基于MATLAB图像处理的几种滤波器的比较

噪声的特点表现为临近像素值梯度的急剧变化,噪声点反映在频域上代表图像信号的高频分量,通过低通滤波器滤除这些高频分量,实现对图像的平滑抑噪.论文介绍了四种滤波器在图像处理中的应用实例.实验表明,四种滤波器均能够达到良好的去噪效果.     

统计学习在海上遥感图像背景去噪的算法研究

针对传统的遥感图像中存在的边缘清晰度低、噪声干扰大等问题,本文在统计学习的基础上利用支持向量值轮廓波变换进行海上遥感图像去噪处理。阐述支持向量值轮廓波变换,并建立相干斑噪声模型,通过支持向量值轮廓波变换对此模型进行处理,最后进行不同算法的对比实验。实验结果表明,本文算法能够保持原始图像的细节信息,泛化能力好。     

利用NSCT循环抽样进行水声图像去噪

在海上军事及海底探测领域,基于声呐图像的识别应用越来越多。但是声呐图像混入了多种海上噪声,在图像对比时首先需要去除噪声。NSCT是一种基于拉普拉斯逆变换的滤波方法,对于海上声呐图像首先按照周期进行循环抽样,然后利用NSCT变换得到图像边缘系数,再通过滤波平移对噪声进行去除。本文在研究声呐图像及海上噪声特性的基础上,利用NSCT滤波算法对其进行去噪处理,得到空域平均后的去噪图像,并给出仿真结果。     

噪声干扰下船舶遥感图像的目标边缘检测方法

目前边缘检测方法根据图像极值点筛选图像边缘点,导致检测到的边缘图像不清晰,平均能量值偏低,提出噪声干扰下船舶遥感图像的目标边缘检测方法。采用频域Fourier变换去除图像噪声;选择Canny算子,设计目标边缘检测流程;平滑去噪图像,根据图像边缘梯度极大值点,筛选图像目标边缘点,分割图像目标和背景,实现目标边缘检测。实验结果表明,在1%和10%梯度下的校验噪声模拟的噪声干扰下船舶遥感图像中,研究方法相较此次实验选择的方法,检测到的目标边缘图像平均能量值高。     

船舶噪声视频图像的去噪锐化方法

传统视频图像降噪处理普遍采用小波滤波算法完成降噪计算,虽然像素通道内的噪声被有效去除,但是滤波过程中有效像素的损耗导致图像通道的收敛性降低,不利于后期图像的锐化处理。为了解决此问题,提出船舶噪声视频图像的去噪锐化方法。为了避免去噪过程中对正常像素的损伤,本文提出的方法采用拉氏去噪算子去噪算法,完成噪声像素点的去除计算。通过梯度锐化并行算法在去噪算法的基础上,完成对图像像素的锐化计算。对比实验表明,提出的去噪锐化方法比传统去噪锐化方法,提升图像整体去噪锐化效果好,实用性更强。     

舰船尾迹图像去噪处理方法研究

针对现有去噪处理方法获得的舰船尾迹图像质量较差,边缘信息模糊等缺点,提出一种基于MCA与特定滤波器相结合的舰船尾迹图像去噪处理方法,对舰船尾迹成像模型和相干斑噪声模型以及统计特性进行了分析和计算;采用MCA对舰船尾迹结构成分与水面复杂背景纹理成分进行有效分离,分别选择双正小波变换和剪切波变换构建舰船尾迹纹理字典和结构成分字典,将舰船尾迹图像形态成分分离过程转化成最优化问题进行求解,去除了干扰;采用同态滤波对去噪处理后的舰船尾迹图像进行增强,并设计了高通滤波器来替代同态滤波函数中的滤波器,实现了舰船尾迹图像的中低频成分抑制和高频部分增强。实验结果表明,所提方法对舰船尾迹图像的去噪处理效果最好,得到的图像边缘清晰度更高,纹理特征也更加显著,且细节信息得到了增强。     

基于小波阈值法和LMS自适应滤波法的舰船去噪方法

在海上行驶过程中,为确保安全稳定航行,有必要高度重视舰船去噪的重要性。其中,在舰船去噪过程中,将信噪比增益当做小波基函数的一个重要参数进行研究,可以将改进后的小波阈值算法应用到舰船的背景信号去噪算法中,进而改善去噪的效果。而LMS自适应滤波器则能够结合环境改变对滤波器的系数进行自动调整,结构相对简单且运算量不大,容易满足硬件需求,所以也在噪声对消与信号预测、增强等诸多领域中得到广泛应用。在舰船去噪中,将小波阈值去噪方法与LMS自适应滤波算法应用于其中具有一定的可行性,值得展开进一步研究与探讨。     

