共查询到19条相似文献,搜索用时 109 毫秒
1.
2.
为充分利用残差中的图像信息以提升非局部均值算法的去噪性能,该文提出一种多级残差图像滤波新方法。首先对含噪图像进行非局部均值滤波得到初始的去噪图像和权值分布矩阵,然后对残差图像进行固定权值非局部均值滤波来提取图像结构信息,将提取的信息经高斯平滑抑噪后作为补偿图像,与去噪图像相加得到增强的恢复图像。针对上述方法提出一种多级滤波的实现方案,从理论上推导证明了该方法的原理及可行性,并提出一种无需参考图像的迭代停止准则来自适应地优选滤波级数。实验结果表明,提出的迭代停止准则能够达到与峰值信噪比一致的优选结果;与经典的非局部均值算法相比,在计算效率相当的情况下,所提方法能够显著地提升其去噪性能,峰值信噪比平均可以提高1.2 dB,且具有更好的细节保持能力。 相似文献
3.
结合多尺度边缘检测的SAR结构邻域滤波方法 总被引:1,自引:0,他引:1
噪声抑制是合成孔径雷达(SAR)图像处理的一个重要环节,通常的方法在抑制噪声的同时也使得图像的边缘模糊。该文提出一种结合宏观边缘信息的SAR图像结构邻域滤波方法。首先利用多尺度边缘检测算法获得SAR图像主要的边缘信息,在此基础上对结构邻域滤波法进行改进。结构邻域滤波法用一系列反映图像局部方向信息的邻域模板描述图像的细节特性,滤波过程中引入图像的宏观边缘信息,对邻域模板的选择范围进行约束。最后运用模拟退火算法选取合适邻域模板对目标点的强度进行MAP估计。实验表明该方法能够较好地保持图像的边缘特征,同时有效抑制了斑点噪声。 相似文献
4.
5.
为了进一步提高图像超分辨率重建的质量,针对非局部集中稀疏表示算法中重建图像的噪声问题,提出了一种基于专家场先验模型的图像超分辨率重建改进算法。首先,利用专家场模型从图像训练集中学习整幅图像的先验知识建立全局先验模型;然后将学习到的先验信息用于非局部集中稀疏表示模型求解最优稀疏表示系数;最后,得到高分辨率图像估计。该算法在超分辨率重建迭代运算的同时,同步更新专家场模型参数,因此在不显著增加运算复杂度的情况下,通过选取合适的先验约束,有效地增强了图像重建的效果。实验结果表明:相比非局部集中稀疏表示算法,文中算法对无噪和有噪降质图像均能取得较好的峰值信噪比结果,并且能够进一步提高有噪图像的去噪效果。 相似文献
6.
一种图像去噪的小波相位滤波改进算法 总被引:2,自引:1,他引:2
大多数的小波去噪方法都是基于图像小波幅度信息的,但对于低SNR图像来说,其小波域中的图像边缘信息被噪声掩盖,所以有人提出了对幅度不敏感的小波相位滤波算法,利用含噪图像分解后的相位信息来恢复图像,本文对这种算法作出了一些改进。在相位滤波的基础上,考虑Laplace邻域,试验结果表明比原算法效果好。 相似文献
7.
给出了一种结合图像分割的合成孔径雷达(SAR)图像去噪算法,利用水平集图像分割方法将SAR 图像分割得到多个连通区域,并利用基于结构相似性指数的非局部均值滤波(NLM鄄SSIM)去噪算法对每个连通区域进行去噪。对每个连通域分别去噪利于维持连通区域边缘的原有数值特征,同时也能够保证图像平滑区域的滤波效果,提高了去噪算法的性能。实验部分使用了合成孔径雷达图像中的道路、农田、沟壑和建筑图像块进行测试,将本文算法与非局部均值滤波(NLM)和NLM鄄SSIM 算法进行了去噪效果比较,并通过等效视数(ENL)和边缘平均梯度比(EGR)评价指标验证了文中算法的有效性。 相似文献
8.
为抑制合成孔径雷达(SAR)图像成像过程中形成的相干斑噪声,提出了一种基于低秩分解和改进的非局部平均的SAR图像相干斑去噪方法。首先将SAR图像进行对数处理,将乘性噪声转换为加性噪声;然后利用低秩稀疏分解将对数图像分解成低秩图像部分和稀疏图像部分;接着对含噪严重的稀疏图像部分分析其结构张量,生成非局部平均滤波所需的衰减因子,进行改进的非局部平均滤波去噪;最后再做图像合成,经指数变换得到去噪后的SAR图像。实验结果表明,该方法经视觉评价、边缘保持指数(EPI)和等效视数(ENL)等方面评测,具有较好的抑制噪声和保持边缘及纹理细节的能力。 相似文献
9.
10.
