梯度矢量扩散控制实现边缘保持的彩色图像去噪

目的 在图像的获取过程中,由于受到噪声等因素影响,可能导致图像质量下降,给后期处理带来困难,为此提出一种梯度矢量扩散控制实现边缘保持的彩色图像去噪方法。方法 首先分析了彩色图像因灰度化带来的信息损失,为了更好地利用彩色图像信息,构造了RGB空间下的梯度矢量计算方法。其次分析了噪声邻域梯度矢量与边缘邻域梯度矢量间区域性结构差异,并指出现有扩散方程的不足,给出一种控制扩散矩阵的获取方法。最后通过推导矢量图像的边缘函数,给出了RGB空间下的PM方程,分解该模型去除法向扩散,并结合控制扩散矩阵改进边缘停止函数,以此获得更好的矢量扩散控制。结果 实验结果表明,采用这种方法得到的处理结果有着较高的信噪比,验证了该方法的有效性。结论 本文方法能够在去噪的同时,较好地保持图像对比度与边缘信息,具备一定的实用性。     

非线性扩散和变分模型在矢量图像去噪中的应用

分析了非线性扩散、基于整体变分方法的ROF模型以及矢量图像耦合技术的原理,比较了这些扩散、去噪模型的优缺点。根据矢量图像耦合思想将TV流运用到矢量图像扩散中,并参考ROF模型逼近项变分模型的优点,提出了基于非线性扩散、ROF模型和矢量图像耦合原理的改进TV流矢量图像耦合扩散模型,目地是在彩色图像中,去噪同时更好地保留图像轮廓、边缘等重要信息。实验对比分析了改进前后模型的去噪效果,并分析了改进模型下正、逆向扩散在彩色图像去噪中的作用。实验结果表明,改进的矢量图像耦合扩散模型能有效地保持彩色图像中的边缘信息,同时具有良好的去噪性能,且改进模型下,正、逆向扩散的性质在彩色图像去噪工作中仍能保持。     

基于两幅模糊与噪声图像的图像交替修复算法

针对一幅模糊图像和一幅噪声图像的图像修复问题,提出了一种结合TV-L~1模型与TV模型的新交替修复算法.该算法首先利用TV-L~1模型对噪声图像进行去噪;然后利用TV模型,把去噪结果作为迭代初始值,对于模糊图像去模糊;最后,把去模糊结果作为迭代初始值,再利用TV-L~1模型对噪声图像进行去噪……,如此交替进行.实验效果表明,该新算法不仅继承了TV-L~1模型与TV模型能保持轮廓和细节的优点,同时也有效地克服了这两种模型会降低对比度和出现"重影"的缺点.     

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.     

基于阈值函数和TV模型的印章图像去噪

为了进一步提高针对印章图像的去噪性能,提出了一种基于阈值函数和TV模型的印章图像去噪方法。首先对含噪印章图像进行Contourlet分解;然后低频部分利用自适应TV模型进行扩散,高频部分通过阈值函数进行筛选;最后经Contourlet逆变换重构印章图像。实验结果表明,与小波阈值法、小波扩散法及Contourlet阈值法相比,该方法能有效地去除高斯白噪声和椒盐噪声的混合噪声,提高峰值信噪比,并较好地保留图像的细节和纹理,具有更好的视觉效果。     

一种去除椒盐噪声带L1保真项的混合变分模型

图像去噪技术是数字图像处理领域中一个重要的分支,目的是在去除噪声同时更好地保持图像的对比度、清晰度、纹理特征等有用的信息,它是图像分割、特征提取与目标识别等图像处理过程的前提。为了有效抑制脉冲噪声,针对调和模型和TV-[L1]模型去噪的不足,提出一种针对脉冲噪声去噪的带[L1]保真项的混合变分模型,并用增广拉格朗日算法进行数值实现。采用峰值信噪比、均方根误差指标评定图像的去噪效果。实验结果表明,该模型的峰值信噪比大于其他几类已有模型,有效降低了均方根误差,并且计算的CPU时间更短,去噪效果得到明显改善。该模型具有更好的去噪性能,获得了更理想的视觉效果,不仅能提高了图像质量,而且在客观上得到了有效证实。     

基于暗元先验规律去雾后续处理研究

基于暗元先验规律去雾算法处理后得到的复原图像存在亮度暗、对比度低、局部细节信息不突出等问题。分析复原后图像的噪声放大程度与介质投射率的关系,在此基础上提出一种自适应剪切直方图均衡的方法,并将该方法应用到插值直方图均衡中,使得在噪声大的区域有小的增强幅度,在噪声小的区域有大的增强幅度,因此与传统的图像增强算法相比该算法能够得到明亮清晰的图像,并抑制了噪声。实验结果表明,该方法能够得到视觉效果更加优秀的处理结果。     

