红外图像中的自适应维纳滤波噪声抑制技术

红外图像存在信噪比低、对比度差的问题,在目标辐射强度低、距离远以及恶劣天气状况下尤为严重.为了提高图像信噪比,提出一种红外图像中的自适应维纳滤波噪声抑制算法.算法突破了维纳滤波要求未退化图像和噪声功率谱已知的技术瓶颈,基于Canny边缘检测算子构建了平滑区域噪声方差的邻域估计准则,实现了红外图像噪声的自适应抑制.实验表...     

Bandelet变换在金属断口图像去噪中的应用

Bandelet变换是一种基于边缘的图像表示方法,能自适应地跟踪图像的几何正则方向。本文中首先用小波去噪方法对带噪声的金属断口图像进行预处理,利用软阀值函数获得阀值T,进而获取去噪后图像的四叉树结构,并沿Bandelet块的最佳几何方向进行曲波变换,最后利用SUREShink 计算各Bandelet块的自适应阈值,然后采用多层软阈值去除噪声,进行Bandelet逆变换重构图像。实验表明同传统的小波子带多阈值去噪法相比, 该算法不仅提高了去噪后图像的峰值信噪比(PSNR),而且具有更强的边缘保持能力。     

基于小波变换模极大值的自适应阈值图像去噪算法

依据白噪声小波变换性态与信号奇异性相比具有显著不同的特点，在大尺度下设置阈值，去掉噪声信号而保留图像细节信号引起的模极大值点。在阈值设置问题上，采用自适应阈值的方法，克服单一阈值不能在每级尺度上将信号与噪声作最大分离的缺点。实验表明，与单一阈值去噪方法相比，该方法不仅可以保留图像边缘信息，而且能提高去噪后图像的峰值信噪比2～5dB。     

一种自适应的图像双边滤波方法

提出一种利用双边滤波的图像平滑滤波方法,即在滤除图像中高频噪声的同时,按照图像亮度变化保持图像中处于高频部分的边缘信息的自适应滤波过程。该滤波方法将传统的Gauss滤波器的权系数优化成Gauss函数和图像的亮度信息乘积的形式,优化后的权系数再与图像作卷积运算。这样,滤波时就可以考虑到图像的亮度信息,在滤除图像噪声的同时尽量保持了图像的边缘。由于双边滤波的方法可以使滤波器的权系数随着图像的亮度变化而改变,所以在滤波过程中能达到自适应滤波的目的。     

基于PCNN区域分割的图像邻域去噪算法

针对小波图像去噪方法中使用的NeighShrink方法,本文提出了一种有效的保护图像边缘的图像去噪算法.主要改进了NeighShrink方法中固定的邻域范围,根据图像自身的性质,自适应分割成不同的邻域对图像进行去噪处理;并进一步结合小波层内相关性,对各个不规则邻域加上固定的窗口,选择了几何距离更为接近且在同一不规则邻域内的系数,以完善NeighShrink方法.该算法采取平稳小波对含噪图像进行分解,以保持相位不变性,并对低频子带利用脉冲耦合神经网络模型进行图像分割,按照一定的规则将性质相似的像素点相接,得到原图像分割后的信息.在处理过程中利用得到的分割信息对边缘予以保护.实验结果表明,该方法在降低了图像噪声的同时又尽可能地保留了图像的边缘信息,是一种有效的去噪方法.     

基于变分PDE的地震资料空间自适应保边缘去噪方法

地震资料去噪是地震资料处理的一个基本环节,其信噪比的好坏会直接影响地震资料的可靠性及地质解释的精度．本文主要针对已有方法在去噪的同时不能很好地保持边缘信息这一问题,通过构造空间自适应边缘检测函数,建立了基于分数阶偏微分方程的自适应变分去噪模型;然后,推导了求解新模型的分数阶Euler-Lagrange方程,并给出其离散格式;最后,将本文提出的方法用于合成地震数据及实际地震数据去噪,通过与传统去噪方法相比较,验证了新方法的有效性与实用性．     

一种基于小波变换的图像自适应去噪新方法

针对图像在日常拍摄和传输过程中极易受到干扰,造成图像模糊,分辨困难的问题。文章中首先对利用滤波去除图像噪声的方法以及利用常见的小波系数变换去除图像噪声的方法进行了说明并给出了小波变换去噪的步骤和流程图,进而针对性的提出了一种基于小波变换的自适应图像去噪方法。利用信噪比（SNR）和峰值信噪比（PSNR）两种客观评价方法将文章方法与其他方法进行了比较,数值仿真结果表明文章中提到的方法大大提高了图像去噪的水平,达到了自适应去噪的效果,说明该方法具有很好的实用性。     

