一种各向异性扩散图像去噪的方法

在用各向异性扩散的方法对图像去处噪声的过程中，有时要预先对图像进行平滑处理，再进行各向异性扩散，本文提出了一种对图像预先平滑的方法，并用实验验证了该方法的有效性。     

基于NSCT域各向异性双变量萎缩图像去噪

提出了一种用各向异性双变量拉普拉斯函数模型去模拟NSCT域的系数的图像去噪算法,这种各向异性双边拉普拉斯模型不仅考虑了NSCT系数相邻尺度间的父子关系,同时满足自然图像不同尺度间NSCT系数方差具有各向异性的特征,基于这种统计模型,文中先推导出了一种各向异性双变量收缩函数的近似形式,然后基于贝叶斯去噪法和局部方差估计将这种新的阈值收缩函数应用于NSCT域,实验结果表明文中提出的方法同小波域BiShrink算法、小波域ProbShrink算法、小波域NeighShrink算法相比,能够有效地去除图像的高斯噪声,提高了图像的峰值信噪比;并较完整地保持了图像的纹理和边缘等细节信息,从而明显改善了图像的视觉效果。     

基于模糊各向异性扩散的骨科CT图像去噪

针对X射线散射、量化噪声、电器噪声在人体骨骼CT图像中存在噪声污染等问题,提出一种基于模糊各向异性扩散的骨科CT图像去噪方法,可有效的降低骨骼图像的噪声。一幅清晰的CT图像对于骨折部位的确定与骨折程度的判断有着重要的意义。故要使骨骼图像细节明显,需要对骨骼图像降低噪声。实验表明该方法能够求得一个较为合理的梯度阈值,在除去图像噪声的同时能够较好的保留图像的边缘和细节。     

基于非线性小波阈值的各向异性扩散方程

本文给出了林石算子定义的扩散方程的小波阈值等价形式,并在此基础上对林石算子定义的扩散系数计算公式进行了修改,将其中估计各阶导数时所用的高斯线性滤波图像改成平移不变小波非线性阈值图像,这样避免了高斯滤波引起的过度光滑和边界移动.实验结果表明新的扩散方程在保持边缘位置的同时能更有效地去除噪声.     

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。     

基于各向异性扩散方程的超声图像去噪与边缘增强

超声图像利用不同组织和局部细节的不同回声信号强度和分布来捕捉重要的医学病变信息.然而,超声图像在形成过程中产生的斑点噪声使得超声图像质量较差,给以后的图像特征提取和识别,病情诊断及定量分析造成不利的影响.本文利用局部坐标变换,边缘、局部细节的一、二阶法向导数和双曲正切函数,结合各向异性扩散方程,提出了一种超声图像去噪与边缘增强算法:可以在去除噪声的同时,保持重要的边缘、局部细节和超声回声亮条.理论分析和实验结果表明了本文算法的有效性.     

非线性阈值自调整小波图像去噪方法研究

为解决小波变换阙值去噪方法中阙值的合理选取,提出一种基于非线性阙值自调整小波变换的图像去噪方法。在传统小波阈值去噪方法的基础上,结合神经网络的非线性双曲线正切函数和BP训练方法,首先对含噪图像进行二进小波分解,然后对分解系数进行小波重建,并将重建系数在BP神经网络中采用最速梯度下降法进行优化处理,得到最优阈值,最后对阈值处理的重建系数进行叠加,得到原始图像信号的估计值,即去噪后的图像信号。仿真实验表明,该方法具有较好的重建图像视觉效果,信噪比（SNR）和峰值信噪比（PSNR）均比传统小波阈值方法提高了1～2dB。     

基于小波阈值的断层扫描图像去噪细化处理

针对计算机断层扫描图像(CT图像)在成像过程中出现高斯白噪声的现状,提出了一种改进的小波阀值萎缩去噪方法,具有良好的时频局部化能力和多分辨率分析能力,能够克服传统小波阀值去噪时引起重构信号在奇异点领域产生人为震荡,为医学诊断提供的细节更为丰富、边缘信息更加完善、视觉效果更好的图像.     

