圖像去噪
- 基于紫外和紅外光譜聯合的低零值絕緣子狀態監測技術研究
零值絕緣子；圖像去噪；破損特征；過熱特征；閃絡特征中圖分類號： TP391.4文獻標志碼： A ?文章編號： 1001-5922（2023）08-0180-05Research on low zero insulator condition monitoring technologybased on combined ultraviolet and infrared spectroscopyXIA Liwei，ZHANG Chuqian，YIN Hong，
粘接 2023年8期2023-09-05
- 輪胎圖像去噪方法研究
算法實現輪胎圖像去噪；最后通過實驗驗證了輪胎圖像去噪方法的有效性，分析了不同方法的峰值信噪比（Peak Signal to Noise Ratio， PSNR）性能。關鍵詞： 輪胎圖像； 圖像去噪； 均值濾波； 中值濾波； 小波變換中圖分類號：TP391.4? ? ? ? ? 文獻標識碼：A? ? ?文章編號：1006-8228（2023）05-11-04Research on tire image denoising methodsLiu Hongbin
計算機時代 2023年5期2023-05-14
- 基于區域劃分的非局部均值圖像去噪算法的改進
蔣林關鍵詞：圖像去噪；非局部均值；歐氏距離；權重函數中圖分類號：TP391 文獻標識碼：A1 引言（Introduction）圖像在獲取、傳輸的過程中會受到噪聲的干擾，導致圖像的邊界輪廓、線條紋理等細節部分變得模糊不清，因此需要對圖像進行降噪處理，以便進行更高層次的圖像分析與理解。BUADES等[1]提出了非局部均值去噪算法，打破了傳統局部鄰域的限制，用相似像素加權平均實現圖像去噪，這種方法取得了較好的去噪效果。為了進一步提升去噪效果，部分學者對NLM算法
軟件工程 2023年5期2023-05-09
- 基于密度聚類與灰度變換的NSST域聲吶圖像去噪
璽摘要：傳統圖像去噪方法在去除聲吶圖像斑點噪聲的同時，難以有效保留細節特征.針對該問題，提出一種基于密度聚類與灰度變換的非下采樣剪切波域圖像去噪方法.利用非下采樣剪切波變換將含噪圖像分解為高頻系數和低頻系數，根據聲吶圖像中斑點噪聲的分布特性，采用基于密度的噪聲應用空間聚類（Density-based Spatial Clustering of Applications with Noise，DBSCAN）算法對高頻系數進行處理，分離噪聲信號，保留細節信息；
湖南大學學報·自然科學版 2022年8期2022-11-14
- 基于CNN的小波域低劑量CT圖像去噪算法研究
低劑量CT;圖像去噪;平穩小波變換;殘差神經網絡中圖分類號：TP305? ? ? 文獻標識碼：A文章編號：1009-3044（2022）25-0082-04開放科學（資源服務） 標識碼（OSID） ：1 概述X射線計算機斷層掃描（CT） 是現代醫學影像中重要的成像方式之一[1]，CT由于其能夠高質量呈現人體器官結構信息的特性，在現代臨床醫學的病情診斷中被廣泛使用。然而，X射線在穿過人體時，會引發人體內的分子與化學物質發生反應，對人體帶來危害。隨著X射線劑量
電腦知識與技術 2022年25期2022-10-18
- 圖像去噪在火焰識別中的應用研究
;小波變換;圖像去噪;火焰識別火災一直以來都嚴重威脅著人類的生命和財產安全，影響著社會的穩定。在火災事故中，現場調查人員通過對火災現場的調查可以幫助查明火災原因，總結火災經驗，對于預防火災有著極其重要的作用。隨著社會和科技的發展，近年來，視頻火災的偵查技術成為火災調查新的研究熱點。調查人員通過對火災現場相關的視頻和圖像進行技術分析，進一步判斷火災起火點、起火原因以及火災發展過程。而現場采集的視頻圖像在拍攝、采集、傳輸、處理等過程中，會因為各種不可避免的原因
消防界 2022年11期2022-07-02
- 監督性機器學習算法在圖像去噪中的應用
位置，導致在圖像去噪過程中丟失圖像原始信息，需要反復對比去噪后的圖像與原始圖像，增加圖像的去噪時間。深度學習在處理實際問題中發揮了巨大作用，可以通過各種智能技術手段，對信息圖像進行處理，從而幫助人們更好地觀察事物，采取較為正確的行動，研究監督性機器學習算法在圖像去噪中的應用方法。在多點位設置圖像噪點分隔節點的基礎上，采用監督性機器學習算法，構建圖像的噪點提取模型，聚類理論篩選噪點完成圖像去噪，完成監督性機器學習算法在圖像去噪中的應用方法設計。實驗結果表明：
電腦知識與技術 2022年16期2022-05-30
- 基于改進生成對抗網絡的圖像去噪方法
