优化自适应中值滤波器滤除图像椒盐噪声方法研究

为了抑制医学图像上的椒盐噪声等污染,并尽量保持图像的清晰度和细节边缘信息,提出了一种利用优化的自适应中值滤波器来滤除医学图像中椒盐噪声的新方法.该方法克服了自适应中值滤波不能有效剔除掉尖锐椒盐噪声点的不足.实验表明,该方法可以有效滤除医学图像椒盐噪声.     

基于改进中值滤波的图像噪声去除算法的研究

为了有效且快速滤除高密度椒盐噪声,同时又能很好地保护图像的细节,提出了一种基于中值滤波和均值滤波的改进滤波算法。该算法首先通过噪声检测过程确定图像中的噪声点和非噪声点,然后利用小窗口进行迭代滤波,根据窗口内非噪声点及噪声点数目的不同,采用相应的算法对窗口内噪声点进行适时的更新。试验结果表明,该算法能有效滤除密度从5%至80%的分布范围内的椒盐噪声,在图像的主观质量和客观质量方面均取得了较好的效果,有利于图像进一步的分析、判读。     

基于形态学和分形理论的农产品图像去噪

结合形态学和分形理论对农产品图像进行去噪处理,先通过形态学的开运算和闭运算滤除图像的正脉冲和负脉冲噪声,滤除噪声的高频部分效果明显,再计算经过形态学滤波后图像的分形维数,通过分形维数估算出修正参数修正图像,不仅能兼并噪声的低频部分,还能去除由于形态学结构元素方向的限制所产生的毛刺,起到平滑图像的作用.试验仿真得到的结果与传统的小波去噪、中值滤波、均值滤波相比较,不仅有较高的信噪比,还能保留图像的细节,提高主观的视觉效果.     

基于二值化的数学形态学生物图像边缘检测算法

针对边缘检测算子对噪声敏感且检测边界相对模糊的缺点,提出了基于动态二值化的数学形态学边缘检测算法.该算法首先利用动态二值化方法确定将灰度图像转化为二值图像的阈值,然后利用数学形态学的腐蚀和去空洞相结合的方法去除二值化图像的噪声,最后用细化方法检测单像素图像边缘.仿真结果表明,该算法能降低噪声及图像模糊对边缘检测的影响,实现边缘的准确定位,并保留足够的图像细节,具有更强的去除噪声能力,为显微生物单体图像处理提供了一种有效的边缘细化检测方法.     

基于LoG算子的棉花图像检索算法研究

针对基于边缘检测的图像检索中边缘点容易受到噪声干扰的问题,提出一种基于LoG边缘算子的棉花图像检索算法.首先在求取边缘检测前进行滤除噪声处理,然后根据欧式距离衡量图像间的相似性.棉花图像数据集的试验结果表明,算法能够有效去除边缘噪声,提高了图像检索的查全率和查准率,尤其适用于高噪声环境下的棉花图像检索.     

一种新的利用人眼视觉特性去噪方法的研究

提出一种新的利用人眼视觉特性去噪方法,该方法充分考虑利用人眼视觉特性确定噪声点,根据窗口内噪声点个数自适应选择合适的滤波窗口大小,采用B样条函数和中值滤波方法对噪声点进行逐点滤除.论文最后给出模拟实验和分析,结果表明该方法是有效的,既能有效地去除图像噪声点,又能较好地保持图像细节部分,为去除图像中的噪声提供了一种新的方法.     

基于改进数学形态学滤波的农产品图像处理

提出了一种针对农产品图像的改进数学形态学滤波算法(improved mathematical morphology filtering algorithm,IMMFA)。该算法首先在充分结合数学形态学开启-闭合,闭合-开启滤波器特点的基础上,引入了图像加权融合机制,构建了一种新型基于加权融合的数学形态学滤波器。然后,针对噪声的随机特性,设计出3类不同尺度的"棱形"结构元素,以实现对噪声的多尺度梯次滤波。最后,引入噪声判别机制融入了图像灰度值因素,通过对图像中噪声强度进行判别,根据判别结果来自适应选择参与滤波的数学形态学结构元素尺寸并对滤波后图像采用自适应同态滤波进行对比度增强处理,一方面在有效滤除噪声的同时尽量保持图像边缘的连续性,另一方面避免图像被"过滤波",提高滤波后图像视觉效果。理论和试验分析结果表明,该算法的性能较优,这说明这一改进思路对于农产品图像的处理具有一定的效果。     

一种新型高斯噪声滤波算法

为了更有效滤除数字图像中的高斯噪声,提出了一种新型滤波算法.该算法首先将含有高斯噪声的图像进行二维小波分解,得到高频和低频小波分解系数;然后保留低频小波系数不变,对高频小波系数通过维纳滤波器进行滤波,并进行小波系数重构;最后将重构图像进行多尺度小波分解,通过设定新的阈值和判别函数,弱化不重要的小波分解系数,并进行小波分解系数重构.分别采用该滤波算法、维纳滤波、小波阈值法以及均值滤波进行高斯噪声滤除处理,试验证明该滤波算法去噪后图像的PSNR值明显高于其他三种方法.     

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.     

