基于深度学习和双域融合的红外成像制导系统复杂背景噪声去除方法

红外成像制导系统受到严苛运行环境影响,其成像过程伴随复杂背景噪声干扰,严重影响系统制导跟踪精度。为减少复合噪声对红外成像效果的影响,在分析多种常见噪声的成因和特性的基础上,提出一种基于加性成分和乘性成分的噪声特性先验设定,结合空间域和变换域的双域融合去噪思想,设计了一种基于深度卷积神经网络的多类型噪声去除方法。该方法将富梯度流卷积模块引入UNet++结构以缩减梯度信息冗余并提升多感受野特征提取能力;针对噪声形态特性提出维度注意力机制以实现双域噪声估计;引入高阶双树复小波变换作为域变换方法,提升在不同尺度和方向上对噪声成分的识别能力。通过消融实验验证了噪声先验设定以及双域融合去噪思想的有效性和优越性,通过对比实验证明了所提方法对多种类型噪声均具有优秀的去噪能力。所提方法对高斯噪声的去噪峰值信噪比和结构相似度指标分别达到29.57和0.85,优于其他典型噪声抑制方法;对多类型混合噪声则分别达到27.84和0.82,达到良好的去噪水平。此外,也验证了所提方法对真实图像噪声具有优秀的去噪能力。

基于时域特征的非局部块匹配去噪算法研究

在传统的数字图像去噪算法中,大多数算法在单幅图像的基础上,根据噪声的统计特性模型来求取噪声特性的最优解,从而实现对噪声的去除。通过对噪声的形成原因和统计特性进行分析研究,从时域中提取有效的信息,结合噪声和图像纹理的特性提出了基于时域特征的非局部图像去噪算法。并通过仿真实验对算法进行了验证,实验的结果表明本文提出的算法在有效的去除了噪声的同时也很好的保留了图像的原始纹理细节。同目前已有的算法相比,所提算法去噪之后的图像可以呈现更好的主观质量。

基于MATLAB的数字图像去噪算法研究

本文主要研究多种数字图像去噪方法的分析与比较,在使图像减少失真的条件下,寻求一种更简便、高效、效果更好的图像去噪算法。通过对相似的去噪方法进行分析与比较,来对传统的去噪方法进行适当地改进,并利用MATLAB提供的图形用户界面即GUI,设计一个数字图像去噪系统。