基于梯度特征的双核非局部均值去噪算法

针对传统非局部均值（NLM）滤波算法中邻域间相似性计算易受噪声干扰的问题，提出了一种基于梯度特征的双核非局部均值滤波算法。通过图像块之间的欧氏距离及梯度特征度量邻域间相似性，采用双核函数代替传统指数核函数计算相似性权值，并通过衡量搜索区域中的邻域块与当前像素邻域的相似程度，对像素点的权值进行重分配，在此基础上，重估像素点去噪值并得到滤波图像。实验结果表明，提出的滤波算法与传统的NLM滤波算法及分别含有高斯核和正弦核的改进NLM滤波算法相比，可以更准确地反映邻域间的相似度，保存图像的细节及边缘信息，从而有效提升图像的去噪效果。     

梯度双边滤波的图像去噪

为了改善双边滤波的去噪性能,引入图像的局部模式,提出了梯度双边滤波算法。采用相邻像素亮度值的梯度距离来构造梯度相似度核,通过几何邻近度核函数和梯度相似度核函数来对图像邻域像素进行加权平均,从而实现滤波;为了获得最佳的滤波参数,通过经验学习的方法对滤波参数进行选择,最终得到通用的参数配置。实验结果表明,新方法能很好地保持图像的边缘,且与传统去噪模型相比,其去噪性能也是最好的。     

基于改进型的非局部均值滤波算法在医学图像处理中的研究与应用

常规非局部均值算法易受噪声对图像的自相似度计算精度的影响,去噪结果对原始图像的边缘细节信息损伤较多.采用改进的Facet算子提取图像的边缘特征,根据图像内部像素分布情况,在不同的区域采用不同的自相似度计算方法,设置一种变尺寸的搜索窗口,最大限度地搜寻相似性邻域,降低噪声对自相似度计算精度的影响,有效保持图像边缘信息.数据测试结果表明,改进的非局部均值滤波算法能够有效保持边缘纹理信息,去噪效果要优于常规非局部均值滤波算法.     

基于噪声检测的总变分去噪算法

对受高斯和脉冲混合噪声污染的数字图像去噪方法进行了研究,提出了一种基于噪声检测的自适应总变分(TV)去噪算法。提出的改进算法采用两步迭代框架实现:脉冲噪点检测和全变分图像恢复。第一步中,考虑到脉冲噪声污染的像素点不包含原图像有效信息,采用一种局部统计值,即邻域像素间的随机绝对差排序值(ROAD)估计出噪点的位置;第二步中,采用L2-TV方法进行去噪处理,并对上述过程进行迭代处理,得到去噪图像。在噪点估计过程中引入脉冲噪点水平参数,这样处理的优势在于可更准确地检测出脉冲噪点;而L2-TV去噪方法可很好地去除高斯噪声,两者结合有效地解决了TV算法存在误判图像脉冲噪声为边缘而产生假边缘的问题。与现有典型去噪方法的比较实验表明,该迭代去噪算法,即TV-ROAD算法,既能够去除混合噪声,又可以保留图像细节特征。     

基于Canny 算子的大米边缘检测

为解决传统边缘检测算法对大米图像边缘检测精度低以及对噪声敏感的问题,提出一种改进的Canny边缘检测算法。该方法首先采用非线性扩散滤波减少图像噪声,同时保持图像的边缘信息;在邻域梯度幅值计算中,考虑像素对角线方向的梯度,进一步抑制噪声的影响;最后采用最大类间方差法选取阈值,从而提高对不同图像的自适应性。通过对实验图像的分析表明,本文的改进算法运用到大米图像边缘提取中效果显著,满足大米质量检测和分级的要求。     

基于蚁群优化的图像边缘检测算法

为提高图像边缘检测的精度与抗噪性能,提出一种基于蚁群优化的图像边缘检测算法.将图像像素梯度值和像素圆形邻域统计均值的相对差共同作为蚁群的启发信息,引导蚁群搜索图像边缘.实验结果表明,该算法能最大限度地保留边缘细节,并能抑制噪声和纹理,具有较好的鲁棒性.     

