改进最小均方误差估计的煤尘图像去噪

改进最小均方误差估计的煤尘图像去噪

ID:38278036

大小:482.48 KB

页数:6页

时间:2019-05-26

改进最小均方误差估计的煤尘图像去噪_第1页
改进最小均方误差估计的煤尘图像去噪_第2页
改进最小均方误差估计的煤尘图像去噪_第3页
改进最小均方误差估计的煤尘图像去噪_第4页
改进最小均方误差估计的煤尘图像去噪_第5页
资源描述:

《改进最小均方误差估计的煤尘图像去噪》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23卷第9期电子测量与仪器学报Vol.23No.92009年9月JOURNALOFELECTRONICMEASUREMENTANDINSTRUMENT·51·改进最小均方误差估计的煤尘图像去噪1,21张伟隋青美(1.山东大学控制科学与工程学院,济南250061;2.青岛科技大学自动化与电子工程学院,青岛266042)摘要:煤尘图像在采集和传输过程中受到了各种噪声的污染。最小均方误差估计(MMSE)去噪算法对高斯噪声有较好的去噪效果,提出了一种改进的最小均方误差估计(IMMSE)去噪算法,该算法改进了

2、广义高斯分布模型的参数估计方法,相比目前的其他算法,在不降低精度的情况下减少了计算量。中值滤波对脉冲噪声有较好的去噪效果,用自适应中值滤波(AM)代替普通的中值滤波,更好的保留了图像的细节,提高了去噪效果。利用IMMSE和AM自在图像去噪方面的优势,将两者有机地结合起来,提出了一种称之为IMMSE-AM的去噪算法。用IMMSE-AM对真实煤尘图像进行去噪处理,实验结果表明,新算法提高了煤尘图像的去噪效果,并且计算量较小,能够满足对煤尘浓度实时测量的要求。关键词:最小均方误差估计;自适应中值滤波;图像去

3、噪;煤尘图像中图分类号:TP391.41文献标识码:A国家标准学科分类代码:510.4050Imagedenoisingofcoaldustbasedonimprovedminimummeansquareerrorestimation1,21ZhangWeiSuiQingmei(1.SchoolofControlScienceandEngineering,ShandongUniversity,Jinan250061,China;2.SchoolofAutomationandElectronicEngi

4、neering,QingdaoUniversityofScienceandTechnology,Qingdao266042,China)Abstract:Thecoaldustimageisoftencorruptedbyallkindsofnoisesduringacquisitionortransmission.Mini-mummeansquareerrorestimation(MMSE)hasgoodeffectonGaussiannoisedenoising,whileadaptivemedi

5、anfilterhasgoodeffectonpulsenoisedenoising.AnimprovedMMSE(IMMSE)whichimprovestheparametersestimationofgeneralizedGaussiandistribution(GGD)isproposed.CombiningIMMSEwithadaptivemedianfilterbasedontheiradvantagesindenoising,anewdenoisingalgorithm(IMMSE-AM)

6、ispresentedtouseforcoaldustimagedenoising.ExperimentresultsshowthatIMMSE-AMimprovedcoaldustimagedenoisingeffectwithlesscomputationquantum.Itcanbeusedtoreal-timecoaldustmeasurement.Keywords:minimummeansquare-errorestimation;adaptivemedianfilter;imagedeno

7、ising;coaldustimage[1-4](MMSE)方法是目前研究最为广泛的方法之一。1引言Miheak等提出了最小均方误差方法估计由于煤矿井下环境恶劣,煤尘图像在采集、处理ˆ2(MMSE),并给出了去噪公式Xˆ=σXY。ij22ij以及传输过程中,不可避免地会受到各种噪声的干σσˆXN+扰。这些噪声严重影响了采集到的图像质量,尤其是MMSE去噪公式中有两个参数,即信号方差σX和噪破坏了图像在结构、内容等方面像素之间的相关性,声方差σN,参数σN比较容易得到,如何准确的得到非常不利于进一步的图

8、像分析。因此在应用各种图参数σX是实现该算法的关键。在认为图像小波分解像处理算法之前,必须要去除这些噪声。近年来小波后的系数满足广义高斯分布(GGD)的情况下,要得理论发展迅速,基于小波的去噪算法成为一个重要到σX就变成GGD的参数估计问题。目前为止,GGD[5]的研究方向,其中基于小波的最小均方误差估计的参数估计主要有3种方法:Sharifi等提出的矩估本文于2009年4月收到。·52·电子测量与仪器学报第23卷计法(ME),Aiazzi[6]等提出的

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。