基于小波变换的图像阀值去噪算法

针对传统的基于图像消噪的方法存在的问题,即在低信噪比的情况下,传统的滤波方法消噪效果得不到有效的改善,甚至图像在处理之后变得模糊。基于小波变换的图像阀值去躁算法,利用小波变换的特性,可以有效的去除噪声,最大程度的保留图像的有效信息。利用Matlab仿真实验结果表明,与传统的滤波方式相比,基于小波变换的图像阀值去噪算法使处理之后的图像更加接近于原始图像,且处理后图像模糊程度比传统算法大大减小。     

基于小波变换算法的图像处理技术研究

为了提高农作物叶部病害识别的可靠性,本文提出基于小波变换算法的农作物叶部病害图像处理技术.在图像分解的基础上,应用二维离散小波变换,论述了二维小波变换在农作物叶部图像去噪和图像增强中的应用.仿真实验结果表明此方案能够有效改善图像质量,提高对象识别的可靠性.     

SAR图像相干斑抑制方法的研究

由于SAR采用相干原理成像,使图像产生了相干斑点噪声,这种随机分布的噪声严重影响了图像的质量.本文旨在通过对几种经典的滤波算法的原理进行分析、研究,并结合真实SAR图像进行去噪实验,得到对其优缺点及适用性的客观评价.     

图像去噪中的小波变换应用策略

图像信息在人们认识世界和了解世界中扮演着重要的角色。但是,由于图像在实际应用或者是传输过程中经常被噪声等因素所干扰,导致图像的质量下降,无法达到使人们满意的效果,所以对于图像也应该进行去噪处理,减少噪声对于图像的干扰。在早期对图像进行处理,主要是指使用数字计算机技术对图像进行加工处理,以此来获得自己所需要的图像信息。本文基于这个背景,分析了小波变换在图像去噪的中使用的处理方法,主要探讨了小波变换在图像去噪中的使用。     

图像的空域平滑处理方法研究

图像的平滑或去噪一直是数字图像处理技术中一项非常重要的工作,图像质量的好坏将直接影响图像复原、分割、特征提取、图像识别等后继工作的进行.本文主要论述各种图像空域平滑方法,通过实验仿1真,根据实验结果分析各种平滑方法的好坏并得出结论.     

基于噪声类型及强度估计的狭叶锦鸡儿叶切片图像盲去噪

狭叶锦鸡儿叶切片显微图像在获取过程中不可避免的受到噪声污染,会对后续处理造成不良影响。针对现有噪声类型未知,去噪算法存在速度慢、效果不理想等问题,该文提出图像噪声类型估计-强度估计-去噪这一处理过程,实现对狭叶锦鸡儿叶切片显微图像降噪目的。首先采用平滑区直方图重构和拟合法确定噪声类型;然后在此基础上,应用基于图像块的SVD(singular valuable decomposition,SVD)域图像噪声强度估计法对噪声标准差进行估计;最后在确定噪声类型和强度基础上,采用几何均值滤波(geometric mean filtering,GMF)和三维块匹配滤波(block-matching and 3-D filtering,BM3D)对图像进行联合去噪。试验结果表明:该文噪声类型估计法估计出切片图像噪声类型为加性高斯噪声,高斯函数对随机选取的15幅狭叶锦鸡儿叶切片图像平滑区域直方图数据点拟合优度2R均值为0.996,平均均方根误差RMSE(root mean squared error,RMSE)为0.144 6;采用该文噪声强度估计法估计出的切片图像噪声标准差???[2.5,4.0],处理标准差较小噪声,该文算法处理精度、运行速度和稳定性等方面存在明显优势;GMF-BM3D算法在较好去除图像噪声同时,极大的保留了图像纹理、边缘和细节等信息,同时极大的提高了算法运行速度,处理后的图像BRISQUE(blind/referenceless image spatial quality evaluator,BRISQUE)值为10左右,相当于原图BRISQUE值的1/2左右。与传统BM3D算法相比,去噪效果相当,但耗时约相当于传统BM3D算法的1/9。与小波去噪算法(wavelet threshold,WT)算法相比,虽速度相对较慢,但去噪后图像BRISQUE值比使用WT法低4左右。因此,该算法较好实现了对狭叶锦鸡儿叶切片图像准确降噪,为其后续处理提供了可靠技术支持。     

小波域非局部均值无芒隐子草叶切片盲去噪

在获取无芒隐子草叶切片图像时不可避免受到噪声的污染,易导致后续提取和测量特征参数的不准确。对于自然图像,事先并不知道其所含噪声的类型和方差,因而首先利用小波变换和曲线拟合确定切片图像噪声类型和强度;在此基础上,分别应用小波阈值去噪、非局部均值去噪和提出的非局部均值滤波(NLM)与小波阈值去噪相结合的方法对无芒隐子草叶切片图像进行去噪。实验结果表明:获取的切片图像噪声类型为高斯加性噪声,标准差为σ∈[1. 5,3. 5],用高斯函数对随机选取的10幅切片图像的高频HH子带能量分布进行拟合,拟合优度为R2=0. 990 7;用3种方法对含不同噪声大小的切片图像进行去噪,当噪声标准差为σ∈[1. 5,8]时,应用Beyes Shrink法去噪后,图像的峰值信噪比提高了3 d B,而NLM和本文提出的算法不适用;当噪声标准差为σ∈[8,15]时,NLM算法和提出的算法去噪效果相当,去噪后图像峰值信噪比提高了7. 5d B,应用Beyes Shrink算法提高了6. 5 d B;而当σ∈[15,30]时,使用提出的算法表现出较大的优越性,去噪后图像峰值信噪比提高了10. 53d B,是NLM算法的1. 4倍、Beyes Shrink法的1. 3倍。本文的算法和实验结论可为无芒隐子草切片图像准确降噪提供理论基础。     

基于MATLAB软件的图像去噪方法比较

一幅图像在实际应用过程中可能存在各种各样的噪声,给后面的图像区域分割、分析判断等工作带来了困难,因此图像去噪是图像处理中的重要组成部分.利用MATLAB软件对均值滤波、中值滤波和自适应滤波3种图像去噪技术进行分析比较.结果表明:均值滤波方法适于去除高斯噪声;中值滤波方法适于去除椒盐噪声,同时能较好保护图像边界;自适应滤...     

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Sobel-TV模型的超声测井图像去噪算法研究

传统的TV模型对小尺度细节和噪声的图形去噪有很好的效果,但对纹理丰富和边界细小的图像会造成细节的丢失。根据超声测井图像的要求,提出了一种基于Sobel－TV模型的去噪方法。该方法在TV去噪模型的基础上引入Sobel算子来控制平滑程度,既提高图像的去噪效果,又保护图像的重要细节。处理结果表明,该方法能够有效地去除超声测井图像的噪声,保护了图像的边缘和细节,明显地改善了图像的视觉效果,算法简单、实用,对超声测井图像的后期处理具有较高的实用价值。