改进的变步长自适应滤波及Eckart加权抑噪算法

针对已有的变步长自适应滤波算法对噪声干扰敏感的问题,提出改进的变步长最小均方误差自适应算法,该算法对误差的自相关时间均值估计做遗忘加权补偿,并改步长因子固定范围约束为动态变化约束,一方面克服了单纯采用自相关时间均值估计调整步长所导致的步长因子快速衰减,获得了较快的收敛速度;另一方面相比基于Sigmoid函数的变步长算法,具有更平滑的步长变化和更低的稳态失调噪声.在改进算法中引入Eckart加权进一步抑制了自适应滤波器权系数伪峰,采用滑动窗遗忘加权降低了计算复杂度.将新算法及其Eckart加权应用于自适应时延估计仿真实验,结果表明：相比于已有的2种参数固定条件下的变步长自适应滤波算法,改进算法获得了更好的高斯噪声和突变噪声干扰下的时变时延跟踪性能.     

多相图像分割的交替凸松弛优化及其Split Bregman 算法

变分水平集模型已成为多相图像分割的基本框架,其求解过程通常为计算水平集函数演化方程的稳态解,计算效率不高.为提高计算效率,本研究采用n个水平集函数划分n个区域的分段常值多相图像分割变分模型,将对水平集函数的优化问题转化为对离散的二值水平集函数的优化问题;然后将其转化为凸优化问题,再通过对结果阈值化得到原问题的解,并且本...     

基于非线性扩散方程的改进全变分去噪模型

针对传统的全变分(T V)模型因参数选择敏感,导致去噪图像容易在平滑区域产生"阶梯效应"或者虚假边缘的情况,提出一种基于非线性扩散方程的改进全变分去噪算法.在传统的TV算法基础上,提出了一种针对参数的自适应迭代函数,结合P-M算法的非线性扩散方程,使本算法在迭代初期可以看作各向同性去噪模型,有效去除"阶梯效应",随着迭代次数的增加,此模型为各向异性去噪模型,在去除噪声的同时,有效保护图像的边缘细节.实验结果表明,去噪过程中,该算法在扩散系数和自适应迭代函数的共同作用下,消除了阶梯效应和虚假边缘,相比传统TV算法提升了图像3 dB的峰值信噪比(PSRN)和视觉效果.基本满足图像预处理要求.     

三种线性Bregman迭代重构算法性能分析

针对线性Bregman迭代在压缩感知稀疏信号重构中具有良好的重构性能和抗噪性能,从理论上对三种典型的线性Bregman迭代重构算法进行了分析比较,给出了算法的步骤和应用条件,然后基于CS重构指标进行了综合的仿真与分析,最后给出了三种算法的关系以及相应的结论。     

最佳变分原理——模糊因子加权变分原理

采用模糊数学中有关从属函数与数学中变分法的概念、思路和方法,建立了一系列模糊因子加权变分原理。因而在数值求解过程中,可以通过不断修改模糊因子而达到改进数学模型的表示形式,改进解的精度取得理想逼近解的效果。同时,加权变分原理还将表达工程结构问题的数学模型统一于一式之中,这是最广泛的变分原理模式,对于编制统一大型通用程序系统,建立离散方程提供了基础。     

二阶总广义变分图像修复模型及其算法

为更好地修复图像,提出了一种新的图像修复模型． 通过分析新模型的性质,给出了一种有效的原始对偶修复算法．实验结果表明,相比于总变分图像修复模型,新模型在修复结果上有更高的峰值信噪比和更好的视觉效果．     

求解一类变形变分不等式的一个算法

针对文献（１）中提出了一类变形变分不等式给出一个简化的算法，并在一定条件下到了该算法的收敛性。     

一种加权中值滤波算法在医学磁共振图像去噪中的应用

为了更好地去除医学磁共振图像(MRI)中的高密度椒盐噪声和高斯噪声,提出了一种加权中值滤波算法.该算法的核心思想是利用改良的有限阈值策略对滤波窗口的每个像素点的灰度值与计算该像素点所得的相应权值之积进行求和,然后将运算结果作为滤波窗口中心点的输出值.利用该算法对含有高密度椒盐噪声和高斯噪声的医学MRI进行去噪仿真实验表明,该算法对高密度椒盐噪声和高斯噪声的抑制力显著优于单纯的中值算法和均值算法,且去噪后的图像具有良好的细节保真度和清晰度.     

用于图像去噪的一个四阶偏微分方程

用偏微分方程给图像去噪，传统上方程都是二阶的，Yu-Li和M.Kaveh提出的一个四阶偏微分方程，在去噪的同时，更好地保持并近似了图像的边界，但Yu-Li和M.Kaveh所提出的偏微分方程对椒盐噪声却无能为力，并且容易造成光滑区域不平整的现象，针对这个现象，作者修改Yu-Li和M.Kaveh方程中的一个扩散项的系数，得到了一个去噪效果更好的方程，并且可以消去椒盐噪声。     

贝叶斯框架下的总变分图像去噪算法

针对经典去噪模型易造成图像细节丢失以及确定性算法无法自动估计去噪过程中的未知参数等问题,提出一种新的图像去噪算法.该算法在贝叶斯框架下,用总变分模型（TV）和伽马分布分别刻画原始图像及未知参数的统计特征,并基于最大联合分布的推导,估计最优原始图像.总变分模型使最终的能量泛函非线性且不可微分,因此,引入迭代重加权最小二乘法（IRLS）,通过迭代的方式用加权的L2范数逼近L1范数来表示图像的统计模型.实验结果表明,该算法可有效去除图像的噪声,提升去噪速度,使所恢复的图像在实际视觉效果和信噪比等方面均优于其他同类算法.     

