强激光与粒子束
2023, 35(12): 123002
宁波大学机械工程与力学学院，浙江 宁波 315211
数字图像相关法作为一种直接有效的非接触、全场光学测量方法，已广泛地应用于各个领域材料和结构的二维/三维位移和应变测量。结合先进的散斑制备技术，在显微镜下进行原位加载实验，可实现微尺度数字图像相关位移和应变测量。微尺度下试样加载过程中将不可避免地出现离面位移，由于光学显微镜景深限制，微小的离面位移将导致散斑图像失焦模糊，从而为变形测量带来相应的误差。为减小这种失焦模糊带来的误差，采用盲去卷积方法对散斑图像去模糊，并针对噪声问题采用高斯滤波的方法对散斑图像进行去噪，定量分析了图像复原对数字图像相关测量精度的影响，并对indium tin oxide（ITO）薄膜进行了拉伸实验。实验结果表明，图像复原后测量的弹性模量误差减小了13.91%，应变测量结果的精度与稳定性更高。
图像处理 数字图像相关 图像复原 噪声去除 微尺度 变形测量 激光与光电子学进展
2023, 60(14): 1410004
1 沈阳理工大学 自动化与电气工程学院, 沈阳 110159
2 中国科学院沈阳自动化研究所, 沈阳 110016
为了提高红外成像质量的同时更大程度地保持纹理信息,提出一种多尺度分析和加权最小二乘法的条纹噪声非均匀性校正算法.该算法利用加权最小二乘法对图像进行平滑, 应用小波变换提取平滑图像的垂直分量, 并将其垂直分量替换为原始图像的垂直分量, 利用小波重构输出校正后的图像.算法能够精准地去除红外噪声, 而不会带来更加麻烦的“鬼影”问题.用该算法对多组不同红外图像数据进行仿真实验, 并与其他先进的红外条纹非均匀校正算法进行对比分析, 结果表明所提算法校正结果有较好的视觉效果和图像质量评估参数.
红外图像 非均匀校正 条纹噪声去除 加权最小二乘法 焦平面阵列 Infrared imaging Nonuniformity correction Strip noise removal Weighted least squares Focal plane array
哈尔滨理工大学测控技术与通信工程学院，黑龙江哈尔滨 150080
深度卷积神经网络的提出引发了图像处理算法的一系列突破。但是，使用更深入的网络并不总是有帮助，训练它们的巨大障碍是逐渐消失的梯度、大量增长的参数和过长的时间。本文提出了一种基于深度残差网络的图像混合噪声去除算法。通过全局残差学习与局部残差学习，有效地解决了梯度消失与网络参数的增长，提升了模型对图像特征的选择与提取能力，减少了训练时间。实验结果表明，深度残差网络在图像混合噪声去除中效果显著，本文提出的算法得到的去噪图像更好地恢复图像的原始结构，信息丰富，对比度高，鲁棒性强，并且可以更好地保持图像的细节。
深度残差网络 混合噪声去除 梯度消失 残差学习 deep residual network，mixed noise removal，gradie
1 西安交通大学能源与动力学院, 陕西 西安 710049
2 西北核技术研究所激光与物质相互作用国家重点实验室, 陕西 西安 710024
为了保证燃烧流场羟基(OH)示踪速度测量的精度,开展了背景噪声去除方法研究。基于燃烧流场羟基示踪测速数据的噪声特性分析,构建了染噪的数值模型;针对局部的燃烧OH荧光干扰以及流场杂散光等背景噪声,采用了基于Hough变换的空间滤波方法。针对测量系统的物理、电、光以及传感器等噪声,采用了小波变换的噪声去除方法,提高了图像信噪比。提出了一种将两种方法融合的背景去除方法, 抑制了系统噪声对空间滤波算法精度的影响,优化了空间滤波结果。研究结果表明,图像处理后峰值信噪比提高了16.79 dB,信噪比提高了13.91 dB。对燃烧流场实验数据进行了处理,有效地抑制了背景噪声,达到了图像预处理的效果,满足了激光诊断系统对测量精度的要求。
图像处理 燃烧流场 羟基示踪测速 噪声去除 Hough变换 小波变换
1 成都信息工程大学电子工程学院, 四川 成都 610225
