为解决模糊、纹理特征不均匀等复杂图像进行分割时存在的精度低问题,提出了一种基于图像局部滤波去噪增强算法的图像语义分割模型。利用Eformer去除图像中的噪声,增强图像区域的边缘;使用非参数图像定位、增强方法定位和增强目标区域,从而提高后续分割的准确性;提出基于DFANet对图像进行语义分割,从而获取目标轮廓特征。实验结果表明,与U-Net、ResU-net、R2U-Net相比,所提模型综合性能最优,分割准确率为96.60%。仿真结果验证了所提模型的有效性和实用性。

为了实现对内波等流场的大视场无干扰竖向显示测量，设计了一种透镜和反射镜结合使用的平面反射双光程形式的纹影系统。使用“虚拟光刀”代替传统纹影系统中的真实光刀，且对系统的光学系统和图像采集系统进行了集成耦合设计，可以直接得到实时连续的数字化流场纹影图。对纹影图进行多次Wiener滤波，渐次增大Wiener滤波的像素估计邻域，可以有效去除图像中的随机噪声。

图像在获取和传输的过程中经常要受到噪声的污染。传统的去噪方法不仅滤出了图像的噪声,同时使图像细节变得模糊。本文提出一种基于双谱和小波变换的去噪算法。该方法是根据高斯噪声及椒盐噪声在小波变换下的不同特征,并结合双谱滤波、中值滤波的特点,在小波域内对高频子带进行双谱滤波,去除图像中的高斯噪声,然后进行中值滤波,去除图像中的椒盐噪声。高斯噪声的双谱为零,能够彻底的去除高斯噪声。该算法的实验结果表明不仅能滤出图像中高斯噪声和椒盐噪声,而且能较好的保留图像的边缘细节,其滤波效果优于传统的图像去噪方法。

由于当前已有方法未能对气动光学效应图像进行去噪处理,导致得到的图像校正质量较差,提出一种基于矩匹配算法的气动光学效应图像校正方法,根据小波多分辨率的特性将高低频小波系数进行分离,通过移动窗口矩匹配算法和阈值法分别对图像的低频和高频部分进行滤波处理,获取去噪后的图像。通过矩匹配算法对图像进行匹配,使用相邻帧对匹配后的图像在不同场景下进行变换列估计,同时在时间域内对校正参数进行自适应更新,完成气动光学效应图像校正。实验结果表明,所提方法能够有效提升图像质量,获取更加满意的气动光学效应图像校正结果。

为了在消除图像处理中的噪声的同时尽可能保留图像细节信息，研究了带钢表面图像的迭代控制核回归图像去噪模型；在以欧氏距离决定权值的基础上，考虑像素灰度值，引入一个迭代过程，并对全局平滑参数进行有效的选取，通过主观评价和客观评价对该方法在带钢表面图像的去噪效果做出评价。实验结果表明。基于迭代控制核回归的图像去噪方法相较于传统的图像去噪方法提高了图像的信噪比，在有效去除噪声的同时更好的保存了图像的纹理和边缘等细节信息。