基于改进分形技术的红外图像噪声抑制研究

基于改进分形技术的红外图像噪声抑制研究

一、基于改进分形技术的红外图像噪音抑制研究(论文文献综述)

蒋定定,许兆林,李开端[1](2004)在《基于改进分形技术的红外图像噪音抑制研究》文中进行了进一步梳理红外图像杂噪音抑制是图像识别的重要技术基础。阐述如何对传统分形技术进行改进并将多重分形理论引入红外图像的噪音抑制,提出一种基于奇异性分析的红外图像消噪方法。在图像经过多重分形分析后熏通过对多重分形谱相关的Holder指数进行特征化处理来实现图像消噪。这种方法可以在尽量保留信号奇异性穴如边缘熏纹理等雪相关信息情况下熏使得图像平滑熏噪声消除,是红外图像消噪的一种新方法。

史凡[2](2021)在《基于红外成像的原油罐底图像边缘检测研究》文中研究指明为了提升我国大型原油储罐清洗的安全性和清洗效率,逐步实现智能化清洗,本课题组针对原油储罐内油泥清洗过程中所处的复杂环境,提出构建一种以红外成像为基础的视觉系统,实现对罐底油泥快速识别与定位。整个油泥识别与定位系统共包括图像特性分析、图像预处理、图像边缘检测、油泥范围判决、目标定位以及并行加速6个处理模块。本文主要针对其中图像预处理和边缘检测模块进行研究并提出改进算法,提升红外图像质量,获取更清晰完整的轮廓边缘,为后续图像配准、目标定位等研究提供技术保障。针对原油储罐内获取的红外图像整体较暗,且存在模糊、缺乏纹理细节等问题,本文从图像亮度和对比度两方面考虑提出了一种基于非线性变换与多尺度卷积细节提升的红外图像增强算法。该算法首先采用自适应非线性变换算法提升图像的整体亮度;其次,采用多尺度双边滤波将图像分解为基本层与多个细节层,使用CLAHE提升基本层的对比度,同时利用非线性加权融合方法对多个细节层进行处理,并将处理后的两幅子图融合得到细节图像;最后,将亮度图像与细节图像进行融合得到增强图像。通过仿真实验表明,该算法不仅提升了图像的整体亮度,同时增强了图像对比度、突出纹理细节,层次感得到明显的改善,视觉效果更佳。其次,为了提升边缘检测环节对图像的处理效果。针对传统Canny边缘检测算子对噪声敏感、存在伪边缘以及缺乏自适应性等问题,本文对其进行改进,采用快速引导滤波对图像进行保边降噪,同时增加对角方向上的梯度差分,并通过基于方差与权重的Otsu法对阈值进行选取以此来提高算法的自适应性。改进后的Canny检测算法性能明显提升,但仍然无法改善红外图像中噪声对检测效果的影响。因此为了进一步提升算法的抗噪性,本文在改进的Canny算法中引入数学形态学,摒弃传统的单尺度处理,选用3个不同大小不同形状的结构元素对图像进行形态学边缘检测,并将处理后的结果与改进后Canny算子的处理结果相融合,得到轮廓清晰、含噪度低的边缘图像。最后,对噪声图像和不含噪声图像分别进行对比实验,从定性和定量两方面证明了本算法的有效性,不仅具备良好的抗噪性,处理后得到边缘图像轮廓清晰平滑,且细节边缘突出。