摘要：針對在圖像去噪領域一些傳統方法已無法解決數據維度、數據質量、數據復雜度的問題，本文提出基于改進的生成對抗網絡GAN的圖像去噪方法。該方法首先給在ImageNet數據集中隨機挑選出的原始圖像分別加上0.15、0.25的高斯噪聲得到帶噪聲的模糊圖像，然后將模糊圖像輸入到增加了殘差網絡的生成網絡里得到去噪圖像，將原始圖像和去噪圖像一同輸入到判別網絡里進行訓練，訓練時采用特定的損失函數來優化訓練，最后用峰值信噪比和結構相似性兩個指標來衡量該方法與其他方法的去
電腦知識與技術 2022年12期2022-05-29
- 一種基于FPGA應用于紅外圖像的去噪方法
的視覺感官，圖像去噪成為圖像處理不可或缺的環節。國內外對圖像去噪的研究能夠應用大多數的場景。針對紅外圖像應用場景，采用去噪效果好、實時性好、資源占用較少的，能在FPGA運行的去噪算法顯得尤為重要。主要介紹一種應用在紅外圖像的去噪方法。該方法基于常規經典算法，結合行業實際應用，對去噪處理后的圖像進行合理銳化，從而達到行業實際應用需求。[關鍵詞]FPGA;圖像去噪;紅外圖像[中圖分類號]TP391.41 [文獻標志碼]A [文章編號]2095–6487（202
今日自動化 2021年8期2021-11-28
- 一種針對椒鹽噪聲的高速自適應中值濾波算法
。關鍵詞： 圖像去噪; 中值濾波; 自適應; 椒鹽噪聲; 高速中圖分類號：TP391? ? ? ? ? 文獻標識碼：A? ? ?文章編號：1006-8228（2021）10-68-04A high speed adaptive median filtering algorithm for salt and pepper noise removingMa Lian， Li Lin（School of Electrical and Electronic Eng
計算機時代 2021年10期2021-10-24
- 基于深度學習的圖像恢復技術研究與實現
;深度學習;圖像去噪;計算生成全息圖;圖像光加密中圖分類號：TP391? ? 文獻標識碼： A文章編號：1009-3044（2021）14-0164-02在如今信息技術高度發展的時代，信息安全變得尤為重要，光加密作為一種可靠的圖像加密技術具有安全，高效等特點。在光加密系統中，隨機相位掩膜面積有限，為一截斷純相位模板，因此傅立葉譜不可能是一純相位函數，故生成的圖像具有嚴重的圖像噪聲。直接對數據集使用光加密系統的噪聲圖像使用深度學習去噪需要大量的數據樣本，無法
電腦知識與技術 2021年14期2021-07-19
- 圖像去模糊處理研究
進，提出一種圖像去噪效果更好的方法。該方法首先對圖像添加高斯白模糊，模擬圖像在不同程度下的模糊情況，其次對添加了不同高斯白噪聲下的圖像分別進行小波閾值、Wiener濾波、小波閾值和Wiener濾波聯合去噪，對比不同不通濾波在相同條件下的去噪效果，最后，計算出降噪之前以及降噪之后的圖像信噪比、峰值信噪比。仿真結果表明，該方法的信噪比和峰值信噪比大于比單獨使用Wiener濾波和單獨使用小波閾值去噪，圖像的還原度也較之兩者要好。關鍵詞：小波變換;小波閾值;維納濾
電腦知識與技術 2020年32期2020-12-29
- 基于高分辨小波混沌置換的平面設計圖像處理技術研究
高平面設計的圖像去噪質量，文中基于高分辨率的小波混沌置換算法，提出一種適用于平面設計的圖像處理方法。首先，通過二維小波變換的快速分解算法，計算圖像在各個分量上的小波系數;再利用同一個分量或相鄰分量小波系數之間的相關性，通過文中所提出的圖像相位濾波算法，同時使用相應的小波系數重構處理后的圖像，最終形成了完整的平面設計圖像處理方案。仿真結果表明，與基于幅度的匹配濾波算法相比，所提出的算法具有更加理想的去噪效果。關鍵詞： 平面設計; 圖像處理; 小波變換; 小波
現代電子技術 2020年24期2020-12-28
- 基于小波的平面設計圖像處理技術研究
面設計中對于圖像去噪質量要求日益增高的問題，文中提出基于小波的平面設計圖像處理技術方案。在二維圖像建模的基礎上，利用離散小波的方法對圖像進行變換，改進小波系數閾值設計并進行量化。為進一步提高圖像去噪與恢復的質量，文中還設計基于小波分解尺度的自適應閾值設置方法，可以有效地自適應調節閾值以保留有效信息。仿真驗證與數據分析結果表明，文中所設計的算法相比于現有算法可以更好地對圖像進行去噪與恢復，自適應閾值可以有效提高圖像恢復質量。關鍵詞： 平面設計; 圖像處理;
現代電子技術 2020年22期2020-12-07
- 藏文文獻版面分析中去噪方法研究
價。關鍵詞：圖像去噪;卷積神經網絡;殘差學習;藏文文獻版面中圖分類號：TP18 文獻標識碼：A文章編號：1009-3044（2020）29-0196-03隨著現代科技的發展和電子數碼產品的普及，圖像在人們生產和生活中的應用越來越普及[1]。但是，由于物理或人為等因素，可能會導致圖像在采集和傳輸過程中受到不同程度噪聲的干擾[2]。因此，圖像去噪是圖像研究領域極其重要的一步。1 研究基礎現如今圖像去噪的研究發展已經較為成熟，以神經網絡的普及為分界點，圖像去噪方
