PM模型与YK模型相结合图像去噪改进方法

本文在研究二阶各向异性扩散方程与四阶各向异性扩散方程的基础上,提出了二者结合的组合扩散算子,同时提出了新的扩散系数.实验表明,新方法对高斯噪声比原有的两种方法有更好的去噪效果,不但能够有效地提高峰值信噪比,而且也消除了四阶方程中所出现的"孤立点".     

一种改进权重的非局部均值滤波算法

传统非局部均值滤波算法采用指数型加权核函数,容易导致图像细节平滑过度,并且权值分配容易受到噪声的影响。针对这一问题,提出一种改进权重的非局部均值滤波算法,设计一种新的加权核函数替代原本的指数型核函数,改善权值的分配。实验结果表明,改进算法降噪效果优于传统非局部均值滤波算法,在滤除噪声的同时更好地保护了图像的边缘与细节,并且噪声强度越大,改进算法的优势越明显。     

基于自注意力机制的单幅图像去雨滴方法

在数字图像中去除雨滴的干扰,对恢复图像质量有较大应用意义.随着深度学习图像去噪技术的发展,针对目前大多数去雨滴的方法恢复质量低、计算量大等问题,提出了一种基于自注意力机制的轻型图像去雨滴算法.该算法建立了一个轻量级的级联稠密残差网络(cascaded dense residual network),用于恢复被雨滴覆盖的...     

改进动态阈值去噪在远程图像小目标检测中的应用研究

远程图像小目标在视频帧图像中占据的比例较低,无法有效划分目标和背景,目标检测精度低。因此,将改进动态阈值去噪法应用于远程图像小目标检测中,给出了远程图像小目标检测系统硬件总体结构,通过图像采集模块对图像传感器进行驱动,将采集到的远程图像数据保存至SDRAM模块中,并将该图像数据传输到显示器上显示。软件设计中,给出将改进动态阈值去噪方法应用于远程图像小目标检测的详细过程。实验结果表明,所提方法在检测远程图像小目标过程中具有可行性,可准确分割出小目标,满足检测实时性的需求,并且具有较强的适应能力。     

基于模拟退火算法的稀疏表示图像去噪

使用稀疏表示的方法对图像去噪。对于稀疏表示最关键的是稀疏表示系数和自适应字典的确定,如何同时找到这两个最优的参数是研究的主要问题。通过模拟退火算法得到最优的自适应字典与相对应的稀疏系数。用求得的字典和稀疏系数进行逆运算得到去噪后的图像,完成图像去噪。与广泛使用的K-SVD算法对比,所提算法的峰值信噪比提高6.9%,在时间复杂度上改善了13.7%。     

基于侧影轮廓的激光射线成像图像重建方法

由于进行激光射线成像图像重建的过程中没有对图像去噪处理,导致图像画面模糊,为此提出基于侧影轮廓的激光射线成像图像重建方法。采用两侧相邻法进行直线插补,去除激光射线成像图像中存在的噪声;结合图像灰度二值化方法将去噪后的图像转化成黑白二值图像;通过侧影轮廓中心相位提取二值图像特征;采用包围盒方法,建立图像重建三维数据场,按照数据场对激光射线成像序列实行直接绘制,实现图像重建。通过实验可知,所提方法重建后图像画面清晰,能够全面展现原始图像内纹理细节信息,且图像重建效率较高。     

基于压缩感知的水下图像去噪

水下环境复杂,水下摄像得到的图像较为模糊。采集数据时会采集到大量不包含任何有用信息的数据,噪声影响更严重。压缩感知理论提出,能用较低采样率高概率重构信号。为研究压缩感知对水下图像噪声的抑制作用,采用OMP,SP,COSAMP不同贪婪重构算法对水下图像进行不同采样率重构分析。实验结果表明,选取合适采样率既可以以少量数据重构图像,又可以抑制水下噪声,且OMP算法效果最好。     

基于USFFT Curvelet变换图像去噪算法

为了更好地保留图像的高频细节信息,有效地避免图像重构中出现边缘扭曲现象.提出一种基于USFFT Curvelet变换的图像去噪算法.该方法首先对噪声图像进行USFFT Curvelet变换,在变换域计算噪声图像具有的全局阈值,然后采用窗口技术自适应地估计每个处理像素的萎缩因子,通过USFFT Curvelet反变换得到...     

基于自适应阈值的图像去噪新算法

提出了一种具有自适应阚值的图像去噪算法.首先,阚值函数具有连续性,高阶可导性,充分体现了小波分解后系数的能量分布,且函数表达式简单易于计算,适合各种数学处理.其次,阈值的选取考虑了分解过程中小波系数的相关性和过程性等因素,减小了对噪声的误判率,具有更强的实用性.仿真实验结果表明,新算法不仅比传统算法运算量小,而且取得了更高的峰值信噪比(PSNR)和更小的均方误差(MSE),更加有效地去除了图像的噪声.     

基于卷积神经网络的SAR图像去噪新方法

本文针对SAR图像相干斑噪声提出一种基于卷积神经网络的SAR图像去噪新方法。把带噪SAR图像输入到本文设计的网络中,利用网络的卷积层提取SAR图像的深层特征,池化层进一步处理以使深层特征降维,再通过反卷积层得到与输入图像尺寸大小一样的结果,并将其与原无噪图像对比,以两者的误差作为神经网络优化器的输入,驱动网络更新各层参数使误差函数最小。为了缩短网络训练收敛的时间,引入ReLU激活函数和批归一化处理,经过少次训练后,网络输出的结果就能接近原始SAR图像。实测数据试验结果表明,与传统SAR-BM3D和SAR-NL去噪方法相比,新方法去噪能力更强,图像视觉效果更好。