發(fā)布時間：2022-02-13 10:02

　　由于傳統(tǒng)的船舶紋理圖像的自適應濾波去噪方法存在去噪效果差的問題,因此提出了一種新的船舶紋理圖像的自適應濾波去噪方法。根據(jù)船舶紋理圖像空間坐標連續(xù)性,將船舶紋理圖像表示成數(shù)字圖像形式,利用船舶圖像紋理的主要3個標志,提取紋理特征,并給出紋理特征定量估計結(jié)果。結(jié)合圖像紋理特點,對圖像進行分割處理。采用極值檢測方法設計噪聲檢測的自適應濾波,在一定程度上判斷出噪聲大小。通過設置閾值減小對噪聲的誤判,實現(xiàn)圖像信息與噪聲的有效分離。設計去噪流程,由此完成自適應濾波的去噪處理。通過實驗對比結(jié)果可知,該方法的去噪效果較好。 

【文章來源】：艦船科學技術(shù). 2020,42(10)北大核心

【文章頁數(shù)】：3 頁

【部分圖文】：

船舶圖像紋理特征提取Fig.1Texturefeatureextractionofshipimages

袼刂滌脛芪?袼氐闃凳竅嘍越詠?摹Ｎ?理圖像中只有部分像素受到噪聲污染，而且受到噪聲污染的像素灰度值與未受到噪聲污染灰度值無關(guān)，因此，針對噪聲極值特征可確定像素點是否被噪聲污染。雖然采用極值檢測方法能夠在一定程度上判斷出噪聲大小，但由于圖像自身存在像素邊緣點和細節(jié)點，所以也可能存在噪聲點。通過設置閾值減小對噪聲誤判，實現(xiàn)圖像信息與噪聲的有效分離。1.4去噪方案實現(xiàn)在對含有高斯噪聲圖像進行濾波處理時，需設計圖1船舶圖像紋理特征提取Fig.1Texturefeatureextractionofshipimages圖2船舶紋理圖像分割Fig.2Shiptextureimagesegmentation第42卷文立：船舶紋理圖像自適應濾波去噪研究·65·

,2018,22(12):1677–1689.[3]范靈.基于混合濾波算法的數(shù)字圖像去噪方法研究[J].信息技術(shù),2019(8):79–82.[4]表1實驗參數(shù)設置Tab.1Experimentalparametersettings參數(shù)名稱實驗組對照組參數(shù)個數(shù)2.85×1052.85×105特征提取百分比95%95%定位精準度80%80%預期目標定位百分比55%55%預期定位系數(shù)0.950.95表2兩種方法去噪效果對比分析Tab.2Contrastanalysisofdenoisingeffectoftwomethods實驗次數(shù)空間域去噪方法/%自適應濾波去噪方法/%1609625595350944559555396圖3去噪流程Fig.3Denoisingprocess圖4目標定位偏差對比分析Fig.4Comparativeanalysisoftargetpositioningdeviation·66·艦船科學技術(shù)第42卷

【參考文獻】：
期刊論文
[1]基于混合濾波算法的數(shù)字圖像去噪方法研究[J]. 范靈.  信息技術(shù). 2019(08)
[2]基于譜殘差和梯度紋理融合特征的艦船檢測[J]. 李慶峰,何斌,王文勝,蘇暢,韓璽鈺,梁懷丹.  液晶與顯示. 2019(08)
[3]自適應殘差圖像的分數(shù)階全變分去噪算法[J]. 祝嚴剛,張桂梅.  中國圖象圖形學報. 2017(12)
[4]煤與矸石圖像紋理特征提取方法[J]. 米強,徐巖,劉斌,徐運杰.  工礦自動化. 2017(05)



本文編號：3622991