基于高阶统计量的小波变换去噪算法

图像在获取和传输的过程中经常要受到噪声的污染.传统的去噪方法不仅滤出了图像的噪声,同时使图像细节变得模糊.本文提出一种基于双谱和小波变换的去噪算法.该方法是根据高斯噪声及椒盐噪声在小波变换下的不同特征,并结合双谱滤波、中值滤波的特点,在小波城内对高频子带进行双谱滤波,去除图像中的高斯噪声,然后进行中值滤波,去除图像中的椒盐噪声.高斯噪声的双谱为零,能够彻底的去除高斯噪声.该算法的实验结果表明不仅能滤出图像中高斯噪声和椒盐噪声,而且能较好的保留图像的边缘细节.其滤波效果优于传统的图像去噪方法.     

改进的Retinex低照度图像增强算法研究

针对Retinex算法处理低照度图像时会出现细节丢失、边缘模糊等现象,本文采用引导滤波和低秩分解对Retinex算法进行了改进。该算法在采用多尺度Retinex提升图像亮度、得到反射分量后,采用引导滤波和高频提升对图像的反射分量进行细节增强;然后,运用全局低秩分解算法去除稀疏噪声,有效地消除了低照度图像中的噪声,以及高频提升过程中产生的噪声。实验表明:该算法不仅能够有效的提高图像的亮度和对比度,同时也保留了原始图像中丰富的边缘和细节信息,并有效去除了图像噪声,图像的视觉效果与客观评价结果也都取得了较大提升。将该算法应用于低照度环境下的人脸检测,检测率也得到了提高。     

基于多尺度Meanshift图像去噪算法

针对图像噪声类型未知、Meanshift平滑窗口难以确定致使图像细节被模糊的问题,提出多尺度Meanshift图像去噪算法。结合小波的"数字显微镜"的优点与Meanshift较强无参概率密度估计及快速模板匹配的特点,非常有效地去除了一组实际夜间远程拍摄图像中的未知噪声。算法执行过程中,首先,将图像进行二维离散小波变换,分解出低频子图和承载细节的高频轮廓子图;然后,区别于传统处理方式,高频子图保护不变,对低频子图进行Mean shift分析窗平滑,最后合成高频子图与低频滤波后图像形成去噪声后图像。该方法不仅弥补了单一Meanshift算法由于平滑窗口难以确定致使图像细节被过滤的缺陷,而且解决了一类实拍高噪声图像的去除,信噪比SNR为34.29。结果表明:本文提出的算法可以去除不同类型噪声图像,并可得到较高的信噪比。     

一种改进的非锐化掩模深度图像增强算法

针对深度图像平滑过程中会模糊细节的缺点,提出了自适应的非锐化掩模深度图像增强算法.首先将深度图对应的彩色图像作为联合双边滤波的引导图,利用彩色图像相关特征修复了深度图像的缺失和毛糙,然后将双边滤波后的深度图像与高斯滤波后的深度图像作差,提取出不含噪声的高频部分,克服了经典非锐化掩模算法放大高频噪声的缺点,最后根据边缘以及细节的模糊程度,自适应地调节叠加到图像上的高频部分.实验结果表明,设计的算法有效地增强了深度图像细节,抑制了平坦区域的噪声,并填补了边缘缺失,较好地改善了深度图像的质量.     

一种提高彩色图像质量的改进滤波算法

基于彩色图像人们已经提出了很多噪声的滤波方法,这些方法主要是为了平滑去除噪声、保留图像的边缘和细节信息.但可以看到很多滤波方法为了保存图像的边缘和细节信息而在图像的平坦区域产生了不必要的噪声;反之,也有很多滤波方法在去除图像平坦区的噪声的同时也去除了重要的图像边缘和细节等信息.因此本文率先提出了一种改进的滤波方法,用算术均值滤波器(AMF)、矢量中值滤波器(VMF)两种彩色图像矢量滤波方法有机结合来实现图像滤波,试验证明该方法可以很好的克服前面滤波方法的不足,不但很好的保存了边缘和细节信息,而且还在平坦区域有很好的滤波作用,在抑制噪声和保留细节之间达到了一个很好的平衡.     

