基于矩匹配和变分方法的MODIS条带去除模型

针对MODIS影像条带噪声的特点,提出了一种结合矩匹配和变分方法的条带去除模型。首先采用矩匹配方法去除多行和宽行条带噪声,然后基于改进的条带检测方法定位矩匹配后的残余条带,最后基于变分条带去除模型,使用Split Bregman迭代求解以去除条带。实验结果表明,该方法能够有效地去除MODIS影像中的条带噪声,并能有效地保持图像中的细节信息。与直方图匹配、矩匹配、低通滤波及单向变分去条带算法相比,本文模型取得了更为理想的去噪效果。     

基于矩匹配和变分法的MODIS条带去除模型

针对中分辨率成像光谱仪(Moderate Resolution Imaging Spectroradiometer,MODIS)影像条带噪声的特点,提出了一种结合矩匹配和变分法的条带去除模型。首先采用矩匹配方法去除多行和宽行条带噪声;然后,基于改进的条带检测方法定位矩匹配后的残余条带;最后,基于变分条带去除模型,使用Split Bregman迭代求解以去除条带。实验结果表明,该方法能够有效地去除MODIS影像中的条带噪声,并能有效地保持图像中的细节信息。与直方图匹配、矩匹配、低通滤波及单向变分去条带算法相比,本文模型的去噪效果更理想。     

基于群稀疏空间光谱总变分的高光谱混合噪声图像恢复北大核心CSCD

高光谱图像(HSI)在采集的过程中,由于受到环境和传感器的影响,图像会被大量混合噪声污染,会影响遥感图像后续应用的性能,因此从混合噪声中恢复干净的HSI成为了重要的预处理过程。而一些现有的张量模型,在去除含有条带和死线的混合噪声时,并不能取得很好的效果。为此,提出了一种基于群稀疏空间光谱总变分的高光谱混合噪声图像恢复算法(FRTCSSTV);为了避免过度平滑,该算法利用群稀疏空间光谱全变分正则化来增强空间谱维的稀疏性,同时为了保持HSI原有的结构,采用直接对张量纤维秩进行约束的方法来表示HSI的全局低秩。在模拟和真实的高光谱图像实验中,与其他模型相比,FRTCSSTV方法在去除含有条带和死线噪声的混合噪声时具有更好的性能。     

加权稀疏的混合噪声去除模型

针对混合噪声,结合加权稀疏与变分,提出了新颖的去噪模型.首先,进行PCA训练自适应字典,再结合非局部相似性,利用噪声的特性进行加权编码.最后,结合变分正则项,再利用对偶方法求出恢复后的图像.仿真实验表明,该算法不仅提高了图像的峰值信噪比,而且更好地保留图像的重要特征,提高图像的视觉效果.     

应用残差总变分和低秩表示的视频去噪算法

为了有效地去除视频当中的高斯噪声和脉冲噪声,提出了一种新的视频去噪算法。该算法通过相似图像块组内的残差值总变分及低秩表示来同时探索图像块内的局部相似性以及图像块之间的相似性。首先,采用块匹配的方式在含噪视频中寻找最相似图像块并组合成图像块组;其次将每个相似图像组表达为一个低秩矩阵及一个稀疏矩阵之和,并同时强调低秩矩阵内的残差总变分范数最小化;最后,通过求解最优化问题获得最终的低秩矩阵,即恢复出的图像块组数据。实验结果表明,本文的算法能够有效去除视频当中含有的高斯噪声和脉冲噪声。与同类算法相比,能够获得显著的峰值信噪比提升。      

基于空间自适应变分的条带噪声去除方法

遥感图像经常被条带噪声污染,导致图像质量下降。为了去除条带噪声,本文提出了一种基于空间自适应变分的噪声抑制方法。首先,对条带噪声建模,并利用信噪比较高的区域估计出模型的增益和偏置;然后,在变分法的框架下,构建能量函数,并引入空间自适应正则因子,根据图像空间信息自适应调整正则参数;最后,采用分裂式Bregman算法优化能量函数,得到去噪图像的最优解。实验表明,本文算法可以将实际遥感图像等效视数由37.26提高到76.48,辐射质量提升因子提高到8.52 dB。本文算法能够有效去除条带噪声,保留图像细节,改善图像质量。     

非局部群稀疏表示的图像去噪模型

针对图像的非局部稀疏表示忽略图像中结构相似信息的缺点,将群稀疏表示引入到图像的最优滤波中,提出了一种有效去除图像高斯噪声的非局部群稀疏表示模型。该模型首先选择图像非局部相似块构建相似矩阵,在群稀疏限制下对相似矩阵进行正交分解得到正交矩阵;在已知噪声服从高斯分布的情况下,再通过求得的正交矩阵结合贝叶斯最小均方误差准则实现对特征矩阵的最优估计;最后通过正交矩阵与特征矩阵重构去噪后的图像。实验对比证明,所提的非局部群稀疏表示的图像去噪模型在去除噪声的同时更好地保留了图像的结构信息,获得了更好的主客观评价指标,去噪的峰值信噪比提高1 dB以上。     

