基于过完备字典学习的全变分图像去噪方法

为了改善低信噪比情况下去噪效果、边缘保持能力差的问题,提出一种联合全变分正则项的字典学习图像去噪方法.首先,把增广拉格朗日乘子法和正交匹配追踪这两种求解稀疏编码的方法跟经典的K-SVD思想相交融,改善字典性能;其次,将全变分去噪模型融入到基于字典学习的图像去噪理论中,在图像重构基础上,引入全变分约束项,作为改进去噪模型中新的一项,达到对噪声和图像边缘作后续优化处理、改善图像去噪性能的目的.实验结果表明,改进的去噪方法,在保持原有去噪效果前提下,在噪声标准差较大或者图片边缘信息丰富时,去噪图像更加自然,边缘更加清晰,视觉效果较好.     

一种非参数回归图像去噪方法

为了在图像去噪时进一步提高信噪比从而增强去噪效果,提出了一种空域自适应的高稳定性去噪滤波器。将数值分析中的非参数回归模型应用于图像去噪处理,推导了基于该方法的算法模型。在双边核的基础上,提出一种自适应的Steer核滤波方法,该算法根据边缘的方向可以调整模板的方向和曲率,做到了完全白适应。最后,在相同条件下实现该算法与Nadaraya—Waatson Kernel Regression算法、Bilateral Kernel Regression算法的Madab实验比较,实验结果表明,基于非参数同归模型的去噪算法具有良好的去噪效果,与其他算法相比,可以得到更高的信噪比。     

偏差校正的DCT子空间非局部均值MRI图像去噪算法

针对MRI图像中的莱斯( Rician)噪声直接采用高斯白噪声去噪算法仅能取得次优去噪效果这一问题,在DCT子空间非局部均值去噪算法基础上,提出一种偏差校正的DCT子空间非局部均值MRI图像去噪算法。首先分析MRI图像中Rician噪声的特性,给出在MRI模值平方图中估计噪声偏差的方法;然后使用偏差校正的DCT子空间非局部均值MRI图像去噪算法在MRI图像的模值平方图上进行去噪处理。在模拟MRI图像上进行的实验结果表明,该算法在有效去除Rician噪声的同时,很好地保留了器官和软组织的细节纹理信息,取得了较好的去噪效果。     

曲波变换尺度和方向准则图像去噪算法

为在图像去噪时很好地保持边缘、纹理等细节信息,提出一种新的基于曲线波变换的图像去噪算法。首先对含噪图像进行曲线波变换,然后在曲线波域制定噪声判断的方向准则和尺度准则,并对含噪图像进行去噪。最后,进行曲线波反变换,得到去噪后的图像。仿真实验结果表明,与传统去噪算法相比,所提算法不仅去噪效果好并且具有更好的边缘、纹理保持特性。     

偏差校正的DCT子空间非局部均值MRI图像去噪算法

针对直接采用高斯白噪声去噪算法去除MRI图像中的莱斯(Rician)噪声仅能取得次优去噪效果这一问题,在DCT子空间非局部均值去噪算法基础上,提出一种偏差校正的DCT子空间非局部均值MRI图像去噪算法。首先分析MRI图像中Rician噪声的特性,给出在MRI模值平方图中估计噪声偏差的方法;然后使用偏差校正的DCT子空间非局部均值MRI图像去噪算法在MRI图像的模值平方图上进行去噪处理。在模拟MRI图像上进行实验,其结果表明,该算法在有效去除Rician噪声的同时,很好地保留了器官和软组织的细节纹理信息,取得了较好的去噪效果。       

基于二进小波变换的图像去噪技术研究

由于图像二进小波变换在每次分解时不进行下抽样，所以其表示同小波级数相比是冗余的，且图像二进小波交换的部分系数扰动不会带来重构图像的严重失真．因此，在相同的误判概率下，基于二进小波变换的图像去噪效果会好于基于小波级数变换的图像去噪效果．基于这个思想，文中将基于小波级数的图像去噪方法推广到基于二进小波变换的图像去噪，提出了二进小波的去噪方法，比较了该方法和基于小波级数方法的去噪效果．实验表明，二进小波的去噪比小波级数去噪效果有明显改善．     

一种改进的K-SVD字典学习算法

提出了一种ALM-KSVD字典学习算法,通过稀疏编码和字典更新两步迭代学习得到训练样本的字典.为了提高字典训练速度与性能,在稀疏编码引入增广拉格朗日乘子法(ALM,Augmented Lagrange Multipliers)求解,更新字典则使用经典K-SVD的字典更新算法.为考察算法的字典训练速度和平均表示误差(RMSE),选取了不同样本数和噪声标准进行数据合成实验,结果表明本文算法比经典的K-SVD算法字典训练速度快、RMSE低.进一步考察算法的图像去噪能力,选取不同的输入图像噪声标准和字典原子数进行仿真,实验结果表明本文算法比经典的K-SVD算法获得更高的峰值信噪比(PSNR),具有良好的去噪性能.     

基于改进增广拉格朗日乘子法的鲁棒性主成分分析

针对增广的拉格朗日乘子法在求解鲁棒性主成分分析,特别是当数据同时受到稀疏噪声和高斯噪声的干扰时,计算精度会降低,数据降维去噪任务不能很好完成的情况,提出改进的增广拉格朗日乘子法来解决上述问题.一是用基于最优乘子初始化的改进增广拉格朗日乘子法来提高算法的计算精度,二是针对鲁棒性主成分分析,提出一个带高斯噪声的凸优化模型.实验结果表明,本文提出的最优乘子初始化改进算法赋予增广的拉格朗日乘子法一个最优的拉格朗日乘子,从而提高算法的计算精度,而凸优化模型能够清晰地将高斯噪声和稀疏噪声从数据矩阵中分离出去,进而提高数据对高斯噪声的鲁棒性.     

基于多小波的局部背景隐马尔可夫模型图像去噪

小波域局部背景隐马尔可夫模型(LCHMM)可获得尺度内的相关性和局部的统计特征,并且复杂度小,多小波分析在图像去噪方面有很好的性能。利用多小波分析和局部背景隐马尔可夫模型各自在图像去噪方面的优势,将两者结合起来,提出了一种基于多小波的局部背景隐马尔可夫模型(M-LCHMM)图像去噪算法。算法主要有两步:局部背景隐马尔可夫模型去噪处理和均值处理。该算法简单有效,仿真试验表明M-LCHMM的去噪效果优于目前许多已有的去噪算法。     

一种改进BM3D的图像去噪增强方法

针对已有图像增强方法对内核算法要求高、信噪比提升小、增强效果差的问题,提出一种运用改进三维块匹配滤波(BM3D)算法的图像去噪增强方法.该方法以改进图像块搜索方式的BM3D为内核,将去噪后图像加到原始噪声图像上,进行图像去噪增强.仿真结果表明,改进BM3D算法相比BM3D算法,提高了图像的峰值信噪比和降低了图像均方误差;与BM3D算法和改进BM3D算法相比,去噪增强方法具有更好的去噪效果.