轮胎图像去噪方法研究

为了减少噪声对轮胎图像的影响，研究了几种不同轮胎图像降噪算法。首先构建带有高斯噪声和椒盐噪声的轮胎图像；然后采用均值滤波、中值滤波和小波变换算法实现轮胎图像去噪；最后通过实验验证了轮胎图像去噪方法的有效性，分析了不同方法的峰值信噪比（Peak Signal to Noise Ratio, PSNR）性能。     

改进型PM与递归滤波器相结合的图像去噪方法

由于各向异性扩散算法在运用于图像去噪的过程中，容易产生图像边缘信息丢失，纹理细节模糊等现象.针对这一情况，提出了一种改进型PM与递归滤波器相结合的图像去噪算法，该算法首先通过控制梯度方向和垂直于梯度方向的扩散系数来保留图像的边缘信息，再通过递归滤波算法减少迭代次数来保护图像的细节纹理特征.实验结果表明，新方法在图像去噪和保护图像的边缘细节信息等方面都有着优越的效果，且大幅降低了均方差，对于图像的峰值信噪比也有显著的提高.     

基于层结构的Contourlet多阈值图像去噪算法

研究了多尺度几何分析工具Contourlet，提出了一种基于层结构的Contourlet多阈值去噪算法。该算法将硬阈值算法与基于子带相关的图像去噪方法相结合，根据Contourlet变换后各层分解的系数数目及噪声强度设定阈值，并利用硬阈值函数实现图像去噪。使用该算法去噪后的图像在主观视觉效果和客观质量等方面较小波算法有显著提高。     

经典图像去噪算法研究综述

就几种典型的图像去噪方法进行了介绍,通过分析各种算法的原理及过程,阐述了其在图像去噪领域中的发展前景及优缺点。为了更直观地对比各种算法的处理效果,给出了它们对同一幅测试图像进行去噪的实验结果。最后针对图像去噪技术所面临的问题和今后的发展提出了一些观点。     

融合分形小波图像去噪和插值的新算法

提出一种能同时进行图像去噪和插值的分形小波算法。该算法在图像的编码过程中实现去噪,在解码过程中完成插值。基于分形的图像去噪算法涉及由含噪图像的统计特性预测无噪图像的分形编码参数,并由这一参数产生含噪图像的无噪估计。通过在解码过程中添加适量的分形小波外推步骤,即可实现图像的插值。为了减小失真、增强经此算法处理后图像的质量,该引入Cycle Spinning算法。实验结果表明,该方法在同时实现图像去噪、压缩和插值上是最优的。且Cycle Spinning算法的引入明显改善图像视觉效果,显著提高图像的PSNR值。     

基于小波变换气动光学效应模糊图像去噪

采用小渡变换算法用于气动光学效应图像去噪研究。结合气动光学效应的复杂性和小渡变换的特性，小渡变换算法可以有效地应用于气动光学效应图像去噪。去噪图像相对于原图像误差小，去噪效果明显。     

非平稳环境下基于小波变换的图像去噪

传统的图像去噪算法往往仅对平稳或缓慢变化的噪声有效,且残留的图像噪声较大。对此,研究了非平稳环境下基于小波变换的图像去噪算法。该算法根据图像与噪声在小波域的分布特性以及它们的小波变换模极大值随尺度的变化大小不同,运用迭代算法得到不同尺度小波域中噪声的具体位置以及小波系数大小,完成了图像去噪。实验结果表明,对峰值信噪比较低的图像,该方法去噪后峰值信噪比比传统方法的高,并且保留了较多的图像细节,同时对平稳和非平稳的噪声都能进行较好地去噪。     

基于多核的MCMC图像去噪算法并行实现

图像去噪是许多图像处理任务的前提。马尔可夫链蒙特卡洛图像去噪算法是很重要的一种图像去噪方法,但去噪后图像存在明显斑点,在高噪声情况下去噪效果不理想,实际应用中需要进行噪声方差估计,运算速度慢。提出两步去噪方法,用均值滤波对噪声图像进行预处理,估计预处理后图像噪声方差,进行MCMC图像去噪;为充分利用多核处理器的硬件资源,研究了将MCMC算法进行并行编程,提高了程序的运行速度。实验表明两步去噪方法减少了斑点、提高了信噪比;并行实现提高了运算效率。     

基于核局部线性嵌入算法的图像去噪方法

利用局部线性嵌入算法进行图像去噪时,如果局部近邻样本呈现非线性关系,图像去噪效果会受到影响。针对该问题,提出基于核局部线性嵌入算法的图像去噪方法。通过非线性核函数将样本映射到高维线性空间,在高维空间运用局部线性嵌入算法进行图像去噪。实验结果表明,该方法能有效地对高维非线性图像进行去噪,性能优于中值滤波算法和局部线性嵌入算法。     

基于分裂Bergman的图像去噪实现

本文设计了一种基于基于分裂Bregman迭代方法的全变差图像去噪算法,最终通过实验表明,该算法具有有效性强,实现效率高,并且通过全变差图像去噪方法,很好的保留图像的边缘。     