针对合成孔径雷达图像的新型LOG边缘检测算法

传统LOG边缘检测算法对合成孔径雷达图像进行边缘检测时,对噪声敏感,同时也易损坏部分低强度边缘。针对这一问题,提出了一种新型的 LOG边缘检测算法,首先采用双边滤波和自适应中值滤波来代替传统LOG算子中的高斯滤波,再计算平滑后图像的拉普拉斯,最后提取运算后的零交叉点作为图像的边缘。仿真实验表明,本文方法在脉冲噪声环境下具有显著的去噪效果,而且能较好地保护边缘,提高了检测精度,相对传统LOG算法具有更好地检测效果。     

结合差分曲率的空间模糊C均值图像分割算法

针对基于空间信息的模糊C均值图像分割算法(sFCM)在对含噪图像分割时,图像的噪声和边缘细节不能同时得到较为正确分割的问题,本文提出了一种结合差分曲率的改进sFCM算法.差分曲率(difference curvature)可以有效地区分图像边缘和平坦区.将差分曲率引入到sFCM算法的空间函数中,算法的函数相关性参数在每个像素点处自适应取值,使改进算法在抗噪性能提高的同时,对图像细节有着更好的分割效果.实验结果表明:在对含噪图像进行分割时,本文提出的改进算法相比于sFCM及其衍生算法具有更好的模糊划分效果,并有效地提升了sFCM算法的抗噪性和对边缘细节的保护能力.     

基于局部坐标二次微分的自适应全变分去噪复原

针对传统TV去噪复原算法以梯度模值作为图像的边缘检测算子,无法清晰地识别边缘和灰度渐变区及去除平坦区内的孤立噪声的问题,提出了一种基于局部坐标二次微分的边缘检测算子对传统模型进行改进。改进后的模型能根据各像素点的新检测算子信息,自适应选取复原模型中决定扩散强弱的参数,并且利用图像局部信息对正则化项和保真项进行加权。同时在数值实现上,采用一种基于梯度矢量的方向变化的方法来实现散度离散化,以更加有效地保留图像的局部细节信息。数值试验表明,该算法在克服灰度渐变区内的阶梯效应和保留图像的细节边缘方面明显优于传统算法。     

基于深度残差学习的彩色图像去噪研究

目的 当噪声存在时,尤其是等级相对较大的噪声,会导致彩色图像的视觉质量下降,为了有效去除噪声的同时使去噪后的图像有更好的视觉效果,提出一种基于深度残差学习的彩色图像去噪方法。方法 首先设计由多个残差单元模块组成的残差层,然后在每个残差单元模块之间添加跳跃连接,构成由噪声图像到去噪图像的非线性映射,并优化残差单元个数,使网络能学习到更多的图像细节特征,以提升网络的去噪性能,同时将每个残差单元模块中的激活函数提到卷积层前面,以加速网络收敛。结果 与常用去噪算法相比,文中方法在Kodak24和CBSD100数据集上的主观视觉打分MOS值以及客观指标(PSNR和SSIM)上,较其他方法有更好的效果。结论 提出的基于深度残差学习的彩色图像去噪方法能有效去除图像中的噪声,尤其是较严重的噪声,并取得了良好的视觉效果,表明该方法具有良好的去噪性能。     

应用轮廓波和稀疏编码收缩法消噪毫米波图像

结合以峭度为稀疏标准的稀疏编码算法的高阶统计特性以及轮廓波分解的方向性和能量变化特性,提出了一种新的基于轮廓波和稀疏编码收缩技术的毫米波图像消噪方法。稀疏编码是一种有效的模拟视觉系统的图像特征提取方法,根据提出的特征系数的稀疏先验分布知识,能够自适应地确定收缩阈值。把该收缩技术应用到轮廓波变换域,能够很好地减弱毫米波图像中的未知噪声。采用相对信噪比评判消噪图像的质量,仿真实验表明,与标准稀疏编码收缩方法、轮廓波变换域降噪方法以及小波软阈值收缩方法相比,该降噪方法能够获得较好的图像恢复质量。     

Image speckle noise denoising by a multi-layer fusion enhancement method based on block matching and 3D filtering

In order to improve speckle noise denoising of block matching and 3D filtering (BM3D) method, an image frequency-domain multi-layer fusion enhancement method (MLFE-BM3D) based on nonsubsampled contourlet transform (NSCT) has been proposed. The method designs an NSCT hard threshold denoising enhancement to preprocess the image, then uses fusion enhancement in NSCT domain to fuse the preliminary estimation results of images before and after the NSCT hard threshold denoising, finally, BM3D denoising is carried out with the fused image to obtain the final denoising result. Experiments on natural images and medical ultrasound images show that MLFE-BM3D method can achieve better visual effects than BM3D method, the peak signal to noise ratio (PSNR) of the denoised image is increased by 0.5?dB. The MLFE-BM3D method can improve the denoising effect of speckle noise in the texture region, and still maintain a good denoising effect in the smooth region of the image.     

