基于小波收缩阈值和维纳滤波的去噪方法

针对高斯噪声图像的结构特点及传统去噪方法中所存在的问题,提出一种基于小波收缩阈值法和维纳滤波法相结合的图像去噪方法。采用小波收缩阈值法对图像进行去噪,对处理后的图像用维纳滤波法进行平滑处理。采用独立自适应阈值,对其子带阈值进行确定,并引入调节系数。仿真结果表明,所提出的方法在高斯去噪效果和保留图像细节信息性能方面优于中值滤波算法、均值滤波算法等方法。     

Global sparse gradient coupled tensor diffusion model for image denoising

A global sparse gradient coupled tensor diffusion model for image denoising is proposed to improve the problem of edges blurring induced by the DTTR model. First, a tensor matrix is constructed by the global sparse gradient which is more accurate and robust than classic gradient operators. Then the diffusion equation is guided by the tensor matrix for image denoising. The diffusion resulting from this model is isotropic inside a homogeneous region and anisotropic along its edge so that an accurate tracking of the edges is possible. Numerical experiments show that the proposed method achieves a competitive denoising performance in comparison with the comparative algorithms in terms of both subjective and objective qualities. Experimental results indicate that the performances of denoising methods can be improved by introducing a guide map, which is obtained by the global sparse gradient model.     

一种自适应误差分散逆半调算法

针对误差分散类半调图,提出一种基于Laplacian(L)金字塔的自适应逆半调算法.通过研究半调噪声与误差分散核(半调核)的关系,引入噪声粒度反映不同半调核的影响;采用分治策略,利用L金字塔变换提取含噪高频,采用融合技术将半调噪声转化为易于处理的脉冲噪声,使用维纳滤波器和中值滤波器去噪.实验证明,该算法能自适应选择阈值,具有保图像边缘清晰、时空复杂度较低、峰值信噪比高等特点.     

对时间的分数阶扩散方程在图像恢复中的应用

提出了一种包含对时间的分数阶导数的非线性扩散方程,它是对Perona-Malik的非线性扩散方程和Cuesta提出的方程的推广,介于非线性抛物方程和非线性双曲方程之间,从而能有效地控制扩散过程,使得在去除图像噪声的同时能够尽可能地保留图像的边缘等细节信息。数值试验结果显示,该方程比Perona-Malik的非线性扩散方程有更好的去噪效果。     

一种震动耦合扩散的去除乘性噪声模型

针对传统扩散模型在去噪中存在的边缘模糊问题,将震动滤波引入各向异性扩散模型中,建立了一种去除乘性噪声的模型。在去噪算法中采用BZN来区分边缘、噪声以及平滑区域。借助一种新的扩散速度函数,可以更好地去除乘性噪声。数值实验表明,该去噪模型可以更好地保护边缘,抑制＂阶梯效应＂。     

基于自适应维纳滤波和2D-VMD的声呐图像去噪算法

声呐图像易产生对比度低、分辨率低、边缘失真等问题,所以在去除声呐图像噪声时难以将有效信号与噪声准确分离,从而导致去噪后图像对比度降低、边缘轮廓不清晰、细节丢失严重等问题.本文提出一种基于自适应维纳滤波和2D-VMD(二维变分模态分解)的声呐图像去噪算法.首先通过二维变分模态分解对含噪图像进行分解,得到一系列不同中心频率的模态分量,利用相关系数和结构相似度筛选出有效的模态分量,并使用自适应维纳滤波处理有效的模态分量,最后将滤波后的模态分量进行重构,从而去除图像中的噪声.实验结果表明:所提图像去噪算法在相关系数(CC)、结构相似度(SSIM)这两项客观数据上表现最优,峰值信噪比(PSNR)略低于NSST域去噪,综合客观数据与视觉效果,本文所提算法去除噪声后的图像细节和边缘保持能力效果最佳.     

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。     

从模糊图像中恢复集成电路版图技术

为将模糊的集成电路版图进行复原,探讨了Lucy-Richardson滤波、维纳滤波、拉格朗日乘法算子最小二乘方滤波方法.研究发现:噪声模糊图像进行复原时,Lucy-Richardson方法基本恢复不出集成电路版图,维纳滤波的去噪声明显但是图像清晰度不够,拉格朗日乘法算子最小二乘方滤波复原版图清晰;恢复清晰集成电路的版图可以用于集成电路的结构分析和集成电路失效机理诊断.     

运用拓扑优化和分数阶扩散的图像去噪方法

针对目前经典的图像去噪方法去掉图像噪声的同时使边缘变得模糊这一局限性,提出了一种利用拓扑导数和分数阶扩散的图像去噪方法.基于拓扑优化的思想,以拓扑导数为指标,提取边缘点,并在边缘点处选取最优的各向异性扩散系数.利用对时间的分数阶扩散方程对图像扩散.本文确定扩散系数的方法具有全局性的特征.数值实验证明,算法能有效地去除图像中的噪声,并能很好地保留图像的边缘等细节信息.因此将分数阶扩散方法与拓扑优化思想相结合能获得很好的图像去噪效果.     