2 中国气象局大气探测重点开放实验室, 四川 成都 610225
同源双光路能见度仪是一种基于数字摄像法的能见度仪。通过CCD传感器获取的光源亮度是光斑提取算法及能见度反演模型的重要组成部分,而背景光噪声严重影响能见度反演准确性。针对复杂背景光干扰下能见度反演出现的较大误差,运用幅度调制方法重新设计调制光源,并对CCD采集的图片进行解调,以有效消除背景光。实验结果表明:光源幅度调制方法能有效去除背景光,并可消除随机噪声和相机暗电流噪声;当调制点数范围为32~128时,图像去噪效果较好,去噪后光斑图像峰值信噪比大于30;在上述调制点范围内,点数越大,峰值信噪比越大,则均方根误差越小。调制点数范围为32~128时,所提方法能显著提高能见度反演精度。
大气光学 成像与能见度 背景光噪声去除 光源调制 随机噪声 激光与光电子学进展
2018, 55(3): 030102
记忆效应(Memory Effect, ME)噪声是发生在红外光机扫描仪影像中的一种条带噪声。扫描条带中,有明显亮暗突变位置的景物的ME噪声尤其明显,会严重影响影像的目视效果。传统的ME噪声去除方法基于系统脉冲响应函数构建复原滤波器,使用复原滤波器对图像进行复原。该方法的缺点是必须有精确的系统脉冲响应函数。针对传统方法的不足,提出了一种新的ME噪声去除算法。该算法利用影像自身的辐射信息,使用检测模板遍历整景影像以检测ME噪声,对检测到的噪声使用迭代法去除。最终,选取资源一号01星的IRMSS影像进行了试验。结果表明,该方法可以有效去除ME噪声,从而提升图像的辐射质量。
ME噪声 噪声去除 ME noise noise removal
1 中国航空工业集团公司洛阳电光设备研究所,河南 洛阳 471000
2 中国人民解放军驻六一三所军事代表室,河南 洛阳 471000
提出一种去除椒盐噪声的自适应云理论滤波算法,该算法采用云的极大判定法则将图像中的像素分类为噪声点和信息点。对检测出的噪声点,利用周围信息点通过自适应云推理进行去除,信息点保持其灰度值不变直接输出。实验结果表明,该算法能有效去除椒盐噪声,保护图像细节,尤其在高强度噪声下,优势突出,较传统中值滤波及其改进算法有更好的滤波性能。
图像处理 椒盐噪声 噪声检测 噪声去除 自适应 云理论 image processing salt and pepper noise noise detection noise removal adaptation cloud theory
1 浙江大学电气工程学院, 浙江 杭州 310027
2 杭州电子科技大学计算机应用技术研究所, 浙江 杭州 310018
通过波段选择可以显著提高高光谱遥感图像分类与解混的效率。提出了两种改进的线性预测（LP）波段选择方法，用图像的偏度或峰度度量波段信息量，结合互信息（MI）或K-L散度度量波段间的相似性，选择本身信息量大，且彼此间最不相似的两个波段作为初始波段，再通过改进的线性预测选择后续波段。噪声波段的存在会影响波段选择的效果，导致分类或解混精度低于预期。为了减弱噪声波段的不利影响，进一步提出噪声波段去除的方法，基于小波域的熵估计每波段的噪声，去除噪声较大的波段后进行波段选择。真实高光谱图像波段选择后分类和解混实验结果表明，改进的基于线性预测的波段选择方法能明显提高分类和解混的精度和效率，是一种有效的高光谱图像降维方法。
遥感 波段选择 线性预测 噪声去除
1 中国科学院重庆绿色智能技术研究院微纳制造与系统集成中心, 重庆 404100
2 中国科学院光电技术研究所, 四川 成都 610209
3 电子科技大学能源科学与工程学院, 四川 成都 610054
受到复杂环境中多种背景噪声的干扰，拉曼信号的有效信息易被噪声削弱甚至淹没。利用拉曼信息光谱与背景光谱的形状相似性，通过形状相似性比较法去除背景噪声，结合实验数据介绍该方法的去噪原理与具体步骤。对比发现，该方法所恢复的拉曼信息量大，基线平整，便于后续数据处理。
光谱学 光谱预处理 形状相似性比较 噪声去除