電腦知識與技術 2020年29期2020-12-01
- 基于開關型非局部均值濾波的指靜脈圖像去噪
濾波的指靜脈圖像去噪算法。該算法首先生成靜脈圖像像素點的Hessian矩陣，然后通過Frangi濾波對起皮干裂區域進行精準檢測，最后對受干擾區域進行非局部均值濾波去噪。理論分析與實驗結果表明，該算法與現有經典靜脈去噪算法相比，充分利用了圖像上其它區域的冗余信息，在實現去噪的同時，更好地保留了非受干擾圖像區域的靜脈細節部分，一定程度上克服了經典去噪算法對整個圖像的過平滑問題。在認假率為0時，拒真率相比原結果降低了5.63%。關鍵詞：Hessian矩陣;Fra
軟件導刊 2020年1期2020-07-14
- 基于圖像傳感器的圖像畫質增強算法研究
處理技術; 圖像去噪; 信號采集; 雙邊濾波; 性能測試中圖分類號： TN911.73?34; TP317.4 ? ? ? ? ? ? ? ? ? 文獻標識碼： A ? ? ? ? ? ? ? ?文章編號： 1004?373X（2020）07?0066?04Research on image quality enhancement algorithm based on image sensorLIU Chun， TAO Weiwei（School of S
現代電子技術 2020年7期2020-06-15
- 中值檢測的迭代中值濾波算法
。關鍵詞： 圖像去噪; 噪聲檢測; 噪聲濾除; 迭代中值濾波; 加權中值濾波; 中值檢測中圖分類號： TN911.73?34; TP391 ? ? ? ? ? ? ? ? ? ?文獻標識碼： A ? ? ? ? ? ? ? ? 文章編號： 1004?373X（2020）07?0070?04Iterative median filtering algorithm based on median detectionCHEN Jiayi1， DONG Mengy
現代電子技術 2020年7期2020-06-15
- 基于加權稀疏與加權核范數最小化的圖像去噪
摘要：為提高圖像去噪的性能，本文提出一種基于加權稀疏表示結合加權核范數最小化的圖像去噪算法。通過高斯混合模型（GMM）學習算法，從自然圖像中學習非局部自相似先驗信息，利用加權稀疏編碼來輔助重構圖像的細節紋理，及低秩正則化來恢復噪聲圖像塊矩陣的潛在結構。實驗表明，該算法在保留圖像的結構和紋理信息的同時能更好地去除噪聲。關鍵詞：圖像去噪;非局部自相似;加權稀疏表示;加權核范數中圖分類號：G642.0 ? ? ? ? ?文獻標識碼：A圖像去噪作為低層視覺中的經典
海峽科技與產業 2020年2期2020-06-11
- 一種基于多級閾值的中值濾波算法設計
但是不能在對圖像去噪的基礎上很好地保留圖像細節。針對該算法存在的缺點，提出了基于多級閾值的中值濾波算法。采用Matlab軟件編程，通過設定多級閾值方法來檢測當前像素點是否為噪聲點，使算法在去噪的基礎上對圖像細節有良好的改善。實驗結果表明改進的加權中值濾波算法對圖像細節有明顯的提高。關鍵詞： 圖像去噪; 加權中值濾波; Matlab; 多級閾值Abstract： Although the weighted median filter has good den
計算機時代 2020年5期2020-06-04
- 基于小波分解和NAS-RIF算法對圖像去噪的研究
果。關鍵詞：圖像去噪;小波分解;NAS-RIF算法;PSNR中圖分類號：TP311 文獻標識碼：A文章編號：1009-3044（2020）03-0196-02現如今信息來源不再局限于語言和文字，還包括音頻、視頻和圖像等。據統計，信息來源的主要途徑是圖像。然而，人們在獲取圖像時經常會受到外部環境的噪聲干擾，這嚴重影響了視覺效果。通過消除原始圖像中的噪聲，可以提高圖像的清晰度。因此研究圖像處理中的圖像去噪顯得尤為重要。圖像噪聲多種多樣，其性質特征各不相同，本文
電腦知識與技術 2020年3期2020-04-08
- 圖像去噪方法研究進展
像處理，需對圖像去噪。文章介紹了幾種常用的圖像去噪方法，如中值濾波、BM3D、均值濾波、小波去噪等，通過對這幾種去噪方法的基本思想和算法流程的對比研究，分析并總結了這些方法處理噪聲的效果和優缺點。關鍵詞： 圖像去噪; 椒鹽噪聲; 高斯噪聲; 小波去噪中圖分類號：TP391? ? ? ? ? 文獻標識碼：A? ? 文章編號：1006-8228（2020）02-29-04Research progress of image denoising methodsG
計算機時代 2020年2期2020-04-05
- 基于多尺度相似先驗的非局部圖像去噪算法
