基于K-SVD算法改进BayesShrink小波阈值去噪

提出了一种基于BayesShrink小波阈值去噪算法和稀疏字典学习算法(K-SVD)相结合的图像去噪算法.针对现有的小波去噪算法只处理了细节子带系数,而没有处理近似子带的系数最终导致去噪效果带有局限性的问题,在实际应用中,噪声不仅改变了细节子带系数同时还改变了近似子带的系数,提出了使用K-SVD算法处理图像小波变换近似子带系数以改进现有小波阈值图像去噪算法的效果的缺陷,仿真实验结果表明:改进后的算法能够有效的去除图像的高斯噪声,提高图像的峰值信噪比,明显的改善图像的视觉效果.     

结合Shearlet与Bayesian MAP估计的图像去噪

针对小波变换及Contourlet变换在图像去噪应用中的不足,提出一种结合Shearlet与Bayesian MAP估计的图像去噪算法。首先对含噪图像进行Shearlet分解,之后根据Bayesian MAP准则对分解后的各子带信号进行估计,最后通过重构得到去噪图像。实验表明,相对于其他去噪算法,该方法很好地保留了图像的细节,取得了更好的视觉效果。     

一种新的小波图像去噪方法

小波图像去噪已经成为目前图像去噪的主要方法之一，目前的研究主要集中于如何选取阈值使去噪达到较好的效果。边缘信息是图像最为有用的高频信息，在图像去噪的同时，应尽量保留图像的边缘信息，基于这一思想，提出一种新的小波图像去噪方法。用数学形态学算子对图像小波变换后的小波系数进行处理，以去除具有较小支持域的噪声，保留具有连续支持域的边缘。实验结果表明，与普通的小波阈值去噪方法相比，该方法不但可以保留图像的边缘信息，而且能提高去噪后图像的峰值信噪比2～5dB，提高信噪比6～10dB。     

基于TLS的正交小波变换红外图像去噪

提出了一种基于总体最小二乘的正交小波变换红外图像去噪算法。对红外图像进行离散正交小波变换,分别对各个分解层的高频子带,通过总体最小二乘算法估计小波系数,获得各个高频子带信号的估计系数,然后通过正交小波反变换得到去噪图像。仿真结果表明,该红外图像去噪算法能有效去除加性红外图像噪声,在信噪比、直方图匹配等方面都有较大改善,并获得了良好的主观视觉效果。     

一种基于数学形态学与小波域增强的滤波算法

为了有效滤除图像高斯噪声,将数学形态学与小波域增强相结合,提出了一种高斯噪声新型滤波算法.该算法首先将噪声图像进行二维小波分解,得到低频和高频子图像;然后保留低频子图像不变,对各高频子图像根据其噪声分布特点分别设计出多角度、多结构逐级形态学滤波器进行滤波处理,并进行小波分解系数重构;最后对经过形态学滤波后的图像进行2层小波分解,通过设计出一种新型小波增强函数对不同幅值的小波系数进行不同程度的收缩处理,在此基础上进行分解系数重构.将自适应中值滤波与数学形态学滤波与本文算法进行比较,实验证明本文滤波算法其去噪效果优于前两种算法.     

基于双正交小波和边缘加权的图像去噪算法

文中针对现有去噪算法存在的问题,提出了一种基于双正交小波和边缘加权的新的图像去噪算法.该算法对图像进行基于图像移位相关性的自适应二叉分解,研究了白高斯噪声在双正交小波分解下的功率谱,并结合图像的边缘信息,对不同区域的去噪阈值以不同权重加权.实验结果表明,文中算法去噪所得图像的MSE优于小波变换全局阈值去噪,视觉效果明显优于维纳滤波去噪.     

维纳滤波和非线性扩散相结合的图像去噪

提出一种基于小波和非线性扩散的新的图像去噪算法。小波域局部维纳滤波是一种简单有效的去噪方法,利用该方法先对原始图像进行初步去噪,以此引导非线性扩散模型中的边缘检测函数,再用非线性扩散进行去噪。实验表明:该算法不仅很好地保存了图像的边缘信息,而且有效地去除了图像中的大部分噪声,无论是视觉效果还是客观标准上都优于单纯的小波域维纳滤波或非线性扩散去噪。     

基于NSCT子带自适应Bayes阈值图像去噪方法

利用非下采样Contourlet变换（NSCT）平移不变性、多分辨率、多方向的优点,提出了一种基于非下采样Contourlet变换的子带自适应Bayes阈值图像去噪算法。该算法将源图像分解至NSCT变换域．能根据不同尺度、不同方向的子带能量,自适应调整去噪阈值。实验表明,与Contourlet多尺度阈值去噪、Conto...     

