船舶纹理图像自适应滤波去噪研究

发布时间：2022-02-13 10:02

　　由于传统的船舶纹理图像的自适应滤波去噪方法存在去噪效果差的问题,因此提出了一种新的船舶纹理图像的自适应滤波去噪方法。根据船舶纹理图像空间坐标连续性,将船舶纹理图像表示成数字图像形式,利用船舶图像纹理的主要3个标志,提取纹理特征,并给出纹理特征定量估计结果。结合图像纹理特点,对图像进行分割处理。采用极值检测方法设计噪声检测的自适应滤波,在一定程度上判断出噪声大小。通过设置阈值减小对噪声的误判,实现图像信息与噪声的有效分离。设计去噪流程,由此完成自适应滤波的去噪处理。通过实验对比结果可知,该方法的去噪效果较好。 

【文章来源】：舰船科学技术. 2020,42(10)北大核心

【文章页数】：3 页

【部分图文】：

船舶图像纹理特征提取Fig.1Texturefeatureextractionofshipimages

袼刂涤胫芪?袼氐阒凳窍喽越咏?摹Ｎ?理图像中只有部分像素受到噪声污染，而且受到噪声污染的像素灰度值与未受到噪声污染灰度值无关，因此，针对噪声极值特征可确定像素点是否被噪声污染。虽然采用极值检测方法能够在一定程度上判断出噪声大小，但由于图像自身存在像素边缘点和细节点，所以也可能存在噪声点。通过设置阈值减小对噪声误判，实现图像信息与噪声的有效分离。1.4去噪方案实现在对含有高斯噪声图像进行滤波处理时，需设计图1船舶图像纹理特征提取Fig.1Texturefeatureextractionofshipimages图2船舶纹理图像分割Fig.2Shiptextureimagesegmentation第42卷文立：船舶纹理图像自适应滤波去噪研究·65·

,2018,22(12):1677–1689.[3]范灵.基于混合滤波算法的数字图像去噪方法研究[J].信息技术,2019(8):79–82.[4]表1实验参数设置Tab.1Experimentalparametersettings参数名称实验组对照组参数个数2.85×1052.85×105特征提取百分比95%95%定位精准度80%80%预期目标定位百分比55%55%预期定位系数0.950.95表2两种方法去噪效果对比分析Tab.2Contrastanalysisofdenoisingeffectoftwomethods实验次数空间域去噪方法/%自适应滤波去噪方法/%1609625595350944559555396图3去噪流程Fig.3Denoisingprocess图4目标定位偏差对比分析Fig.4Comparativeanalysisoftargetpositioningdeviation·66·舰船科学技术第42卷

【参考文献】：
期刊论文
[1]基于混合滤波算法的数字图像去噪方法研究[J]. 范灵.  信息技术. 2019(08)
[2]基于谱残差和梯度纹理融合特征的舰船检测[J]. 李庆峰,何斌,王文胜,苏畅,韩玺钰,梁怀丹.  液晶与显示. 2019(08)
[3]自适应残差图像的分数阶全变分去噪算法[J]. 祝严刚,张桂梅.  中国图象图形学报. 2017(12)
[4]煤与矸石图像纹理特征提取方法[J]. 米强,徐岩,刘斌,徐运杰.  工矿自动化. 2017(05)



本文编号：3622991