基于全变差模型的自适应参数选择方法

针对全变差去噪模型中不能自适应调整正则项参数的缺点,基于Chambolle对偶算法,提出一种自适应对偶投影算法。通过构建全变差模型中的权重与正则项和逼近项之间的函数关系,根据不动点迭代理论,得出权重的更新准则。对于模型中新引入的参数选取问题,根据多元线性回归模型拟合出新参数的选取模型,通过显著性检验,验证了该拟合模型的有效性。实验结果表明,该算法能有效改善去噪效果。     

全变差图像去噪模型的快速求解

针对全变差正则化模型求解算法普遍存在收敛速度慢的问题,基于Bregman迭代正则化方法构建了一种快速求解全变差正则化模型的迭代算法。实验结果表明,该算法能快速求解全变差正则化模型,得到的复原图像在峰值信噪比和主观视觉效果方面有着明显提高。     

图像去噪的改进自适应全变差正则化模型

针对经典全变差正则化模型在去噪时图像边缘易模糊的不足,在全变差正则化模型与调和去噪模型的基础上构建了一种改进的自适应全变差正则化模型,并利用旋转不变性更好的梯度模值确定其自适应参数,降低该自适应正则化模型对噪声的敏感性,以兼顾图像的平滑去噪与边缘保留。数值实验结果表明,与MARQUINA的改进全变差正则化模型相比,自适应全变差正则化模型的复原图像在视觉效果和峰值信噪比上都有显著提高。     

一种基于小波的图像去噪方法

利用小波变换的特点,对传统小波萎缩去噪方法进行改进,在不同分解尺度和方向上采用不同的阈值对图像进行去噪处理,取得较好效果．     

基于小波变换和时域融合的图像去噪方法

噪声对后续图像处理的质量有严重影响，经典的去噪方法在抑制噪声的同时会丢失图像中的细节。文中分析了信号与噪声在小波域的系数之间的关系。信号系数幅值较大．数量较少，而噪声系数幅值较小．数量较多；此外，利用从同源的多幅图像中抽取的信息能够比任何单一图像所提供信息更为准确可靠的时域融合技术，提出了一种基于小波变换和时域融合的去除噪声方法。实验证明这种方法能有效去除图像噪声，最大限度地保存图像细节。     

基于小波域自适应高斯混合模型的图像去噪方法

提出了一种基于小波系数局部统计模型的图像去噪方法。该方法利用小波子带的方向性特点以及小波系数尺度内的相关性,将小波系数的概率分布建模为一种自适应高斯混合模型,在贝叶斯框架中采用这种概率模型可以得到一种具有空间自适应性的贝叶斯萎缩函数。利用这种萎缩函数可以实现对小波系数的修正。实验结果表明,利用该方法进行图像去噪能够取得良好的效果,同时可以有效地保留图像的细节。     

有限脊波域受约束的全变差能量泛函

为了减小有限脊波变换在图像处理应用中所出现的“卷绕”伪直线,将此伪直线视为一种振荡,首先对降质图像进行非线性有限脊波变换阈值,然后引入全变差正则化方法来抑制这一振荡,并约束所保留系数与待恢复图像的变换系数相等,以此确定可行域,进而建立了一种带脊波域约束的极小化全变差能量泛函模型,借助投影梯度算法对其进行求解．实验结果表明该方法对噪声具有较强的鲁棒性,在去噪和保留边缘的同时,使“卷绕”伪直线得到有效的抑制．     

基于指数阈值的小波包变换图像去噪方法

小波包分析是一种比小波变换更加精细的分析方法,在对分解后的小波包系数进行软、硬阈值化处理时,易使重构后的图像产生马赛克现象,造成图像失真,为此提出一种基于指教阈值的小波包变换图像去噪方法.该方法采用小波包对含噪图像进行分解,然后利用指数降噪因子除小波包系数.实验表明,本算法去噪后的图像在峰值信噪比及主观视觉效果两方面均得到了明显改善.     

基于偏微分方程的常用图像去噪方法比较研究

图像去噪在图像处理中极其重要。本文就几种常用的图像去噪方法进行了详细的综述,阐述了各方法的理论原理以及其优缺点,同时也给出了其对同一副测试图像的去噪效果。     

基于图像融合的联合小波包图像去噪方法研究

提出一种基于图像融合的联合小波包图像去噪方法.利用不同特性的小波包基对含噪图像进行阅值去噪,得到多幅降噪图像,然后按照一定的融合准则对这些图像进行处理.实验表明,本算法去噪后的图像在峰值信噪比及主观视觉效果两方面均得到了明显改善.     