基于Canny理论的多方向角边缘检测算法

传统Canny边缘检测算法通过计算水平方向和垂直方向的梯度来分析当前像素点的梯度强度和方向。该算法由于没有充分利用所有邻域的信息，因此在边缘较为复杂的区域结果会出现较大的偏差。该文提出基于方向滤波器的Canny算法，充分利用各邻域的信息，对图像进行了多方向的分析。实例比较证明，应用了方向滤波器的算法提高了边缘检测和保持的能力，有较强鲁棒性。     

邻域窗能量平均的Contourlet变换自适应阈值去噪算法

针对Contourlet多尺度阈值去噪算法中阈值的选取忽略了方向信息影响的问题,提出一种基于邻域窗能量平均的自适应阈值去噪算法。根据Contourlet系数能量分布特点,将系数划分到三个不同的区域,对三个区域的阈值采用不同的因子进行调整,从而得到更好的去噪效果。实验结果表明,与小波阈值去噪、Contourlet阈值去噪以及Contourlet多尺度阈值去噪相比,该算法在峰值信噪比以及视觉效果上都有明显的提高,且能够有效地保留图像边缘细节信息。     

结合随机游走与FCM的脑图像分割方法

随机游走算法只考虑相邻像素灰度相似性,忽略了邻域像素梯度信息,抑制了random walker沿着某些与种子点灰度相近的边向种子点前进,从而导致错分与漏分。提出一种脑图像分割方法,先对原图进行小波变换,提取图像梯度信息,将梯度信息融入边的权重。最后使用改进的FCM算法,结合像素邻域信息,进行最终脑图像分割。实验表明,本方法分割的脑组织图像正确率高,图像空洞与斑点明显减少,图像边缘更加平整。     

改进的模糊逻辑偏微分方程去噪方法

在研究图像噪声过滤时,为了既有效地去除噪声,又能够较好地保持图像边缘和重要的细节信息,将模糊逻辑思想与PM方法相结合,提出了一种对噪声图像更有效的基于模糊逻辑的偏微分方程去噪算法。该算法把PM方法中扩散方程的扩散系数看作像素梯度对于图像平滑区域的模糊隶属度函数,并通过定义合理的模糊隶属度函数,使得对不同的像素梯度大小采用不同的扩散系数。仿真实验表明,此算法在去除噪声的同时,能更好地保持图像的边缘细节,具有较好的处理效果。     

基于变指数的片相似性扩散图像降噪算法

针对图像去噪过程中存在边缘保持与噪声抑制之间的矛盾,提出了一种基于变指数的片相似性扩散图像降噪算法。算法基于变指数的自适应降噪模型,引入片相似性的思想,构造出新的边缘检测算子和扩散系数函数。传统的各项异性扩散图像降噪算法利用单个像素点的灰度相似性（或梯度信息）检测边缘,不能很好地保持图像的弱边缘和纹理信息。而所提算法利用邻域像素的灰度相似性,可以在滤除图像噪声的同时,保持更多的细节信息。仿真结果表明,与其他传统的基于偏微分方程（PDE）的图像降噪算法相比,该算法将信噪比（SNR）和峰值信噪比（PSNR）提高至16.602480dB和31.284672dB,具有良好的抗噪性;同时视觉效果较好,保持了更多的弱边缘和纹理等细节特征,在噪声抑制与边缘保持之间取得了较好的权衡。     

整体曲率变分水平集方法的曲面去噪模型

针对曲面去噪问题,提出了一种基于整体曲率变分水平集方法的曲面去噪模型。该模型是应用于图像去噪的ROF模型在几何形状处理中的自然拓展。它基于隐式水平集变分方法,能够自动处理曲面拓扑结构的变化。对该能量模型采用变分水平集方法求其梯度最速下降方程,通过演化该方程,最终得到模型最优解。为使计算结果更加准确,采用了半点差分格式离散。实验结果表明,该模型具有良好的去噪性能,同时能有效地保持曲面中的特征信息。     

彩色图像的方向扩散去噪模型研究

图像去噪的难点是如何区分噪声和边缘,并在去噪的同时保持边缘信息。通过分析基于变分形式、散度形式和方向拉普拉斯格式的去噪模型的结构与联系,提出了一种基于方向扩散的彩色图像去噪模型。模型利用结构张量的两个特征值的不同组合作为沿边缘和垂直边缘方向的边缘度量,并用其作为自变量设计出一类单调递减函数作为扩散方程的扩散系数。通过实验获得模型最优参数,理论分析和实验表明,新模型具有更强的去除噪声和保留边缘的能力,并且模型参数具有稳定性。     

融合偏微分方程和中值滤波的图像去噪模型

针对基于偏微分方程(PDE)的图像去噪模型不能有效地去除脉冲噪声,并且低阶偏微分方程在去噪的同时会出现“块效应”现象的问题,提出一种融合偏微分方程和自适应中值滤波的图像去噪模型。该模型通过对图像梯度的分析,在梯度变化剧烈区域和梯度变化微小区域利用二阶模型去噪以提高去噪效率;而在梯度渐变区域利用四阶模型平滑图像以避免出现“块效应”现象。同时,利用脉冲噪声梯度值远大于边缘梯度值的特点,定位脉冲噪声所在区域,在该区域利用自适应中值滤波消除脉冲噪声。该方法能有效去除脉冲噪声,保护图像边缘并消除“块效应”现象,同时提高了去噪效率。实验表明了该模型的有效性。     