張選德摘要：圖像去噪是圖像處理領域的一個基礎研究課題，利用正則化建模方式解決圖像去噪問題的關鍵在于正則化約束項的選擇。通過分析圖像結構信息，文章假定圖像存在多尺度的結構特征，提出了以多尺度相似先驗作為正則化約束項的非局部圖像去噪模型。該算法利用奇異值分解和硬閾值方法對獲得的多尺度相似矩陣進行協同去噪，通過數值實驗表明，可以獲得性能較好的去噪效果。關鍵詞：圖像去噪;正則項;多尺度特征;自相似結構特征;相似矩陣;非局部中圖分類號：TP18? ? ? ? 文獻標
電腦知識與技術 2020年2期2020-03-16
- 基于小波變換的圖像去噪優化算法研究
于小波變換的圖像去噪早已成了目前圖像去噪的主要方式之一。本文對基于小波的圖像去噪開展了系統的的研究，首先概述了小波去噪的現狀，接著簡述了幾種經典的小波變換去噪方法;對于小波變換閾值去噪方法的原理進行了詳細的討論。最后進行分析比較，列出優缺點及適用條件，并提出一種改進的去噪函數，給實驗結果。關鍵詞：小波變換;圖像去噪;閾值函數一、引言現如今人類傳遞信息的主要載體是語音和圖片。其中圖像信息以其信息量大，傳輸速度快，功用距離遠等一系列特點被選為人類傳遞信息的關鍵
科學與財富 2020年1期2020-03-02
- 基于MATLAB的掌靜脈圖像去噪算法研究
對幾種經典的圖像去噪算法進行研究，并將它們應用于掌靜脈圖像去噪，最后通過MATLAB仿真進行了測試。關鍵詞：MATLAB;圖像去噪;掌靜脈圖像中圖分類號：TP391.7文獻標識碼：AAbstract：Images often be polluted by sound pollution during its capture and transmission.That cause a declining quality image.So，noises sho
科技風 2020年3期2020-02-24
- 一種改進的變分法圖像去噪模型
海燕【摘要】圖像去噪是數字圖像處理重要的預處理方法，在實際生活中有大量的應用.圖像去噪的目的是為了改善圖像的總體質量，本文提出了一種改進的全變分圖像去噪模型并給出了其對應的更好數值求解方法，通過仿真實驗對本文所提出的去噪方法的去噪效果檢驗，實驗表明本文方法可以在有效去除噪聲的同時更好地保留圖像邊緣等圖像特征，且其數值實現方法更加簡單并易于實現.【關鍵詞】圖像去噪;全變分;圖像處理圖像已經成為人類獲取信息及利用信息的重要來源.但是在圖像的獲取、轉換和傳輸過程
數學學習與研究 2019年17期2019-10-18
- 一種激光光斑圖像的去噪算法研究
確。關鍵詞：圖像去噪;光斑圖像;光電轉換;激光探測中圖分類號：TB 文獻標識碼：Adoi：10.19311/j.cnki.1672-3198.2019.27.1001 引言激光探測系統一般通過將激光信號變化成電信號，并通過不同的信息處理方法來獲取不同的信息來實現探測目的，在偵察、測距及湍流探測等方面都有著較為廣泛的應用。在所屬光電轉換過程中，使用紅外相機對合適波長的激光光斑成像，由于光電探測器輸出的電信號幅度正比于接收的光功率，這樣就可以直觀分析激光光斑的
現代商貿工業 2019年27期2019-10-06
- 基于機器學習的圖像去噪研究
，機器學習的圖像去噪又有三大類，分別是神經網絡、稀疏算法和向量算法，通過對去噪過程進行研究，提高圖像在信息傳遞中的清晰度和準確度，同時，增強去噪的作用效果。本文將主要就機器學習的去噪過程進行研究，分別從機器學習的去噪研究的含義，去噪研究的應用及提高去噪作用效果的相應措施幾個方面進行詳細討論，為日后相應的措施改變提供理論參考和借鑒。關鍵詞：機器學習;圖像去噪;應用改進中圖分類號：TP391.41;TP181 ? ? ?文獻標識碼：A 文章編號：2096-47
現代信息科技 2019年14期2019-09-10
- 基于GAN生成對抗網絡的圖像去噪及去噪原理的探究
）架構來解決圖像去噪的問題。網絡由判別網絡和生成網絡組成，半監督學習從噪聲圖像到去噪圖像的端到端的映射。在生成網絡中，在全卷積的情況下，噪聲一步步地被消除，最后得到去噪圖像。關鍵詞：圖像去噪 ?GAN ?神經網絡中圖分類號：TP39 ? 文獻標識碼：A ? ? ? ? ? ?文章編號：1672-3791（2019）05（a）-0026-02在城市夜景拍攝或者星空拍攝中，會產生大量的噪點，這是由于高ISO和弱光散粒形成的隨機噪點。圖像噪點很大一部分原因是感光
科技資訊 2019年13期2019-08-13
- 基于分數階微分算子與高斯曲率相結合的自適應圖像去噪
結合的自適應圖像去噪方法。將高斯曲率引入偏微分方程模型中，由圖像梯度進行邊緣檢測，再結合高斯曲率和分數階微分算子的性質，由圖像的局部方差建立分數階微分算子，構建基于分數階微分算子的自適應圖像去噪模型，進行自適應地擴散去噪。結果表明，新算法性能優異，內部信息保護更具完整性，有利于實際應用。關鍵詞： 圖像去噪; 邊緣檢測; 去噪模型; 自適應擴散去噪; 高斯曲率; 分數階微分算子中圖分類號： TN911.7?34; TP391.41 ? ? ? ? ? ? ?
