脉冲噪声是成像过程中的一个主要噪声源, 传统的滤波器难以有效消除高密度的脉冲噪声。针对这一问题, 提出了一种基于非对称并行神经网络的图像脉冲噪声降噪算法。算法利用隐写分析丰富模型提取图像的噪声卷积特征图;将原图像特征图与噪声卷积特征图分别送入两个相同的卷积神经网络进行处理;结合l1损失与l2损失作为神经网络的总代价函数, 同时利用了l1损失的高视觉效果与l2损失的强收敛性。实验结果表明: 提出的降噪算法在各密度下的降噪性能均优于基于滤波器的降噪算法, 对于高密度脉冲噪声也具有明显优势。

图像噪声会严重影响数字体图像相关(DVC)方法的测量精度,因此,通过数值模拟平移实验、真实重扫描实验和压缩实验研究了图像噪声及高斯预滤波对DVC位移测量结果的影响。实验结果表明,高斯预滤波能显著降低图像的噪声水平,从而减小由噪声引起的系统误差,但对插值误差的影响较小,原因是高斯预滤波会降低图像的灰度梯度。因此,高斯预滤波可以显著提高经典前向累加牛顿-拉弗森算法的精度,但对反向组合高斯-牛顿算法的精度影响不大。此外,高斯预滤波处理可提升2种算法中各计算点的相关系数,得到匹配度更高的子体块。

实现数字图像中噪声参数的精确估计对提高图像处理的质量有重要意义。对被高斯白噪声所污染的图像进行稀疏主成分分析时, 其部分主成分的负载向量的均值与高斯白噪声标准差呈现一定的线性关系。基于此特征, 本文提出了一种快速精确的图像噪声估计方法。在该方法中, 通过对高斯白噪声污染图像添加多种已知标准差等级的新的高斯白噪声以产生多幅新图像, 然后对每幅图像进行稀疏主成分分析, 并求取多个主成分负载向量均值。最后, 通过求解一个超定方程组实现图像高斯噪声标准差等级的精确估计。实验结果表明, 本方法在低噪声(δ0=5)到高噪声(δ0=70)条件下均具有较高的估计精度和较强的鲁棒性, 在实际工程中具有一定的实用价值。

近年来, 高温干扰遮蔽情况下利用红外热成像与数字全息成像相结合的新技术观察火场中目标成为时下的研究重点。理论上火焰和浓烟对长波长的红外数字全息成像没有影响, 但在现实火场环境中, 燃烧物的大颗粒灰尘将会干扰光路, 严重增加了全息图重建图像的噪声。本文提出了一种新的图像处理算法来抑制红外数字全息重建的噪声。该算法利用双边滤波器配合拉普拉斯金字塔算法将全息重建图像的细节和能量层分开, 再对细节层进行滤波, 然后用反向拉普拉斯金字塔算法将分离的层叠加回重建图像中, 从而提高重建像的分辨率, 并通过模拟火场环境验证了该算法对改善红外数字全息图重建像的分辨率具有显著效果。

关联成像是一种通过单像素探测器以成像时间换取空间分辨率的新颖成像方案, 然而, 其存在重建质量低、数据采集时间长的问题。Hadamard编码调制计算关联成像能够实现高效率的成像, 显著提高了关联成像方案的适用性, 但是其独特的图像噪声集中现象是影响其实用化亟待解决的难题。通过分析Hadamard矩阵作为测量矩阵计算关联成像重建结果的噪声特点, 基于图像分割理论, 提出了一种利用阈值处理和形态学图像增强的Hadamard编码调制关联成像噪声压制方案, 并通过实验验证了该方案的可行性, 获得接近8 dB的光学图像增强。该方案对二值图像和灰度图像都有比较好的效果, 其工作促进了关联成像技术的实用化。

针对图像分割中经典GAC模型无法准确分割拓扑结构变化的凹陷目标、容易穿越深度凹陷的弱边缘轮廓和无法准确分割含噪声目标的问题, 通过利用图像灰色关联度、类间方差和经典GAC模型构造新能量函数, 提出了一种改进的GAC模型, 该模型可增强经典GAC模型的边界检测能力, 减少分割时间。仿真实验验证了改进的GAC模型的正确性和有效性。

噪声是造成图像退化和视频质量下降的另一个重要原因, 仿真红外成像的噪声及其影响是建立图像退化模型的核心。红外成像噪声分析中的各种信号噪声, 最终反映在热像仪输出的红外图像上体现为多种多样的成像噪声。通过把热像仪成像过程可能出现的各种主要噪声信号映射到红外图像中的随机噪声和固定图案噪声, 建立了红外图像的噪声模型, 并从实际热成像系统输出视频图像中提取噪声特性参数作为热像噪声仿真系统的输入, 对红外成像系统的各种静态图像噪声的仿真实验效果接近实际的红外图像噪声情况, 为热像仪成像退化建模奠定基础。

为便于线阵CCD(charge-coupled device)全景图像的后期运算处理,需要对图像进行去噪处理,以提高图像信噪比。分析了线阵CCD扫描全景成像系统中图像噪声的来源,研究了该系统噪声的特性。对比研究基于小波变换的多种去噪算法的优劣性和使用条件,提出一种基于小波软硬阈值的中值滤波去噪方法。通过实验结果分析,验证了该方法具有更好的可靠性和有效性,适用于线阵CCD全景图像的去噪处理。