基于差异最大化加权聚类的免疫组化图像处理方法-研究生论坛稿件

传统聚类方法在应用于组织病理图像处理时存在较大误差,为了提高细胞分类以及计数的准确率,提出一种新的免疫组化数字图像处理方法,首先将转换到LAB色彩空间的原始图像进行归一化处理,然后转换至HSV色彩空间并采用基于差异最大化加权聚类的方法对图像中不同类别细胞进行有效分类,最后综合利用形态学方法对免疫组化病理图像中不同类别细胞进行分割、计数。实验结果显示,该方法能够有效提高图像颜色信息利用率,在保持高容噪性的前提下,有效地提高免疫组化病理图像处理过程中对不同细胞组织分类、识别及计数的准确率。     

压缩感知的天文图像去噪算法

针对压缩感知迭代收缩阈值算法在图像处理中存在收敛速度慢和去噪性能差的缺陷,提出了一种改进的高性能迭代收缩阈值天文图像去噪重建算法.首先,使用经典最速下降法中的BB线性搜索步长算子加快迭代收缩阈值算法的收敛速度;其次,为了进一步提高重构天文图像的质量,在传统Visu Shrink收缩阈值的基础上,提出一种下降Visu Shrink收缩阈值对图像信息进行筛选;由于阈值去噪方法在迭代重建的过程中会导致重建的图像中出现伪吉布斯效应,最后采用循环平移的方法在每次迭代过程中对获取的重建图像进行调整.多次的试验结果表明,与传统的压缩感知迭代收缩阈值算法相比,所提出的算法不仅能够获得较优的去噪性能和较快的收敛速度,同时可以有效地保护天文图像的特征和纹理等细节信息.此外,当选取的压缩采样比较低时,本算法也可以获得相对较高的峰值信噪比和视觉质量,进一步验证了本算法在天文图像去噪中的有效性.     

基于全变差和小波方法的图像去噪模型

用小波系数范数代替OSV模型中的H^-1范数，得到了一个新的全变差去噪模型,通过求解该模型的极小化，推导出其相应的Euler—Lagrange方程为小波域中的二阶非线性偏微分方程，根据有界变差泛函中的Poincare等式和下半连续性．证明了该模型极小值的存在性．数值实验表明新模型在有效去噪的同时可以保持较好的视觉质量。     

图像去噪的组合优化滤波算法

小波变换具有良好的局部化分析特性和多分辨率分析特性,小波阈值法能很好的消除高斯白噪声,但对脉冲噪声无法消除。中值滤波对脉冲噪声能很好滤除,并具有良好的边缘保持特性。为了能很好消除图像中的混合噪声,文章提出了基于小波阈值法和门限递归中值滤波组合优化的图像去噪算法,仿真结果表明,该算法在去除图像中的混合噪声时,比其他传统去噪方法具有极大的优越性。     

全变差曲波变换在医学影像图像去噪中的应用

针对曲波变换算法在医学影像图像去噪中会产生截断伪影和边缘模糊等问题,提出了一种全变差曲波变换算法.该算法首先对含噪医学影像图像分别进行曲波阈值和全变差去噪,然后将得到的去噪结果进行曲波逆变换并生成最终图像.仿真实验结果表明,该算法不仅可有效地降低噪声,还可较好地保持医学影像图像边缘和细节信息,其效果明显优于曲波变换算法和全变差算法.因此,该算法对医学影像图像的噪声滤除具有良好的应用价值.     

Combining the wavelet and second order total generalized variation for the image zooming algorithm

A new image zooming model combining the wavelet and second order total generalized variation is proposed. The original image is regarded as the wavelet low-frequency band for the zoomed image, and the high-frequency bands are estimated. Further processing is implemented for the zoomed image using the second order total generalized variation. The second order total generalized variation may lead to an absence of the staircase effect and keep most details, and therefore, the high quality image is reconstructed. Finally, experimental results have illustrated that our algorithm not only can achieve better zooming but also can produce a very satisfactory denoising effect.     

Modified Wiener method in diffusion weighted image denoising

To denoise the diffusion weighted images (DWIs) featured as multi-boundary, which was very important for the calculation of accurate DTIs (diffusion tensor magnetic resonance imaging), a modified Wiener filter was proposed. Through analyzing the widely accepted adaptive Wiener filter in image denoising fields, which suffered from annoying noise around the edges of DWIs and in turn greatly affected the denoising effect of DWIs, a local-shift method capable of overcoming the defect of the adaptive Wiener filter was proposed to help better denoising DWIs and the modified Wiener filter was constructed accordingly. To verify the denoising effect of the proposed method, the modified Wiener filter and adaptive Wiener filter were performed on the noisy DWI data, respectively, and the results of different methods were analyzed in detail and put into comparison. The experimental data show that, with the modified Wiener method, more satisfactory results such as lower non-positive tensor percentage and lower mean square errors of the fractional anisotropy map and trace map are obtained than those with the adaptive Wiener method, which in turn helps to produce more accurate DTIs.     

一种基于多小波变换的自适应图像去噪算法

介绍一种新颖的自适应图像去噪算法.通过将图像变换到多小波域,并利用分形几何和图像的偏微分方程知识,提出一种新的图像软阈值去噪算法.对于欲去噪的图像,该算法能够在多小波域中,自动确定去噪阈值.实验结果表明,该算法不仅去噪效果好,而且运行稳定.