激光遥感图像乘性噪声降噪技术

激光遥感图像乘性噪声的降噪处理中,传统解决乘性噪声的图像降噪技术存在较多的缺陷,故根据乘性噪声的非线性和时变性,提出基于TV模型的激光遥感图像乘性噪声综合降噪方法,在不破坏图像基本结构的情况下进行降噪。该方法使用TV模型针对乘性噪声的非线性和时变性进行能量变分,获取乘性噪声能量极限,综合使用规则化方法和边界约束法对能量极限进行迭代求解,从激光遥感图像的边缘处开始向内进行乘性噪声平滑降噪,很好地保留了图像边缘信息。实验对不同降噪方法进行了对比分析,结果显示,所提降噪方法具备良好的降噪性能。     

自适应二阶总广义变分图像恢复方法

针对经典的总变分(TV)去噪模型容易导致阶梯效应 的缺陷,提出了一种自适应的二阶总广义变分(TGV)图像恢 复模型。通过在二阶TGV正则项中引入边缘指示函数,并利用边缘指示函数在平滑区域,增强 扩散,去除噪声,在边缘处降低扩散,保护边缘等特征恢复图像,在新模型中,自适应二阶 总广义变分是正则项,它能自动的平衡一阶和二阶导数项。因此这些特征使得新 模型在去噪的同时不但能够自适应地保持图像的边缘信息,而且还能去除阶梯效应。为了有 效的计算该模型,本文采用原始一对偶算法仿真新模型,实验结果表明,与经 典的TV模型相比,改进的方法无论是在视觉效果还是信噪比(SNR)上都有 明显地提高。     

自适应正则化项去除乘性噪声

针对乘性噪声去噪算法研究,乘性噪声多出现在合成孔径雷达、超声波和激光等相干图像系统中,与标准高斯加性噪声不同,乘性噪声符合瑞利和伽马分布函数。文中通过:(1)取对数把乘性噪声模型转变成相加形模型;(2)改进正则化项成为自适应扩散模型;(3)将数学模型应用于图像处理的实践当中。在解决了阶梯效应的同时保持了图像的边缘。     

基于各向异性扩散方程的图像对比度增强方法

讨论了光学图像中同时存在噪声与模糊时的对比度增强问题.构造了一种基于边缘定向扩散的各向异性非线性扩散方程来作为图像的光滑约束项,并根据模糊后的图像在边缘处相对清晰图像具有较大误差的事实,构造增强图像与原图像之间的非均匀逼近项,将此两项通过正则化参数联系起来,得到了一种图像对比度增强的正则化模型,并利用Euler方程将该模型转换成一种可以快速求解的各向异性非线性扩散模型.该模型能在抑制噪声的同时增强图像的边缘,在模型的解算上也不存在大型矩阵的存储与运算问题.数值计算结果表明,新方法适合于多种形式的模糊和不同程度的噪声污染,相对现有方法具有更好的边缘锐化能力和更高的清晰度,峰值信噪比比现有方法提高了1～2 dB,边缘保护指数也比现有方法有较大提高.     

去除乘性噪声的二阶总广义变分模型及算法

针对总变分去噪模型容易导致阶梯效应的缺陷,提 出了一种新的乘性噪声去噪模型。在新模型中,二阶总广义变分(TGV)是正则项,它能自动平 衡一阶和二阶导数项,使得新模型在去除乘性噪声的同时不但能够保 持图像的边缘信息,而且还能去除阶梯效应。为了有效的计算该模型,设计了一个快速迭代算 法。在算法中,首先采用分裂方法和交替方向法将原问题变为两个相关的子问题,然后分别对 子问题利用牛顿法和原始-对偶算法。实验结果表明,与同类模型相比,本文方法无论是在视 觉效果还是定量指标,如峰值信噪比(PSNR)等都有明显地提高。     

基于边缘定向扩散方程的图像复原方法

讨论了光学图像中同时存在噪声与模糊时的复原问题。采用一种能根据边缘方向自适应选取扩散系数的各向异性扩散方程来约束复原后的图像的光滑性质,将其和图像复原模型一起使用,得到了一种图像复原的正则化模型,并利用Eluer方程将该模型转换成一种可以快速求解的各向异性非线性扩散模型。在光滑性约束项的构造上,构造了一种基于边缘定向扩散的各向异性张量型扩散方程,能有效地根据边缘的方向确定是增强边缘还是滤除噪声。相比图像复原的迭代正则化方法,新方法能在复原图像的同时有效地抑制噪声,并有效地减轻边缘处的振铃效应。数值计算结果表明,新方法在整幅图像的复原效果上明显强于迭代正则化方法,尤其在对背景噪声的抑制上效果更明显,峰值信噪比（PSNR）也比迭代正则化方法平均提高了约2dB。     

