选择特殊符号
选择搜索类型
请输入搜索
第1章 主要的图像降噪技术及发展现状
1.1 空间域图像降噪
1.2 频域图像降噪
1.3 基于小波变换的图像降噪算法
1.4 其他图像降噪方法
第2章 小波变换
2.1 小波变换概述
2.1.1 小波变换的基本概念
2.1.2 连续小波变换
2.2 离散小波变换
2.2.1 小波框架和小波基
2.2.2 多分辨率分析
2.2.3 多分辨率滤波器组
2.2.4 离散正交小波变换的快速算法
2.2.5 连续且紧支撑的正交小波基
2.2.6 初始输入序列
2.2.7 二维离散正交小波变换
第3章 基于小波变换的图像降噪
3.1 噪声的小波变换系数的统计特性
3.2噪声方差估计
3.3 降噪效果的评估方法
3.4 小波域的理想滤波器
3.5 小波阈值降噪
3.5.1 硬阈值和软阈值滤波
3.5.2 阈值的选择
3.5.3 小波基的选择
3.6 基于贝叶斯估计理论的小波域降噪
3.6.1 贝叶斯估计
3.6.2 图像小波变换系数的几个统计特性和分布模型
3.6.3 小波域的双参数收缩降噪
3.6.4 小波域的局部自适应维纳滤波
3.6.5 有方向窗口的局部维纳滤波器
3.6.6 三种算法的比较
第4章 混合傅里叶一小波图像降噪
4.1 变换域滤波效果和稀疏表示的关系
4.2 傅里叶变换和小波变换的比较
4.3 应用简单统计模型的混合傅里叶一小波图像降噪
4.3.1 有色噪声的小波变换系数
4.3.2 混合傅里叶一小波降噪算法
4.3.3 实验结果
4.4 应用GGD统计模型的混合傅里叶一小波图像降噪
4.4.1 算法的描述
4.4.2 实验结果
4.5 应用GSM统计模型的混合傅里叶一小波图像降噪
4.5.1 GSM模型
4.5.2 BLS—GSM降噪算法
4.5.3 应用BLS—GSM图像降噪算法的混合傅里叶一小波图像降噪
4.5.4 实验结果
第5章 混合傅里叶一小波图像降噪在SAR图像降噪中的应用
5.1 SAR图像的相干斑点噪声模型
5.2 应用混合傅里叶一小波降噪的相干斑点噪声抑制
5.3 实验
附录A 泛函分析基础
A.1 赋范线性空间
A.2 Hilbert空间和基
A.3可分离基
附录B MATLAB程序
B.1 图2.5和图2.6的源程序
B.2 图2.8的源程序
B.3 图2.9的源程序
B.4 混合傅里叶一小波图像降噪
参考文献
《基于小波变换的图像降噪》系统讨论了小波变换在图像降噪中的应用。内容包括:小波变换的基本理论,应用小波变换进行图像降噪的基本算法;变换系数的稀疏性和图像降噪效果之间的关系;综合利用傅里叶变换和小波变换图像降噪算法,并在附录中提供了书中部分图例和算法的MATLAB程序。
标题:DSP的FIR滤波器设计 数字处理器(DSP)具有强大的数据处理能力,它在高速的数字信号处理,如数字滤波,音频处理,和图像处理领域中具有广泛的应用。相对于模拟滤波器,数字滤波器是无漂移,能够处理...
和钢筋画法基本一致,只是图形里需要套取做法,你最好到学习课堂里下载几个图形算量的视屏来看看。
1、计算规则不要改动,就按默认的就行
基于小波变换的墙地砖缺陷图像分割
目的改进原有的图像分割算法在分割图像时的精度和准确度,进一步准确地研究墙地砖缺陷图像的基本特征,提出一种有效的图像分割方法.方法根据墙地砖表面的纹理特点,采用Daubechies小波对原始图像进行处理.结果仅保留图像的近似信息,从而有效降低了纹理特征对缺陷分割的干扰.同时,图像数据量减少为原始图像的1/4.因此,在有效提取近似信息的基础上提高了系统的实时性,便于图像分割应用.该方法增强了缺陷纹理图像,能抑制背景纹理对缺陷纹理检测的干扰,并通过减运算有效地实现了缺陷纹理和背景纹理的分割.结论基于小波变换的墙地砖缺陷图像分割方法能够对随机纹理图像进行可靠、有效、快速的分割,尤其适用于具有随机纹理的墙地砖缺陷实时检测.
基于小波变换的针叶苗木彩色图像分割
苗木图像分割是形态参数提取的前提条件。利用小波变换及分开-合并法实现了对苗木图像的分割。对图像的色度分量进行小波变换。其变换系数作为分开-合并法中区域一致性的度量。通过改变小波变换的尺度,可以将边缘与噪声区分开来,减小图像分割中噪声带来的影响,有利于提高分割的准确性。实验表明,该算法取得了满意的结果。
针对冲压件在生产过程中产生的表面缺陷视觉检测问题,提出一种改进的马尔可夫随机场(Markov Random Field,MRF)图像分割算法。应用基于像素的马尔可夫随机场算法,获取像素特征,提取基于像素的似然函数;采用随机区域合并(stochastic region merging,SRM)算法获得区域特征,提取基于随机区域合并的似然函数;利用最大梯度算法获得图像的边缘特征,提取基于边缘的似然函数,用以恢复区域合并过程丢失的缘信息。融合三种似然函数,根据能量最小准则,实现图像分割。
《基于二维傅立叶变换的水泥路面图像刻槽去除的方法》在于提供基于二维傅立叶变换的水泥路面图像刻槽去除的方法,以解决上述在破损路面图像的识别过程中,将刻槽误判成裂缝处理的问题。
《基于二维傅立叶变换的水泥路面图像刻槽去除的方法》提供基于二维傅立叶变换的水泥路面图像刻槽去除的方法,包括:获得包含刻槽图像的路面图像;设置傅立叶变换的加窗大小,获得路面图像的灰度值序列包括:
其中,
A为所述路面图像的灰度值;B为刻槽图像的灰度值;S为刻槽图像间隔的像素个数;t为刻槽图像的宽度;按照设置的加窗对所述路面图像的灰度值序列x(n)进行傅立叶变换,获得其频谱的幅度谱x(k);
优选的,所述滤波刻槽的谱峰包括:对叠加后的频谱以等间隔过滤10个谱峰。
《基于二维傅立叶变换的水泥路面图像刻槽去除的方法》的方法可有效去除路面图像内的刻槽,避免路面检测过程中,将刻槽图像误判为破损路面,提高路面的检测准确度。
本发明提供一种基于模板匹配的目标识别方法和系统,包括:获取原始图像与模板图像后预处理;将预处理后的模板图像的每个像素与预处理后原始图像的像素采用预设匹配算法进行相似度的遍历匹配,得到模板图像的像素在原始图像中位置的概率值,绘制位置概率曲线;对位置概率曲线进行拐点算法计算,得到概率值的门限阈值;保留原始图像中相应位置概率值大于门限阈值的像素值。该方法将原始图像与模板图像进行逐像素的相似度匹配,然后根据得到的概率曲线计算得到自适应概率阈值,将识别出的大于所述概率阈值的概率曲线上的所有对应的像素作为识别结果并显示在所述原始图像上,能够准确识别出原始图像中的目标物的数量和具体位置,识别的准确度高。