基于结构聚类的图像去噪

为了克服传统BM3D去噪算法的不足,根据图像局部结构相似性提出了基于结构聚类的图像去噪算法。首先根据均值进行粗聚类构成块群;其次利用鲁棒数据归一化构造结构相似子群;最后对子群进行去噪,如果子群容量大于1,运用BM3D对该子群进行去噪处理,反之,运用基于阈值的DCT去噪算法对该块进行去噪。实验结果表明,该算法保护了图像的结构信息,相对于传统BM3D算法提高了图像的视觉效果。     

基于改进BM3D算法的椒盐噪声去噪

在处理由椒盐噪声污染的高对比度图像时,使用传统的三维块匹配算法（Block-Matching and 3D filtering,BM3D）去噪不能有效保留图像的边缘和纹理细节,在图像的边缘会出现边缘振铃效应。为了改善传统BM3D算法在处理椒盐噪声时的不足,提出了用边缘方向代替水平方向搜索相似块的BM3D改进去噪算法。实验结果表明,改进BM3D算法获得的相似块数量是传统BM3D算法的3倍,峰值信噪比（PSNR）也得到进一步提高,在去除椒盐噪声的同时也使图像边缘得到有效保留。     

基于Retinex和BM3D的图像增强

为克服传统Retinex算法没有解决的噪声问题,提出了一种基于Retinex和BM3D的图像增强算法。该方法将BM3D去噪环节加入到传统Retinex算法中。首先,计算出图像各像素之间的相对明暗关系,进而对待处理图像中的每个像素点灰度值进行校正;然后,通过在相邻图像块中搜索相似块,组成一个三维矩阵,并在三维空间进行滤波处理,得到块预估计值;最后,对图像中每个点进行加权得到最终的处理结果。实验结果表明,该算法既能显示阴影、光照区域中的细节,又能有效消除图像中含有的噪声,克服了传统Retinex图像增强算法的不足。     

结合加权核范数与全变分的图像二级去噪

为提升图像去噪后的视觉感受,提出一种加权核范数最小化（WNNM）结合全变分（TV）的二级图像降噪方法。首先对含噪图像进行TV基础去噪,其次用噪声图像与基础去噪结果图做差分运算,并对差分后的结果自适应维纳滤波,然后将滤波后图像与基础TV降噪图像叠加,利用块匹配做相似补丁收集,最后运用加权核范数最小化进行二次去噪,得到最终降噪图像。通过与原WNNM、三维块匹配去噪（BM3D）、漏斗自相似非局部去噪（FNLM）方法对比,该方法不仅对平滑区域有较优的降噪效果,同时处理了漏斗自相似非局部去噪与BM3D在高噪声情况下带来花斑与假条纹状况,并且使结构纹理信息最大化相似。     

基于噪声水平估计的图像盲去噪

三维块匹配(BM3D)去噪是当前去噪性能最好的算法之一。但由于时间复杂度较高,而且需要输入精确的图像噪声水平参数,极大地限制该算法的广泛应用。因此,文中首先采用基于网格的块匹配策略,提出快速三维块匹配(FBM3D)算法。然后提出基于迭代的盲图像噪声水平估计算法,由SVM学习算法确定迭代的初始值,再由图像质量判定迭代是否终止。测试实验表明,与原始的BM3D算法相比,该算法在计算效率、视觉感知效果和定量评测方面均有明显改善。     

结合感知损失与双重对抗网络的低剂量CT图像去噪

低剂量计算机断层扫描（LDCT）成像技术在医学诊断中得到广泛应用,但其斑纹噪声和非平稳条纹伪影复杂,目前多数算法仅依靠推断条件后验概率来实现图像去噪,无法应对LDCT图像噪声复杂、数据量少、先验知识缺乏的问题。提出一种结合感知损失的双重对抗网络去噪算法,以实现LDCT图像复原。该算法包含一个去噪器和一个生成器,分别从图像去噪和噪声生成2个角度来建模干净-噪声图像对的联合分布,通过联合学习使得去噪器和生成器相互指导,从而充分学习数据中的噪声信息和清晰图像信息,且学习到的去噪器可以直接用于LDCT图像修复。考虑到通过感知损失学习语义特征差异可以使去噪结果保留更多的细节和边缘信息,提出一种掩膜自监督方法,针对CT图像域训练一个语义特征提取网络用于计算感知损失。实验结果表明,与BM3D、RED-CNN、WGAN-VGG等主流去噪算法相比,该算法可以有效抑制噪声并去除伪影,最大程度地保留边缘轮廓和纹理细节,产生更符合人眼视觉特性的去噪效果,与当下LDCT图像去噪性能较好的SACNN算法相比,所提算法的PSNR和SSIM指标分别提升1.26 dB和1.8%。     

