基于偏微分方程的舌图像去噪研究

在对舌图像的去噪过程中,平滑噪声的同时容易丢失边缘和纹理等细节信息。为此,研究基于偏微分方程的舌图像去噪方法,分别采用中值滤波、高斯滤波、P-M方程、正则化P-M方程以及耦合冲击-复扩散滤波模型,对加噪舌图像进行滤波。比较结果表明,正则化P-M方程更适合舌图像的去噪处理,该方法处理速度快、去噪效果好,且能有效保护图像边缘。     

基于权值的中值和均值混合去噪算法

针对均值去噪算法对图像边缘定位带来困难,中值去噪算法对一些点、线、细节较多的图像去噪效果往往不理想等诸多问题,为了得到更好的去噪图像,并为后继的边缘定位等处理打下良好的基础,提出了基于权值的中值和均值混合滤波方法,该方法能在类椒盐噪声密度较大时较好的去除大量类椒盐噪声,同时较好的保留图像的边缘信息,并提高图像的信噪比.实验证明,该方法去噪性能明显优于中值滤波和均值滤波,并且算法简单,适合于高速在线检测系统.     

基于均值滤波和小波变换的图像去噪技术研究

采用均值滤波和小波变换相结合的图像去噪方法是先将含噪图像进行小波分解,在小波域中,选取适当的阈值对小波系数进行处理,然后对图像信号进行局部重构至第一层,并采用不同的模板对第一层的各细节子图像进行均值滤波,最后将低频近似图像与均值滤波后高频细节图像合成得到去噪后的图像。这种方法与全局Donoho软、硬阈值小波去噪方法和Birge-Massart策略软、硬阈值小波去噪方法相比,其去噪效果更为明显。它在降低了图像的噪声的同时,又尽可能地保留图像的细节,且图像更加平滑。仿真实验证明,该方法是一种有效的图像去噪方法。     

基于均值滤波和小波变换的图像去噪技术研究

采用均值滤波和小波变换相结合的图像去噪方法是先将含噪图像进行小波分解,在小波域中,选取适当的阈值对小波系数进行处理,然后对图像信号进行局部重构至第一层,并采用不同的模板对第一层的各细节子图像进行均值滤波,最后将低频近似图像与均值滤波后高频细节图像合成得到去噪后的图像.这种方法与全局Donoho软、硬阔值小波去噪方法和Birge-Massart策略软、硬阈值小波去噪方法相比,其去噪效果更为明显.它在降低了图像的噪声的同时,又尽可能地保留图像的细节,且图像更加平滑.仿真实验证明,该方法是一种有效的图像去噪方法.     

基于中值滤波和小波变换的火电厂炉膛火焰图像去噪方法

针对煤电厂炉膛火焰图像含有脉冲噪声和高斯噪声混合含噪图像的特点,提出了中值滤波和小波变换相结合的火焰图像去噪方法。首先采用自适应权重中值滤波方法对火焰图像去噪,然后再对去噪后的图像进行小波分解,分解后对不同子带采用不同的滤波方法进行有效滤波。实验结果表明,该方法不仅能够有效地滤除图像噪声,提高火焰图像的质量,而且在边缘保持能力上比传统的去噪方法要好。     

基于形态成分分析和Contourlet变换的自适应阈值图像去噪方法

针对含有丰富纹理和边缘特征的噪声图像,提出一种基于形态成分分析(MCA)和Contourlet变换的自适应阈值图像去噪方法.该方法首先引入MCA将噪声图像分为低频部分和高频部分,在此基础上设计一种自适应的分层阈值估计处理策略.根据噪声的分布特性,通过阈值估计和Contourlet变换对噪声图像的低频部分和高频部分进行分频带去噪处理,有效去除噪声图像中的噪声.通过对噪声图像的仿真实验表明,文中方法能较好地保留图像纹理和边缘,并且去噪效果优于传统的均值滤波去噪、中值滤波去噪、小波多层阈值去噪和轮廓波多层阈值去噪方法.     

基于联合滤波的聚类稀疏表示图像去噪算法

针对非局部均值去噪算法中噪声对结构聚类影响的问题,提出了一种基于联合滤波预处理的聚类稀疏表示图像去噪算法。利用维纳滤波和巴特沃斯滤波联合滤波处理提取含噪图像中的高频分量,同时减小了噪声对聚类的影响;利用非局部均值去噪的思想将高频图像块进行聚类,每一类图像块单独进行字典学习,增强字典的自适应性;利用多循环字典更新的K-SVD算法进行类内字典学习,增强字典的描述能力。实验结果表明,与传统的K-SVD算法相比,该算法能有效保留图像的结构信息,并且提升了图像的去噪效果。     

