摘要：对于传统的非局部均值(NLM)算法,方形搜索窗口会将大量低相似度的图像块引入去噪图像的加权平均计算过程中,导致去噪图像的细节轮廓变得模糊.针对此问题,提出了利用控制核函数来获取椭圆窗口和图像块参数的自适应NLM算法.首先,根据图像的局部梯度信息和结构张量获得可描述图像局部边缘结构的椭圆方程,并由此确定搜索窗口的形状,从而将搜索窗口的搜索范围限制在与图像局部结构相一致的区域内;然后采用控制核函数获得和搜索窗口形状一致的椭圆形图像块,并结合平滑参数自适应的思想进一步增强算法效果.通过在不同噪声等级的经典灰度图中进行实验,实验结果表明,该算法相比于传统NLM算法和参数自适应的NLM算法,在客观的图像评价指标上,有着更高的PSNR和SSIM值;而在主观视觉上,随着噪声等级的提升,该算法在抑制噪声的同时,能够更好地保留住图像的高频纹理信息.

摘要：针对矿山救援机器人易受粉尘、光线昏暗等因素影响,导致其自动避障能力下降问题,研究一种基于机器视觉的救援机器人自动避障策略,可以实现在复杂环境下的有效避障。设计一种基于改进非局部均值滤波和多尺度B样条小波变换的机器视觉算法,以获得更高质量图像并精确获得障碍物边缘,确保救援机器人自主识别并避开障碍物。仿真结果表明:该算法相比传统算法在图像降噪和边缘检测上均体现出优越性。

摘要：通过对原非局部均值(NLM)图像去噪算法进行改进,提出一种利用马氏距离作为衡量图像像素点相似性的非局部均值图像去噪算法.首先针对样本空间中马氏距离不稳定的特点计算特征空间中的马氏距离;然后对图像数据进行相关性分析和降维处理,提取数据主成分,简化特征空间中马氏距离的计算方法;最后利用此马氏距离生成高斯加权核函数,对图像进行去噪.采用一系列加有噪声的典型图像对文中算法进行实验,证明了该算法可获得比原NLM图像去噪算法更好的去噪效果;利用多组数据对文中算法中的滤波参数h进行分析,得到噪声方差与滤波参数h的关系式,可以获得接近于改进图像去噪算法的最佳去噪性能.

摘要：提出一种改进的图像去噪算法。利用离散余弦变换(discrete cosine transform,DCT)对图像进行"粗糙"去噪,保留图像平滑部分与大部分细节信息;在非局部域内,利用得到的DCT系数构造选择函数对相似像素点进行预选择,将这些相似像素点应用到非局部均值去噪方法中,进行二次去噪;在二次去噪时,利用选择函数对权重系数做出修正,达到自适应滤波的目的。实验结果表明,该算法在峰值信噪比和结构相似度方面都有一定提高。

摘要：针对小波包分解(wavelet packet decomposition,WPD)在对低信噪比信号处理时带内噪声较大,无法准确提取故障信息的问题,提出一种基于小波包分解与权重包络谱的滚动轴承故障特征增强方法。首先对原始信号进行三层小波包分解,并选其最优系数以初步减少噪声干扰,使故障特征信息得到一次增强;而后基于非局部均值算法(Non-Local Means,NLM)对最优系数加权运算得到权重包络曲线,使故障冲击在权重角度得到二次增强;最后对权重包络曲线包络谱分析诊断出故障类型。仿真信号及实验室信号验证了本文方法的有效性及实用性。

摘要：针对传统图像噪声去除方法存在去噪效果差的问题,本文开展基于非局部均值算法的图像高密度混合噪声去除研究,首先对图像灰度进行相似性度量,然后基于非局部均值算法进行图像边缘检测。实验结果表明,设计方法可有效降低处理后图像中的噪声含量。

摘要：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。