基于直方图修正的局部对比度增强算法

针对传统直方图均衡化算法经常导致过增强,噪声放大和局部对比度低等缺点,提出了基于直方图修正的局部对比度增强算法。首先,利用自适应部分子块重叠方法把图像划分成一系列的子块,子块的大小能根据图像局部特征自适应调整;然后,对每个子块采用基于直方图修正的对比度增强方法进行处理;最后,融合各重叠子块的处理结果得到最终的增强图像。实验结果表明,该算法具有噪声鲁棒性、可控制增强等级、可调节动态范围和局部对比度较强的优势,增强后的图像具有更自然的视觉效果。     

基于分数阶偏微分方程的图像去噪新模型

将分数阶微分理论和全变分方法相结合应用于图像去噪,提出了一种基于分数阶偏微分方程的图像去噪新模型。该模型很好地继承了现有的全变分(TV)模型去噪效果与保持图像边缘细节特征的优点,同时利用分数阶微分运算特有的幅频特性优势,较好地保留了图像平滑区域中灰度变化不大的纹理细节。实验结果表明：一方面,与现有去噪方法相比,新模型不仅具有较强的抑制噪声能力,而且能较好地保持图像边缘特征,还能保留更多的图像纹理细节信息,优于常用的整数阶偏微分图像去噪方法;另一方面,从峰值信噪比的对比实验可以看出该模型去噪效果优于其他方法,较好地达到了去噪目的,是一种有效、实用的图像去噪模型。     

气象计量自动化温度检定系统中的图像预处理研究

针对气象计量自动化温度检定系统中图像噪声大、对比度不够等问题,在采用图像 预处理技术的基础上,提出一种同态滤波的对比度受限自适应图像预处理方法。尝试中值滤波对 红外图像进行去噪,保证噪声不被增强的前提下,利用同态滤波的原理,对图像细节进行增强。 但同态滤波依然存在图像特征点与非特征点在图像质量不高的情况下容易混淆的问题,对此采用 限制对比度自适应直方图均衡的方法进一步调整图像的动态范围。通过仿真实验对此方法进行验 证,验证了所提出方法的有效性。     

基于WLAHE的尘肺胸片图像增强方法

为提高X线胸片中尘肺病灶的易识别性,提出一种基于加权局部直方图均衡化(WLAHE)的尘肺胸片图像增强方法。采用WLAHE算法、局部直方图均衡化算法,以及直方图均衡化算法对0+期尘肺X线图像进行对比度增强处理,并对采用不同参数的处理效果进行比较。结果表明,WLAHE可在不引入过大噪声及不引起细节失真的条件下,采用更小的窗口,使0+期尘肺X线胸片上的病灶小阴影更突出。     

基于TV与SSIM的图像质量评价方法

提出一种基于全变分(TV)模型与结构相似度(SSIM)的图像质量评价方法。对待评价图像进行主动定量加噪,得到降质图像,利用自适应的TV去噪模型得到消噪图像,采用SSIM方法对待评价图像与消噪图像进行全参考评价,得到待评价图像的无参考评价指标。采用标准测试图像和LIVE库的降质图像进行实验,结果表明,该方法可在无参考图像的条件下对图像质量进行评估,评价结果与主观评价结果具有较高的一致性。     

改进TV图像去噪模型的全景图像拼接算法

全景图像生成过程中易受到噪声的影响。针对该问题,提出一种改进的全变分（Total Variation,TV）图像去噪模型应用于全景图像的拼接。对图像去噪过程中建立的泛函函数进行卷积运算,利用卷积操作降低噪声点的灰度值,求解泛函函数所对应的拉格朗日方程极小值,达到图像去噪的效果;采用SIFT（Scale Invariable Feature Transfomation）特征匹配算法对去噪后的图像进行特征提取和匹配;对待拼接图像进行加权融合处理,优化视觉效果。仿真实验结果表明,与经典算法相比,该研究能够较理想地去除图像中的噪声,降低全景图像拼接过程中的干扰,提高视觉效果。     

