导读:本文包含了图像噪声论文开题报告文献综述、选题提纲参考文献，主要关键词:图像,噪声,小波,卷积,高斯,降噪,模型。
图像噪声论文文献综述写法
许友雷,舒忠[1]（2019）在《基于轮廓波变换的图像混合噪声去除算法研究》一文中研究指出针对图像多噪声共存、偏重高频滤波图像分解以及低频信号去噪邻域范围确定偏小等严重影响图像清晰度的问题,提出一种基于多尺度、多方向的NSCT滤波组合噪声去除算法,算法同时兼顾低频和高频噪声的准确定位。依据当前图像分解与重构滤波器设计原理及应用分析,准确找出小波基滤波模型和通用NSCT滤波模型在进行高频信号分离时存在的缺陷,以欧几里德算法的Bezout恒等式为理论评价基础,确保高频信号首先能够实现多尺度分层表示,然后对每一层的高频信号进行多方向描述,通过对采样后获得的空间插值像素与采样前原像素进行比较,在理论上证明所提出算法高频滤波的有效性,明确图像高频部分的去噪关键在于分解滤波环节。同时,针对低频信号去噪算法中局部性单一邻域定义的缺陷,通过改进灰度值相似邻域的空间结构定位,采用加权系数定义灰度值的相似度,明确图像低频部分的去噪关键在于去噪算法环节。通过MATLAB仿真实验、高分辨率下去噪结果主观评价和PSNR客观评价参数比较分析表明:所提出的图像去噪算法,比当前流行算法更具明显优势,可为后续图像特征提取和图像识别处理提供良好的基础。(本文来源于《现代计算机》期刊2019年33期）
毛烨,陈亮[2]（2019）在《强噪声条件下激光雷达强度图像降噪方法研究》一文中研究指出针对传统的激光雷达强度图像降噪方法中,普遍存在着降噪效果不理想、峰值信噪比较低等问题,为了提高激光雷达图像峰值信噪比,从而实现激光雷达图像降噪,提出基于小波域混合模型的激光雷达强度图像降噪方法。分析激光雷达图像中噪声的特点,将其进行对数变换,利用小波变换对图像进行边缘检测,以得到激光雷达强度图像噪声所在位置为依据;利用自适应阈值对激光雷达强度图像变换后的小波系数进行分类,将双变量模型和空间自适应统计模型相结合实现对激光雷达强度图像降噪。实验结果表明,所提方法图像降噪效果较为理想、峰值信噪比较高,所提方法的峰值信噪比比另外两种方法高出10. 93和16. 13。(本文来源于《激光杂志》期刊2019年11期）
徐少平,刘婷云,罗洁,张贵珍,唐祎玲[3]（2019）在《图像质量感知的混合噪声快速盲降噪算法》一文中研究指出现有的高斯-脉冲混合噪声降噪算法多基于正则化技术采用迭代求解最优目标函数值的方式实现,执行效率普遍比较低,严重限制了其实际应用范围.为此,以卷积神经网络(convolutional neural network, CNN)为核心技术提出了一种基于图像质量感知的快速盲降噪算法(image quality-aware fast blind denoising algorithm, IQA-FBDA).在训练阶段,首先基于浅层CNN卷积神经网络设计图像质量评估模型来预测待降噪图像的图像质量值;然后,依据在大量噪声图像训练集合上获得的图像质量值统计分布规律构建混合噪声模式分类字典;最后,基于该分类字典将噪声图像集合划分为16个子集并训练与各个子集相匹配的深层CNN卷积神经网络专用降噪模型.在降噪阶段,首先利用图像质量评估模型估计给定待降噪图像的质量值,然后依据所预测的图像质量值查找噪声模式分类字典并调用与之相匹配预先训练好的深层CNN降噪模型即可快速地完成盲降噪任务.实验数据表明:IQA-FBDA算法在降噪效果方面的性能达到了与主流高斯-脉冲混合噪声降噪算法相当的水平,而在执行效率方面则有极大提高,更具实用价值.(本文来源于《计算机研究与发展》期刊2019年11期）
周宁亚,王家成[4]（2019）在《一种基于FCM的噪声图像分割算法研究》一文中研究指出针对噪声污染的图像进行有效分割困难问题,提出了一种基于模糊C均值的噪声图像分割方法.该方法首先应用离散小波变换(DWT)将图像进行分解获取不同尺度的小波系数;然后利用粒子群(PSO)算法自适应搜索最优的阈值对小波系数进行处理,将处理好的系数利用小波重构得到重构图像;最后利用模糊C均值聚类完成图像分割.该算法在Berkeley数据集上进行实验,结果表明与其他算法相比,该算法具有更好的性能.(本文来源于《新疆大学学报(自然科学版)》期刊2019年04期）