徐梦溪[3](2020)在《基于先验约束的超分辨率图像复原方法研究》文中研究说明在图像和视频采集及传输过程中,诸如成像条件、自然场景变化、成像设备的时间、空间分辨率等因素的限制,成像及视频采集系统难以无失真地获取自然场景中的信息。尽管成像及视频采集设备飞速发展和硬件性能的提高,但在卫星遥感及航空摄影测量、工业成像监测、刑侦分析、医疗图像分析、公共安全视频监控、视频娱乐系统与多媒体通信等应用领域,高质量、高时空分辨率图像的获取与传输仍受到许多因素的限制。一种有效提高图像(或序列图像、视频)时、空分辨率的途径是在不改变原有系统硬件的前提下,采用基于软件的方式(即信号与信息处理算法的方式)。这种基于软件方式的超分辨率图像复原(super resolution image restoration,SRIR)方法和技术是指融合来自同一场景的(多帧)低分辨率图像(或视频序列)的信息,恢复和重构出高空间分辨率图像或高时-空分辨率视频序列。对于静态图像SRIR而言,是对同一场景的单幅(单帧)或多帧低分辨率图像实现高分辨率图像的恢复和重构;对于视频序列SRIR而言,是对相同动态场景的低分辨率视频序列实现包括高时间分辨率和高空间分辨率视频序列的恢复和重构。本论文是以最大后验概率(MAP)估计求解法和范数求极值的变分法为研究主线,结合先验建模作为解空间约束,分别针对多帧图像、单幅(单帧)图像和视频序列,研究MAP法估计求解框架下基于先验(正则化)约束的改进方法、自适应稀疏表示结合正则化约束的方法、及基于像素流和时间特征先验的视频超分辨率复原方法。针对性地聚焦研究三方面内容:(1)多帧低质图像的最大后验概率MAP估计求解框架下正则化SRIR改进研究;(2)基于稀疏字典学习的单幅图像SRIR改进研究;(3)基于像素流和时间特征先验建模的视频SRIR研究。主要研究工作包括:(1)针对多帧图像的SRIR,提出了一种基于邻域像素扩展的广义全变分正则化超分辨率图像复原方法。该方法是在最大后验概率(MAP)框架下,针对全变分、双边全变分、广义全变分等正则化算法存在的不足提出的。通过从度量相邻像素间几何距离的相关性扩展到邻域像素间几何距离和灰度的双重相关性,设计不同于1-范数形式的代价函数,以提高相关性度量的准确性;引入优化-最小化(MM)迭代寻优以改善目前采用共轭梯度(conjugate gradient,CG)寻优的不足。通过多组对比试验分析表明,所提方法具有较好的抑制噪声和保持边缘细节的能力,鲁棒性更强。(2)针对多帧图像的SRIR,提出了一种基于改进保真项与自适应双边全变分的正则化超分辨率图像复原方法。同样,在MAP框架下,现有的SRIR算法大多采用L1、L2、Huber或Gaussian误差范数来构建保真项,存在着对异常值数据较为敏感、算法的鲁棒性受限等问题。为此,通过采用Tukey范数构建保真项解决重尾效应,以适用处理复杂变化的噪声;建立自适应权值矩阵,有助图像细节信息进一步增强。通过多组仿真实验,验证了所提方法的有效性与鲁棒性。(3)针对单幅(单帧)图像的SRIR,提出了基于自适应稀疏表示结合正则化约束的超分辨图像复原方法。基于稀疏字典学习的SRIR方法,在构建全局过完备字典、对不同结构图像块的稀疏表示约束等方面存在一定的局限,本文从提升稀疏表示准确性、编码效率以及保持图像细节信息等入手,结合图像的稀疏表示和范数函数求极值的变分方法,采用基于自适应稀疏表示结合正则化约束的策略,对传统的基于稀疏字典学习的SRIR方法进行改进,并利用绝对差值的总和(SAD)度量图像块像素结构相似性,以减少计算量和提高计算效率。实验结果表明,所提算法在复原图像视觉效果、边缘细节的保持、噪声抑制、计算效率等方面均具有一定的优势。(4)针对视频序列的SRIR,提出了基于像素流和时间特征先验的视频超分辨率复原方法。考虑到目前的视频SRIR方法,大多在空间解模糊与消除运动模糊及提高插值帧保真度等方面存在局限,为有效提高帧速率和减少(或消除)视频中的运动模糊,在MAP框架下,采用了基于逐像素流的时-空超分辨率复原与基于特征驱动的像素流时间先验策略,提出了一种单视频时-空超分辨率复原算法。通过单一灰度视频和单一彩色视频的多组不同实验,验证了所提算法的有效性。