基于方向和结构特征的遥感图像条带噪声分离方法

针对去除遥感图像条带噪声时易造成模糊或细节丢失等问题,分析研究干净图像及条带噪声的方向和结构特征,提出了遥感图像条带噪声分离方法。对于条带噪声,其稀疏结构特征表征为条带的组稀疏性和平滑性,结合条带的L_(2,1)范数和沿条带方向的梯度的L_0范数实现特征约束;对于干净图像,其边缘连续性采用L_1范数进行约束。考虑该约束模型的非凸性,采用基于近端交替方向乘子(PADMM)的算法进行快速求解。模拟数据和实际数据的实验结果表明,所提算法有效去除了图像中的条带噪声,同时高效保留原图像的细节信息,充分验证了算法的可行性和可靠性。     

一种复合局部与非局部梯度的图像去噪变分模型

局部变分有效地增强图像的轮廓信息,但不可避免地模糊图像的细节并在平滑区域产生阶梯效应。非局部变分能有效重构图像的纹理信息,但同时会破坏图像的结构轮廓信息。考虑到局部与非局部变分的互补性,提出了一种基于图像局部梯度与非局部梯度的复合变分模型,并通过Bregman交替迭代极小化图像的局部梯度与非局部梯度的L1范数,使去噪后的图像在去除噪声的同时更好地保留图像的结构与细节信息。对比实验证明,提出的复合变分模型有效地利用了图像的局部变分与非局部变分的优点,在图像评价的主客观方面都表现出了更好的性能。     

基于压缩感知理论的高能闪光照相密度反演方法

高能闪光照相中需要研究少数投影数据条件下的非轴对称客体的的密度反演问题。现有利用压缩感知思想的全变差TV类算法虽然考虑了图像的局部相似性，但没有考虑图像的非局部相似性。针对上述问题，文中提出了一种基于组稀疏正则化的全变分重建技术TV-GSR。该技术将组稀疏模型集成于TV框架之下，同时考虑了客体图像的局部相似性和非局部自相似性，充分利用了图像的先验稀疏信息，并利用客体的上、下、左、右4点对称性来降低图像重建的规模，重构精度有所增加，重建速度也更快。仿真实验表明，文中提出的TV-GSR算法提升了图像在无噪声和有噪声情况下的重建精度，对于高能闪光图像和纹理细节丰富的CT图像都有较好的效果，具有普适性。     

基于非局部相似性和交替迭代优化算法的图像压缩感知

压缩感知理论突破了信号带宽对奈奎斯特采样定理的限制,并且实现了在数据采样的同时进行压缩。目前压缩感知系统通常利用图像在某个变换域具有稀疏性的先验知识,从少量观测值中重构原始图像。本文利用图像像素的邻域结构信息及图像子块的相似性,将图像的非局部相似性作为先验知识运用到压缩感知图像重构中。结合图像的非局部相似性及其在变换域的稀疏性先验知识,提出了基于非局部相似性和交替迭代优化算法的图像压缩感知重构算法,该算法利用迭代阈值法和非局部全变差来交替迭代求解变换域的稀疏性优化问题和非局部相似性的优化问题。实验结果表明,本文算法可以有效提高图像重构的视觉效果和峰值信噪比。      

稀疏性正则化的图像泊松去噪算法

去除医学、天文图像中的泊松噪声是一个重要问题,基于图像在过完备字典下的稀疏表示,在BayesianMAP框架下建立了稀疏性正则化的图像泊松去噪凸变分模型,采用负log的泊松似然函数作为模型的数据保真项,模型中非光滑的正则项约束图像表示系数的稀疏性,并附加非负件约束,保证去噪图像的非负性.基于分裂Bregman方法,提出...     

基于在线字典学习的人脸超分辨率重建

针对基于学习的人脸超分辨率算法噪点、伪影较多,且噪声鲁棒性较差的问题,提出一种基于在线字典学习的人脸超分辨率重建算法。以人脸图集作为训练图库,运用在线字典学习方法提高字典训练的精度。独立调整字典学习阶段的正则化参数λt和求解重建稀疏系数阶段的λr,以获取最优的超完备字典和稀疏系数用于图像重建。实验结果表明,目标图像峰值信噪比比同一类型的稀疏编码超分法平均提高了0.85 d B,结构相似性增加了0.013 3,有效地抑制了噪点和伪影。在含噪人脸图像应用中,噪声水平提高时,峰值信噪比下降相对较平缓,提升人脸超分效果的同时改善了算法的噪声鲁棒性。     

基于熵变分的图像放大模型

针对传统图像放大处理过程中出现的边缘模糊和噪声干扰问题,分析了Tikhonov正则化模型对带噪图像放大处理的缺陷.在最大后验估计(MAP)和熵理论基础上,提出了一种基于熵变分的带噪图像放大模型及其算法.该算法利用图像像素点梯度信息自适应的各向异性滤波处理,在较好的保持图像边缘锐度的同时有效地克服了图像噪声的影响,理论分析和实验结果皆表明此算法的有效性.     