基于梯度增强扩散的高速路裂纹图像去噪算法

针对高速公路路面病害裂纹自动检测问题,采用高速CCD相机对路面进行成像,并通过图像分析的方法来自动完成路面病害裂纹的检测.由于路面含有油渍、杂质等负信息的干扰,因此需要对路面裂纹图像进行去噪.传统图像去噪算法一般采用全局滤波的方式,这就会破坏图像中裂纹的边缘纹理特征.为解决这一现实难题,提出了一种基于梯度增强扩散的路面裂纹图像的去噪算法.算法主要针对含有裂纹结构的路面图像,在基于偏微分扩散方程的去噪过程中引入了裂纹结构分析,并根据裂纹局部梯度变化,重新定义了扩散系数,以在有效增强路面裂纹边缘特征的同时去除图像中的小尺度噪声.仿真实验表明,与传统的全局平滑滤波以及中值滤波相比,这一算法对裂纹纹理图像的去噪具有很好的效果,表现出一定的实际工程应用价值.     

一种基于形态学的小波自适应去噪算法

针对常规的去噪算法会引起图像边缘模糊,而在保留和增强图像边缘时又会影响图像的去噪效果的缺陷,提出了一种基于形态学的小波自适应去噪算法,利用多种结构元复合形态滤波器对噪声图像预处理,然后对处理后的图像采用小波自适应阈值进行二次滤波去噪,最后对图像进行重构得到去噪后的图像.实验表明,该算法能对受不同程度、类型的噪声污染的图像进行有效地的处理,并且在去噪时能保持更多的图像边缘.     

矿区遥感图像去噪方法研究

去噪是矿区遥感图像得以有效应用的重要预处理步骤。现有的基于统计、基于域变换、基于学习等遥感图像去噪方法普遍存在细节过度平滑、纹理保持不足等问题。基于引导滤波良好的边缘保持特性,提出了迭代引导滤波方法,通过对残差信息进行引导映射,并迭代进行引导滤波及超参数收缩,增强了遥感图像边缘特征提取效果;将迭代引导滤波与传统的小波软阈值、非局部均值(NLM)滤波、三维块匹配(BM3D)滤波等去噪方法结合,有效提高了传统方法的峰值信噪比,其中NLM滤波、BM3D滤波的去噪性能提升效果最明显;将迭代引导滤波与BM3D滤波融合,通过BM3D滤波初步获取去噪图像,得到残差数据,然后采用迭代引导滤波对残差数据进行处理,在提升图像去噪效果的同时,很好地保持了图像细节特征;将迭代引导滤波与BM3D滤波融合方法用于矿区遥感图像的煤矸石场识别及滑坡区域边缘识别,取得了较好的效果。     

Conditional Toggle Mappings: Principles and Applications

We study a class of mathematical morphology filters to operate conditionally according to a set of pixels marked by a binary mask. The main contribution of this paper is to provide a general framework for several applications including edge enhancement and image denoising, when it is affected by salt-and-pepper noise. We achieve this goal by revisiting shock filters based on erosions and dilations and extending their definition to take into account the prior definition of a mask of pixels that should not be altered. New definitions for conditional erosions and dilations leading to the concept of conditional toggle mapping. We also investigate algebraic properties as well as the convergence of the associate shock filter. Experiments show how the selection of appropriate methods to generate the masks lead to either edge enhancement or salt-and-pepper denoising. A quantitative evaluation of the results demonstrates the effectiveness of the proposed methods. Additionally, we analyse the application of conditional toggle mapping in remote sensing as pre-filtering for hierarchical segmentation.     

结合双边滤波和多帧均值滤波的图像降噪

针对单幅图像空间降噪中存在的问题,提出一种利用同一场景的多帧图像进行噪声抑制的自适应空域滤波方法。首先对每一帧用双边滤波器进行滤波,以在平滑噪声的同时,保护图像边缘;然后对每一像素进行帧间平均值滤波,以利用多幅图像的信息进一步滤除噪声,并减轻双边滤波后的卡通效果。提出的算法在两组多帧图像上进行了测试。实验显示,与单帧双边滤波和简单的多图像平均方法相比,该方法的降噪性能有所提高。     

复脊波变换SAR图像去噪算法

在分析传统脊波变换去噪方法优缺点的基础上, 针对其不足, 提出一种基于复脊波变换的去噪方法。算法将传统脊波变换中的标量一维小波变换替换为二元树复小波变换, 使得脊波变换具有平移不变性; 然后, 对图像采用冗余分块处理, 使得处理结果更平滑, 有效地提高了图像的峰值信噪比（PSNR）。仿真实验表明, 在SAR图像去噪应用中, 本方法能够更好地保留图像中的纹理信息, 处理结果优于传统脊波变换以及小波变换去噪方法。     