現代電子技術 2019年15期2019-08-12
- 基于分組字典與變分模型的圖像去噪算法
應字典學習;圖像去噪;稀疏表示;變分模型;非局部相似中圖分類號： TP391.41文獻標志碼：AAbstract： Aiming at problem of additive Gauss noise removal， an improved image restoration algorithm based on the existing K-means Singular Value Decomposition （K-SVD） method was pro
計算機應用 2019年2期2019-08-01
- 基于稀疏模型的圖像去噪算法研究
線性逼近，在圖像去噪方面已取得較好的實驗效果。本文對圖像去噪模型進行分析，介紹了稀疏編碼思想實現圖像去噪的原理，并對經典的稀疏去噪模型進行對比與分析。最后，基于稀疏模型對去噪算法進行分析，提出了稀疏模型在其他研究領域的展望。關鍵詞：稀疏編碼 字典學習 自相似性 非局部 圖像去噪中圖分類號：TP751.1 文獻標識碼：A 文章編號：1674-098X（2019）03（b）-0133-03Abstract： The sparse coding can achi
科技創新導報 2019年8期2019-07-13
- 基于稀疏表示與加權核范數最小化的圖像去噪算法
范數最小化的圖像去噪算法。稀疏表示用于輔助重構清晰圖像，加權核范數最小化用于圖像塊樣本的低秩矩陣逼近。通過分析紋理數據找出熵較大的非平滑塊，運用一種奇異值維納濾波，從其差異矩陣中找出丟失的部分紋理信息，并將其與低秩去噪結果融合。實驗結果表明，該算法能夠保持圖像的細小紋理，去噪效果更好，具有良好的魯棒性與泛化性。關鍵詞：稀疏表示;加權核范數最小化;圖像去噪;圖像特征;維納濾波DOI：10. 11907/rjdk. 182239中圖分類號：TP312文獻標識碼
軟件導刊 2019年6期2019-07-08
- 基于改進小波閾值的紅外熱波無損檢測圖像噪聲抑制方法的研究
。關鍵詞： 圖像去噪; 紅外熱波無損檢測; 紅外熱圖; 小波閾值去噪中圖分類號：TP751.1? ? ? ? ? 文獻標志碼：A? ? ?文章編號：1006-8228（2019）01-75-04Abstract： In view of the low signal-to-noise ratio of infrared image in the application process， the theoretical principle and implem
計算機時代 2019年1期2019-02-13
- 基于改進自適應TV模型的全自適應去噪算法
的TV模型在圖像去噪效果方面優于原模型，自適應正則項系數算法能夠彌補原圖像去噪方法的不足。關鍵詞：圖像去噪;TV模型;ROF算法;正則項系數;自適應DOI：10.11907/rjd k.192284中圖分類號：TP312 文獻標識碼：A 文章編號：1672-7800（2019）012-0112-060引言圖像獲取和傳輸過程中受到噪聲污染在所難免，受污染的低質圖像嚴重阻礙研究人員對圖像的觀測和研究，這時圖像的恢復、去模糊、重建和修復就顯得尤為重要。為有效去除
軟件導刊 2019年12期2019-02-07
- 一種高效的自適應雙邊濾波方法
：雙邊濾波;圖像去噪;灰度方差中圖分類號：TN911.73 文獻標識碼：A 文章編號：1007-9416（2019）10-0121-03在當今時代，圖像處理因數碼設備的普及而成為信息領域的熱門研究方向，主要致力于解決人們在獲取圖像時所附帶的噪聲而降低圖像質量的問題[1]。而雙邊濾波就是一個能在去除圖像噪聲的同時能較好地保留圖像邊緣細節的濾波方法。傳統的雙邊濾波方法通過手動設置濾波參數的方法進行濾波，但僅憑經驗人工設定參數的方法不能保證設定參數的合理性，且存
數字技術與應用 2019年10期2019-01-08
- 基于CUDA架構并行設計圖像去噪算法
要： 針對圖像去噪算法中由于數據量大、計算復雜度高導致的實時性低的問題，通過對經典K?SVD圖像去噪算法的并行性進行研究分析，設計基于CUDA架構的并行K?SVD圖像去噪算法。該算法主要對去噪算法中矩陣拉伸、快速OMP和SVD等部分進行并行設計，采用“共享內存”“歸并求和”等策略進行優化。實驗結果表明，基于CUDA架構的并行算法比串行算法速度有了顯著提高，最高加速比為12倍，極大提高了圖像去噪算法的處理速度。關鍵詞： CUDA； 圖像去噪； K?SVD；
現代電子技術 2018年22期2018-11-13
- 基于正則化模型的K—SVD算法及其應用