一种改进的极值中值滤波算法

针对极值中值滤波算法在去除噪声时存在误检率较高的问题,提出了一种改进的噪声检测去噪算法。该算法首先采用改进的噪声检测方法,进一步减小误检率和漏检率;然后利用信号点对噪声点滤波。经过仿真实验并与其他方法对比分析表明,该方法能够在去除图像噪声的同时保留图像的细节,有效提高图像的输出信噪比。     

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。     

改进算法在混合噪声STM图像滤波中的应用

基于小波变换的高斯混合模型小波去噪方法能有效滤除高斯白噪声,中值滤波法能较好滤除脉冲噪声并保留图像边缘及细节信息。将两种方法结合起来,并采用Matlab语言进行仿真,然后对含有高斯脉冲混合噪声的STM(扫描隧道显微镜)图像进行去噪处理。实验结果表明,这种混合去噪方法能有效去除STM图像中的高斯白噪声和脉冲噪声并保留图像的边缘及细节信息,能得到更好的STM图像,其效果要优于单纯使用中值滤波或者小波去噪的效果.     

基于自适应中值滤波的图像去噪技术研究

中值滤波和自适应中值滤波被广泛地应用于消除图像的椒盐噪声。传统中值滤波算法无法根据图像噪声浓度改变窗口尺寸,并且噪声浓度过高时,中值滤波算法基本失效。自适应中值滤波算法可以根据椒盐噪声浓度大小对窗口尺寸进行改变,在高浓度噪声干扰下仍然具有较好的去噪效果。针对椒盐噪声,对中值滤波算法和自适应中值滤波算法去噪结果进行比较。通过仿真实验对图像添加不同浓度的椒盐噪声,并分别使用中值滤波算法和自适应中值滤波算法进行噪声去除,实验结果表明,在去除椒盐噪声方面,自适应中值滤波克服窗口尺寸局限性后,比中值滤波具有更好地去噪效果,能很好地保留图像细节,且它的信噪比、峰值信噪比数值最大,均方误差的值最小。     

结合MCA与Retinex算法的低照度图像增强方法

针对低照度条件下获取的图像存在可见光照度低、噪声大等问题,提出了一种基于形态成分分析(MCA)和Retinex算法结合的低照度图像增强方法。首先,将低照度图像转换到HSV色彩空间,接着采用MCA将V分量分解为纹理和平滑部分;其次对平滑部分采用基于改进的多尺度Retinex算法和自适应全局色调映射进行增强,对纹理部分进行维纳滤波去噪后再进行Laplace算子锐化;然后MCA重建得到亮度增强图像,将其与H、S分量合并且转换到RGB色彩空间;最后采用自适应函数恢复色彩得到最终增强图像。实验结果表明,该算法能够有效改善低照度图像质量,提高图像亮度,更好地保留边缘、细节纹理和抑制噪声。     

一种新的自适应边缘保持滤波算法

在进行图像去噪时,为解决兼顾降低噪声和保留细节的难题,提出了一种新的自适应边缘保持滤波算法——区域灰度值最小方差的均值滤波算法．算法在图像去噪过程中利用邻域区间中各像素点之间的相互关联性,在8个方向上对像素点进行处理,具有较强的相关性和自适应性．利用该算法对随机噪声和椒盐噪声进行仿真去噪试验,结果表明,与已有的去噪算法相比,所提算法在去除噪声的同时较好地保持了图像的边缘、细节信息．     

一种高斯噪声组合滤波方法

为了有效滤除高斯噪声,提出了一种组合滤波方法.该方法首先通过定义新的维纳滤波模板进行预处理,以滤除一部分噪声;然后将图像进行二维小波分解,保留低频成分,对高频成分根据其噪声分布特征设计出新的形态学滤波模板分别进行滤波,并进行小波系数重构;最后通过设计一种新的小波增强函数,以提高图像的清晰度,最大限度保留图像细节信息.实验证明该方法滤波效果优于维纳滤波和形态学滤波,是一种较为实用的高斯噪声滤除方法.     

