基于小波变换的模糊噪声图像的鉴别方法

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (17): 94-96.

基于小波变换的模糊噪声图像的鉴别方法

岳冬雪，徐婉莹，黄新生

国防科学技术大学机电工程与自动化学院，长沙 410073

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-06-11 发布日期:2007-06-11
通讯作者: 岳冬雪

Blurred and noise images detecting based on wavelets transform

YUE Dong-xue，XU Wan-ying，HUANG Xin-sheng

College of Mechatronics Engineering and Automation，National University of Defense Technology，Changsha 410073，China

Received:1900-01-01 Revised:1900-01-01 Online:2007-06-11 Published:2007-06-11
Contact: YUE Dong-xue

摘要/Abstract

摘要： 根据Canny边缘检测算子的最优准则，模糊和噪声都会影响图像目标识别的精度。利用图像灰度的标准差定量地分析了模糊和噪声的影响;从频域角度分析了模糊和噪声的特性，并根据其特性提出了一种基于小波变换的模糊噪声图像的鉴别方法。该方法充分利用了小波的多分辨率分析特性和噪声的高频及模糊图像的低频特性，实验结果证明该方法能有效地鉴别图像的好坏。

关键词: 图像质量, 边缘检测, 小波变换

Abstract: According to Canny’s criteria of optimal edge detector，blurred image and noise-image reduce the recognizing precision.The property of blurred image and noise-image are quantitatively analyzed by the root-mean-square deviation of image gray level and qualitatively analyzed in frequency domain.Based on the property acquired above，a method of detecting blurred image and noise-image is proposed.The method made full use of the property of multi-resolution of wavelets to analyze the blurred image and noise-image.The results of the experiment indicate that the method proposed is reliable to discriminate the “good” images from “bad” ones.

Key words: image quality, edge detection, wavelet transform

岳冬雪，徐婉莹，黄新生. 基于小波变换的模糊噪声图像的鉴别方法[J]. 计算机工程与应用, 2007, 43(17): 94-96.

YUE Dong-xue，XU Wan-ying，HUANG Xin-sheng. Blurred and noise images detecting based on wavelets transform[J]. Computer Engineering and Applications, 2007, 43(17): 94-96.

[1]	朱惠娟，宗平，丛玉华. 基于权重池的多尺度图像质量评估方法[J]. 计算机工程与应用, 2021, 57(3): 215-221.
[2]	马庆禄，唐小垚. 融合时域和分水岭信息的车辆检测算法[J]. 计算机工程与应用, 2021, 57(24): 227-233.
[3]	曹玉东，刘海燕，贾旭，李晓会. 基于深度学习的图像质量评价方法综述[J]. 计算机工程与应用, 2021, 57(23): 27-36.
[4]	齐小祥，李敏，朱颖，宋雨，杜卫东. 基于边缘检测的SAR图像自适应区域分割[J]. 计算机工程与应用, 2021, 57(22): 232-240.
[5]	杜秀丽，马振倩，邱少明，吕亚娜. 基于卷积注意力机制的运动想象脑电信号识别[J]. 计算机工程与应用, 2021, 57(18): 181-185.
[6]	孙菁阳，陈凤东，韩越越，吴煜雯，甘雨，刘国栋. 图像超分辨率重建算法综述[J]. 计算机工程与应用, 2021, 57(17): 1-9.
[7]	范文兵，孙志远. 基于小波域广义高斯分布的SAR图像分割算法[J]. 计算机工程与应用, 2020, 56(5): 222-226.
[8]	曹军，陈鹤，张佳薇. 基于超分辨率的多聚焦图像融合算法研究[J]. 计算机工程与应用, 2020, 56(3): 180-186.
[9]	韩东旭，钟宝江. 基于MOS的图像质量评估系统[J]. 计算机工程与应用, 2020, 56(22): 191-198.
[10]	宫睿，王小春. 基于可协调经验小波变换的多聚焦图像融合[J]. 计算机工程与应用, 2020, 56(2): 201-210.
[11]	程晓梅，沈远彤. 双目标的CNN无参考图像质量评价方法[J]. 计算机工程与应用, 2019, 55(9): 26-32.
[12]	房楚尧，周知，赵家培，冯宇迪. 基于再模糊理论的航拍图像质量检测方法[J]. 计算机工程与应用, 2019, 55(7): 199-206.
[13]	涂兵1，2，3，张晓飞1，3，潘建武1，3，张国云1，2，3，周紫璇1，3. 多特征与边缘校正融合的天际线检测算法研究[J]. 计算机工程与应用, 2019, 55(6): 178-185.
[14]	张凯兵，朱丹妮，王珍，闫亚娣. 超分辨图像质量评价综述[J]. 计算机工程与应用, 2019, 55(4): 31-40.
[15]	孙梦茹，王瑜，邢素霞. 基于结构局部边缘模式的绿色植物物种识别[J]. 计算机工程与应用, 2019, 55(3): 167-170.