訓練字典用于圖像去噪時發現，新模型下字典重構出圖像的峰值信噪比（PSNR）比傳統算法提升0.5dB左右。關鍵詞：K-SVD；正則化方法；字典學習；稀疏表示；圖像去噪DOIDOI：10.11907/rjdk.173177中圖分類號：TP312文獻標識碼：A 文章編號：1672-7800（2018）008-0114-04英文摘要Abstract：A method of K Singular Value Decomposition （K-SVD） based o
軟件導刊 2018年8期2018-10-29
- 一種X射線圖像白點噪聲去除算法
射線拍攝； 圖像去噪； 低照度圖像； 圖像增強； 白點噪聲； 像素點中圖分類號： TN911.73?34； TP751.1 文獻標識碼： A 文章編號： 1004?373X（2018）18?0096?03An algorithm for removing white spot noise in X?ray imagesCHEN Haijin， CHEN Wei（School of Electronic Information， Nantong Univer
現代電子技術 2018年18期2018-09-12
- PCB檢測圖像的空間域去噪方法研究
B；AOI；圖像去噪；空間濾波中圖分類號：TP391 文獻標識碼：A 文章編號：1007-9416（2018）04-0061-03圖像空間域去噪顧名思義是直接對圖像灰度級做運算進行去噪，根據算法的不同分為線性和非線性，包括均值濾波器，統計排序濾波器等。均值濾波器根據計算方式不同又可細分為算術均值、幾何均值等其他濾波器。統計排序濾波器同樣根據排序方式不同分為中值、最大值、最小值以及其他變種濾波器。1 均值濾波器此類濾波器平滑一副圖像中的局部變化，它使用濾波器
數字技術與應用 2018年4期2018-08-18
- 二維卡爾曼濾波的多源信息集中式融合去噪方法
集中式融合；圖像去噪中圖分類號：TP391 文獻標志碼：A 文章編號：2095-2945（2018）20-0033-02Abstract： At present， a single algorithm or single sensor's image information can not meet the needs of high-precision image recognition task， the multi-sensor can obtain
科技創新與應用 2018年20期2018-07-28
- 遙感圖像信號不相關隨機噪聲去除方法研究
，在一般數字圖像去噪算法的基礎上探討了對遙感圖像信號不相關隨機噪聲的去除方法。由于小波變換理論在圖像去噪處理中的應用廣泛且效果顯著，在此著重研究基于小波變換的小波閾值去噪算法。進而在coif3小波函數下進行仿真實驗，結合仿真結果比較硬閾值和軟閾值對噪聲濾除的效果，同時還在軟閾值的基礎上嘗試了多級軟閾值去噪算法。實驗結果表明，軟閾值處理后的去噪效果要優于硬閾值，而多級軟閾值處理后的效果優于純軟閾值處理的效果。關鍵詞： 圖像去噪； 遙感圖像； 信號不相關隨機噪
現代電子技術 2018年14期2018-07-27
- 改進的小波域耦合偏微分方程圖像去噪模型
階偏微分方程圖像去噪模型的不足，利用小波變換能夠聚焦到圖像細微變化的優勢，提出一種基于小波域的偏微分方程圖像去噪算法。并通過對小波的閾值和閾值函數做適當的改進以及利用加權函數將全變分和四階偏微分方程去噪模型相結合的方法，得到一種改進的小波域耦合偏微分方程圖像去噪模型。MATLAB仿真結果表明，該模型和小波軟閾值去噪、全變分模型以及四階偏微分方程圖像去噪模型相比，峰值信噪比有明顯的提高，而且能夠在很好地保留圖像的邊緣和細節信息的同時提高處理噪聲的效率。關鍵詞
計算技術與自動化 2018年1期2018-04-12
- 基于小波變換的CBCT圖像去噪方法研究
；CBCT；圖像去噪中圖分類號：TP181 文獻標識碼：A 文章編號：1009-3044（2018）04-0181-031 概述圖像去噪，即以去除噪聲的方式提高圖像信噪比，進而達到突出特征、提高圖像質量和利用率的目的[1]。圖像去噪作為圖像處理的重要組成部分，是近年來研究的熱門。小波變換作為為近年來比較經典比較成熟的理論體系，已經應用于數學、天文物理各個領域，在數字圖像處理中應用尤為廣泛。傳統去噪方法的不足在于使信號變換后的熵增高，無法刻畫信號的非平穩特性
電腦知識與技術 2018年4期2018-03-19
- 基于字典學習的圖像去噪研究
K-SVD；圖像去噪中圖分類號：TP391 文獻標識碼：A 文章編號：1009-3044（2018）02-0164-02Research on Image Denoising Based on Dictionary LearningCHENG Chun-yan（Faculty of Information Engineering，Jiangxi University of Science and Technology，Ganzhou 341000， Chi