数据融合在SAR图像去噪中的应用

基于SAR图像统计特性的CMAP滤波器和基于小波变换的滤波器在SAR图像去噪的应用中表现出不同的特性：CMAP滤波器可以较好地进行斑点噪声的去除,但是图像细节信息丢失较多;而小波变换虽然可以较好地保持图像的细节信息,但是平滑效果并不理想. 文中将两种滤波方法的结果按照一定的融合规则进行融合,仿真结果表明,融合后的图像在较好地去除斑点噪声的同时,细节信息也得到了好的保留.     

一种降低图像脉冲噪声的有效方法

图像除噪一直是数字图像处理中的一个重要环节.为抑制噪声,改善图像质量,使用滤波技术对图像信号进行平滑处理是最基本也是十分重要的技术手段.提出了一种部分中值峰谷修正滤波方法, 仿真结果表明,这一方法在去除图像噪声的同时有效地保护了图像的边缘和细节,显示出良好的去噪性能.     

梯度相似性的椒盐图像加权中值滤波算法

在对现有椒盐噪声中值滤波算法分析的基础上,提出了基于梯度相似性的椒盐噪声图像加权中值滤波算法。利用灰度图像窗口内各个像素点灰度值的差异,将含有椒盐噪声的图像分为疑似噪声点和信号点,然后利用窗口像素点的梯度相似性对疑似噪声点进行分析,并运用图像极值剪切技术去除噪声点像素的干扰。采用舍弃方差极大值的改进加权中值滤波算法给噪声点赋值。实验表明,该算法对图像的细节保留能力和滤波能力有较大的提高,能取得较好的峰值信噪比。     

基于自适应中值滤波的逆半调算法

针对误差分散半调图像,提出了一种基于自适应中值滤波的逆半调算法。该算法是在传统低通滤波逆半调算法基础上进行改进,先用一个大小为11×11、方差为1.3的高斯低通滤波器对半调图像A进行平滑处理,利用自适应中值滤波器得到图像B,在平滑非脉冲噪声的同时试图保留细节;然后通过带通滤波器得到图像B的边缘,并对边缘进行去噪增强处理,得到边缘图像F;最后把处理后的边缘图像F以一定的增益倍数与图像B进行线性相加,得到最终逆半调图像。试验结果表明,该算法在进行图像平滑的同时有效地保留了图像细节,处理后的图像的峰值信噪比比传统低通滤波方法高,图像的信息熵也有了提高。     

一种基于双Haar小波的图像去噪算法

在小波域实现信号噪声的滤除是近年来图像处理领域中的研究热点,尤其是三通道双Haar小波的提出,使噪声抑制更加有效.基于双Haar小波变换,并根据Lee滤波的局部统计特性,考虑到小波变换的高频部分涵盖大量的图像边缘等细节信息,因此在滤波窗口选择上提出了具有方向性的新算法,实现了在小波域中平滑噪声的同时还可以保护图像边缘细节不受损失.实验表明新窗口的模型与Donoho的软门限方法相比较,可以给出更好的去噪效果.     

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.     

一种基于双Haar小波的图像去噪算法

在小波域实现信号噪声的滤除是近年来图像处理领域中的研究热点，尤其是三通道双Haar小波的提出，使噪声抑制更加有效. 基于双Haar小波变换，并根据Lee滤波的局部统计特性，考虑到小波变换的高频部分涵盖大量的图像边缘等细节信息，因此在滤波窗口选择上提出了具有方向性的新算法，实现了在小波域中平滑噪声的同时还可以保护图像边缘细节不受损失. 实验表明新窗口的模型与Donoho的软门限方法相比较，可以给出更好的去噪效果.     

一种降低图像脉冲噪声的有效方法

图像除噪一直是数字图像处理中的一个重要环节。为抑制噪声，改善图像质量，使用滤波技术对图像信号进行平滑处理是最基本也是十分重要的技术手段。提出了一种部分中值峰谷修正滤波方法。仿真结果表明，这一方法在去除图像噪声的同时有效地保护了图像的边缘和细节，显示出良好的去噪性能。