基于改进Bregman TV与形态学的NSCT声呐图像融合去噪

传统去噪方法在去除声呐图像斑点噪声的同时,难以拥有很好的细节信息。为此,提出一种基于改进Bregman TV与数学形态学的NSCT声呐图像融合去噪技术。引入图像熵、梯度和边缘强度对Bregman TV的正则参数进行改进,在去噪过程中拥有更多的边缘细节信息。利用新的Bregman TV和数学形态学分别对声呐图像去噪,然后使用NSCT分解为高频和低频,高频拥有大量的边缘信息,低频具有图像细节信息。Bregman TV拥有很好的保边性,数学形态学拥有很好的去噪效果,将2种优势结合,因此采用Bregman TV的高频和数学形态学的低频进行NSCT逆变换,实现图像去噪。实验结果表明,该方法相比于使用基于小波变换和全变分的图像去噪、传统的Bregman TV去噪、数学形态学去噪,更能有效地降低斑点噪声,保留更多的图像细节信息。     

舰船钛合金超声检测信号模型及模极大值小波去噪算法分析

针对舰船用钛合金超声检测信号中普遍存在的材料散射噪声过大的现象，结合钛合金超声检测信号与散射噪声信号的产生特点，构造了一组信号模型，并提出了基于小波分解的一种改进的模极大值去噪算法。该算法利用小波分解中的低频系数来确定信号位置，在高频各尺度系数的对应位置寻找相应的频率信息，以达到提取信号去除噪声的目的。实例分析表明，该模型能基本反映超声检测信号的特点，而且此算法对TA2钛合金超声检测信号去噪效果比较理想。     

船舶纹理图像自适应滤波去噪研究

由于传统的船舶纹理图像的自适应滤波去噪方法存在去噪效果差的问题,因此提出了一种新的船舶纹理图像的自适应滤波去噪方法。根据船舶纹理图像空间坐标连续性,将船舶纹理图像表示成数字图像形式,利用船舶图像纹理的主要3个标志,提取纹理特征,并给出纹理特征定量估计结果。结合图像纹理特点,对图像进行分割处理。采用极值检测方法设计噪声检测的自适应滤波,在一定程度上判断出噪声大小。通过设置阈值减小对噪声的误判,实现图像信息与噪声的有效分离。设计去噪流程,由此完成自适应滤波的去噪处理。通过实验对比结果可知,该方法的去噪效果较好。     

海上视频监控系统组合相似度图像智能识别方法

在海上防御中,准确识别目标物体具有重要的现实意义。为此,针对2种传统图像目标识别方法存在的精度问题,研究一种海上视频监控系统组合相似度图像智能识别方法。该方法主要分为3步骤,首先对海上监控系统采集到的图像进行预处理,包括图像灰度化、图像平滑去噪、图像增强、图像分割等,然后利用HOG特征提取算法对处理好的图像进行特征提取,最后通过距离公式计算目标特征与数据库中相似性评价标准之间的相似度,完成相似度匹配,实现目标识别。结果表明:与基于K-means聚类、CNN模型等2种传统图像目标识别方法相比,利用本方法编程的软件程序进行25000个海上目标识别,识别准确性分别提高8.1%和7%,提高了海上防御的安全性。     

两种自适应噪声抵消算法的性能仿真

介绍了自适应噪声抵消系统及其核心部分一自适应滤波器的基本原理和常见算法,并采用LMS、NLMS算法在Matlab平台中进行了系统消噪性能的仿真对比,讨论了不同参数设定对系统性能的影响.结果表明,当其他条件不变时,所选用步长或者滤波器阶数的增加,会造成滤波器自适应学习时间加长,失调系数变大,消噪性能趋于恶化;对于有色噪声的消除,NLMS算法有明显优势和效果,而LMS算法则存在梯度噪声被放大、失真度高等问题.     

随机矩阵理论在舰船复杂网络去噪中的应用

通信信号质量直接关系到海上舰船与岸上基站之间的通信是否有效,提出一种基于随机矩阵理论的舰船复杂网络去噪方法。首先采集舰船复杂网络中的通信信号并进行处理,转换成随机矩阵形式,然后通过计算距离提取被噪声"感染"的信号特征,最后计算噪声感染程度特征值,选取噪声信号,并进行滤波处理,实现去噪。结果表明:所研究方法应用下,去噪后的通信信号信噪比为7.821 dB,信息熵为15.362,大于传统方法应用下的去噪效果,由此说明该方法可以同时达成去噪效果和保证信息完整性的双重目标。     

