基于改进小波阈值的条纹图像去噪研究.pdf
《基于改进小波阈值的条纹图像去噪研究.pdf》由会员分享,可在线阅读,更多相关《基于改进小波阈值的条纹图像去噪研究.pdf(7页珍藏版)》请在咨信网上搜索。
1、Operations Research and Fuzziology 运筹与模糊学运筹与模糊学,2024,14(1),998-1004 Published Online February 2024 in Hans.https:/www.hanspub.org/journal/orf https:/doi.org/10.12677/orf.2024.141092 文章引用文章引用:杨教,龙纪安.基于改进小波阈值的条纹图像去噪研究J.运筹与模糊学,2024,14(1):998-1004.DOI:10.12677/orf.2024.141092 基于改进小波阈值的条纹图像去噪研究基于改进小波阈值的条
2、纹图像去噪研究 杨杨 教教,龙纪安龙纪安 贵州大学大数据与信息工程学院,贵州 贵阳 收稿日期:2023年12月21日;录用日期:2024年1月11日;发布日期:2024年2月29日 摘摘 要要 为消除条纹结构光图像中的噪声干扰,提出了基于小波变换的改进阈值函数,并结合条纹图像的特征为消除条纹结构光图像中的噪声干扰,提出了基于小波变换的改进阈值函数,并结合条纹图像的特征信息分布,选择合适的估计阈值,对条纹图像进行去噪。实验结果表明,小波阈值去除条纹图像的白信息分布,选择合适的估计阈值,对条纹图像进行去噪。实验结果表明,小波阈值去除条纹图像的白高斯噪声过程中,相比选用传统的阈值函数,本文提出的改进
3、阈值函数使峰值信噪比和结构相似度更高斯噪声过程中,相比选用传统的阈值函数,本文提出的改进阈值函数使峰值信噪比和结构相似度更高。高。关键词关键词 小波变换,条纹图像,图像去噪,尺度分解小波变换,条纹图像,图像去噪,尺度分解 Research on Fringe Image Denoising Based on Improved Wavelet Threshold Jiao Yang,Jian Long School of Big Data and Information Engineering,Guizhou University,Guiyang Guizhou Received:Dec.21s
4、t,2023;accepted:Jan.11th,2024;published:Feb.29th,2024 Abstract In order to eliminate the noise interference in the fringe structured light image,an improved threshold function based on wavelet transform was proposed,and combined with the feature in-formation distribution of the fringe image,an appro
5、priate estimation threshold was selected to denoise the fringe image.Experimental results show that in the process of removing white Gaus-sian noise from fringe images with wavelet threshold,the improved threshold function proposed in this paper makes the peak signal-to-noise ratio and structural si
6、milarity higher than the tradi-tional threshold function.杨教,龙纪安 DOI:10.12677/orf.2024.141092 999 运筹与模糊学 Keywords Wavelet Transform,Fringe Image,Image Denoising,Scale Decomposition Copyright 2024 by author(s)and Hans Publishers Inc.This work is licensed under the Creative Commons Attribution Internat
7、ional License(CC BY 4.0).http:/creativecommons.org/licenses/by/4.0/1.引言引言 结构光技术具有精度高、非接触和无视弱纹理等优点,在三维重建、特征提取和缺陷检测等场合具有非常广泛的应用。该方法主要通过捕获被测物体表面的条纹图像,然后提取图像信息来完成测量,因此,获取高质量的条纹图像是进行后续工作的前提1 2 3。目前,条纹图像的获取主要通过结构光相机,但该设备容易受到环境光干扰、随机激光散斑噪声和物体表面粗糙度等因素的影响,常常不能捕获高质量的条纹图像。因此,通过图像处理技术对条纹图像进行处理显得非常有必要。文献4中,提出利用图
