渔场夜间监控系统图像去噪算法

针对渔场监控系统中夜间监控图像存在大量噪声的情况，分析了图像主要噪声源，并通过仿真试验分析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、图像的清晰程度及图像去噪时间复杂度的基础上，提出了将数学形态学方法和中值滤波方法相结合用于数字监控系统的图像去噪算法。通过试验验证了本算法的可行性、实时性和鲁棒性。     

基于小波变换的Wiener滤波算法去除苹果图像噪声

在小波变换的基础上，提出了一种基于小波变换的Wiener滤波去噪方法。采用该方法对苹果图像的加性噪声（高斯白噪声）去噪，结果PSNR为184．94，视觉效果清晰（而含噪声图像的PSNR为158．23，噪声太多不清晰）。好于邻域平均法（PSNR为174．15，视觉上含部分噪声）、中值滤波法（PSNR为182．4Z）、小波阔值去噪（PSNR为171．59，视觉上也含部分噪声）和Wiener滤波去噪法（PSNR为173．65）的去噪结果，更好于数学形态学的去噪结果（PSNR为150．46，视觉上含较多噪声）。试验结果表明，基于小波变换的Wiener滤波方法对苹果图像加性噪声的去噪效果具有信噪比高、视觉效果好等优点。     

灰色预测在粮虫图像去噪中的应用

介绍了图像去噪和灰色GM(1,1)模型的基本理论,分析了已有的基于GM(1,1)模型的图像去噪算法的缺陷,提出了基于GM(1,1)的改进型图像去噪算法。Matlab平台的仿真实验表明该方法比经典的领域平均法和已有的基于GM(1,1)模型的图像去噪算法更有效。     

基于数学形态学的超声图像增强探析

由于医学成像本身固有的缺陷,会对医生分析和诊断病症造成不利影响．为了提高图像的可读性以及对人体的解剖结构和病变部位进行更有效的观察和诊断,对医学图像进行计算机处理是非常必要的。现有的超声图像增强主要集中在去噪和边缘检测方面。本文提出了一种基于数学形态学的超声图像增强的算法。我们首先对图像进行预处理．使用滤波方法对图像去噪;然后用边缘提取算子,对图像进行边缘检测;使用数学形态学方法对提取边缘进行增强．得到连续的增强后的边缘图像;最后根据得到的边缘图像进行增强。实验表明,本文提出的算法可以有效地增强超声图像,具有一定的实用价值。最后,本文对这项工作做了总结。对未来研究进行了展望。     

小波域中的自适应模糊阈值图像去噪

对小波阈值去噪中的常用阈值和阈值函数进行分析,提出一种自适应的模糊阈值去噪算法,该算法在BayesShrink阈值基础上,通过增加一个修正因子,并结合模糊理论,自适应地对图像进行模糊阈值函数处理.实验表明该算法与BayesShrink软阈值函数去噪算法相比,去噪后图像的峰值信噪比PSNR和最小均方误差MSE均有所提高,并且图像也更清晰,具有较好的去噪效果.     

基于自适应小波偏微分方程的蝗虫切片图像去噪

蝗虫显微切片图像在获取的过程中不可避免地会受到噪声污染,其纹理、边缘与噪声又都属于高频分量,单独使用小波变换或偏微分方程(partial differential equation,PDE)扩散的方法都不能在有效去噪的同时保持边缘、纹理等。针对这一问题,提出了基于自适应小波PDE的去噪算法。首先对蝗虫切片含噪图像进行sym5小波软阈值去噪,分解层数根据去噪后图像的PSNR(peak signal to noise ratio)值自适应地选择,阈值门限使用Birge-Massart处罚算法获取。然后在此去噪的基础上进行Perona-Malik(PM)模型去噪,迭代次数根据去噪后图像的PSNR值自适应地选择,梯度阈值根据图像自身的2范数获取。为了验证所提出算法的去噪性能,进行了与常用去噪算法的对比试验。试验结果表明:视觉上,采用本文算法去噪后的图像噪声点较少且边缘、纹理清晰;客观上,采用该文算法去噪后的图像PSNR值比使用维纳滤波高出2 d B左右,比使用中值滤波高出3 d B左右,比使用小波阈值去噪高出2 d B左右,比使用PM模型去噪高出1 d B左右,并且在结构相似性(structural similarity image measurement,SSIM)上采用该文算法去噪后的图像与原始图像的相似度最高。因此,将自适应小波PDE的算法应用于蝗虫切片去噪是可行的、有效的,为其后续处理提供了技术支持。     

一种Contourlet域高斯混合模型降噪方法

利用图像子带内部Contourlet系数的空间相关性,在平移不变Contourlet去噪方法的基础上提出了一种随像素自适应调整的混合高斯模型去噪方法.每个系数建模为两个均值为零、方差不同的正态分布之和,利用局部贝叶斯阈值对Contourlet系数进行分类,通过当前系数邻域窗中两类系数的信息,得到大、小方差以及有关概率的模型参数估计.该方法较平移不变小波去噪和平移不变Contourlet去噪的Contourlet域降噪方法具有更好的降噪效果,进一步提高了PSNR值,降低了MSE值,获得了更好的图像恢复质量.     

缺株玉米行中心线提取算法研究

无人驾驶农机自主进行行驶路径检测和识别系统需要具备环境感知能力。作物行的中心线识别是环境感知的一个重要方面,已有的作物行中心线识别算法在缺株作物行中心线提取中存在检测精度低的问题。该研究提出了一种能够在缺株情况下提取玉米作物行中心线的算法。首先采用限定HSV颜色空间中颜色分量范围的方法将作物与背景分割,通过形态学处理对图像进行去噪并填补作物行空洞;然后分别在图像底部和中部的横向位置设置条状感兴趣区（Region of Interest,ROI）,提取ROI内的作物行轮廓重心作为定位点。在图像顶端间隔固定步长设置上端点,利用定位点和上端点组成的扫描线扫描图像,通过作物行区域最多的扫描线即为对应目标作物行的最优线;将获取的最优线与作物行区域进行融合填充作物行中的缺株部位;最后设置动态ROI,作物行区域内面积最大轮廓拟合的直线即为目标作物行中心线。试验结果表明,对于不同缺株情况下的玉米图像,该算法的平均准确率达到84.2%,每帧图像的平均检测时间为0.092 s。该研究算法可提高缺株情况下的作物行中心线识别率,具有鲁棒性强、准确度高的特点,可为无人驾驶农机在作物行缺株的农田环境下进行作业提供理论依据。     

小波阈值去噪在地震解释图像处理中的应用

在数字图像处理过程中,如何减弱或消除噪声对源图像的干扰是图像预处理技术中的难点和关键步骤。将基于小波变换的阈值去噪方法应用于地震解释图像的预处理中,并采用了一种改进的小波阈值函数,改进后的小波阈值函数可以有效抑制传统软硬阈值方法所带来的固有缺点。给出了具体的算法流程。试验证明,该算法可有效去除三维地震资料相干切片图像中的噪声并保持边缘细节,为下一步对断层的提取及解释提供有力保障。     

一种基于小波阈值的图像去噪方法研究

在印刷品质量检测系统中，采集来的图像不可避免会出现噪声。针对这种情况，本文提出了基于小波阈值的图像去噪方法。该方法首先对噪声图像进行小波变换得到小波系数矩阵，硬阈值化后，对阈值化后的小波系数矩阵逆变换。得到去噪图像。实验结果表明，该方法比中值滤波具有更好的去噪效果。