基于小波阈值的图像去噪方法研究

本文概述了小波阈值去噪的基本原理,对常用的几种阈值去噪方法进行了分析比较和仿真实现。最后结合理论分析和实验结果,讨论了一个完整去噪算法中影响去噪性能的各种因素。为实际的图像处理中,小波阈值去噪法的选择和改进提供了数据参考和依据。     

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。     

A texture image denoising approach based on fractional developmental mathematics

The traditional integer-order computation-based denoising approaches often blur the edges and textural details of an image. To solve this problem, from the viewpoint of system evolution, and based on the features of fractional calculus, we propose to implement a texture image denoising approach based on fractional developmental mathematics (FDM) which applies a novel mathematical method, fractional calculus, to image denoising. First, we synopsize the necessary theoretical background of fractional calculus. Second, we derive the necessary mathematical models for implementation of a texture image denoising approach based on FDM. We derive fractional Green’s formula, fractional Gauss’ formula, and fractional Stokes’ formula, and fractional Euler–Lagrange equation. Then, a texture image denoising approach based on FDM is proposed. Third, we implement comparative experiments. We firstly derive the numerical implementation of FDM. Then, we study the capability of preserving the edges and textural details of FDM by comparative experiments. The comparative experimental results show that the capability of preserving the edges and textural details of the FDM-based denoising algorithm is obviously superior to that of traditional integer-order computation-based algorithms, especially for texture detail rich images.     

TWFBD的浮点数编码遗传算法

近年来,有关浮点数编码遗传算法的消噪变异研究有了一定的进展,取得了一些成果。浮点数编码消噪变异的理论和方法研究一直是该领域研究的重点,需要有更新更有理论和应用价值的研究成果出现。有界域的紧小波框架用于浮点数编码消噪变异尚处于无人问津的研究领域。着重分析了有界域的紧小波框架的性质,用有界域的紧小波框架在算法中进行消噪变异操作,提出了基于有界域紧小波框架的遗传算法,并进行了实验。研究和实验结果表明,将有界域的紧小波框架用于浮点数编码消噪变异,具有可靠的理论基础,与其他方法相比,其效果也十分明显。     

地震信号小波变换的去噪方法

运用模极大值法基本原理进行地震信号去噪研究,进而运用二次小波变换原理通过低层系数处理对常用小波去噪方法进行改进.通过合成不同的染噪地震信号,由一系列仿真实验对模拟地震信号进行不同尺度的小波分解与重构,从而实现最优小波分解尺度上的地震信号噪声去除.与常用的快速傅立叶转换方法比较,仿真结果表明,该小波变换方法能够有效去除地震勘探信号中的噪声,并且针对系数的二次小波变换可以明显改进去噪的效果.     

基于改进小波阈值法的图像去噪算法

图像去噪是图像处理中最基本、最重要的前期工作,本文提出一种基于衰减法的Garrote阈值函数,并将基于该改进阈值函数的小波阈值法用于图像去噪过程,最后通过MATLAB仿真实验验证了本文所提出算法的有效性.本文在分析小波阈值法对图像去噪效果影响的基础上,针对该去噪算法在去除噪声的同时也损失了一定量的图像细节信息的问题,改进了传统阈值函数未考虑阈值以下的小波系数可能含有图像细节信息而对阈值以下小波系数盲目置零的缺点,对Garrote阈值函数阈值以下的小波系数采取衰减方法,以保留更多的图像细节信息,并加入三个调整因子以提高其性能和灵活度,实验表明本文提出的改进小波阈值去噪算法能够有效地去除噪声,且能够保留大量的图像边缘及细节信息.     

一种基于小波阈值去噪的改进方法

小波理论是一新兴的信号处理理论,它在时间和频率上都有很好的局部性:分析低频信号时,其时间窗很大;分析高频信号时,其时间窗较小。小波理论已成为信号去噪处理中的一种重要的工具。基于传统的阈值去噪方法,在分析研究了它们的优缺点之后,本着改进滤波效果,提高去噪质量的目的,提出了一种改进方法。该改进方法克服了传统阈值去噪方法的缺陷,并适用于进一步的自适应滤波的需求,仿真实验证实了该改进方法的有效性和优越性。     

信号相位匹配噪声估计的小波去噪方法

多数小波阈值去噪方法需要根据噪声方差来计算相应的阈值,所以噪声方差的估计将直接影响阈值去噪的效果.提出了一种新的相位匹配的噪声方差估计方法,利用该方法实时地逼近当前噪声,建立新的噪声的阈值求取方法.通过实验证明该方法能够大幅度提高信噪比,可以取得非常好的去噪效果.     

基于联合滤波的聚类稀疏表示图像去噪算法

针对非局部均值去噪算法中噪声对结构聚类影响的问题,提出了一种基于联合滤波预处理的聚类稀疏表示图像去噪算法。利用维纳滤波和巴特沃斯滤波联合滤波处理提取含噪图像中的高频分量,同时减小了噪声对聚类的影响;利用非局部均值去噪的思想将高频图像块进行聚类,每一类图像块单独进行字典学习,增强字典的自适应性;利用多循环字典更新的K-SVD算法进行类内字典学习,增强字典的描述能力。实验结果表明,与传统的K-SVD算法相比,该算法能有效保留图像的结构信息,并且提升了图像的去噪效果。