进行试验仿真对比,结果表明,经过研究的算法滤波后图像清晰度明显高于其余算法且噪声残留程度明显低于其余算法,这对于农产品的高效处理具有一定的借鉴价值。     

1种农产品图像二维多级中值滤波改进算法

农产品图像在采集过程中由于拍摄系统电压不稳定、成像环境的复杂性等因素导致获取的图像中存在一些颗粒噪声点,这些噪声点存在极大模糊了图像中果实复杂的边缘信息。针对该类图像,在对二维多级中值滤波算法(two-dimensional multi-stage median filtering)原理深入分析的基础上,结合农产品图像的特点,提出了一种改进二维多级中值滤波算法(improved two-dimensional multi-stage median filtering)。该算法首先提出一种新型噪声自适应检测方法对图像中的噪声进行检测和标记;然后对检测出的噪声点分别采用8个多方向滤波模板进行处理;最后对8个模板的滤波结果在进行适当取舍的基础上分别进行基于像素点间几何距离的加权滤波,以获得清晰度较高的图像。理论分析和试验结果表明,改进的二维多级中值滤波算法对于农产品图像处理效果优于中值滤波算法、二维多级中值滤波算法、已有的改进二维多级中值滤波算法。     

一种新的混合滤波算法

在超限像素滤波的基础上,融合了均值滤波和中值滤波的优点,提出了基于3种滤波的1种新的混合滤波算法．由实验的图像、均方误差（MSE）、峰值信噪比（PSNR）和Q指标可以看出,这种新的混合滤波算法能有效地滤除图像多种噪声,较好地保护图像的边缘和细节．     

基于2D-Gabor滤波和主成分分析的人脸识别算法

提出了一种2D-Gabor滤波和主成分分析相结合的新的人脸识别算法。首先将人脸库的所有样本进行图像预处理,并将由2D-Gabor滤波后产生的图像作为独立的样本加入到样本库中,从而减少了小样本问题对人脸识别效率的影响,再结合经典的主成分分析方法进行人脸识别。试验证明,与单独的主成分分析法相比,该方法可以有效的提高识别率。     

基于图像受噪程度的改进模糊加权均值滤波

根据高斯噪声密度大、噪声强度的波动范围宽,其污染图像不仅每一个像素灰度级都会受影响,而且即使是同一灰度级受污染的程度也会不同的特点和传统的图像模糊滤波算法在图像细节保护方面上的不足,提出基于图像受噪程度的改进模糊加权均值滤波算法,该算法根据图像各像素点的受噪程度,得到首次滤波图像和原图像估计直方图,根据该直方图确定模糊隶属度函数,然后对首次滤波图像中灰度小于25的像素点进行模糊加权均值滤波,该算法在不需要期望图像和高斯噪声方差的情况下能有效地去除噪声,同时能够很好地保护图像细节信息。     

基于Gabor小波和支持向量机的掌纹识别算法的研究

掌纹识别作为1种新兴的生物识别技术,因其识别区域大、易采集、精度高和可靠性高等优点得到了较快的发展。本文提出基于Gabor小波和支持向量机的掌纹识别算法。算法主要分三个步骤,首先将掌纹图像用5个尺度4个方向的2DGabor滤波器组对图像进行滤波并下采样得到Gabor特征矩阵,之后用二维主成分分析(two-dimen-sional principle component analysis2,DPCA)进行降维,最后将得到的特征向量送进支持向量机(support vector machine,SVM)进行学习分类。实验结果表明,该算法能够很好的解决小样本识别问题,有效的提高掌纹识别率。     

拉普拉斯差分算子同步降噪空间滤波器设计

为了在继承拉普拉斯算子高实时性的前提下提高图像分割质量,设计了一个可与拉普拉斯算子差分计算同步进行滤波工作的空间滤波器。以被检测边缘的连通域为单位,建立连通域点集及收录二值化数据的树集,引入面积阈值进行滤波。运用游程编码的思想作为树集设计逐行扫描的数据录入方法,使数据录入与拉普拉斯差分运算同步进行,以保证高实时性。边缘检测时通过降低差分计算的颜色阈值获取更为完整的检测结果,同时利用空间滤波器去除由颜色阈值的降低所引发的大量小面积噪声。试验结果表明:引入空间滤波器的拉普拉斯算子可在保证高实时性的前提下获取低噪声的且更加完整的边缘检测结果。同步空间滤波器的引入,可使原算法在低颜色阈值条件下获得高质量的图像分割结果,且该滤波器的行扫描数据录入方式可以保证高实时性。     

基于GIF-Shearlet算法的新旧土边界线视觉导航技术研究

针对遥操作拖拉机驾驶机器人旋耕作业时,工作环境中作物行多样化、光照不均的特点,提出一种基于导向滤波(Guided Image Filter)和剪切波变换(Shearlet Transform)的方法用于提取新旧土边界线以完成拖拉机视觉导航。首先,将图像快速转换到YCr Cb颜色空间,对灰度化的图像进行导向滤波,然后使用Shearlet-canny算子提取新旧土的边缘信息,最后经过Hough变换给出视觉导航线。结果表明,在YCr Cb颜色空间对图像进行灰度化处理与HSV、HIS、RGB颜色空间相比,效果最好,耗时最短,分别快94.0%、94.3%和25.4%;导向滤波处理图像的方法与Tarel中值滤波、MRetinex滤波、小波域Retinex滤波及同态滤波相比,算法耗时分别短87.5%、79.5%、88.8%和87.0%;采用Shearlet-Canny算子检测边缘并经过Hough变换后提取的导航线精确度最高,最大误差小于0.5°。研究表明,基于导向滤波和剪切波变换的新旧土边界线提取方法用于拖拉机智能导航是可行的。     

基于物联网平台的小麦病虫害诊断系统设计初探

小麦是中国主要粮食作物,栽培品种多、种植面积大、分布区域广、生长周期长,容易遭受病虫害威胁,快速监测和准确识别病虫害成为一项重要的课题。基于前期构建的小麦物联网监控系统平台,研发了集成图像获取、图像识别诊断于一体的应用系统。初步研究了小麦比较常见的三种病虫害的识别与诊断方法,并利用图像分割、特征提取及数字图像分类识别技术,将物联网系统获取的感白粉病、锈病、蚜虫的不健康叶片与健康小麦叶片的图片分别进行对比实验研究。实验结果显示,识别率都较为理想,其中白粉病的识别率为82.5%,锈病、蚜虫和健康叶片的识别率都在95%以上。将病虫害图像识别技术与物联网技术结合,方便病虫害图像的远程传输、多点获取等优点,大幅度提升对病虫害远程识别和诊断能力,具有广阔的发展前景。     

基于滤波器分解的图像融合算法研究

研究了一种空域中的图像分解技术,进而利用改种分解方法,探讨了图像融合算法。主要思想是利用类型确定的滤波器(如低通)对原始图像滤波,将图像分解为高频和低频2部分,再对分解得到的低频或高频成分进行同样的处理,继续这一过程,图像便可分解成不同频率分量的图层之和。进而在各个图层上进行相应的融合处理,最后利用逆变换得到最终的结果。