结合非下采样轮廓波变换(NSCT),提出了一种红外图像改进非局部均值滤波算法(Improved Non-local Means Filtering,INLMF)。该算法首先对红外噪声图像进行多尺度NSCT变换,其次分别从相似图像块自适应划分方法以及滤波权重计算方法 2个方面对经典非局部均值滤波算法进行适当改进,将改进后的非局部均值滤波算法(INLMF)应用于处理高频分解系数,然后将滤波后的高频分解系数与低频分解系数进行重构,得到去噪后的图像,最后对去噪后图像采用非负支撑域有限递归逆滤波(Non-negativity and Support Constraints Recursive Inverse Filtering,NAS-RIF)算法进行图像复原,以尽可能消除因滤波造成的图像失真。测试结果表明,本文算法滤波效果优于NLMF及其已有的改进算法。 相似文献
11.
基于方向增强邻域窗和非下采样Shearlet描述子的非局部均值图像去噪 总被引:1,自引:0,他引:1
非局部均值(Non-Local Means,NLM)是一种有效的图像去噪方法。然而它仅关注图像的几何结构信息而忽略了图像表面模型和方向信息,其相似性度量鲁棒性差。针对这些缺点,该文首先提出了一种基于非下采样的Shearlet的描述子(NSSD),它能更好地描述图像块的特征,基于此构造的相似性度量具有较强的鲁棒性。本文基于此描述子与非局部计算模型提出了一种更加有效的非局部均值去噪算法(SNLM)。其次,针对明显包含纹理和方向的图像块,提出了一种方向增强邻域窗,使得邻域窗内主导方向像素点在相似度计算中权重增加。实验结果证明,新方法在自然图像去噪中优于传统的NLM算法。特别地,对于纹理图像去噪,基于方向增强邻域窗的算法,能够在去除噪声的同时很好地保留纹理边缘等细节信息。 相似文献
12.
13.
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。 相似文献
14.
快速非局部均值滤波图像去噪 总被引:1,自引:0,他引:1
针对非局部平均(NLM)去噪算法复杂度过高,滤波过程中对图像信号产生过度平滑的问题,提出一种基于高斯主成分分析的快速NLM去噪算法。该方法首先对所有像素点的邻域进行高斯滤波降低噪声干扰,提高主成分分析的准确度,降低分解结果的维度,进而提高NLM算法中的块匹配效率和准确性,为提高去噪效果奠定基础。虽然该方法在NLM前加入了高斯预滤波和主成分分析,但是由于有效的降维,整体算法复杂度较传统NLM仍有减少,且算法性能有所提高。实验表明与传统的NLM算法相比,本文所提出的新算法不仅降低了计算复杂度,而且可以产生更好的去噪效果。 相似文献
15.
为避免小波去噪时阈值的缺陷和非局部均值滤波去噪时计算的复杂性和更有效地去除红外图像中的噪声,提出了一种采用非局部均值滤波的小波图像去噪方法.对含噪图像进行多层小波分解,采用新的贝叶斯估计阈值对高频系数进行阈值化处理,以消除高频噪声;在部分低层子带上进行非局部均值处理以进一步消除噪声.实验结果表明,与通常的小波阈值去噪和非局部均值去噪相比,该方法能很好地去除红外图像中的噪声,获得更高的信噪比(Signal To Noise Ratio,SNR)和更小的均方误差(MeanSquared Error,MSE),而且该方法计算相对简单,能达到很好的视觉效果. 相似文献
16.
17.
基于同质像素预选择的极化SAR图像非局部均值滤波 总被引:1,自引:0,他引:1
该文针对在极化合成孔径雷达(PolSAR)图像相干斑抑制过程中结构特征和极化散射特性保持的难题,提出一种基于同质像素预选择的非局部均值滤波算法(NLM-HPP)。该算法结合像素统计特性和极化散射机制选择滤波同质像素,并引入结构损失函数提高非局部均值(NLM)算法中像素间相似性度量的准确性,最后用改进的相似性度量对同质像素的协方差矩阵进行加权平均,实现对PolSAR图像的相干斑抑制。对真实PolSAR数据进行的实验结果表明,与现有的Refined Lee滤波、基于散射模型的滤波方法和两种非局部均值滤波相比,此方法在有效滤除相干斑点的同时能更好地保持PolSAR图像的结构信息和极化信息。 相似文献
18.
Nonlocal means (NLM) filtering or sparse representation based denoising method has obtained a remarkable denoising performance. In order to integrate the advantages of two methods into a unified framework, we propose an image denoising algorithm through skillfully combining NLM and sparse representation technique to remove Gaussian noise mixed with random-valued impulse noise. In the non-Gaussian circumstance, we propose a customized blockwise NLM (CBNLM) filter to generate an initial denoised image. Based on it, we classify the different noisy pixels according to the three-sigma rule. Besides, an overcomplete dictionary is trained on the initial denoised image. Then, a complementary sparse coding technique is used to find the sparse vector for each input noisy patch over the overcomplete dictionary. Through solving a more reasonable variational denoising model, we can reconstruct the clean image. Experimental results verify that our proposed algorithm can obtain the best denoising performance, compared with some typical methods. 相似文献