基于熵正则L0梯度最小化模型的图像平滑方法

图像平滑是计算机图像和视觉领域中的一项基本任务,L0梯度最小化模型是该领域效果较好的图像平滑处理方法之一.但是该方法存在着严重的阶梯效应,且缺乏对噪声的鲁棒性.为了克服这些缺点,本文提出了一种基于熵正则的L0梯度最小化模型的图像平滑方法.首先,采用快速局部均值滤波算法预处理图像,并将处理后的图像运用到L0梯度最小化模型中,以此减少噪声点对图像平滑的影响;然后,为更好地刻画处理后图像与原始图像的相似度,保护其边缘信息,引入熵因子作为模型正则项,以减轻阶梯效应对图像平滑效果的影响;最后,运用交替迭代寻优方法,求解能量函数的最优解,继而得到最终平滑图像.为验证所提方法的有效性,利用大量图像进行实验,实验结果表明:与L0梯度最小化模型、RTV模型、DTV模型、Super-pixel L0模型相比,所提模型能够获得更好的平滑效果的同时,较好地克服阶梯效应,且对噪声的鲁棒性也有一定程度的提高.     

自适应调节滤波强度的SAR图像非局部平均抑斑算法

为提升对SAR图像乘性相干斑的抑制水平与边缘保护性能,该文提出了一种可自适应调节滤波强度(AFS)的SAR图像非局部平均(NLM)抑斑新算法(AFS-NLM)。该算法利用Frost滤波图像计算的局部均值与方差来改善SAR图像场景参量的估计,形成了一种能更好刻画SAR图像同质区与边缘区的改进Kuan滤波系数。利用局部均值比与改进Kuan滤波系数分别作为新的相似性测量参量与自适应衰减因子,构建了一种更适应SAR图像乘性噪声特性的改进NLM滤波。利用偏平滑参数与偏边缘保护参数控制下的改进NLM滤波,分别替代经典Kuan滤波模型中的像素局部均值与自身灰度值作为加权项,并采用由改进Kuan滤波系数构建的自适应调节因子对二者进行加权平均,从而形成了一种可自适应调节滤波强度的加权滤波新模型。实验表明,该文算法与近期多种先进算法相比,具有更好的相干斑抑制与边缘保护性能。     

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。     

自适应调节滤波强度的SAR图像非局部平均抑斑算法

为提升对SAR图像乘性相干斑的抑制水平与边缘保护性能,该文提出了一种可自适应调节滤波强度(AFS)的SAR图像非局部平均(NLM)抑斑新算法(AFS-NLM).该算法利用Frost滤波图像计算的局部均值与方差来改善SAR图像场景参量的估计,形成了一种能更好刻画SAR图像同质区与边缘区的改进Kuan滤波系数.利用局部均值比与改进Kuan滤波系数分别作为新的相似性测量参量与自适应衰减因子,构建了一种更适应SAR图像乘性噪声特性的改进NLM滤波.利用偏平滑参数与偏边缘保护参数控制下的改进NLM滤波,分别替代经典Kuan滤波模型中的像素局部均值与自身灰度值作为加权项,并采用由改进Kuan滤波系数构建的自适应调节因子对二者进行加权平均,从而形成了一种可自适应调节滤波强度的加权滤波新模型.实验表明,该文算法与近期多种先进算法相比,具有更好的相干斑抑制与边缘保护性能.     

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。     

基于结构相似度的图像去噪新方法

将结构相似度作为一种刻画忠诚项的度量用于图像去噪模型中。针对经典ROF模型忠诚项的约束项L2度量未考虑图像空间结构性而导致恢复图像视觉效果差的缺陷,引入结构相似度来改进模型的忠诚项,提出了一种新的去噪模型。为在去噪过程中,更好地保护图像的边缘,在此模型的基础上,文中还做了进一步改进,用非凸正则项代替TV正则项,得到推广模型。实验结果表明,相对于ROF模型,两个模型在有效去除噪声的同时,能更好地保持图像的结构信息,提高图像的视觉效果,且推广模型在图像边缘保护方面的性能更好。     

Low-illumination image denoising method for wide-area search of nighttime sea surface

In order to suppress complex mixing noise in low-illumination images for wide-area search of nighttime sea surface, a model based on total variation (TV) and split Bregman is proposed in this paper. A fidelity term based on L1 norm and a fidelity term based on L2 norm are designed considering the difference between various noise types, and the regularization mixed first-order TV and second-order TV are designed to balance the influence of details information such as texture and edge for sea surface image. The final detection result is obtained by using the high-frequency component solved from L1 norm and the low-frequency component solved from L2 norm through wavelet transform. The experimental results show that the proposed denoising model has perfect denoising performance for artificially degraded and low-illumination images, and the result of image quality assessment index for the denoising image is superior to that of the contrastive models.     

