基于FPGA的实时图像采集和去噪系统设计

对采集或传输过程中受到的噪声干扰信号进行预处理,并保持图像传输的实时性,是图像处理系统需要解决的问题。对于实时性要求高的图像处理系统而言,用软件来实现噪声的预处理相对来说是比较耗时的,因此必须寻求其他解决方式。文章设计基于FPGA的新型模块化集成电路来实现图像采集和去噪,并通过试验和仿真测试验证了设计的实时效果。     

改进的自适应阈值软硬折中Curvelet图像去噪技术

Curvelet变换是继小波变换和Ridgelet变换之后,更适合图像处理的一种多尺度变换,它能同时获得对图像平滑区域和边缘部分的稀疏表达,且具有很强的方向性。针对软阀值和硬阈值去噪方法存在的不足,提出了基于Curvelet变换域的软硬阈值折中去噪法,并采用不同的阈值自适应地对不同的Curvelet子带进行阈值化,实验结果表明该方法对图像中的边缘曲线特征有更好的复原。去噪后图像PSNR值更高,视觉效果更好。     

基于序列二次规划优化阈值的NSCT高斯噪声图像滤波方法

提出了一种基于序列二次规划(SQP)优化阈值的非下采样Contourlet变换(NSCT)图像高斯白噪声去除方法。该方法利用广义交叉验证(GCV)准则作为优化指标,使用序列二次规划算法对NSCT域的去噪阈值进行优化,能够在噪声方差等图像先验知识未知的情况下得到最优去噪阈值。确定阈值后,采用非线性阈值函数对Contourlet系数进行处理。实验结果表明与其他Contourlet域去噪方法相比,该方法能有效去除图像的高斯白噪声,提高图像的峰值信噪比,并较好地保留图像的边缘信息。     

一种局部自适应内窥镜图像降噪模型

在内窥镜图像处理中,如何消除图像中的噪声一直是个热点问题。由于图像二进小波变换在每次分解时不进行下抽样,所以其表示同小波级数相比是冗余的,且图像二进小波变换的部分系数扰动不会带来重构图像的严重失真。因此,在相同的误判概率下,二进小波变换的图像去噪效果会好于小波级数变换的图像去噪效果。基于这个思想,文章从二进小波理论入手,提出一种自适应二进小波去噪模型,简称ADWD。该方法利用图像信息、噪声信息与小波系数之间的关系,采用局部自适应的方法识别噪声像素,避免了直接确定噪声门限的困难。实验结果及分析表明该方法对Gaussian噪声和Pepper噪声均有较高的信噪比,且对图像的细节有较好的保持能力。     

恶劣天气下的仿生偏振定向方法

针对偏振光导航在恶劣天气下精度显著下降的问题，提出了一种可以在恶劣天气下基于大气偏振模式的定向算法。与现有方法相比，首次将三维块匹配与canny边缘检测结合的思想应用于修复被不同天气破坏的偏振角度图像中。具体而言，将偏振角度图像的修复分为噪声粗处理和边缘提取处理去噪两部分。在噪声粗处理阶段采用三维块匹配算法,在边缘提取处理去噪部分，利用canny边缘检测算法对偏振角度图像进行二次去噪。实验结果表明，该方法不仅能够提高晴朗天空下的定向精度，而且能够显著提升在阴天、沙尘、雾霾等恶劣天气条件下的导航定向精度，即使在偏振角图像对称∞模式被破坏的情况下，航向角精度仍可由9.4470°提高到1.6859°。     

恶劣天气下的仿生偏振定向方法

针对偏振光导航在恶劣天气下精度显著下降的问题,提出了一种可以在恶劣天气下基于大气偏振模式的定向算法。与现有方法相比,首次将三维块匹配与canny边缘检测结合的思想应用于修复被不同天气破坏的偏振角度图像中。具体而言,将偏振角度图像的修复分为噪声粗处理和边缘提取处理去噪两部分。在噪声粗处理阶段采用三维块匹配算法,在边缘提取处理去噪部分,利用canny边缘检测算法对偏振角度图像进行二次去噪。实验结果表明,该方法不仅能够提高晴朗天空下的定向精度,而且能够显著提升在阴天、沙尘、雾霾等恶劣天气条件下的导航定向精度,即使在偏振角图像对称∞模式被破坏的情况下,航向角精度仍可由9.4470°提高到1.6859°。