王岩,何兰,李琦,宋运娜,佡思维[5]（2019）在《混合卷积神经网络图像噪声去除》一文中研究指出本文针对基于图像分解理论基础上,将DnCNN模型和RED-Net网络结构综合起来,利用DnCNN估计噪声图像的纹理部分,并利用RED-Net估计噪声图像的卡通部分,提出混合CNN医学图像斑点噪声去除模型,此模型对恢复图像中的细节部分以及光滑图像噪声方面是较好的解决方案。在图像噪声去除领域起到较好的作用。如付诸现实将产生较好的经济效益。(本文来源于《中国科技信息》期刊2019年21期）
王浩然,周强[6]（2019）在《基于全变分模型和高斯曲率滤波的红外图像条纹噪声去除算法》一文中研究指出针对红外热像仪读出电路的偏置电压存在非均匀性,造成红外图像出现条纹噪声的问题,提出了基于全变分模型和高斯曲率滤波结合的去噪算法。在分析红外条纹噪声成因并研究其特性的基础上,首先对含噪图像采用全变分模型进行去噪处理;然后确定复原图像出现阶梯效应的区域,将其对应的噪声图像中的区域看作可展曲面,采用高斯曲率滤波处理;最后将全变分模型和高斯曲率滤波的处理结果综合输出。实验结果表明,所提算法能够去除红外图像中的条纹噪声,并且能够克服全变分去噪后复原图像出现阶梯效应的问题。(本文来源于《激光杂志》期刊2019年10期）
张杰,史小平,张焕龙,耿盛涛[7]（2019）在《高噪声遥感图像稀疏去噪重建》一文中研究指出高噪声遥感图像去噪一直是遥感领域研究的一个重要难题,为进一步提高高噪声遥感图像的重建质量,在经典的压缩感知迭代小波阈值算法的基础上,提出了一种改进迭代小波阈值算法.首先,提出一种自适应小波滤波算子在图像稀疏变换过程中对获取的遥感图像小波系数进行筛选,去除图像中的部分噪声信息;其次,使用提出的下降BayesShrink阈值在每次迭代过程中对获取的小波系数进行二次筛选过程;最后,使用改进的块稀疏全变差方法对获得的重建图像进行调整以进一步提高重建遥感图像的质量.试验结果表明,该算法的去噪重建性能优于经典的压缩感知迭代小波阈值算法,可以从高噪声图像中重建一幅高质量的遥感图像,验证了该算法的有效性.此外,该算法能够有效地保护遥感图像的边缘和纹理等重要特征信息.在低压缩采样比情况下,该算法也能够获得相对较高的峰值信噪比和视觉质量.在卫星地面接收站,该算法可直接使用获取的少量含噪遥感图像数据重建一幅清晰的遥感图像.(本文来源于《哈尔滨工业大学学报》期刊2019年10期）
杨宏宇,王峰岩[8]（2019）在《基于深度卷积神经网络的气象雷达噪声图像语义分割方法》一文中研究指出针对新一代多普勒气象雷达的散射回波图像受非降雨等噪声回波干扰导致精细化短时气象预报准确度降低的问题,该文提出一种基于深度卷积神经网络(DCNN)的气象雷达噪声图像语义分割方法。首先,设计一种深度卷积神经网络模型(DCNNM),利用MJDATA数据集的训练集数据进行训练,通过前向传播过程提取特征,将图像高维全局语义信息与局部特征细节融合;然后,利用训练误差值反向传播迭代更新网络参数,实现模型的收敛效果最优化;最后,通过该模型对气象雷达图像数据进行分割处理。实验结果表明,该文方法对气象雷达图像的去噪效果较好,与光流法、全卷积网络(FCN)等方法相比,该文方法对气象雷达图像中真实回波和噪声回波的识别准确率高,图像的像素精度较高。(本文来源于《电子与信息学报》期刊2019年10期）
龙亚威[9]（2019）在《多通道CMOS图像传感器列固定模式噪声校正的硬件实现》一文中研究指出在高质量的CMOS传感器中,为获得更高的行频和高效输出,常采用多个通道并行输出的方式。然而,每个通道之间所采用的ADC参数以及性能的差异将会引入列固定模式噪声(Column FPN),导致图像中出现竖直条纹,人眼对于这种竖直条纹最为敏感。针对此类噪声,在基于Zynq-7000平台的图像采集系统中,实现对图像数据进行实时的Column FPN校正。该系统以可编程逻辑部分为核心实现乘加运算,具有运算速度快,系统灵活,实时性好,可移植性强等优点;硬件电路设计难度低,使得固型噪声校正模块与其他功能之间配合更加简单化。(本文来源于《电子世界》期刊2019年19期）
