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.     

基于全变分方法的非线性图像去噪研究

研究了全变分最小化模型在图像去噪中的应用,用变分法推导出与之相应的偏微分方程,并用差分法对该方程进行了数值仿真。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。     

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。     

基于层内和层间相关性的小波图像去噪

小波图像去噪已经成为图像去噪的主要方法之一.利用小波变换在去除噪声时,可提取并保存对视觉起主要作用的边缘信息,传统的小波去噪方法大致有小波阈值收缩去噪算法、小波模极大值去噪算法.由于小波系数间存在很大的相关性,本文提出了一种基于层内和层间相关性的小波去噪方法,利用图像细节信息在不同尺度及同一尺度上的相关性进行滤波,达到对低信噪比的图像去噪的目的.在实验中,将本文去噪的结果与Donoho的硬阈值作了比较,结果显示本文方法能获得较好的去噪效果.     

基于小波变换的指纹图像增强算法

小波变换在对图像进行增强处理的过程中也对图像中存在的噪声做了同样的处理,在增强图像边缘细节的同时没有很好的进行图像消噪。针对这些不足,对传统的小波变换算法进行了改进。基于Mallat算法对小波分解和重构,在分解后保持低频信息的不变性,并利用小波系数的变换使图像信息得到增强,同时具有一定的图像消噪效果,该方法与传统的小波变换算法相比在图像增强处理中具有更好的效果。     

一种新的基于小波变换的边缘检测算法

提出了一种新的基于小波变换的图像边缘检测算法。该算法首先按水平、垂直和对角方向对图像进行多尺度二进制小波变换,提取3个方向的小波系数。然后采用相邻尺度小波系数相乘的方法去除噪声,提取小波系数乘积的极大值点。最后将这3个方向上的极大点进行融合,形成图像的边缘。仿真实验表明,该算法具有较好的边缘检测和抑制噪声的能力,边缘检测效果明显优于传统的边缘检测方法。     

小波变换理论在数字农业领域应用研究

本文就当前数字农业在图像分析与处理方面中存在问题进行详细的剖析;而后通过小波变换时频局域局部性、连续小波变换、二进离散小波变换等理论研究与数学建模进行实例验证;表明通过小波变换后的图像在边缘检测、影像分析与处理、像素与质量有明显改善,同时能一定程度上消除噪声干扰对图像产生的畸变与误差。这将对保持图像原有信息具有重要作用。     

独立分量分析在图像去噪中的应用

为了在图像去噪过程中更好地保持图像的基本信息和图像原有的视觉特性,分析了图像数据源与噪声的特性,提出将数学形态学方法、稀疏编码法与独立分量分析相结合的方法进行图像去噪,给出具体算法并对其进行仿真实验。仿真结果表明,该改进方法在有效去除噪声的同时能有效保持图像的细节特征,有很好的实用性。     

曲波变换在图像修补中的应用

图像修补是图像恢复中的一个重要内容,主要是以现有的图像数据恢复丢失的数据。为了提高图像的修补效果,在修补过程中恢复更多的边缘信息,利用一种优于小波的图像细节表征方法曲波变换,在曲波域框架下嵌入全变差,提出了一种新的基于偏微分方程的图像修补方法。实验证明这种方法可以很好的恢复图像待修补区域尤其是边缘信息。     

汽车牌照雨点和喷溅泥噪声图像的去噪研究

图像通常都存在着各种不易消除的噪声,在图像处理中,寻求1种既能有效地减少噪声、又能很好地保留图像边缘信息的方法,一直是人们追求的目标。本文对图像去噪进行了综合分析,对汽车牌照的雨点和喷溅泥噪声图像建立数学模型,并用小波阈值去噪的方法对含噪图像进行去噪研究,指出研究的技术路线和实验方法,并给出研究的初步结果。     

一种改进的基于小波变换模极大值的边缘检测方法

一种改进的基于小波变换模极大值的边缘检测方法包含如下2个步骤:(1)求出边缘及噪声点的局部极大值;(2)利用边缘点与噪声点具有不同小波变换模极大值的特点,对局部极大值进行二次判别,从而实现噪声与边缘的分离.实例验证结果表明,该方法能很好地解决高精度定位与强去噪能力之间的矛盾.     