浅海非高斯噪声下基于变分贝叶斯推断的波达角估计

传统基于高斯统计特性的波达角(DOA)估计方法在高斯背景噪声中可以获得较好的估计性能,然而受脉冲噪声影响的浅海环境噪声不再服从高斯分布,若直接利用传统波达角估计方法会引入较大误差。为提升非高斯噪声环境下的波达角估计性能,该文提出一种浅海非高斯噪声下的基于变分贝叶斯推断的波达角估计方法。首先利用信号与脉冲噪声的稀疏性构建多测量向量稀疏信号恢复(SSR)模型;其次,考虑信号的共稀疏特性与脉冲噪声的独立稀疏性,构建层次化贝叶斯估计框架;然后利用变分贝叶斯推断估计信号与噪声的后验概率估计。稀疏信号模型中考虑离网格误差,利用根稀疏贝叶斯估计实现离网格误差修正,解决离网格误差引起的基失配问题;最后通过迭代更新获得较为精确的波达角估计,同时消除脉冲噪声的影响。仿真结果表明:所提方法在非高斯噪声环境下具有较好的波达角估计性能,同时对于脉冲噪声具有较强的抗干扰特性。     

一种应用于欠采样图像的自适应稀疏重建方法

针对图像稀疏重建中因使用固定参数的全变分(TV)正则项所带来的图像细节缺失和阶梯效应问题,提出了一种自适应二阶广义全变分(TGV)约束的图像稀疏重建算法.该算法采用二阶广义全变分模型权衡图像的一阶导数和二阶导数,且能够根据每次迭代得到的重构解及对应张量函数自适应地修正权重系数,实现图像的稀疏重建.与全变分正则模型和固定参数广义全变分正则模型相比,该算法能更好地保持图像轮廓和细节信息,提高重建图像的峰值信噪比(PSNR)和结构相似度(SSIM).     

基于方向滤波器消除遥感图像孤立条带噪声的方法

条带噪声是影响遥感图像质量的重要因素之一.在分析遥感CCD图像孤立条带噪声产生原因和噪声模型的基础上,提出了基于二维方向滤波器抑制条带噪声的新方法.该方法利用了窄带方向滤波器良好的图像纹理方向的频率选择特性,将条带噪声与图像其它信息分离到不同的方向滤波器子带内,并在水平信息子带内采用均值补偿方法去除条带噪声.实验结果证明它不仅能有效去除CCD图像中的随机孤立条带噪声,还能保持原始图像的辐射入射幅度,保留细节信息,较传统的方法相比,性能有较大的提高.     

结合光谱相似性与相位一致模型的高分辨率遥感图像分割方法

提出一种结合高分辨率遥感图像的光谱相似性与相位一致边缘检测模型的分水岭分割方法。分水岭分割算法的性能依赖于图像边缘梯度图。利用同类地物的光谱相似性特点,可有效抑制相位一致模型边缘检测中产生的伪边缘和噪声信息,从而获得更好的遥感图像分割结果。本文首先基于目标像元与其邻域像元之间的光谱曲线距离之和定义光谱相似性模型,结合相位一致模型获得边缘响应强度;然后利用自动标记分水岭变换方法实现高分辨率遥感图像分割。使用本文方法和其它方法对遥感图像进行了分割实验,并利用基于多光谱信息熵方法对分割结果进行了非监督评价和比较,同时对计算耗时进行了对比分析。结果表明本文所提方法可以有效地抑制遥感图像的过分割现象,并取得较好的分割结果。     

基于混合阶偏微分方程的超声图像降噪

针对偏微分方程在医学超声图像处理中的斑点噪声滤除问题,在全变分去噪模型和四阶LLT降噪模型的基础上,提出一种针对医学超声图像的混合阶变分降噪方法。该方法引入二阶全变分和四阶偏微分的混合阶偏微分方程作为正则项,并利用斑点噪声分布构建保真项。用标准测试数据和真实数据对所提混合阶变分降噪模型进行验证,试验结果表明,该模型在有效滤除超声图像斑点噪声的同时,能较好地保护图像的边缘和纹理细节信息。处理后的图像在峰值信噪比PSNR、均方误差MSE、运行效率方面均优于全变分和LLT模型。     

基于稀疏表示的Shearlet域SAR图像去噪

该文通过分析SAR图像的噪声成因以及其斑点噪声模型,结合图像的稀疏表示理论提出一种基于稀疏表示的Shearlet域SAR图像去噪算法。算法从整体上对SAR图像进行去噪:首先对SAR图像进行Shearlet变换,然后利用稀疏表示模型构造出去噪的最优化模型,在此基础上进行迭代去噪,然后重构SAR图像得到去噪后的图像。实验结果表明:该文所提出的算法不仅可以显著去除相干斑噪声,提高去噪图像的峰值信噪比(Peak Signal to Noise Ratio, PSNR),还明显地改善了图像的视觉效果,更好地保留了图像纹理信息。