基于双边滤波的船舶图像混合域去噪方法

船舶SAR图像由于高斯噪声、相干斑噪声以及SAR雷达的阴影特性等原因,SAR图像中存在着大量噪声,这些噪声信号会干扰基于SAR图像的海上船舶目标识别与监测。针对这一问题,本文提出一种基于双边滤波算法的船舶SAR图像混合区域去噪算法,阐述双边滤波算法的原理,进行SAR图像噪声的来源建模,在实际船舶SAR图像的处理过程中取得了良好的降噪效果。     

一种改进小波阈值的图像去噪算法

利用小波变换进行图像去噪目前始终是研究的热点。文章提出了一种改进小波阈值的图像去噪新算法。该算法根据软硬阈值函数的不同优点,并结合斜坡阈值技术对小波阈值函数进行了改进,将经小波分解以后的小波变换系数分三种情况进行讨论,有效地剔除了噪声信号的影响。在进行图像处理中,能够得到较低的均方误差和较高的信噪比,并且能有效地去除Gibbs效应,保留较多图像的边缘和细节信息。仿真实验结果表明该算法的去噪效果优于传统的软硬阈值方法去噪,取得了很好的去噪效果。     

涂胶缺陷检测中的边缘提取方法

针对涂胶区域分割不够准确影响检测精度的问题,提出一种新的边缘提取算法来获取涂胶区域.为避免出现传统Canny边缘检测方法存在的易受噪声干扰的缺点,采用具有保边特性的加权最小二乘法滤波器对图像进行滤波去噪,增加45°方向和135.方向图像梯度计算,利用改进的Canny算法获取边缘,针对获取的边缘点,使用区域生长方式将涂胶区域提取出来;对提取的涂胶区域与标准涂胶区域进行配准和减影,得到的减影结果即为涂胶缺陷.仿真试验结果表明,该算法能很好地提取到胶水区域,并获取胶水缺陷.     

基于小波分解的舰船钛合金超声检测信号去噪算法

传统的信号去噪算法在处理舰船钛合金超声检测信号时,受到阈值函数不连续这一特性的影响,算法的自适应性比较差。为此,将小波分解技术应用到超声检测信号去噪算法中。考虑小波分解层数对信号的影响,利用先验知识确定分解层数,在此基础上,结合软硬阈值函数,构造出折中的阈值函数并进行一定优化,将构建的阈值函数用于小波系数最化处理,将小波系数与分解系数相结合重构超声检测信号,完成去噪处理。实验结果表明:设计的基于小波分解的舰船钛合金超声检测去噪算法在不同的实验条件下信噪比高、均方根误差小,该算法的自适应性优于传统的去噪算法。     

小波变换在舰船图像尺寸测量方法中的应用

分析小波阈值降噪和基于小波图像分割技术在舰船图像尺寸测量中的应用,在小波阈值降噪阶段,利用高斯小波对图像进行4层分解,逐层去除噪声的小幅值小波系数,达到去噪目的;在图像分割阶段,首先利用灰度直方图以及本文提出的像素邻域差值直方图构建二维直方图,然后对其进行最优一维投影;最后利用Haar小波对最优一维投影进行分解,求取图像最佳分割阈值。本文用提出的算法对舰船的主轴长度、主轴垂直方向长度、舰船面积以及周长4个尺度量进行测量。实验结果表明,小波变换在图像降噪和分割方面有诸多优势,而降噪和分割又是舰船尺寸测量的必须步骤,因此小波变换将在舰船图像尺寸测量中发挥越来越重要的作用。     

舰船遥感图像分割中阈值的自动选取算法

为了提高舰船遥感图像的分割效果,解决传统阈值选取算法存在的选取性能低的问题,提出舰船遥感图像分割中阈值的自动选取算法。利用安装的遥感设备采集舰船遥感图像,并以此作为研究样本构建相应的直方图,并通过预测实现分割阈值的自动选取。将设计的阈值自动选取算法应用到实际的舰船遥感图像分割工作中,相比于传统的阈值选取算法,应用设计方法得出的图像分割结果的AER值更小,即分割效果更理想。     

一种面向水下无人航行器的实效图像增强算法

针对水下图像存在严重模糊、对比度低、噪声多等问题,根据小波的时频特性及多分辨率特点,提出一种基于小波变换的水下模糊图像增强算法。利用小波变换对RGB图像进行二层小波分解,把原图分解为高、低频子带,利用导向滤波算法估计低频子带上的照射分量并进行去除;利用软阈值算法对高频子带上的图像边轮廓信息进行去噪和增强处理;对水下图像进行小波逆构,并进行伽玛校正;最后利用改进的灰度世界算法对水下图像进行颜色校正。试验结果表明,使用文章中算法处理所得到图像的对比度及信噪比都较高,且清晰度较高,满足水下无人航行器的要求。