赵翠芳,史彩成,张长江,汪晓东[4](2010)在《基于脑模型控制器的红外背景预测算法》文中研究表明在分析云背景红外图像空间分布上存在混沌现象的基础上,提出一种基于脑模型控制器的红外背景预测算法.该方法利用混沌具有短时可预测性的特点,对云背景图像进行预测,并根据云背景杂波和运动目标的混沌特性差异修正预测模型.仿真结果表明,该算法能有效地提高云背景的预测准确度,预测残差符合白噪音特性,对云背景杂波具有良好的抑制效果,能显着提高目标的信杂比,从而改善目标的检测性能.

二、基于改进分形技术的红外图像噪音抑制研究(论文开题报告)

(1)论文研究背景及目的

此处内容要求:

首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。

写法范例:

本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。

(2)本文研究方法

调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。

观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。

实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。

文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。

实证研究法:依据现有的科学理论和实践的需要提出设计。

定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。

定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。

跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。

功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。

模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。

三、基于改进分形技术的红外图像噪音抑制研究(论文提纲范文)

(2)基于红外成像的原油罐底图像边缘检测研究(论文提纲范文)

致谢
摘要
abstract
变量注释表
1 绪论
    1.1 研究背景及来源
    1.2 国内外研究现状
    1.3 主要研究内容及结构安排
2 红外图像基础理论
    2.1 引言
    2.2 红外成像原理
    2.3 红外图像特性分析
    2.4 红外图像质量评价
    2.5 本章小结
3 基于非线性变换与多尺度细节提升的红外图像增强算法
    3.1 引言
    3.2 相关理论基础研究
    3.3 基于非线性变换与多尺度细节提升的红外图像增强算法
    3.4 实验结果与分析
    3.5 本章小结
4 基于改进Canny算子与数字形态学的边缘检测算法
    4.1 引言
    4.2 经典边缘检测算子
    4.3 数学形态学
    4.4 基于改进Canny算子与数字形态学的边缘检测算法
    4.5 实验结果与分析
    4.6 本章小结
5 总结与展望
    5.1 总结
    5.2 展望
参考文献
作者简历
学位论文数据集

(3)基于先验约束的超分辨率图像复原方法研究(论文提纲范文)