基于离散小波变换的农业图像处理研究

介绍了离散小波变换的定义,从农业工程角度出发,利用二维离散小波变换对农业图像在消噪、增强、压缩和边缘检测方面进行了一些分析和处理,并对离散小波变换图像处理在农业工程的应用前景做了展望.     

基于小波变换的图像融合算法

图像融合技术的研究目的就是综合不同类型的传感器所获取的图像信息,通过对多幅图像间冗余数据的处理提高图像的可靠性和可观察性,通过对多幅图像间互补信息的处理提高图像的效果。提出了一种基于小波的融合算法,该算法基于小波图像的能量集中在低频子带、细节体现在高频子带的特点,在低频部分对小波系数采用基于局部能量的加权融合方法处理,高频部分采用基于边缘信息的加权算法进行融合。结果表明:所采用的方法避免了图像融合过程中因平均化而出现的模糊现象,融合后的图像内容更加清晰,更容易识别。实践证明,基于小波变换的图像融合可以取得良好的结果和较快的处理速度。     

改进的小波变换模极大值检测图像边缘的方法

提出了一种改进的基于小波多尺度多分辨率特征的数字图像的边缘检测算法，分别利用不同尺度小波变换后的水平方向和垂直方向高频信息，根据李氏指数与小波变换关系，采用小波模极大值在不同尺度下传播的特性，检测出图像在2个方向的极大值，然后利用模糊算法构造相应的隶属函数，提取弱边缘信息，最后得到不同尺度下的边缘图像。本算法可以兼顾良好的边界定位、噪声抑制和弱边界检测等性能指标，可以有效解决传统边缘检测方法中存在的搞定为精确及强去噪能力之间的矛盾。     

基于小波变换的图像边缘检测技术的改进

边缘检测是图像处理的主要内容之一.由于存在噪声,经典算法的图像边缘检测效果不好,针对其缺陷,应用小波变换对图像边缘进行检测,能得到较好的边缘,但是去掉了一些模糊的、弱的边缘.因此,采用自适应阈值的改进型小波边缘检测算法,在消噪的同时,可以很好地保留微弱的边缘.通过实验结果的比较,证明了这种方法的有效性.     

基于小波变换的羽毛杆折痕缺陷检测

在工程系统可靠性评估中,由于马尔可夫方法和蒙特卡罗方法分别存在对元件寿命模型限于指数分布和仿真结果具有随机性的缺点,而电力设备中元件寿命分布类型不确定,影响了可靠性评估的有效性和准确性.针对这一问题,本文利用可修复系统事后维修模型（RSS）方法,采用威布尔模型对电力设备FYXF-03发电机原动系统仿真器进行可靠性评估,其仿真精度高、仿真结果具有确定性,为电力设备的可靠性评估、维修和保养计划的制订、以及可靠性设计时的元件选型提供了参考.     

基于形态学和小波变换的图像边缘检测方法

电力机房图像边缘提取是实现电力机房三维重建的重要辅助环节,机房图像边缘提取越精准,三维重建将会更准确.本文提出一种融合小波变换模极大值和多尺度多结构形态学的图像边缘检测算法对电力机房图像进行处理.首先,对原始电力机房图像进行小波分解得到高频图像和低频图像;然后,采用小波变化模极大值算法提取高频图像的边缘信息,多尺度多结构数学形态学算法提取低频图像的边缘信息;最后,通过叠加运算融合高频和低频的边缘信息,得到原始图像的边缘信息.通过仿真实验表明,本文提出的边缘检测算法在抗噪性能、边缘连续性、定位精度上综合实力最强.