利用分割中值滤波和透射率补偿的图像去雾

为了增强雾天退化图像的质量,提出基于分割中值滤波和自适应透射率补偿的单幅图像去雾方法．首先提出分割中值滤波策略,通过对“暗通道先验+引导滤波”去雾方法估计的透射率进行滤波,去除其中不必要的纹理细节,同时保留深度突变的边缘信息;然后提出自适应透射率补偿方法,无须进行天空分割,而通过构造补偿函数对透射率进行提升,以校正明亮区域的色彩失真;同时给出简单有效的函数参数自动确定方法,提高了算法的适应性．由实验结果可以看出,该方法通过精确估计透射率,有效地增强了去雾图像的对比度,改善了天空区域的颜色失真．同时该方法适应性较强,对包含和不包含天空的图像,都可得到更为清晰的去雾结果．     

基于保持参数的DTI各向异性滤波

弥散张量磁共振成像(DTI)易受噪声干扰,且现有DTI去噪方法仅对各方向通道的DWI数据进行单独处理,未充分考虑各通道之间相关性以及DTI数据本身结构和形态特点.针对这些不足,作者根据DTI数据结构及形态特征,综合DWI不同方向通道间相关性,重构统一特征值和特征向量的扩散张量,并增加保持参数对迭代滤波过程进行约束,实现DTI各向异性滤波去噪并降低了对DTI数据结构和形态特征的影响.将所提出的方法分别用于合成弥散张量数据仿真和真实脑部DTI数据实验.仿真和实验结果表明,该方法能有效减少噪声对DTI数据的影响,较之现有去噪方法效果更好.     

基于小世界模型和图论的图像去噪

提出了一种基于图论的偏微分方程(PDE)图像去噪方法。在构造图的拓扑结构过程中,引入了小世界模型,降低图的直径,加快算法的收敛速度。同时,评估了图的权重函数中最优参数的选取。最后,用图的拉普拉斯矩阵和图上的热扩散方程实现图像的去噪。仿真实验结果表明,本文提出的方法能够有效去除高斯噪声,较完整地保持图像中的边缘等细节信息,在去噪性能和算法收敛速率上优于其它的PDE去噪方法。     

块级别自适应层间帧内预测方法

为了提升可分级视频编码的层间帧内预测(ILIP)性能,提出了一种基于维纳滤波器的块级别自适应ILIP方法. 首先,将一帧图像分块;其次,逐块选取原始增强层图像和对应的基本层上采样图像逐帧进行训练,得到维纳滤波器系数;最后,采用获取的滤波器系数对基本层上的采样图像进行滤波,并在块级别加以控制,以便降低预测误差能量. 实验结果表明,与传统ILIP方法相比,新方法可以获得更精确的预测结果,编码器输出比特率下降最高可达14.45%.     

数字视频图像传输中基于FPGA的图像去噪方法

在靶场测试实验中,为了节约经费和节省时间,需要将大量的视频图像进行高速传输与存储,以方便事后处理。研究了数字视频图像传输中一种基于FPGA（FieldProgrammableGateArray）的数字图像去噪方法,设计了基于FPGA的图像滤波器,并利用Matlab进行仿真实验。得出基于均值操作的自适应中值滤波方法对受到混合噪声污染的图像信息具有更理想的滤波去噪效果。     

基于各向异性扩散的多细节图像消噪方案

文章针对传统消噪方法在消除噪声的同时破坏了图像的细节信息的缺点,基于各向异性扩散方程实现数字图像中的消噪,并与中值滤波、均值滤波和各向同性扩散进行比较,实验仿真证明各向异性扩散消噪在消除噪声的同时更好的保留了图像的细节信息。     

结合PCNN和局部维纳滤波的图像去噪

提出了一种基于脉冲耦合神经网络(PCNN)的图像去噪算法,利用PCNN的同步脉冲特性对图像小波系数进行局部加窗修正,从而对信号方差进行更好地估计,以利用局部维纳滤波进行去噪. 同时,根据各个像素间耦合特性的不同,提出了自适应连接系数,更好地反映了像素间的耦合关系,利于信号方差的估计. 实验结果表明,该算法较维纳滤波和NeighShrink算法均有较高的峰值信噪比,视觉效果更好.     

一种检测局部放电信号的新方法

为了提取局部放电信号,提出一种基于各向异性扩散的局部放电噪声抑制方法．根据局部放电信号的特点构造了新的扩散函数,比经典的扩散函数更能有效地抑制白噪声和窄带干扰,并且保持相同的运算速度．相比于常规的小波去噪方法,该方法不受小波函数和小波分解层数选取的限制,能直接应用于空域,更加简单、有效．     

基于小波域自适应高斯混合模型的图像去噪方法

提出了一种基于小波系数局部统计模型的图像去噪方法。该方法利用小波子带的方向性特点以及小波系数尺度内的相关性,将小波系数的概率分布建模为一种自适应高斯混合模型,在贝叶斯框架中采用这种概率模型可以得到一种具有空间自适应性的贝叶斯萎缩函数。利用这种萎缩函数可以实现对小波系数的修正。实验结果表明,利用该方法进行图像去噪能够取得良好的效果,同时可以有效地保留图像的细节。     

具有全局收敛性的彩色图像去噪模型

针对彩色图像去噪问题,提出了一个具有自适应性的去噪迭代模型.该模型继承了全变分泛函(TV)保护彩色图像局部特征的性质,并基于Kacanov方法收敛性的条件的要求改进了全变分泛函,从而用Kacanov方法证明了新模型所给出的耦合偏微分方程组的解序列的全局收敛性.实验结果表明,耦合偏微分方程组较好地处理了去噪过程中不同色彩分量之间的相互影响,有效地抑制了去噪后图像相比于原图的色彩失真问题;并在去噪的同时有效地保护了原彩色图像的主要局部特征.     

基于非线性扩散与小波变换的混合图像去噪算法

利用小波变换能够很好地保留图像细节信息的特点,提出了一种将非线性扩散方程和小波变换相结合的图像去噪方法。采用由小波系数估计的非线性扩散方程扩散函数对图像进行非线性扩散,取得了较好的去噪效果。仿真试验证明了算法的有效性。