摘要
ABSTRACT
1 绪论
    1.1 研究的背景和意义
    1.2 超分辨率图像复原问题的描述
        1.2.1 光学成像的退化降质过程
        1.2.2 超分辨率图像复原方法分类
        1.2.3 超分辨率图像复原质量的评价
    1.3 超分辨率图像复原的国内外研究综述
        1.3.1 基于重建的超分辨率图像复原
        1.3.2 基于学习的超分辨率图像复原
        1.3.3 基于稀疏字典学习的超分辨率图像复原
        1.3.4 视频超分辨率复原
        1.3.5 其他超分辨率复原方法
    1.4 研究内容和论文的组织
        1.4.1 研究内容
        1.4.2 论文的组织
2 基于邻域像素扩展的广义全变分正则化超分辨率图像复原
    2.1 引言
    2.2 基于MAP估计求解框架的超分辨率复原和正则化函数构建原则
        2.2.1 基于MAP估计求解框架的超分辨率图像复原
        2.2.2 正则化函数的构建原则
    2.3 邻域像素扩展的广义全变分正则化函数和MM迭代寻优
        2.3.1 关于双边全变分
        2.3.2 Minkowski距离和邻域像素扩展的广义全变分
        2.3.3 E-GTV结合优化-最小化迭代寻优的正则化算法
    2.4 仿真实验结果与分析
        2.4.1 BTV中采用不同范数函数形式的性能比较
        2.4.2 标准测试图像和自拍图像的超分辨率复原实验
        2.4.3 遥感影像的超分辨率图像复原实验
    2.5 本章小结
3 基于改进保真项与自适应双边全变分的正则化超分辨率图像复原
    3.1 引言
    3.2 图像观测模型和代价函数
    3.3 TUKEY范数构建保真项和权值自适应BTV正则化
        3.3.1 双边全变分(BTV)正则化项
        3.3.2 鲁棒估计与Tukey范数函数
        3.3.3 Tukey范数构建保真项结合权值自适应BTV正则化算法
    3.4 仿真实验结果与分析
        3.4.1 标准测试图像Lena的超分辨率复原实验
        3.4.2 文本图像的超分辨率复原实验
        3.4.3 自拍图像的超分辨率复原实验
        3.4.4 使用结构相似性SSIM指标的算法性能评价
        3.4.5 遥感影像超分辨率复原实验
    3.5 本章小结
4 基于自适应稀疏表示结合正则化约束的超分辨图像复原
    4.1 引言
    4.2 稀疏表示和稀疏性约束
    4.3 非局部自相似先验的正则化技术策略
    4.4 自适应稀疏表示和改进的非局部自相似正则化项及SRIR算法
        4.4.1 图像块几何结构信息分析和自适应稀疏表示
        4.4.2 改进的非局部自相似正则化
        4.4.3 基于自适应稀疏表示结合改进的非局部自相似正则化算法
    4.5 仿真实验结果与分析
        4.5.1 参数设置
        4.5.2 算法对于不同训练样本集的鲁棒性实验
        4.5.3 无噪和加噪情况下的实验
        4.5.4 计算效率实验
    4.6 本章小结
5 基于像素流和时间特征先验的视频超分辨率复原
    5.1 基于视频时间的超分辨率复原方法存在的问题
    5.2 空间模糊与运动模糊的形成机制
    5.3 像素流及退化降质过程建模
        5.3.1 关于像素流
        5.3.2 像素流退化降质过程建模
    5.4 时间特征先验作为解空间约束的像素流超分辨率图像复原
        5.4.1 像素流SRIR的贝叶斯推理
        5.4.2 像素流与基于时间特征先验作为解空间约束的建模
        5.4.3 像素流超分辨率复原结果的估计
    5.5 低帧率运动模糊单视频的时间超分辨率复原
    5.6 基于像素流和时间特征先验建模的时-空SRIR算法
    5.7 仿真实验结果与分析
        5.7.1 不同的超分辨率复原算法对测试视频的实验比较
        5.7.2 不同超分辨率算法对真实视频复原的实验比较
    5.8 本章小结
6 总结与展望
    6.1 总结
    6.2 展望
致谢
参考文献
附录

(4)基于脑模型控制器的红外背景预测算法(论文提纲范文)

0 引言
1 云背景红外图像的空间混沌特性
    1.1 最大Lyapunov指数
    1.2 关联维数
2 脑模型控制器
3 云背景红外图像混沌预测算法
4 仿真实验结果及分析
5 结论

四、基于改进分形技术的红外图像噪音抑制研究(论文参考文献)

  • [1]基于改进分形技术的红外图像噪音抑制研究[J]. 蒋定定,许兆林,李开端. 测绘工程, 2004(04)
  • [2]基于红外成像的原油罐底图像边缘检测研究[D]. 史凡. 中国矿业大学, 2021
  • [3]基于先验约束的超分辨率图像复原方法研究[D]. 徐梦溪. 南京理工大学, 2020(01)
  • [4]基于脑模型控制器的红外背景预测算法[J]. 赵翠芳,史彩成,张长江,汪晓东. 光子学报, 2010(11)

标签:;  ;  ;  ;  ;  

基于改进分形技术的红外图像噪声抑制研究
下载Doc文档

猜你喜欢