结合全变分的双边滤波图像去噪方法研究

图像去噪是数字图像处理过程中的一个重要步骤,它将直接影响到图像处理的最终质量。针对传统的全变分(TV)正则化去噪算法容易产生阶梯效应的缺点,利用双边滤波去噪算法在空间域和值域两个方面进行滤波的特点,提出一种结合TV模型的双边滤波方法,该方法能在一定程度上有效地改善阶梯效应。仿真实验结果表明,提出的去噪方法不仅能够获得较好的去噪效果,还能有效地保持图像的边缘特征信息,降噪效果明显。在较高水平噪声情况下,与TV算法相比,该方法针对小尺寸灰度图片(256×256)图像的峰值信噪比(PSNR)提高1.45 d B左右,大尺寸灰度图片(512×512)图像的PSNR提高2.56 d B左右。     

全变分耦合图像去噪模型

针对TV模型去噪后图像容易产生“阶梯效应”的现象,提出一种全变分耦合图像去噪模型。首先,根据去噪过程中图像梯度的变化趋势,构造一个趋势保真项,该保真项不但能有效去除图像噪声,而且能抑制“阶梯效应”。然后用小波在频域里对图像进行系数分解,利用Canny算法的边缘检测特性,设计控制函数,控制能量的扩散方向,保持了TV模型和趋势保真项的优点,能够在保护图像边缘纹理等细节信息的同时,抑制“阶梯效应”。实验结果表明,新模型的峰值信噪比、结构相似度、视觉效果均有显著提高。另外,所提模型的运行时间较短。     

图像方向纹理保持的方向全变差正则化去噪模型及其主优化算法

正则化方法是目前解决图像去噪不适定性的一条有效途径,但对于图像中纹理细节的保持仍是棘手的问题。本文针对图像方向纹理保持的去噪问题,给出了图像方向纹理保持的方向全变差正则化去噪模型。分析和证明了方向全变差的若干等价表示性质,并基于该性质迭代构造代理泛函和B样条离散差分逼近方法,给出了一种主优化去噪算法。数值实验表明,该方法在去除噪声、抑制图像的“阶梯效应”和保持图像方向纹理等方面取得较好的效果。     

一种改进的二阶偏微分去噪模型

分析了基于二阶偏微分的扩散方程模型的基本原理,针对该模型在去噪的同时会产生阶梯效应的缺点,提出了一种基于图像结构信息的二阶偏微分去噪模型。在该模型中,在二阶偏微分的全变分模型的正则化项加入图像的切矢量和法矢量信息,并由此推导出相应的扩散方程,再对扩散方程的扩散强度因子进行修改。在实验中,将模型分别与基于二阶偏微分、四阶偏微分的全变分模型进行对比分析表明,实验结果证明该模型能有效地去除图像噪声,克服阶梯效应的产生,主观性能最优。     

基于全变分理论的红外图像去噪

为了去除红外图像中的噪声,提出了一种基于全变分理论的去噪算法。该方法继承了经典全变分模型在去除噪声中保护边缘的优点,结合图像平滑扩散原理,得到了一个全新的扩散函数;同时引入了一个边缘检测算子,对正则项和忠诚项的相关参量进行了改进,使得修复后的图像大大避免了阶梯效应;最后对该算法的实现进行了推导。结果表明,该算法能够有效地去除噪声,并且避免了阶梯效应的产生。     

抖动状态下运动模糊图像去噪滤波方法

针对抖动状态下的运动模糊图像去噪滤波一直存在效果不佳、误差大的问题,提出并设计了基于最小化全变差与稀疏表示结合的抖动状态下运动模糊图像去噪滤波器。通过成像噪声干扰及传输信道干扰两方面对运动模糊图像产生噪声的原因进行分析,确定抖动点,采用最小化全变差法构建全变差去噪模型,并进行加权平均,引入稀疏表示法构建运动模糊图像去噪滤波器模型,达到抖动状态下运动模糊图像去噪滤波器设计的目的。实验结果表明,采用改进去噪滤波器,相比传统的去噪滤波器其去噪滤波误差、效率等均有一定的优势。     

基于混合滤波算法的数字图像去噪方法研究

双边滤波已广泛应用于数字图像处理领域,但在图像的高梯度区域,双边滤波会产生阶梯效应。双边滤波是局部模式滤波的一种特殊形式,提出了基于高斯滤波和双边滤波的混合图像去噪方法。利用高斯滤波器对噪声图像进行滤波,得到参考图像,将参考图像和噪声图像作为范围核函数的输入双边滤波器。参考图像提供图像的低频信息,噪声图像提供图像的高频信息。与传统双边滤波法比较,混合去噪方法能够有效地克服阶梯效应,滤波后的图像更平滑,纹理特征更接近原始图像,可获得更高的峰值信噪比。     