基于亮度传播图的低照度图像增强算法

由于低照度图像的整体亮度比较暗、动态范围低、噪声大等特点,提出一种基于亮度传播图的低照度图像增强算法。考虑到低照度图像增强的同时也会放大噪声,因此在增强图像之前对图像进行去噪处理。使用BM3D在YCb Cr空间对图像进行去噪之后,在HSI空间对图像进行增强,利用亮度分量估计亮度传播图,利用物理模型还原低照度图像。实验表明该方法能够快速有效地提高低照度图像的整体亮度和对比度,增强图像的细节并减少噪声,得到视觉效果良好的图像。     

小波域三维块匹配图像去噪

提出了一种关于图像去噪的三维块匹配算法（BM3D算法）的改进算法。它不仅保留了三维块匹配算法好的性质,而且最大的优点是能大大减少计算量,缩短运算时间。算法包括三个步骤：首先,对含噪图像进行小波分解;其次,对小波分解后的高频分量用三维块匹配（BM3D）算法进行去噪处理;最后,用处理后的结果进行小波重构得到去噪图像。给出了该算法的详细实现过程,并把它与以前的三维块匹配算法进行了比较。结果表明,改进后的算法,不但保留了三维块匹配算法在去噪方面好的性质,而且大大减少了运算量。     

基于深度先验及非局部相似性的压缩感知核磁共振成像

针对现有压缩感知核磁共振成像（CSMRI）算法在低采样率下重构质量低的问题,提出一种融合深度先验及非局部相似性的成像方法。首先,利用深度去噪器和块匹配三维滤波（BM3D）去噪器构建能够融合多种图像先验知识的稀疏表示模型;其次,将该模型作为正则化项,利用高度欠采样的k空间数据构建压缩感知核磁共振成像优化模型;最后,利用交替优化方法求解构建的优化问题。所提出的算法不仅能够通过深度去噪器利用深度先验,还能够通过BM3D去噪器利用图像的非局部相似性来进行图像重建。实验结果表明,与基于BM3D的重建算法相比,该算法在采样率为0.02、0.06、0.09及0.13情况下重构的平均峰值信噪比高出约1 dB;此外,从视觉角度,与现有的基于小波树稀疏性的核磁共振成像算法WaTMRI、基于字典学习的核磁共振成像算法DLMRI、基于字典更新及块匹配和三维滤波的核磁共振成像算法DUMRI-BM3D等相比,所提算法重构的图像包含大量纹理信息,与原始图像最接近。     

基于BM3D的复杂纹理区域图像去噪

纵观图像去噪领域,目前也出现了一些效果较好,并且应用广泛的图像去噪算法,例如频域滤波中的小波分解、遗传算法(GA)、字典学习算法(K-SVD)、非局部滤波(Non-Local Means,NLM)等等,可以说在单图像去噪上效果最被认可的还是块匹配3D去噪(BM3D)。但在该方法应用的过程中,还是出现了一些需要改进的实际问题。特别是在图像复杂纹理区域的去噪上,由于BM3D去噪的结构特性,导致了在该区域上并没有得到较好的效果。所以在该文提出了一种结合TV模型和改进的Prewitt边缘检测的混合去噪方法。最后的实验结果也表明了改进的BM3D方法相对于原始的方法还是取得了不错的提升。     

基于形状自适应PCA的三维块匹配图像去噪

三维块匹配法中3-D变换真实信号的稀疏表达能力较弱,针对该问题,提出一种关于图像去噪的三维块匹配(BM3D)改进算法。采用形状自适应的图像块(邻域)代替BM3D算法中的平方窗图像块,对3-D变换处理的形状自适应图像块进行PCA变换。实验结果证明,该算法能够有效去除图像的高斯噪声,提高图像的峰值性噪比和结构相似度,且在保持图像的边缘等细节信息方面性能较好,图像视觉效果有明显改善。     

侧扫声呐图像的3维块匹配降斑方法

斑点噪声是影响侧扫声呐图像质量的主要因素,降斑处理对侧扫声呐图像的判别与分析非常重要。针对侧扫声呐图像自身特性和斑点噪声分布特点,提出一种基于3维块匹配(BM3D)的降斑方法。根据海底散射模型,得到侧扫声呐图像斑点噪声的瑞利分布模型,然后通过高斯光滑函数幂变换将瑞利分布的噪声转化为高斯分布,通过对数变换将乘性噪声转变为加性噪声,再进行自适应的BM3D滤波,最后采用逆变换得到降斑图像。实验结果表明,该方法在降噪、边缘和纹理保持等方面均优于空间域、小波域、Curvelet域的一些降斑方法。     