Combining the wavelet and second order total generalized variation for the image zooming algorithm

A new image zooming model combining the wavelet and second order total generalized variation is proposed. The original image is regarded as the wavelet low-frequency band for the zoomed image, and the high-frequency bands are estimated. Further processing is implemented for the zoomed image using the second order total generalized variation. The second order total generalized variation may lead to an absence of the staircase effect and keep most details, and therefore, the high quality image is reconstructed. Finally, experimental results have illustrated that our algorithm not only can achieve better zooming but also can produce a very satisfactory denoising effect.     

全变差曲波变换在医学影像图像去噪中的应用

针对曲波变换算法在医学影像图像去噪中会产生截断伪影和边缘模糊等问题,提出了一种全变差曲波变换算法.该算法首先对含噪医学影像图像分别进行曲波阈值和全变差去噪,然后将得到的去噪结果进行曲波逆变换并生成最终图像.仿真实验结果表明,该算法不仅可有效地降低噪声,还可较好地保持医学影像图像边缘和细节信息,其效果明显优于曲波变换算法和全变差算法.因此,该算法对医学影像图像的噪声滤除具有良好的应用价值.     

一种基于双Haar小波的图像去噪算法

在小波域实现信号噪声的滤除是近年来图像处理领域中的研究热点,尤其是三通道双Haar小波的提出,使噪声抑制更加有效.基于双Haar小波变换,并根据Lee滤波的局部统计特性,考虑到小波变换的高频部分涵盖大量的图像边缘等细节信息,因此在滤波窗口选择上提出了具有方向性的新算法,实现了在小波域中平滑噪声的同时还可以保护图像边缘细节不受损失.实验表明新窗口的模型与Donoho的软门限方法相比较,可以给出更好的去噪效果.     

一种基于双Haar小波的图像去噪算法

在小波域实现信号噪声的滤除是近年来图像处理领域中的研究热点,尤其是三通道双Haar小波的提出,使噪声抑制更加有效. 基于双Haar小波变换,并根据Lee滤波的局部统计特性,考虑到小波变换的高频部分涵盖大量的图像边缘等细节信息,因此在滤波窗口选择上提出了具有方向性的新算法,实现了在小波域中平滑噪声的同时还可以保护图像边缘细节不受损失. 实验表明新窗口的模型与Donoho的软门限方法相比较,可以给出更好的去噪效果.     

基于纹理结构的超声图像自适应去噪模型

针对目前全变分模型不能在去除噪声的同时有效保持纹理信息的问题,提出了一种新的基于纹理结构的超声图像自适应去噪模型.该模型首先使用纹理信息来描述超声图像的斑点特性.根据纹理特性来定义均匀性值,从而把超声图像从灰度域映射到均匀性域.然后根据二维均匀性直方图来确定阈值从而将像素点分入均匀点集或非均匀点集.最后根据像素点所隶属的集合自适应的选择不同范数的全变分去噪方法,通过大量实验验证了所提模型的有效性.     

基于平稳小波的自适应阈值MR图像去噪法

针对小波空间Donoho阈值在图像去噪中的缺陷,提出一种基于平稳小波变换的自适应阈值MR图像去噪方法,即由 Lakhwinder Kaur小波阈值选取法,根据不同的子带特性,定义了一个新的尺度参数方程,以确定适合各个尺度级的自适应最优阈值,对平稳小波变换后的各层细节信号分别进行阈值化处理.该方法能很好的抑制小波空间Donoho阈值去噪法出现的伪Gibbs现象,弥补了正交小波变换存在的不足,在滤出噪声的同时,较好地保留了MR图像的细节信息.实验结果表明该算法在性能指标和视觉质量上的优越性.     

加权变分去噪模型的分裂Bregman算法

针对求解加权变分去噪模型时大量迭代导致计算速度缓慢的问题,为提高运算速度,在加权变分去噪模型中引入分裂Bregman算法.实验表明,与梯度下降法相比,该算法迭代次数少、处理过程快,极大地缩短了运算时间,并且保持了较好的去噪效果.     

小波域中视频图像的Bayesian消噪

消噪是图像处理中的重要问题之一。正交小波的正交性保证了白噪声干扰图像的小波系数所包含的噪声是白色的。新近的研究表明视频图像的小波系数趋于Laplacian分布,用Bayesian估计对图像小波系数滤波可以达到消噪的目的。本文研究了Bayesian估计与线性估计两种消噪方法,实验表明Bayesian估计有较好的消噪性能。     

二进小波与扩散滤波结合的光学相干层析图像降噪

斑点抑制各向异性扩散(SRAD)是一种重要的图像降噪方法。将二进小波与SRAD结合,提出一种光学相干层析图像的二进小波扩散滤波降噪方法。该方法利用二进小波分解得到的不同尺度间小波系数的相关性区分边缘和噪声,修改SRAD中扩散系数得到新的扩散系数计算公式。实验表明,新方法具有更好的降噪能力,降噪后得到的图像的信噪比和对比度噪声比率等量化衡量指标都优于经典SRAD方法。