基于改进分水岭的图像分割算法研究

针对传统的分水岭算法由于受到图像细节和噪声的干扰而存在着过分割现象,提出了一种改进的分水岭算法,并应用于图像分割。该算法首先采用双边滤波进行预处理,然后建立形态学梯度并对梯度图像进行开闭重建,在保留了轮廓极值信息的同时去除了噪声,最后对重建的梯度图像进行前景和背景的标记,依据标记对梯度图像进行修正并用分水岭算法对其进行分割。结果表明,该方法能有效抑制传统分水岭的过分割现象。     

基于EEMD的含噪叶尖定时脉冲信号提取方法

为了解决噪声干扰条件下叶尖定时脉冲信号难以准确提取的问题,提出了一种基于集合经验模态分解(Ensemble Empirical Mode Decomposition, EEMD)的含噪叶尖定时脉冲信号提取方法。采用EEMD对非平稳、非线性的原始含噪信号进行自适应分解,构建多尺度低通滤波器进行降噪,再对降噪后的脉冲信号进行方波整形处理,并提出融合相似度和相关度的最优降噪整形评价指标,用于含噪信号处理效果的评价。基于含噪叶尖定时脉冲信号特点建立数学模型,验证方法的可靠性和适用性。对比降噪整形处理后含噪叶尖定时脉冲信号与原始无噪信号,其相关度、相似度及综合评价指标分别超过97%、89%及92%,结果表明:该方法能够准确提取噪声干扰下叶尖定时脉冲信号,有利于叶尖定时技术的发展与推广应用。     

基于模糊理论的树冠图像边缘检测算法研究

介绍了一种变量施药的靶标识别方法,采用T-S模糊模型,根据绿色植物和背景颜色的特征值(R、G、B)差异性,采用超绿指标[Excess green,ExG]来区别靶标与背景的隶属度,定义了噪声和边缘隶属度函数,根据模糊推理结果,对植物叶片图像去除噪声后再进行边缘检测,可有效检测图像边缘。降低算法的复杂度,提高了效率,在抗噪性能方面能有效地避免噪声的干扰、节约时间、运算速度快。     

基于小波变换与Otsu阈值去噪的脐橙识别方法

【目的】解决在农业环境中识别脐橙的目标区域存在的噪声干扰、检测效果不理想等问题。【方法】提出一种基于小波变换与Otsu阈值去噪的脐橙识别方法。首先选择较好的对比度,建立有利于图像分割的YCbCr颜色模型;然后设计一种基于Otsu阈值去噪的脐橙检测算法,进而减少脐橙分割区域的噪声干扰;最后提出质心补圆法确定脐橙在图像中的位置,并在原始图像中显示检测结果。【结果】泛青色和橙色脐橙识别率分别为87.10%和94.18%,顺光和逆光情况下脐橙识别率分别为92.96%和90.15%,遮挡和未遮挡情况下脐橙识别率分别为90.82%和93.18%,总识别率为92.07%。【结论】该方法环境适应性强,适用于农业环境下不同遮挡、光照和表皮颜色情况的脐橙图像识别处理。     

一种基于支持向量机的植物根系图像边缘检测算法(英文)

由于传统边缘检测方法中存在的比如粗糙边缘、噪声边缘和不准确边缘等缺点,因此在植物根系的研究中,采用传统的图像边缘检测方法检测出来的边缘信息都无法达到令人满意的效果。本文基于支持向量机方法给出一种新型、简单有效的边缘检测算法。基于带高斯径向基核函数的最小二乘支持向量机,得到了一簇梯度算子和相应的二阶导数算子。用所得到的边缘检测算法与Canny和Prewitt算法的性能进行了比较。仿真结果表明本文给出的算法与传统算法相比,不仅边缘检测性能得到提高,而且可以一定程度地克服噪声干扰。     

电快速脉冲群干扰的频谱分析及消除方法

用MATLAB对电快速脉肿群干扰试验所用干扰脉冲波形进行了频谱分析.结果表明,这种干扰是一种广谱干扰,用普通的滤波方法很难消除.为此,提出了用吸收式滤波器消除这种干扰的方法以及实现过程中试验、调试应注意事项.     

一种改进的基于MRF的树木图像提取方法

在自然场景中拍摄的树木图像包含了丰富的信息,并受环境、光照、天气、噪声等的干扰,树木本身及其周围景物的多样性使得自然场景中的树木图像提取成为一项复杂的、探索性很强的工作。本文采用自然图像抠图技术进行树木图像的提取,较好地解决了树木图像内部存在大量空洞和透明现象的问题;提出了关注区域的概念,并引入区域生长的方法,从简化三分图划分、尽可能多地确定前景像素点和减少未知区域待运算像素数目3个方面对基于马尔可夫随机场（MRF）的抠图方法进行了改进。实验结果表明:改进的基于MRF的树木图像抠图算法能够有效地提取树木图像,并简化了人机交互过程,增强了颜色的准确性,同时使运算速度大幅度提高。      

基于改进分水岭的图像分割算法研究

针对传统的分水岭算法由于受到图像细节和噪声的干扰而存在着过分割现象,提出了一种改进的分水岭算法,并应用于图像分割。该算法首先采用双边滤波进行预处理,然后建立形态学梯度并对梯度图像进行开闭重建,在保留了轮廓极值信息的同时去除了噪声,最后对重建的梯度图像进行前景和背景的标记,依据标记对梯度图像进行修正并用分水岭算法对其进行分割。结果表明,该方法能有效抑制传统分水岭的过分割现象。     

支持向量机理论在植物根系图像边缘检测中的应用

由于传统边缘检测方法中存在的比如粗糙边缘、噪声边缘和不准确边缘等缺点,因此在植物根系的研究中,采用传统的图像边缘检测方法检测出来的边缘信息都无法达到令人满意的效果。本文基于带高斯径向基核函数的最小二乘支持向量机方法,得到了一簇梯度算子和零交叉算子,用来定位图像边缘,从而得到一种有效的图像边缘检测算法。用所得到的边缘检测算法与Sobel算法和Prewitt算法的性能进行了比较。仿真结果表明本文给出的算法与传统算法相比,不仅边缘检测性能得到提高,而且可以一定程度地克服噪声干扰。