電腦知識與技術 2018年2期2018-02-03
- 基于改進的小波閾值圖像去噪算法研究
和軟閾值法在圖像去噪中的缺陷。針對這些缺陷，提出一種改進的閾值去噪法，該方法不僅可克服硬閾值不連續的缺點，還能夠有效解決小波分解預估計系數與真實小波系數間存有的恒定誤差。通過Matlab仿真實驗，使用改進的小波閾值法對圖像去噪處理后，除噪效果比較理想，在去噪性能指標上，PSNR（峰值信噪比）和EPI（邊緣保護指數）均好于傳統閾值方法。關鍵詞：小波閾值；圖像去噪；小波系數；峰值信噪比；邊緣保護指數DOIDOI：10.11907/rjdk.172083中圖分類
軟件導刊 2018年1期2018-02-01
- 基于小波閾值的圖像去噪
，選取較佳的圖像去噪法。在Matlab上仿真結果表明，基于SURE閾值去噪法有效提高了圖像去除噪聲能力，保留較好的圖像細節。關鍵詞：圖像去噪；小波閾值；SURE閾值；MATLAB0引言圖像在生成或傳輸過程中很容易受到噪聲（如敏感元器件內部產生的高斯噪聲、光電轉換過程中的泊松噪聲和感光過程中產生的顆粒噪聲）的干擾或影響而使圖像的質量受到損害，為了抑制噪聲，改善圖像質量，便于后續處理，需要對圖像進行去噪處理。目前，小波閾值去噪方法是小波去噪方法中最早被提出的一
軟件 2017年7期2018-01-24
- 基于深度學習的圖像處理技術
；圖像處理；圖像去噪；圖像分類；圖像增強中圖分類號：TP391 文獻標識碼：A 文章編號：1007-9416（2018）09-0065-02人工智能的發展促進了現代化科技和智能化生活的發展，它最大的貢獻就是給人們生活和工作帶來了極大的方便。而深度學習作為機器學習領域的一部分，在人工智能發展方面起著至關重要的作用。為此，加大對深度學習的研究，將深度學習與其它領域有機的結合起來，為了人們的生活和社會的發展，去研發一些新產品和新技術，顯然是很必要的。1 圖像處理
數字技術與應用 2018年9期2018-01-18
- 利用圖像統計特征的的自適應中值濾波算法
差 方向性 圖像去噪中圖分類號：TP391.41 文獻標識碼：A 文章編號：16723791（2017）11（b）-0021-02在處理椒鹽噪聲時，自適應中值濾波算法是一種效果較好的算法[1]。該算法根據濾波窗口內中值與極大值和極小值的關系，判斷中心點是否是噪聲點[2]。當中心點在極大值和極小值之間認為是圖像中的像素。當中心點該算法認為極值點是圖像中的噪聲點，但實際情況是有可能是圖像的細節點[3]。本文根據局部均值與方差的信息設定一個閾值，來判斷極值點是否
科技資訊 2017年32期2018-01-09
- 小波閾值圖像去噪中小波基選擇
且廣泛應用的圖像去噪方法，在進行小波變換時必須選擇一種類型的小波，不同的小波基存在著特性差異，直接影響去噪效果。實驗表明，不同噪聲的圖像在進行閾值去噪處理時能夠選擇一種最優的小波基，達到去噪效果最佳。關鍵詞：閾值；圖像去噪；小波變換；小波基中圖分類號：TP311 文獻標識碼：A 文章編號：1009-3044（2018）30-0245-021 引言隨著小波理論日益完善，小波以良好的時頻局部化特性在圖像去噪領域受到越來越多的關注。目前小波去噪的方法大概可以分為
電腦知識與技術 2018年30期2018-01-04
- 抖動狀態下運動模糊圖像去噪濾波方法
下的運動模糊圖像去噪濾波一直存在效果不佳、誤差大的問題，提出并設計了基于最小化全變差與稀疏表示結合的抖動狀態下運動模糊圖像去噪濾波器。通過成像噪聲干擾及傳輸信道干擾兩方面對運動模糊圖像產生噪聲的原因進行分析，確定抖動點，采用最小化全變差法構建全變差去噪模型，并進行加權平均，引入稀疏表示法構建運動模糊圖像去噪濾波器模型，達到抖動狀態下運動模糊圖像去噪濾波器設計的目的。實驗結果表明，采用改進去噪濾波器，相比傳統的去噪濾波器其去噪濾波誤差、效率等均有一定的優勢。
現代電子技術 2017年23期2017-12-20
- 圖像去噪算法研究
的可讀性，對圖像去噪算法進行研究。分別采用均值濾波器、中值濾波器及自適應的維納濾波器對圖像進行去噪仿真，同時采用非下采樣剪切波（NSST）對相應的含噪圖像進行處理。經過實驗仿真和均方誤差的比較，NSST對含噪圖像的去噪具有一定的有效性。關鍵詞：圖像去噪 均值濾波 中值濾波 剪切波中圖分類號：TP391.41 文獻標識碼：A 文章編號：1672-3791（2017）09（b）-0243-03現實中，我們所獲得的數字圖像大部分都是受到噪聲干擾的，所以研究圖像去
科技資訊 2017年26期2017-11-08
- 基于小波變換的圖像閥值去噪算法
?！娟P鍵詞】圖像去噪；小波變換；小波閥值去噪圖像傳統去噪方法是將含噪聲的信號通過一個濾波器處理，之后得到濾波器處理之后的信號。但這種方法對于高斯白噪聲這類的信號效果并不理想。在低信噪比的情況下，經過濾波處理之后，圖像不僅沒有得到理想的改善，并且處理之后的圖像變的模糊，從而達不到所要求的效果?；谛〔ㄗ儞Q的圖像閥值去噪算法，利用小波變換良好的局部化特性，在變換后圖像特征處系數幅值較大，在相鄰尺度層間有很強的相關性，便于提取和保護。本文分析了小波變換的過程，并
