改进的小波域自适应阈值煤尘图像去噪.pdf

改进的小波域自适应阈值煤尘图像去噪.pdf

ID:51498872

大小:214.99 KB

页数:3页

时间:2020-03-25

改进的小波域自适应阈值煤尘图像去噪.pdf_第1页
改进的小波域自适应阈值煤尘图像去噪.pdf_第2页
改进的小波域自适应阈值煤尘图像去噪.pdf_第3页
资源描述:

《改进的小波域自适应阈值煤尘图像去噪.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、第27卷第8期计算机仿真2010年8月文章编号:1006—9348(2010)08—0247—03改进的小波域自适应阈值煤尘图像去噪张伟(青岛科技大学自动化与电子工程学院,山东青岛266042)摘要:煤佳图像在采集和传输过程中受到了噪声的污染。基于Bayesshfinke的小波域自适应阈值去噪算法取得了较好的图像去噪效果,但其阈值的参数估计是在假定噪声和信号不相关情况下得到的,使得其去噪效果降低。提出了一种改进的小波域自适应阈值去噪算法,从而改进丁广义商斯分布模型参数的估计方法,并在增加计算餐不大的情况F

2、提高了参数估计精度。用改进的小波域内适应阈值去噪算法对煤伞阁像进行去噪处理。仿真结果表明,新算法提高了煤尘图像的去噪效果,并且计算璧较小,能够满足对煤尘浓度实时测量的要求。关键词:广义高斯分布;小波域自适应阔值;图像去噪;煤尘图像中图分类号:TP391.41文献标识码:AImprovedAdaptiveWaveletThresholdingforCoalDustImageDenoisingZHANGWei(SchoolofAutomationandElectronicEngineering,Qingdao

3、UniversityofScienceandTechnology,QingdaoShandong266042,China)ABSTRACT:Coaldustimageisoftencorruptedbynoisesinitsacquisitionortransmission.Adaptivewaveletthresh—oldingdenoisingalgorithmbaseonBayesshrinkingobtainedgooddenoisingresult.Butitsparametersestimat

4、esuppo-8esthatnoiseandsignalareindependentofeachother.80itsdenoisingeffectisreduced.Proposes硼improveda·daptivewaveletthresholdingdenoisingalgorithmbasedonimprovedgeneralizedGaussiandistribution(GGD)param—etersestimationmethodtoobtainmorehi曲precisionw/thlo

5、waddingtime.%esimulationresultsfromusingthenewdenoisingalgorithmincoaldustimagedenoisingshowthatitimprovescoaldustimagedenoisingeffectwithlowtimeCOSt.Itc锄beusedtoreal—timemeasurementcoaldust.KEYWORDS:Generalizedgaussiandistribution(GGD);Adaptivewaveletthr

6、esholding;Imagedenoising;Coaldustimagel引言煤尘图像在采集、处理以及传输过程中,由于煤矿井下环境恶劣,不可避免地会受到各种噪爵的干扰。这些噪音严重影响了采集到的图像质量,尤其是破坏了图像在结构、内容等方面像素之间的相关性,非常不利于进一步的图像分析。因此在应用各种图像处理算法之前,必须要对数字图像信号进行预处理,去除这些噪音。近年来小波理论发展迅速,基于小波的去噪算法成为一个重要的研究方向,其中小波阈值去噪¨卜【4o是目前研究最为广泛的方法之一。1992年,Donoh

7、o等”1提出7.了小波阂值萎缩方法,还给基金项目:山东省自然科学基金资助项目(Z2006G06)收稿日期:2009一06一15出了T=矿。以lnⅣ阈值,然而Donoho萎缩阈值是阈值的上限。不是最佳萎缩阈值,它过度“扼杀”了小波系数;SUREShrink【60阈值准则法叮以求出理想阈值的估计值,但没有显式的表达式,并且阈值的计算需先知道信号本身,但是实际求取时这是不可能的。一些采用新方法的小波阈值去噪¨卜¨刮获得了更好的图像去噪效果,但往往是以复杂的计算量为代价的,限制r这峰算法的实际应用;在小波系数服从

8、广义高斯分布的假设下Chang【I川等人得出r阈值T=矿2。/or。(盯。为噪声标准方差,or,为广义高斯分布的标准方差值),取得了.比Donoho阈值更好的去噪效果。在Chang等人提出的小波阕值去噪的GGD参数估计是在假定噪声和信号不相关情况下得到的,这样使得去噪效果降低。为此,本文基于Chang提出的小波阈值的基础上,改进r的GGD参数~247—估计算法,提出了改进的小波域自适应阈值去噪算法,并将其应用于煤7垒图像的去噪

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。