一种新的基于NIG模型的四元数小波图像去噪方法

基于正态逆高斯模型和快速双边滤波,本文在四元数小波变换域提出一种新的图像去噪算法。首先将噪声图像进行四元数小波变换分解,其次应用快速双边滤波算法处理低频子带,高频子带采用正态逆高斯模型对其进行建模,并结合最大后验概率估计准则推导出相应的阈值函数,最后结合最优线性插值得到的阈值算法实现图像去噪。对提出的算法进行实验仿真,通过与已有优秀去噪算法比较,结果显示本文方法取得了不错的视觉效果,且在峰值信噪比和平均结构相似性上都得到一定的提高。     

基于小波变换的图像去噪方法研究

图像去噪问题是一个古老的难题,也是当前研究的热点问题,而图像小波去噪算法在图像去噪方面虽然已取得了一定进步,但在这一领域仍然有许多问题需要研究,为了进一步提高图像去噪质量,改善图像视觉效果。在此通过在小波阀值萎缩法、基于混合模型的小波去噪法、小波去噪与其他算法相结合的三类方法中分别选用了三种典型算法即VisuSh?rink法、基于高斯混合模型小波去噪法、中值滤波与小波去噪相结合的算法,对当前基于小波变换图像去噪这三类典型问题进行了研究。研究表明对于单一的噪声,用相应某种算法,就可能取得较理想效果。而对于混合噪声,单独的一种算法取得的效果是比较差的,只有采用几种算法相结合才能取得较好的效果,因而在此也为图像去噪指明了以后的研究方向。     

用方向小波域的维纳滤波图像去噪算法

方向小波是在多尺度几何分析(MGA)的思想下产生的一种新的图像处理工具.针对含高斯噪声图像的方向小波系数仍服从高斯分布的特点,提出一种方向小波域的维纳滤波去噪方法.修正了多方向框架,给出了维纳滤波处理方向小波系数的方法及过程.并将其分别应用于不同纹理复杂程度和信噪比的图像,利用信噪比进行了验证.实践证明了方向小波域的维纳滤波算法具有计算简单、去噪效果好、保持纹理等特点.     

A spatially adaptive nonparametric regression image deblurring.

We propose a novel nonparametric regression metthod for deblurring noisy images. The method is based on the local polynomial approximation (LPA) of the image and the paradigm of intersecting confidence intervals (ICI) that is applied to define the adaptive varying scales (window sizes) of the LPA estimators. The LPA-ICI algorithm is nonlinear and spatially adaptive with respect to smoothness and irregularities of the image corrupted by additive noise. Multiresolution wavelet algorithms produce estimates which are combined from different scale projections. In contrast to them, the proposed ICI algorithm gives a varying scale adaptive estimate defining a single best scale for each pixel. In the new algorithm, the actual filtering is performed in signal domain while frequency domain Fourier transform operations are applied only for calculation of convolutions. The regularized inverse and Wiener inverse filters serve as deblurring operators used jointly with the LPA-design directional kernel filters. Experiments demonstrate the state-of-art performance of the new estimators which visually and quantitatively outperform some of the best existing methods.     

自适应维纳滤波在钢水红外图像去噪中的应用

红外测温系统的应用减少了人工测温的安全事故,但其温度的准确性取决于由红外热像仪获得的图像的质量.为了对钢水红外图像质量的影响,提出了基于自适应维纳滤波的去噪方法.通过自相关的参数指数衰减模型来控制算法的计算复杂性和敏感性,进而有效提高维纳滤波器的去降噪性能.基于对不同温度下钢水红外图像的去噪处理,验证了所提去噪方法比维...     

Denoising images corrupted by impulsive noise using projections onto the epigraph set of the total variation function (PES-TV)

In this article, a novel algorithm for denoising images corrupted by impulsive noise is presented. Impulsive noise generates pixels whose gray level values are not consistent with the neighboring pixels. The proposed denoising algorithm is a two-step procedure. In the first step, image denoising is formulated as a convex optimization problem, whose constraints are defined as limitations on local variations between neighboring pixels. We use Projections onto the Epigraph Set of the TV function (PES-TV) to solve this problem. Unlike other approaches in the literature, the PES-TV method does not require any prior information about the noise variance. It is only capable of utilizing local relations among pixels and does not fully take advantage of correlations between spatially distant areas of an image with similar appearance. In the second step, a Wiener filtering approach is cascaded to the PES-TV-based method to take advantage of global correlations in an image. In this step, the image is first divided into blocks and those with similar content are jointly denoised using a 3D Wiener filter. The denoising performance of the proposed two-step method was compared against three state-of-the-art denoising methods under various impulsive noise models.     