科技視界 2017年14期2017-10-09
- 基于圖像處理的多小波變化理論及其應用
圖像壓縮以及圖像去噪等方面均具有更加顯著的效果。關鍵詞： 圖像處理； 多小波變換； 圖像去噪； 圖像壓縮中圖分類號： TN911?34； TP391.9 文獻標識碼： A 文章編號： 1004?373X（2017）18?0095?03Multi?wavelet transform theory based on image processing and its applicationRU Qingyun1， GUO Xianzhou2（1. Henan I
現代電子技術 2017年18期2017-09-25
- 結合全變分的雙邊濾波圖像去噪方法研究
亮摘 要： 圖像去噪是數字圖像處理過程中的一個重要步驟，它將直接影響到圖像處理的最終質量。針對傳統的全變分（TV）正則化去噪算法容易產生階梯效應的缺點，利用雙邊濾波去噪算法在空間域和值域兩個方面進行濾波的特點，提出一種結合TV模型的雙邊濾波方法，該方法能在一定程度上有效地改善階梯效應。仿真實驗結果表明，提出的去噪方法不僅能夠獲得較好的去噪效果，還能有效地保持圖像的邊緣特征信息，降噪效果明顯。在較高水平噪聲情況下，與TV算法相比，該方法針對小尺寸灰度圖片（2
現代電子技術 2017年17期2017-09-08
- 基于圖像去噪方法的研究
。論文介紹了圖像去噪方法，空間域和頻域去噪方法，重點研究利用小波變換將圖像從空間域中變換到頻率域中，在頻率域中再通過相關方法進行去噪的方法，利用這一方法達到去除圖像噪聲的目的。關鍵詞：圖像去噪；空間域；小波閾值去噪中圖分類號：TP391.41 文獻標識碼：A 文章編號：1007-9416（2017）05-0131-021 緒論1.1 圖像降噪的必要性由于人類社會的飛速發展，科學技術在不斷更新，數字成像設備如雨后春筍般層出不窮，計算機在人們生活中大范圍普及，
數字技術與應用 2017年5期2017-09-07
- 視頻車輛檢測中改進的閾值分割算法研究
學權重自適應圖像去噪的迭代式閾值分割算法：利用數學形態學原理設計了一種權重自適應形態學濾波器，采用由小到大的多結構元構造串、并聯復合形態的濾波器對視頻序列圖像進行去噪；同時，對迭代式閾值分割法引入一個偏移系數，可以更加快速獲取最優分割閾值，對圖像作精確的分割.實驗證明，該算法比迭代式閾值分割算法的抗噪性好且減少閾值分割中的尋優嘗試次數，得到了比較理想的分割效果.關鍵詞：權重自適應；圖像去噪；迭代式閾值分割；車輛檢測中圖分類號：TP317.4 文獻標志碼：A
廣西科技大學學報 2017年2期2017-05-30
- 圖像去噪中的小波變換應用策略
了小波變換在圖像去噪的中使用的處理方法，主要探討了小波變換在圖像去噪中的使用。[關鍵詞]圖像處理；圖像去噪；去噪方法；小波變換一幅圖像經常會受到各種各樣因素的和破壞，這種干擾有可能發生在實際應用中，也有可能出現在傳輸過程中和量化等的處理中。由于受到這些因素的干擾，圖像的質量會下降，甚至產生畸變。其中噪聲的對圖像的干擾是比較常見的。所以去噪是圖像處理的基本方法，也是比較重要的方法。去噪后的圖像質量可以提高，圖像的信噪比也可以得到加強，圖像特征也會凸顯。所以，
科技視界 2016年19期2017-05-18
- 基于雙樹復小波變換的BivaShrink自選窗圖像去噪算法
ink自選窗圖像去噪算法中。實驗結果證明，BivaShrink自選窗優于BivaShrink 去噪算法，與傳統的離散小波變換相比，雙樹復小波自選窗圖像去噪效果優于BivaShrink自選窗。關鍵詞：小波變換；圖像去噪；雙變量模型；雙樹復小波變換中圖分類號：TN911.73 文獻標識碼：ADOI：10.3969/j.issn.10036199.2017.01.0221引言現如今圖像已經成為大家經常要用到的信息，但圖像中總是參雜著各類的噪聲，會嚴重影響到圖像處
計算技術與自動化 2017年1期2017-05-08
- 基于隨機共振與雙邊濾波的圖像去噪算法
和雙邊濾波的圖像去噪處理方法。實驗結果表明，該方法能取得較好的去噪效果。關鍵詞 雙邊濾波；隨機共振；圖像去噪；雙穩系統DOI DOI： 10.11907/rjdk.162516中圖分類號： TP312文獻標識碼： A 文章編號 文章編號： 16727800（2017）0020054030 引言噪聲具有兩面性。一方面，傳統觀點認為噪聲是對信號的一種干擾，應該盡可能地消除或抑制，使輸出信號質量得到改善；另一方面，科學研究表明，噪聲并不是在任何情況下都起消極作用
軟件導刊 2017年2期2017-04-18