基于双边滤波的自适应彩色图像去噪研究

目的为了克服彩色图像去噪后存在的特征模糊,研究基于双边滤波的自适应彩色噪声图像去噪方法。方法使用二维离散小波变换(DWT)对含噪声的彩图图像进行近似分量、水平细节分量、垂直细节分量和对角细节分量等4个方向的分解。根据DWT各方向分量归一化后的方差比例,利用RBF神经网络构造双边滤波系数模型确定不同方向的最佳去噪系数,提出彩色噪声图像自适应去噪方法(DWT-ABF),并将该方法与常规方法作对比。结果在不同噪声类型以及混合噪声失真情况下文中方法都能有效地去除噪声,并同时保留图像细节信息,且与其他方法相比,文中方法去噪后的图像都具有更高的PSNR值。结论文中方法克服了传统双边滤波无法自行确定最佳参数的缺陷,同时也良好地解决了去噪图像特征模糊的问题。     

基于相关系数的改进各向异性扩散去噪模型

经典Perona-Malik各向异性扩散去噪模型中仅考虑了图像的梯度信息,在去除噪声时不能很好的保持图像中的目标边界.针对该问题本文提出了一种基于相关系数的改进各向异性散去噪模型.该模型在考虑图像梯度信息的同时,增加了灰度相关系数这一图像局部统计信息因子.实验结果表明:和经典模型相比,改进模型在噪声去除的同时能够较好地...     

A robust variational approach to super-resolution with nonlocal TV regularisation term

Abstract

Multi frame super-resolution (SR) reconstruction algorithms make use of complimentary information among low-resolution (LR) images to yield a high-resolution (HR) image. Inspired by recent development on the video denoising problem, we propose a robust variational approach for SR-based on a constrained variational model that uses the nonlocal total variation (TV) as a regularisation term. In our method, a weighted fidelity term is proposed to take into account inaccurate estimates of the registration parameters and the point spread function. Moreover, we introduce the nonlocal TV as a regularisation term in order to take into account complex spatial interactions within images. In this way, important features and fine details are enhanced simultaneously with noise reduction. Furthermore, an alternative nonlocal TV regularisation is proposed based on a better weight function which integrates gradient similarity and radiometric similarity. Experiments show the effectiveness and practicability of the proposed method.     

Wavelet‐based denoising and its impact on analytical SPECT reconstruction with nonuniform attenuation compensation

In single photon emission computed tomography (SPECT), the nonstationary Poisson noise in projection data (sinogram) is a major cause of compromising the quality of reconstructed images. To improve the quality, we must suppress the Poisson noise in the sinogram before or during image reconstruction. However, the conventional space or frequency domain denoising methods will likely remove some information that is very important for accurate image reconstruction, especially for analytical SPECT reconstruction with compensation for nonuniform attenuation. As a time‐frequency analysis tool, wavelet transform has been widely used in the signal and image processing fields and demonstrated its powerful functions in the application of denoising. In this article, we studied the denoising abilities of wavelet‐based denoising method and the impact of the denoising on analytical SPECT reconstruction with nonuniform attenuation. Six popular wavelet‐based denoising methods were tested. The reconstruction results showed that the Revised BivaShrink method with complex wavelet is better than others in analytical SPECT reconstruction with nonuniform attenuation compensation. Meanwhile, we found that the effect of the Anscombe transform for denoising is not significant on the wavelet‐based denoising methods, and the wavelet‐based de‐noise methods can obtain good denoising result even if we do not use Anscombe transform. The wavelet‐based denoising methods are the good choice for analytical SPECT reconstruction with compensation for nonuniform attenuation. © 2013 Wiley Periodicals, Inc. Int J Imaging Syst Technol, 23, 36–43, 2013     

闪光CCD图像的中值-非线性扩散滤波

根据闪光CCD图像的特点,提出了一种中值-非线性扩散滤波(Median-NonlinearDiffusionFiltering,简称MNDF)方法。该方法采用中值预滤波来估计图像的真实边缘,通过求解偏微分方程(PartialDifferentialEquation,简称PDE)来进行非线性扩散滤波,充分发挥了中值滤波和非线性扩散滤波的优势,能更好地消除噪声、保护边缘。实验结果表明,在高斯噪声和脉冲噪声同时存在的情况下,MNDF方法取得的滤波效果较P-M方案和Catte方案要好,信噪比改善因子提高3~5倍,均方误差减小1.3~2.7倍。对闪光照相CCD图像取得了很好的消噪声结果,保护了边缘信息。     

一种高效的图像去噪算法

针对图像去噪的速度以及可能出现的阶梯效应等问题进行了研究,提出了一种高效的图像去噪算法.该算法在贝叶斯框架下,首先引入调和模型作为原始图像的先验模型,并用伽马分布作为未知参数的先验分布模型;然后,用变分近似的方法推导最大后验概率;基于此推导过程,同步地估计原始图像和未知参数的最优值,实现图像去噪.实验结果证明了该算法的高效性,通过与其它算法的比较,该算法体现了速度快、效果好的优点,且去噪后的图像不会出现阶梯效应等问题.