基于上下文聚合网络的图像去噪性能分析

近年来,随着神经网络理论的拓展,神经网络模型在图像处理领域得到了广泛的应用。利用上下文聚合网络实现双边滤波器算子逼近,分析其图像去噪性能。结果表明,逼近双边滤波算子的上下文聚合网络能够实现图像降噪,改善图像质量,且处理效果优于传统的双边滤波器。此外,对比分析了上下文聚合网络和去噪卷积神经网络的图像去噪性能。相比于去噪卷积神经网络,逼近双边滤波运算的上下文聚合网络处理多幅图像的速度更快,时效性更好,且随着处理图片数量增多,性能越优。相反,去噪卷积神经网络的去噪性能更优,但处理速度慢。     

基于结构图像先验与ASM能量的服装图像去噪

服装图像在采集和传输过程中会受到噪声不同程度的影响,为更有效地去除服装图像中的噪声,本文提出了一种基于ASM图像能量的深度学习图像去噪方法.该方法基于结构图像先验理论,以随机向量作为卷积神经网络的输入,含噪声的服装图像作为目标输出.网络通过反向传播进行迭代,根据噪声与自然图像对于网络的阻抗不同,迭代至输出图像的ASM能量极大值处进行截断,截断处的输出图像即为去噪后的服装图像.实验结果表明,该方法对服装图像去噪后的PSNR达到29.91,比NLM去噪提高了 0.74,比guided去噪提高了 1.97.与传统的图像滤波去噪算法相比,该方法能更有效地去除图像中的噪声,保留服装图像的纹理细节.     

航拍图像噪声分析及滤除方法研究

对航拍图像所含噪声进行了分析,针对航拍图像主要舍有高斯白噪声和脉冲噪声的特点,根据后续数据处理需要,提出一种基于四阶偏微分方程（PDE）去噪模型与改进的自适应中值滤波相结合的混合去噪方法。首先使用改进的中值滤波去除脉冲噪声,然后利用四阶偏微分方程的各向异性及边界滞留特性进行图像滤波。实验表明,该方法在去除噪声和保持边界的同时,还能避免产生阶梯效应,比单独采用其中一种方法的去噪效果更为显著,鲁棒性更强。     

基于小波变换的分层阈值去噪算法研究

在研究各种软硬阈值噪声滤除方法的基础上,考虑到噪声能量在不同尺度、不同方向上的高频系数分布不同,提出了一种基于非线性小波变换的分层阈值去噪方法。该方法与全局阈值去噪相比较,具有更好的视觉效果和更高的峰值信噪比。文章方法与全局软硬阈值去噪处理的峰值信噪比和均方误差进行对比,可以看出,文章方法具有更好的去噪效果。     

基于小波收缩的噪声图像恢复新型算法实现与验证

小波变换技术是近20年发展起来的新的信号处理技术,但对小波的研究由来已久。随着小波理论的不断完善,它以自身良好的时频特性在图像去噪领域受到越来越多的关注。图像去噪是信号处理中的一个经典问题,传统的去噪方法多采用平均或线性方法进行,但是其去噪效果不好,本文基于此目的,采用了连续两次半软阈值去噪的方法,来去除含噪图像的噪声,最后通过MATLAB软件仿真此方法的去噪效果,并与其它去噪方法进行比较,得出本文提出的方法去噪效果更优越。     

曲率差分驱动的极小曲面滤波器

为提高全变分图像降噪模型的降噪性能和边缘保持性能,该文提出一种曲率差分驱动的极小曲面滤波器。首先,在平均曲率滤波器模型基础上,引入自适应曲率差分边缘探测函数,建立曲率差分驱动的极小曲面滤波器模型;接着,从微分几何理论角度,阐述该能量泛函模型的物理意义和平均曲率能量减小方法;最后,在离散的图像域,通过迭代的方式使图像每个像素邻域内的曲面向极小曲面迭代进化,实现能量泛函的平均曲率能量极小化,从而能量泛函的总能量也完成极小化。实验表明,该滤波器不仅能去除高斯噪声、椒盐噪声,还能去除这两类噪声构成的混合噪声,其降噪性能和边缘保持性能优于同类型的其他5种全变分算法。     

一种改进的非凸正则项模型的噪声去除方法

针对非凸正则项模型,在去除乘性噪声时边缘信息对噪声敏感且强度较大的噪声抑制能力弱的缺陷,提出了一种改进的图像去噪新模型。在新模型中通过取对数将乘性噪声转变成加性噪声,然后在模型的正则项和忠诚项中均引入高斯卷积,既对图像进行平滑预处理,又获得丰富的边缘信息,从而对边缘作出精确定位,使新模型具有良好的鲁棒性并根据图像的特征进行平滑,因而更好地保护了图像的边缘。数值实验表明,新方法的去噪结果在定量指标上有大幅提高,视觉效果上也有较大改善,尤其是对强度较大的噪声,新方法的优势更突出。     