基于小波分析的图像去噪处理研究

图像中的噪声会妨碍人们认识处理图像,而图像去噪就是为了去除图像中的嗓声,以便人们对图像作进一步地处理,本文主要介绍了三种经典的小波变换去噪方法——模极大值去噪法、相关性去噪法、阈值去噪法,并对三种方法的性能进行了对比。     

二维小波收缩与各向异性扩散等价性框架及在图像去噪中的应用

图像去噪是图像处理中的一种重要技术。小波收缩根据噪声的小波系数幅值较小的特征通过收缩达到去噪目的。各向异性扩散在尽可能保持图像特征的同时,根据梯度方向及幅值去噪。该文首先证明二维小波收缩与各向异性扩散的等价性框架,对等价性给予验证,进而根据等价性提出综合利用两种方法优势的各向异性小波收缩去噪算法。对比实验结果表明,此算法综合利用了小波收缩与各向异性扩散的优势,去噪效果更加理想。     

基于各向异性扩散方程的局部非纹理图像修整与去噪

图像修整(image inpainting)是一种图像插值的方法,它根据丢失信息区域周围的图像信息来猜测和填充这个区域,图像修整属于图像恢复的范畴。利用变分方法导出的各向异性扩散方程对于图像边缘的良好保持特性,而在图像处理中得到了广泛的应用。基于这一思想,本文提出了一种基于各向异性扩散方程的图像修整算法:在填补修整区域的同时,可有效地去除噪声,同时保持边缘信息。理论分析和实验结果表明了这一点。     

基于小波域上各向异性扩散的图像去噪算法

给出一种将小波阈值和偏微分方程相结合的去噪算法。首先对图像进行小波分解,在小波域上用改进的Perona Malik模型进行各向异性扩散,保留或较小程度的伸缩幅值大的系数,平滑幅值小的系数,较好地保留自然图像在小波域上的非线性相关性的同时实现小波系数伸缩,然后进行小波重构。仿真实验表明,该算法能获得较高的信噪比和较好的主观质量,且运算量比Perona Malik方法要小。     

基于小波域统计混合模型的图像降噪方法

该文提出了一种基于小波域统计混合模型的图像降噪方法。该方法首先利用尺度间模型,将小波系数分成两类：有意义系数和无意义系数;然后在小波域同层模型中运用最大后验概率估计方法,从有意义系数中恢复出原始系数。文章给出了算法的完整步骤。实验结果及分析表明了该方法的有效性。     

基于边缘定向增强的各向异性扩散抑噪方法

本文提出了一个新的边缘定向增强扩散模型.针对现有各向异性扩散方程中,边缘增强扩散模型不能正确地对边缘定向,而相干增强扩散模型易在光滑处产生虚假边缘的缺点,本文的模型采用基于非线性光滑算子的边缘定向算子对边缘定向,并根据边缘的位置和方向设置扩散张量的特征根,使其在光滑区域沿边缘方向和垂直边缘方向均具有较大值,而在边缘区域垂直边缘方向值小,沿边缘方向值大,从而达到既保护边缘又去除噪声的目的,在整幅图像上均具有较好的去噪效果.理论分析和数值计算结果均表明,本文方法具有比现有扩散去噪方法更好的去噪效果,同时在峰值信噪比和边缘保护指数方面具有显著优势.     

一种改进的各向异性扩散去噪算法

平滑图像中的噪声是数字图像处理中非常重要的组成部分。在图像处理过程中,为了有效地实现保边缘平滑,在各向异性扩散模型和含有噪声的图像数据统计特性的基础上,提出了一个能自适应地获取参数的各向异性扩散去噪模型。该模型针对不同程度的噪声图像采用不同的参数值。实验结果表明,改进后的各向异性扩散模型的性能优于Perona-Malik模型,是一种较为理想的保边缘平滑模型。     

一种概率自适应图像去噪模型

从小波变换入手,提出了一种概率自适应去噪模型.该模型包括尺度层间模型和层内模型.去噪方法首先利用小波域层间模型,将小波系数分成两类:有意义系数和无意义系数;然后在层内概率模型下运用最大后验概率估计方法,从有意义系数中恢复出原始系数.我们还将这种模型引入复数小波变换域.实验结果及分析表明了该去噪模型的有效性.     

基于偏微分方程的医学磁共振图像去噪

本文引入了基于偏微分方程的Perona-Malik模型,并结合了Catte的高斯扩散滤波器的概念,给出了一种针对医学磁共振图像去噪的方法及其实现。文中通过给出不同参数,对结果加以比较分析。把该方法应用于医学图像去噪,得到比较令人满意的结果。     

基于DM642的微光图像小波阈值降噪

介绍了一种在实际设计中比较有效的小波阈值降噪方法,可以在保持图像细节信息的前提下尽可能提高微光图像的信噪比.