8、像梯度增强方法、阈值分割方法和连通区域的思想去除条纹图像中的噪声。李春明等人5提出自适应的中值滤波算法和高斯滤波算法,有效地去除了条纹图像中的高斯噪声和椒盐噪声。小波变换具有优越的分解性能和多尺度传播特性,使其在图像中得到了广泛的应用。雷飞等人6引入收缩因子对 Donoho 阈值进行改进,提出了改进小波软硬阈值折衷算法,提高了小波阈值在水下图像中的去噪效果。文献7提出了一种通过修正通用阈值、改进阈值函数的去噪算法,在去噪过程中保留较多的信号扰动特征,但对受强噪声干扰的信号提取效果不太理想。田江龙等人8基于改进阈值法和双变量小波阈值函数的方法使去噪后的信号在过分平滑与边缘震荡之间达到了合理的平衡
9、。袁开明等人9提出了一种新的阈值选取算法,应用模拟退火算法计算最优解,提高了小波阈值的去噪性能。文献10中,提出了一种双参数阈值函数,通过加入调节参数使得改进的阈值函数能在软硬阈值函数之间相互切换。此外,针对传统小波阈值方法存在的文提,学者还提出了很多改进的阈值函数方案11-20。因此,选择合适的阈值函数有利于改善小波阈值的去噪效果,解决去噪不充分和图像信息丢失等问题是小波阈值去噪的重点和难点。本文提出了一种基于小波变换改进阈值函数的条纹图像去噪方法。在小波变换基础上,改进阈值函数,解决传统阈值函数不连续导致图像模糊的问题,提高了小波阈值的去噪效果。2.传统小波去噪传统小波去噪 小波去噪的基本
10、思想是将含早数据进行小波变换分解后,对不同频段信息采取对应的阈值进行噪声去除。传统的小波去噪方法主要有三种,分别为:非线性小波小波阈值去噪、小波变换尺度间相关去噪、小波变换模极大值去噪。1)小波变换模极大值去噪 小波变换模极大值去噪先将含噪数据进行多尺度分解,根据原始信号和干扰噪声在不同尺度上具有的不同传播特性,去除因为噪声产生的模极大值点,同时保留信号在该极大值带你的模,然后再用剩余的模极大值重构小波变换系数,最后重构信号。2)小波变换尺度空间相关去噪 信号小波变换多尺度分解后,尺度间会存在相关性,其主要表现在两个方面:一方面是在同一尺度中,比较重要的小波系数会集中在某些区域;另一方面是在不
11、同尺度空间中,与图像特征对应的小波系Open AccessOpen Access杨教,龙纪安 DOI:10.12677/orf.2024.141092 1000 运筹与模糊学 数之间存在相关性。在小波分解过程中,尺度相关性是固定不变的,其反映了图像分解后的空间多尺度性质。3)非线性小波阈值去噪 非线性小波阈值去噪是对数据的相关性进行去除,使信号的能量集中在小波分解后尺度空间中的少数几个小波系数中,而噪声不受影响依然分布在整个小波分解空间中,噪声能量对应大量的小波系数。对于待去噪的图像,小波变换对其进行分解,使得图像信号在小波分解空间中系数大、数量少,而噪声信号系数小、数量多和分布范围广。小波阈
12、值去噪的原理如图 1 所示,先估计阈值,然后对分解后小波系数与阈值比较,系数不小于阈值则根据阈值函数进行保留或缩放,反之则设置系数为零。最后对阈值过滤信号进行重构,即得小波阈值去噪图像。对小波阈值去噪分析可知,决定小波阈值的去噪效果主要为阈值函数和阈值决定,本文也将从这两方面进行改进。Figure 1.Wavelet threshold denoising process 图图 1.小波阈值去噪过程 2.1.阈值估计阈值估计 在小波阈值对图像去噪中,阈值估计会直接影响小波阈值的去噪效果,其值估计过小则图像噪声不能完全去除,若值估计过大重构图像将变模糊和出现伪边缘现象。当前在小波阈值中应用最多的
13、阈值函数估计方法是 VisuShrink 阈值,其对应的阈值 T 表达式为:2logTN=(1)其中,为信号的噪声标准差;N 为图像信号的总长度,其值等于图像宽度与高度的乘积。对应的噪声标准差由公式(2)得到:()0.6745median Det=(2)式中:Det 表示最小层的小波系数;median()表示中值。2.2.常用阈值函数常用阈值函数 小波阈值去噪效果还受小波系数影响,为了获得合适的小波系数,采用阈值函数对小波系数进行处理。在阈值的基础上采用不同的阈值函数对小波系数进行处理,用的比较多阈值函数是硬阈值函数和软阈值函数。假设小波系数为 w,阈值处理后的小波系数为 w,T 为阈值,则硬
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 改进 阈值 条纹 图像 研究
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。