结合张量空间与倒易晶胞的高光谱影像去噪去混叠

传统去噪去混叠算法大多针对单波段图像,针对于高光谱影像的特点以及噪声、混叠对于图像的影响,提出了一种结合张量与倒易晶胞的多维滤波算法,并将其应用在高光谱影像的去噪和去混叠中。该方法引入张量,将高光谱影像数据视为三阶的张量表达,以倒易晶胞获取影像混叠和噪声较小的频谱覆盖,从最小均方误差的角度交替迭代求解三个方向的滤波器,最终完成影像滤波,在保证影像空间和光谱信息一致性的前提下,有效地减少影像混叠和噪声,提高图像的质量。通过与二维维纳滤波算法、张量多维去噪算法的多组高光谱数据对比实验,证明了文中算法的有效性。     

Contourlet-based image denoising algorithm using directional windows

Contourlet is a new effective signal representation tool in many image applications. Proposed is a contourlet-based image denoising algorithm using directional windows which takes advantage of the captured directional information of the images. Experiments show that the proposed algorithm achieves better performance than other contourlet-based image denoising algorithms     

Multiple-step local Wiener filter with proper stopping in wavelet domain

In this paper, we propose an adaptive multiple steps local Wiener filter image denoising algorithm in the wavelet domain. This algorithm can be considered as a discretized implementation of adaptive heat diffusion equation, and is carried out by multiple successive steps. The denoised output from one iteration is taken as the input to the next. The proper iteration number is determined by total denoising amount which is measured by noise variance. The selected local window sizes are also relatively stable. The experimental results show the effectiveness of the proposed method.     

医学图像增强系统设计

为了改善医学图像的视觉效果,提高图像的清晰度,使之更适合于机器的分析处理以及人的视觉特性,并突出病灶点,为病理学诊断和临床诊断提供可靠依据。设计了一个对医学图像十分具有针对性的图像增强系统。针对CT图像的电子噪声提出了基于修正维纳滤波的小波包去噪算法;针对B型超声图像的散斑噪声提出了基于脉冲耦合神经网络(PCNN)模型的小波自适应斑点噪声滤除算法;针对医学图像对比度低,边缘信息模糊等特点,提出了基于小波变换的医学图像增强算法。当噪声方差为0.01时,基于脉冲耦合神经网络(PCNN)模型的小波自适应斑点噪声滤除算法获得的PSNR比经Wiener滤波方法获得的PSNR高出9 dB。系统能快速找到噪声点进行定点去噪,能有效提高医学图像的对比度,增强边缘细节信息,突出病灶点的位置,从而达到较好的处理效果,为医疗工作者观察病症提供更加清晰准确的依据。     

Hybrid gradient-domain image denoising

Presented is a new gradient-domain denoising method based on hybrid diffusion (thresholding) functions, combining signal gradient detection (SGD) and signal local directional variance (SLDV). In the process of denoising, the contribution of SGD and SLDV is adaptive to the contents of image. The test results presented here demonstrate that the proposed hybrid method is always on par or exceeding the current state-of-the-art gradient-domain image denoising algorithm which is named as gradient-based Wiener filter (GWF) based on SLDV and the classical Gaussian regularization anisotropic diffusion (GRAD) based on SGD, both visually and quantitatively. At the same time, the comparison compared to other reported results with related local spatial domain diffusion-based methods further verifies the good performance of the proposed method.     

基于改进脊波变换的红外视频图像高质量复原

为了实现红外视频降质图像高质量复原,采用一种基于改进脊波变换的图像复原算法来进行处理。该算法首先对降质图像进行改进脊波变换,然后提出一种具有加权改进自适应伪中值滤波算法对脊波系数进行处理,最后针对滤波后图像中时常出现的"环绕"现象,引入自适应Wiener滤波算法来抑制。进行了理论分析和实验验证,取得了相关模拟降质图像、真实降质图像以及峰值信噪比的测试数据。结果表明,该算法性能优于伪中值滤波以及两类脊波变换去噪算法。这对于实现红外视频降质图像复原研究是有帮助的。