去除阶梯效应的[TV+H1+H0]变分分解模型

针对基于全变分（Total Variation,TV）极小的变分分解中,结构分量中容易出现阶梯现象而降低图像视觉效果的缺点,提出了一个去除阶梯效应的[TV+H1+H0]变分分解模型。新模型分别采用TV刻画结构分量的分片常值,采用[H1]半范数刻画分片光滑,则图像结构被看成是TV分量与[H1]分量之和。由于新的结构中包含了分片光滑的[H1]分量,所以可以一定程度去除阶梯现象。理论证明了模型的解的非平凡性,并且采用交替迭代算法对模型进行了数值求解。实验中以噪声人造图像和自然图像为实验对象,将分解模型应用到图像去噪,相对于经典的ROF模型和PVD模型,新模型取得了明显的优势。     

一种基于小波融合的雾天视频监控图像增强算法

针对雾天视频监控系统采集的图像对比度降低、图像模糊的问题,提出一种小波融合算法。该算法在已有的图像增强方法的基础上,应用小波变换、直方图均衡化和非线性增强算子来综合处理雾天降质图像。实验结果表明,该算法对比于传统的方法不但可以明显的提高图像对比度,而且增强图像的边缘细节和纹理特性,取得较好的效果。     

基于小波包分解的整体变分去噪算法

由Rudin等人提出的整体变分（TV）模型被认为是目前最好的图像去噪模型之一。理论表明,TV模型对分块常量的图像去噪效果显著。对于纹理细节丰富的图像,通过引入小波包分解技术,对图像的纹理细节进行多层小波包分解,得到一系列近似分块常量的子图像,用TV模型对子图像分别进行处理,从而图像的纹理细节得到了更好的保留。相对于单独使用TV模型去噪,该方法得到的复原图像峰值信噪比（PSNR）提高了1 dB左右。同时由于采用改进的Bregman迭代方案求解TV模型,算法收敛时间得到了极大的减少。     

采用TV及纹理合成技术的分层图像修复

整体变分（TV）模型在图像修复中能够保持图像的边缘且数值实现方便,但在图像修复中对于人类视觉连通性的处理还有所不足。根据图像遗失或者损坏的不同类型,针对TV、CDD模型在图像修复中存在的问题,提出了一种结合TV、CDD模型及基于块的纹理合成算法的分层图像修复算法。实验结果表明,这种分层修复的方法在图像的结构修复和纹理修复两方面实现了较好的统一,而且在较大区域图像修复上表现出良好的效果。     

基于UWT和独立分量分析的含噪盲源分离

提出了基于UWT（非抽样小波变换）去噪与FastICA（快速独立分量分析）算法相结合的含噪盲源分离方法,采用先去噪后分离的方式实现了在加性高斯噪声环境下混合图像的盲分离。仿真结果表明,该方法能很好地从加性高斯噪声中分离出源图像,与曲波阈值去噪后的FastICA方法相比较,该方法能获得更好的峰值信噪比。     

自适应动态峰值剪切直方图均衡化

传统的直方图均衡化算法在增强图像的同时可能会引入一些视觉退化效应,如一些图像的部分区域出现过度增强。为了克服这个缺点,已有一些灰度均值保持算法,但是这些算法并不能很好地保持图像处理前后灰度均值的稳定性。提出了一种自适应动态峰值剪切直方图均衡化算法：使用滤波器对原图像的直方图进行滤波操作,并且根据图像的信息来确定分割区间及区间数目;对分割的区间进行重新映射;对区间的直方图进行剪切操作,然后分别地进行均衡化处理,并对处理后的图像进行灰度归一化操作。实验结果表明,该算法可以很好地在保持原图像均值的前提下实现图像增强。     

基于改进栈式稀疏去噪自编码器的图像去噪

为了提高栈式稀疏去噪自编码器（SSDA）的图像去噪性能,解决计算复杂度高,参数不易调节,训练收敛速度慢等问题,提出了一种栈式边缘化稀疏去噪自编码器（SMSDA）的图像去噪方法。首先,由于边缘化去噪自编码器（MDA）具有收敛速度快这一特性,对SDA网络损失函数作边缘化处理,形成边缘化稀疏去噪自编码器（MSDA）,使其同时满足边缘性和稀疏性。其次,将多个MSDA堆叠构成深度神经网SMSDA,为避免模型参数局部最优,采用非监督逐层训练法分别训练每一层网络,再用BP算法对整个网络微调,从而获得最优权重。最后,用SMSDA对给定图像去噪。仿真结果表明,较SSDA而言,所提算法在降低计算复杂度、提高收敛速度的同时,拥有较高峰值信噪比（PSNR）,且保留了更多原始图像的细节信息,具有更好的降噪性能。