何泽威[10]（2019）在《非制冷长波红外图像条状噪声消除及超分辨率技术研究》一文中研究指出红外热成像设备可以非接触式的采集测量物体的温度信息,并有效应用于高端装备运行状态的实时监测。然而,红外图像中往往包含大量的噪声并且分辨率较低,低质量的红外图像已经成为制约红外技术应用的瓶颈。本文结合国家自然科学基金面上项目“红外热成像信号特征提取和降噪理论及其方法”(51575486)和国家自然科学基金青年基金项目“复合材料结构件缺陷的红外成像检测机理研究”(51605428),针对非制冷长波红外热成像图像中普遍存在的条状噪声和低分辨率两种缺陷展开研究。论文的主要研究内容如下:(1)详细探讨了条状噪声和低分辨率的产生机理。通过黑体标定实验,准确分离条状噪声和真实红外输出信号,建立条状噪声非线性模型。(2)研究了基于传统滤波的条状噪声消除方法。为了更加彻底的去除条状噪声,提出了一种基于小波分解的多尺度一维引导滤波方法:在不同的小波分解尺度上采用不同的滤波窗口进行多尺度去噪。为了在去除噪声的同时,准确保留垂直方向边缘,提出了一种空间自适应滤波方法:设计了一个一维水平梯度统计指标用于区分条状噪声和垂直方向边缘,根据该指标调整滤波窗口,自适应地滤除条状噪声。(3)研究了基于卷积神经网络的条状噪声消除方法。根据非线性模型模拟生成了大量的训练数据,构建了包含各类(不同种类、不同强度)条状噪声特性的训练库。通过在包含各种条状噪声特性的训练集上训练,建立基于卷积神经网络的含噪图像至无噪图像的重建关系,获得条状噪声的消除模型,然后将真实红外图像在该模型上运行,实现条状噪声的去除。(4)针对大尺度(X8倍)红外图像超分辨率问题,通过研究红外图像在下采样过程中结构边缘和微小细节损失的不同表现形式,根据“分而治之”的思路,在×2倍下采样处设置了一个中间点,将下采样过程中的损失信息分成两部分:第一部分主要由损失的微小细节组成,第二部分主要由损失的边缘结构组成。针对第一部分,采用了感受野相对较小的网络用于恢复小尺度的微小细节;针对第二部分,采用了感受野相对较大的网络用于恢复大尺度的结构边缘。提出的基于多感受野级联网络的红外图像超分辨率算法,提升了大尺度(×8倍)下红外图像超分辨率的效果。(5)考虑到不同频谱的相机成本相差较大,为了降低红外图像应用的门槛,提出了一种基于多频谱融合的红外图像超分辨率方法。探讨了利用低成本图像中的信息(即可见光信息)来提升高成本图像(即红外图像)超分辨率质量的可行性。训练需要大量配准的红外-可见光图像对,通过相机采集并手动精配准建立了一个多频谱配准数据集。(本文来源于《浙江大学》期刊2019-09-26）
图像噪声论文开题报告范文
（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：
针对传统的激光雷达强度图像降噪方法中,普遍存在着降噪效果不理想、峰值信噪比较低等问题,为了提高激光雷达图像峰值信噪比,从而实现激光雷达图像降噪,提出基于小波域混合模型的激光雷达强度图像降噪方法。分析激光雷达图像中噪声的特点,将其进行对数变换,利用小波变换对图像进行边缘检测,以得到激光雷达强度图像噪声所在位置为依据;利用自适应阈值对激光雷达强度图像变换后的小波系数进行分类,将双变量模型和空间自适应统计模型相结合实现对激光雷达强度图像降噪。实验结果表明,所提方法图像降噪效果较为理想、峰值信噪比较高,所提方法的峰值信噪比比另外两种方法高出10. 93和16. 13。
（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。
图像噪声论文参考文献
[1].许友雷,舒忠.基于轮廓波变换的图像混合噪声去除算法研究[J].现代计算机.2019
[2].毛烨,陈亮.强噪声条件下激光雷达强度图像降噪方法研究[J].激光杂志.2019
[3].徐少平,刘婷云,罗洁,张贵珍,唐祎玲.图像质量感知的混合噪声快速盲降噪算法[J].计算机研究与发展.2019
[4].周宁亚,王家成.一种基于FCM的噪声图像分割算法研究[J].新疆大学学报(自然科学版).2019
[5].王岩,何兰,李琦,宋运娜,佡思维.混合卷积神经网络图像噪声去除[J].中国科技信息.2019
[6].王浩然,周强.基于全变分模型和高斯曲率滤波的红外图像条纹噪声去除算法[J].激光杂志.2019
[7].张杰,史小平,张焕龙,耿盛涛.高噪声遥感图像稀疏去噪重建[J].哈尔滨工业大学学报.2019
[8].杨宏宇,王峰岩.基于深度卷积神经网络的气象雷达噪声图像语义分割方法[J].电子与信息学报.2019
[9].龙亚威.多通道CMOS图像传感器列固定模式噪声校正的硬件实现[J].电子世界.2019
[10].何泽威.非制冷长波红外图像条状噪声消除及超分辨率技术研究[D].浙江大学.2019