图像灰度值自然对数比率邻域滤波方法

提出了一种新的利用图像灰度值自然对数比率邻域滤波的图像平滑方法．从现有邻域滤波模型出发,分析了其去噪原理,讨论了其规一化因子中像素灰度值相似函数存在的问题。在此基础上针对具有代表性的双边滤波模型进行修改,提出新的灰度值自然对数比率相似函数模型。新的灰度值自然对数比率双边邻域滤波模型不仅保持了原有双边邻域滤波模型较好的平滑效果,而且保留了尽可能多的细节部分,同时对于彩色图像还保持了原有图像的色彩过渡。通过实验表明,本文提出的方法达到理想的去噪效果。     

无抽样方向滤波器组用于图像去噪的方法研究

提出一种基于无抽样方向滤波器组的图像去噪新方法,首先,将一维半带滤波器（half band filter）转换成二维低通滤波器,通过对此滤波器的各种操作获得4方向、8方向和16方向等无抽样方向滤波器组,同时,将各频域方向滤波器转换成空域模板;其次,采用Contourlet变换中的多尺度分解方法,利用上述空域模板实现图像方向分解,获得噪声图像的各尺度多方向系数;最后,根据各方向系数的统计特性,合理设定去噪阈值,方向合成只需各方向子带图像相加,多尺度合成过程与Contourlet变换相同,完成图像去噪。实验结果表明：该方法不仅有效地去除了图像噪声,而且能很好地保留图像的边缘纹理信息,并很好地去除了Contourlet变换去噪中无法避免伪吉布斯现象所引起的视觉失真,与现有阈值去噪方法相比,图像信噪比明显提高。     

一种基于小波分析的SAR图像增强去噪方法

提出了一种基于小波分析的SAR图像增强去噪声方法。该方法首先对被噪声污染的SAR图像进行小波变换，然后在小波域内对该图像进行平滑滤波，最后实现了一个SAR图像增强去噪处理系统。由处理结果可以看出，本方法在对SAR图像直接进行平滑滤波的应用中取得了较好的结果，为进一步图像分割、边缘提取奠定了一个较好的基础。     

Nonlocal Image and Movie Denoising

Neighborhood filters are nonlocal image and movie filters which reduce the noise by averaging similar pixels. The first object of the paper is to present a unified theory of these filters and reliable criteria to compare them to other filter classes. A CCD noise model will be presented justifying the involvement of neighborhood filters. A classification of neighborhood filters will be proposed, including classical image and movie denoising methods and discussing further a recently introduced neighborhood filter, NL-means. In order to compare denoising methods three principles will be discussed. The first principle, “method noise”, specifies that only noise must be removed from an image. A second principle will be introduced, “noise to noise”, according to which a denoising method must transform a white noise into a white noise. Contrarily to “method noise”, this principle, which characterizes artifact-free methods, eliminates any subjectivity and can be checked by mathematical arguments and Fourier analysis. “Noise to noise” will be proven to rule out most denoising methods, with the exception of neighborhood filters. This is why a third and new comparison principle, the “statistical optimality”, is needed and will be introduced to compare the performance of all neighborhood filters. The three principles will be applied to compare ten different image and movie denoising methods. It will be first shown that only wavelet thresholding methods and NL-means give an acceptable method noise. Second, that neighborhood filters are the only ones to satisfy the “noise to noise” principle. Third, that among them NL-means is closest to statistical optimality. A particular attention will be paid to the application of the statistical optimality criterion for movie denoising methods. It will be pointed out that current movie denoising methods are motion compensated neighborhood filters. This amounts to say that they are neighborhood filters and that the ideal neighborhood of a pixel is its trajectory. Unfortunately the aperture problem makes it impossible to estimate ground true trajectories. It will be demonstrated that computing trajectories and restricting the neighborhood to them is harmful for denoising purposes and that space-time NL-means preserves more movie details.     

基于时域自适应滤波及非局部平均的夜视图像去噪算法

为了增强夜视图像的可视性和清晰度,提出了一种适用于夜视环境的视频图像去噪和增强算法。首先在噪声消除方面,提出了一种基于卡尔曼结构更新的运动自适应时域滤波器。然后利用带有自适应限幅阈值的伽马校正调整RGB直方图,来增加去噪视频图像的动态范围。最后,使用非局部平均(NLM)去噪滤波器消除剩余噪声。提出的方法能够直接用于颜色滤波阵列(CFA)原始视频图像,以便获得较低的内存消耗。在夜间环境(低于0.1 lux)下,利用2百万像素CMOS传感器进行了具体测试,实验结果表明,相比现有的夜视图像增强方法,提出的视频图像增强法在夜间环境下均表现出了更加良好的性能指标。     

一种具有边缘保护的MRI影像同步去噪增强算法

MRI影像具有边缘模糊、含有噪声、对比度差的特点,这些都严重干扰了影像的分割,配准的准确性.针对这类问题,提出一种既能保护边缘,又能兼顾去噪及增强的模型.通过构造自适应直方图均衡化的偏微分方程,并结合P-M平滑算法的优点,增加系数调节项,达到同步去噪增强的目的.算法吸取了两种模型的优点,实验结果证明了方法的准确性及实用性.