【摘要】：利用地基觀測相機拍攝的以深空為背景的星圖受星空復(fù)雜背景的影響,往往具有較高的噪聲水平。同時由于星圖主要由恒星、空間目標(biāo)和星空背景噪聲組成,且成點狀分布,星圖目標(biāo)和噪聲呈現(xiàn)較大的相似性,傳統(tǒng)的圖像去噪算法并不適用于星圖。為此,該文提出一種基于能量函數(shù)的極值中值濾波去噪算法,該算法在去除星圖椒鹽噪聲的同時能夠較好地保持圖像目標(biāo)信息。該方法針對疑似噪聲點采用二次檢測的方式,并且結(jié)合改進(jìn)的自適應(yīng)中值濾波和能量函數(shù)模型進(jìn)行灰度值恢復(fù)。該文分別使用仿真試驗和真實星圖處理試驗對該方法進(jìn)行驗證,在客觀評價中,圖像峰值信噪比PSNR(Peak Signal to Noise Ratio)最高可提高3倍多,均方誤差MSE(Mean Squared Error)減小為加噪圖像的3.16×10~(-5)。試驗結(jié)果表明,該方法可有效地降低傳統(tǒng)方法的噪聲誤檢問題,同時提高噪聲圖像的恢復(fù)精度,非常適合星圖噪聲的去除。
[Abstract]:The star map with deep space background taken by ground-based observation camera is often affected by the complex background of the star sky and often has a high noise level. At the same time, the star map is mainly composed of star, space object and star background noise, and it is a dot distribution, so the traditional image denoising algorithm is not suitable for star map. In this paper, an energy function based median filter denoising algorithm is proposed, which not only removes the salt and pepper noise of star map, but also preserves the target information of the image. The method uses quadratic detection for suspected noise points and combines improved adaptive median filter and energy function model for gray value recovery. In this paper, simulation experiments and real star map processing experiments are used to verify this method. In objective evaluation, the peak signal-to-noise ratio (PSNR (Peak Signal to Noise Ratio) of the image can be increased by more than three times. The mean square error (MSE (Mean Squared Error) is reduced to 3.16 脳 10 ~ (-5) of the noised image. The experimental results show that the proposed method can effectively reduce the problem of noise false detection and improve the accuracy of noise image restoration. It is very suitable for star map noise removal.
【作者單位】： 中國科學(xué)院長春光學(xué)精密機械與物理研究所;中國科學(xué)院大學(xué);
【基金】：國家863計劃項目(2011AA8082035) 中國科學(xué)院長春光學(xué)精密機械與物理研究所三期創(chuàng)新工程資助項目(065X32CN60)~~
【分類號】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陳勇,沈永增,計建炳,李國軍;一種新的加權(quán)中值濾波的快速算法[J];計算機工程;2003年03期

2 陳家禎;鄭子華;葉鋒;;基于可編程芯片的圖像實時中值濾波實現(xiàn)[J];長沙大學(xué)學(xué)報;2006年02期

3 王太平;賀昱曜;李剛;;準(zhǔn)米字窗口中值濾波在路面檢測中的應(yīng)用[J];計算機測量與控制;2008年02期

4 張媛媛;;淺析中值濾波[J];科技經(jīng)濟(jì)市場;2010年05期

5 白松輝;史再峰;郭煒;魏繼增;;一種基于傳輸觸發(fā)架構(gòu)的中值濾波處理器[J];微處理機;2012年01期

6 謝可夫;許悟生;;基于量子理論的圖像中值濾波[J];計算機工程;2013年01期

7 王欣;多級中值濾波的新算法[J];山東電子;1995年03期

8 夏瑋,李朝暉;中值濾波的快速算法[J];計算機工程與設(shè)計;2002年01期

9 鐘山,孫鳳,丁福光,付明玉;基于中值濾波的全墊升氣墊船運動仿真參數(shù)濾波方法研究[J];應(yīng)用科技;2005年01期

10 朱其剛,劉明,尹艷芳,曹茂永;基于自適應(yīng)鄰域的超聲圖像加權(quán)中值濾波[J];中國生物醫(yī)學(xué)工程學(xué)報;2005年02期

相關(guān)會議論文 前6條

1 蔣薇薇;魯昌華;郭銘銘;;改進(jìn)的自適應(yīng)開關(guān)中值濾波[A];第九屆全國信息獲取與處理學(xué)術(shù)會議論文集Ⅰ[C];2011年

2 趙娜娜;王向文;劉順蘭;;基于中值濾波與邊緣插值的視頻去隔行算法[A];浙江省電子學(xué)會2011學(xué)術(shù)年會論文集[C];2011年

3 王靜;徐志京;;基于中值濾波和形態(tài)學(xué)的聲納圖像去噪研究[A];全國第21屆計算機技術(shù)與應(yīng)用學(xué)術(shù)會議（CACIS·2010）暨全國第2屆安全關(guān)鍵技術(shù)與應(yīng)用學(xué)術(shù)會議論文集[C];2010年

4 趙巨波;劉啟濤;吳偉偉;;中值濾波和灰度形態(tài)學(xué)梯度級聯(lián)的圖像濾波[A];全國第二屆信號處理與應(yīng)用學(xué)術(shù)會議�？痆C];2008年

5 劉怡;黃自力;;關(guān)于FPGA中值濾波中圖像質(zhì)量的研究[A];2007’促進(jìn)西部發(fā)展聲學(xué)學(xué)術(shù)交流會論文集[C];2007年

6 趙悅;程彥;趙海生;曹春國;;基于中值濾波和平穩(wěn)小波變換的天氣雷達(dá)回波圖像去噪[A];第三屆長三角氣象科技論壇論文集[C];2006年

相關(guān)碩士學(xué)位論文 前10條

1 張建鵬;新型皮革紋理掃描儀控制系統(tǒng)的設(shè)計與實現(xiàn)[D];電子科技大學(xué);2014年

2 邱志祺;基于中值濾波與小波變換的圖像去噪研究[D];華北理工大學(xué);2015年

3 陳艷亭;快速的迭代截斷排序濾波[D];上海大學(xué);2015年

4 王緹;基于小波變換和中值濾波的巖心圖像去噪[D];東北石油大學(xué);2010年

5 劉靜軍;基于FPGA的圖像采集及處理系統(tǒng)研究[D];長春理工大學(xué);2016年

6 張?zhí)鞁?基于局部二值模式的中值濾波檢測算法[D];天津大學(xué);2014年

7 葛威;基于FPGA的路面裂紋采集與檢測系統(tǒng)設(shè)計[D];哈爾濱理工大學(xué);2016年

8 朱志恩;中值濾波技術(shù)在圖像處理中的應(yīng)用研究[D];東北大學(xué);2008年

9 索俊祺;一種新的基于中值濾波的優(yōu)化濾波算法[D];北京郵電大學(xué);2010年

10 趙金;基于粗糙集理論和自適應(yīng)的圖像中值濾波改進(jìn)算法[D];河北師范大學(xué);2010年

，

本文編號：2391395