局部均值噪声估计的盲3维滤波降噪算法

目的 图像在获取和传输的过程中很容易受到噪声的干扰,图像降噪作为众多图像处理系统的预处理模块在过去数十年中得到了广泛的研究。在已提出的降噪算法中,往往采用加性高斯白噪声模型AWGN（additive white Gaussian noise）为噪声建模,噪声水平（严重程度）由方差参数控制。经典的BM3D 3维滤波算法属于非盲降噪（non-blind denoising algorithm）算法,在实际使用中需要由人工评估图像噪声水平并设置参数,存在着噪声评估值随机性大而导致无法获得最佳降噪效果的问题。为此,提出了一种新的局部均值噪声估计（LME）算法并作为BM3D算法的前置预处理模块。方法 本文专注于利用基于自然统计规律（NSS）的图像质量感知特征和局部均值估计技术构建图像噪声水平预测器,并通过它高效地获得噪声图像中准确的噪声水平值。关于自然场景统计方面的研究表明,无失真的自然场景图像在空域或者频率域上具有显著的统计规律,一旦受到噪声干扰会产生规律性的偏移,可以提取这些特征值作为反映图像质量好坏的图像质量感知特征。另外,局部均值估计因其简单而高效率的预测特性被采用。具体实现上,在具有广泛代表性且未受噪声干扰图像集合上添加不同噪声水平的高斯噪声构建失真图像集合,然后利用小波变换对这些失真图像进行不同尺度和不同方向的分解,再用广义高斯分布模型（GGD）提取子带滤波系数的统计信息构成描述图像失真程度的特征矢量,最后用每幅失真图像上所提取的特征矢量及对其所施加的高斯噪声水平值构成了失真特征矢量库。在降噪阶段,用相同的特征提取方法提取待降噪的图像的特征矢量并在失真特征矢量库中检索出与之类似的若干特征矢量及它们所对应的噪声水平值,然后用局部均值法估计出待降噪图像中高斯噪声大小作为经典BM3D算法的输入参数。结果 改进后的BM3D算法转换为盲降噪算法,称为BM3D-LME（block-matching and 3D filtering based on local means estimation）算法。准确的噪声估计对于诸如图像降噪,图像超分辨率和图像分割等图像处理任务非常重要。已经验证了所提出噪声水平估计算法的准确性、鲁棒性和有效性。结论 相对人工进行噪声估计,LME算法能够准确、快速地估算出任意待降噪图像中的噪声大小。配合BM3D算法使用后,有效提高了它的实际降噪效果并扩大它的应用范围。     

BM 3D 算法在低剂量CT图像去噪中的应用

Low-dose CT not only reduces the radiation to human body, but also affects the image quality. Aiming at the problem of large noise in low-dose CT images, BM3D algorithm is applied to the denoising process of CT images in this paper. Based on the idea of non-local block matching, the algorithm firstly looks for image similarity blocks through block matching, then stacks the im- age similarity blocks into 3D matrix and performs collaborative filtering processing, and then aggregates the processing results into the original image blocks to restore the image. Compared with the traditional denoising algorithms, BM3D algorithm has great ad- vantages, better visual effect and significantly higher PSNR value.     

一种新的全变分块匹配声呐图像降噪算法研究

乘性斑点噪声广泛存在于声呐图像中,严重影响图像质量,该噪声服从瑞利分布 特性。为此,结合基于全变分算法与三维块匹配图像降噪算法(BM3D)设计思路,提出了一种新 的全变分块匹配声纳图像降噪算法。首先对含噪声呐图像利用 2-范数进行块匹配分组;其次由 于声呐图像模糊、纹理细节信息较少等特点,用全变分算法对分组后的图像块进行滤波降噪; 最后对滤波后的图像块进行加权聚类得到降噪后图像。经过实验结果显示,该算法相对于经典 的 Lee 滤波、Frost 滤波、BM3D 和全变分算法有更好的降噪效果。     

基于BM3D预处理的纹理光照不变特征提取算法

为消除光照变化对图像结构信息的影响,提出基于三维块匹配（BM3D）预处理的纹理光照不变特征提取算法。基于BM3D算法的良好降噪特性,该方法首先对图像各颜色通道采用BM3D降噪,利用小波变换得到各颜色通道对数域的低频和高频分量,然后对低、高频分量分别运用小波降噪和Bayes-Shrink算法降噪,并构造光照不变量,最后采用主成分分析(PCA)降低特征维度,取得特征向量,并利用K-最近特征线分类器进行图像分类。在Outex_TC_00014纹理数据库的实验结果表明,该算法具有较好的分类效果。     

无监督多重非局部融合的图像去噪方法

非局部均值去噪(Non-local means,NLM)算法利用图像的自相似性,取得了很好的去噪效果.然而,NLM算法对图像中不相似的邻域块分配了过大的权重,此外算法的搜索窗大小和滤波参数等通常是固定的且无法根据图像内容的变化做出自适应的调整.针对上述问题,本文提出一种无监督多重非局部融合(Unsupervised m...