基于广义变分正则化的红外图像噪声抑制方法

文中提出了一种广义变分正则化的红外图像噪声抑制方法,该方法采用p-范数代替目前广泛被采用的全变分范数作为正则项,构造了用于抑制图像噪声的展平泛函,从而将图像噪声抑制问题转化为能量泛函优化问题。通过推导,得到了相应的用于图像噪声抑制的非线性偏微分方程,并采用固定点迭代算法进行线性化求解,使得迭代解稳定收敛。数值试验结果表明,该方法能够有效地去除图像噪声,较之全变分图像噪声抑制方法,新方法进一步提高了对小宽度图像边缘的保持能力,是一种有效且性能优良的红外图像噪声抑制方法。     

同步全变分与限制对比度均衡的彩色图像去噪增强方法

为了更好地实现彩色图像去噪与反差增强的处理,提出一种同步全变分与限制对比度均衡的彩色图像去噪增强方法。首先分析了彩色全变分（CTV）模型存在的问题,并针对这一问题,提出通过引入彩色空间下矢量扩散控制改进该模型,消除阶梯效应。其次,为了避免由于灰度转化带来的信息缺损,给出一种RGB空间下的梯度矢量计算方法。最后构造了限制对比度直方图均衡（CLAHE）的微分模型,将其与改进后的CTV模型融合实现了彩色图像的同步去噪与增强处理。实验结果表明:由于本文方法直接在彩色空间下进行计算,因此可以减少由色彩空间转化带来的信息损失,能够在提高图像的对比度的同时去除噪声,更好地完成彩色图像的去噪与反差增强处理。      

Denoising images corrupted by impulsive noise using projections onto the epigraph set of the total variation function (PES-TV)

In this article, a novel algorithm for denoising images corrupted by impulsive noise is presented. Impulsive noise generates pixels whose gray level values are not consistent with the neighboring pixels. The proposed denoising algorithm is a two-step procedure. In the first step, image denoising is formulated as a convex optimization problem, whose constraints are defined as limitations on local variations between neighboring pixels. We use Projections onto the Epigraph Set of the TV function (PES-TV) to solve this problem. Unlike other approaches in the literature, the PES-TV method does not require any prior information about the noise variance. It is only capable of utilizing local relations among pixels and does not fully take advantage of correlations between spatially distant areas of an image with similar appearance. In the second step, a Wiener filtering approach is cascaded to the PES-TV-based method to take advantage of global correlations in an image. In this step, the image is first divided into blocks and those with similar content are jointly denoised using a 3D Wiener filter. The denoising performance of the proposed two-step method was compared against three state-of-the-art denoising methods under various impulsive noise models.     

基于NSCT域各向异性双变量萎缩图像去噪

提出了一种用各向异性双变量拉普拉斯函数模型去模拟NSCT域的系数的图像去噪算法,这种各向异性双边拉普拉斯模型不仅考虑了NSCT系数相邻尺度间的父子关系,同时满足自然图像不同尺度间NSCT系数方差具有各向异性的特征,基于这种统计模型,文中先推导出了一种各向异性双变量收缩函数的近似形式,然后基于贝叶斯去噪法和局部方差估计将这种新的阈值收缩函数应用于NSCT域,实验结果表明文中提出的方法同小波域BiShrink算法、小波域ProbShrink算法、小波域NeighShrink算法相比,能够有效地去除图像的高斯噪声,提高了图像的峰值信噪比;并较完整地保持了图像的纹理和边缘等细节信息,从而明显改善了图像的视觉效果。     

Joint demosaicing and denoising.

The output image of a digital camera is subject to a severe degradation due to noise in the image sensor. This paper proposes a novel technique to combine demosaicing and denoising procedures systematically into a single operation by exploiting their obvious similarities. We first design a filter as if we are optimally estimating a pixel value from a noisy single-color (sensor) image. With additional constraints, we show that the same filter coefficients are appropriate for color filter array interpolation (demosaicing) given noisy sensor data. The proposed technique can combine many existing denoising algorithms with the demosaicing operation. In this paper, a total least squares denoising method is used to demonstrate the concept. The algorithm is tested on color images with pseudorandom noise and on raw sensor data from a real CMOS digital camera that we calibrated. The experimental results confirm that the proposed method suppresses noise (CMOS/CCD image sensor noise model) while effectively interpolating the missing pixel components, demonstrating a significant improvement in image quality when compared to treating demosaicing and denoising problems independently.     

A novel energy functional minimization model for speckle noise removal

In this paper, a novel energy functional minimization model is proposed for ultrasound images denoising. A controllable regularized term and the variational method are employed in the process of speckle noise. This model not only improves the plasticity of the model, but also improves the effect and efficiency of noise removal. The new model has different diffusion performance in different regions. At the same time, the diffusion performance is related to the parameters introduced by the proposed model. Numerical simulation results show that different parameters have different denoising effects, and the proposed model for speckle noise removal is superior to traditional models.