非合作水雷目标图像非均匀强噪声去除方法

水雷目标探测会受到水下非均匀强噪声（有机质、悬浮颗粒等）的干扰,为了解决这一问题,提出了一种新的去噪方法。首先优化局部保边缘滤波算法,提出了基于边缘感知约束的局部保边缘滤波,在模型中引入了一个空间自适应的边缘感知约束正则化项,用来更好地表征图像的边缘及细节,使得算法的保边缘平滑特性更好。其次针对强噪声的非均匀特性,采用多尺度策略,迭代地将优化后的模型运用到每个尺度的去噪结果上生成多尺度分解,并在多尺度分解的过程中,逐步增加去噪尺度,将不同尺度的噪声逐步从上一尺度的去噪结果中分离出来。实验结果表明,相较于其他经典去噪方法,提出的算法能够在更好地去除水下非均匀强噪声的同时保留水雷目标信息,对实时水雷作业有着一定的指导意义。     

泊松噪声模糊图像的边缘保持变分复原算法

从贝叶斯估计出发,构造了一种新的变分模型,用于复原被泊松噪声污染的模糊图像.首先讨论了模型正则化项中具有边缘保持能力的函数选取以及模型求解的相关问题,然后将变分模型的求解转化为可快速求解的非线性扩散方程,给出了正则化参数选取的初步空间自适应方法,可以区分平滑区域和图像边缘自适应的调节参数.实验结果表明,本文方法的复原效果整体上优于传统的迭代正则化方法,复原图像的边缘得到了有效的保护,泊松噪声的抑制效果明显,复原图像提高的改进信噪比(ISNR)要比迭代正则化方法平均提高1 dB以上.     

欧拉弹性正则化的图像泊松去噪

利用泊松噪声分布与图像灰度值相关这一特性,结合图像的水平集曲线对图像灰度值的刻画能力,在Bayesian-MAP框架下,提出了欧拉弹性正则与泊松似然保真的图像泊松去噪变分正则化模型.利用交替方向乘子法,将原问题转化为几个不同低阶子问题的求解.对于子问题中出现的高阶非线性项,利用滞后扩散不动点迭代进行线性化,从而得到模型的快速迭代求解算法.通过数值模拟实验,证明了当图像受不同强度泊松噪声影响时,所提出的泊松去噪方法都能够有效的抑制泊松噪声,同时具有良好的结构保持性能.     

基于Hessian核范数正则化的快速图像复原算法

利用Hessian核范数进行图像复原是目前较好的高阶正则化方法,但是由于Hessian核范数正则项的高度非线性和不可微性,图像去模糊和去噪过程耦合度高,求解算法的复杂度高.本文利用变量分裂设计了一种具有闭解形式的交替迭代最小化快速图像复原算法,将图像去模糊、去噪分步进行,并给出算法的收敛性证明.实验结果表明,本文方法不仅在峰值信噪比方面优于原有的基于Hessian核范数图像复原的主优化(Majorization-Minimization,MM)方法,而且大大降低了算法的迭代次数和运行时间.     

基于统计假设测试的图像结构检测方法及修复

图像去噪是数字图像处理中的一个重要方法,任何图像去噪算法都不可避免地会把一些边缘或纹理等图像结构给平滑掉,基于修复去噪后的图像中一些图像结构的目的,首先根据统计假设测试原理给出一种度量图像结构特征的方法．通过图像结构特征度可以判断出局部区域是边缘纹理区域还是纯噪声区域,然后应用图像结构特征度来修复被去噪处理后的图像结构...     

模糊神经网络像素分类的稀疏表示医学CT图像去噪方法

在医学CT成像过程中,由于引入了不可避免的噪声,致使图像质量下降,影响临床诊断。因此,研究医学CT图像降噪方法在诊疗服务中具有重要意义。本文结合图像分割的思想,利用模糊神经网络将图像像素分成边缘区、平滑区与纹理区等不同图像区域,通过小波稀疏表示对不同类型的图像块进行阈值去噪处理,以便更好地保留医学CT图像的细节特征。实验结果表明,本文算法对医学CT图像降噪有一定的效果,峰值信噪比（PSNR）和结构相似性指数（SSIM）都得到了改善,更好并且很好地保留CT图像的细节信息。