基于小波阈值和全变分模型的图像去噪

针对小波阈值函数去噪不彻底并且造成图像边缘模糊的问题,提出一种自适应小波阈值和全变分模型相结合的去噪方法。利用小波变换的时频域特性将含噪图像分解得到各维度小波系数,对低频小波系数利用全变分模型去噪,对于高频系数根据不同分解尺度选择不同的最佳阈值去噪,克服了统一阈值的不足,增强了算法的自适应性。理论分析和仿真实验结果表明,所提方法兼顾了小波变换和全变分模型的去噪优点,在有效去除噪声的同时更完整地保留了图像的边缘和细节信息,有较高的结构相似度和峰值信噪比。     

几种矢量图像噪声去除变分模型的边缘保持比较

矢量图像噪声去除的变分模型必须考虑不同通道图像间的耦合以保持图像边缘,但所得到的模型复杂、计算效率低,且不同耦合方法对应的模型的边缘保持质量不同。本文首先设计了目前已经提出的这类变分模型的快速Split Bregman算法,然后通过大量数值实验对不同模型的边缘保持特性和计算效率进行了比较。所研究的模型分别使用LTV(layered total variation)规则项、MTV(multichannel total variation)规则项、CTV(color total variation)规则项、PA(polyakov action)规则项和RPA(reduced polyakov action)规则项。实验结果表明CTV模型对矢量图像去噪边缘保持最好,其他依次是PA模型、MTV模型、RPA模型和LTV模型;LTV模型计算效率最高,其他依次是MTV模型、RPA模型、CTV模型和PA模型。     

一种基于形态成分分析的唐卡图像修复算法

基于形态成分分析的图像修复算法,通过增加全变分的方式,使得有毛糙边缘的分段光滑图像恢复效果较好,但易产生阶梯效应。针对该问题,将p-Laplace算子引入到基于形态成分分析的图像修复算法中,既保证图像在边缘的良好扩散能力,又避免在图像平滑区易产生虚假边缘的缺陷,同时对噪声有更好的抑制作用。实验结果表明,该算法对于唐卡图像中出现的折痕或划痕、斑块状破损有较好的修复能力。     

基于各向异性扩散活动轮廓模型的左心室MRI分割

结合各向异性扩散算法与梯度矢量流活动轮廓模型,提出了基于各向异性扩散活动轮廓模型并应用于心脏核磁共振图像分割;模型采用各向异性扩散方程构造活动轮廓模型的外部能量函数,得到边界更加清晰的分段平滑图像,运用梯度矢量流将边缘图梯度散射到平坦区域,可以有效抑制噪声,同时保持了目标边界;对左心室核磁共振图像的分割实验表明,该模型可以克服噪声和伪影的干扰,与原梯度矢量流模型相比具有更高的精确性和可靠性,有利于实现自动分割.     

基于Lp伪范数和高阶OGS全变分的椒盐噪声去除

全变分(TV)模型广泛应用于椒盐噪声的去除。然而,TV 模型中存在着严重的阶梯效应。近年 来,由于低阶交叠组稀疏(LOGS)全变分能够很好地抑制阶梯效应,受到了越来越多的关注,但仍有改进空间。 实际上,其只考虑一阶图像梯度的先验信息,而忽略了高阶图像梯度的先验信息。为了进一步提高恢复图像的 质量,提出了一种结合 Lp 伪范数的高阶 OGS 全变分,在利用高阶梯度的 OGS 约束更好地描述图像梯度稀疏 先验的同时,还利用 Lp 伪范数的强稀疏诱导能力更好地描述椒盐噪声的稀疏性。该模型采用交替方向乘子法 求解,并将模型分解为若干个子问题求解。最后,通过实验验证了该模型的正确性,并结合峰值信噪比、结构 相似性度和梯度幅值相似性偏差对模型的恢复性能进行了评价。实验结果表明,该方法相比一些先进的去噪模 型具有很强的竞争力。     

P2M扩散与相干增强扩散相结合的抑制噪声方法

该文讨论保边缘的去噪问题。针对P2M扩散不能有效保持线状特征,相干增强扩散易出现虚假条纹的缺点,提出了一种P2M扩散与相干增强扩散相结合的去噪方法。首先,建立了一个P2M扩散与相干增强扩散的加权组合模型。该模型在图像边缘部分侧重于相干增强扩散,其余部分则侧重于P2M扩散。然后,针对模型中存在的参数选取问题进行了分析。从公式推导出发,得到了在边缘点百分比给定的条件下,P2M扩散参数的自适应取值方法,并从应用的角度出发,得到了相干增强扩散参数的经验取值。仿真计算结果表明,与一些常用的去噪方法相比,该方法既能有效地抑制图像噪声,又能较好地保持边缘等线状特征,同时具有较高的峰值信噪比。