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。     

采用方向信息测度和时间域迭代技术的红外图像扩散去噪算法

噪声抑制是红外图像处理中的一个重要研究课题,但常用的去噪算法会造成细节的损失.为了有效地抑制噪声,同时保护边缘,文中在P-M扩散方程的基础上,提出了一种新的采用方向信息测度和时间域迭代技术的各项异性扩散滤波算法.方向信息测度的引入能够在抑制噪声的同时有效保护边缘;时间域迭代技术通过时空混合滤波来同时抑制噪声和保护边缘,而且取消了常规扩散算法几十次的迭代运算,使得实时各向异性扩散算法成为了可能.仿真结果表明:该算法的性能优于常规算法,具有良好的前景和实用价值.     

基于非线性结构张量自适应滤波图像去噪算法研究

针对Wiener滤波对具不同局部的图像去噪效果不佳的不足,研究了由非线性扩散方程导出结构张量的非线性形式,结合空间域自适应wiener滤波,优化滤波窗而达到更好去噪的一种图像去噪算法。通过基于扩散张量成像方法的改进不仅提高图像处理过程的计算效率,而且更好地保持了图像边缘等细微结构特征。实验结果进一步验证了该算法的有效性。     

一种小波域改进非局部均值滤波算法

提出了一种噪声图像高效滤波算法。该算法对经典非局部均值滤波算法从边缘保持效果和计算复杂度两个方面加以改进。提出一种基于图像结构相似度(SSIM)相似性检测算子,并将其与传统的高斯加权欧氏距离进行加权融合,从而实现对经典非局部均值滤波的改进,可实现对图像边缘和平坦区域滤波的有效兼顾。将其引入到小波变换域,对于高频子图像,首先采用Canny算子实现自适应边缘检测,获得边缘和非边缘图像,采用改进非局部均值滤波和经典非局部均值滤波分别加以处理,然后实现图像的融合;最后实现小波系数重构。通过对实物图像和标准测试图像的仿真实验结果表明,该滤波算法的去噪效果较优,能基本实现对高强度随机噪声情形下的图像复原,从而印证了该滤波思路的可行性。     

复小波包域复数高斯尺度混合模型图像降噪

提出一种基于四树复小波包变换(QCWPT)复数高斯尺度混合(CGSM)模型的图像去噪新方法。含噪图像经多尺度QCWPT被分解成一个低频复数逼近子图和若干高频复数方向细节子图。在大尺度下,可认为低频逼近子图为信号复系数予以保留;对各尺度复数方向子图按照对数熵代价函数确定最优复小波包基。把能很好刻画小波系数边缘分布形状和局部邻域强相关性的高斯尺度混合(GSM)模型扩展到复小波域,新的CGSM模型具有很好刻画图像幅值和相位信息的能力,并利用该模型对复系数进行贝叶斯最小均方(BLS)估计,从而实现去噪目的。实验结果表明,无论是峰值信噪比(PSNR)指标还是视觉效果,本文方法的去噪性能均好于双树复小波变换(DCWT)、QCWPT和小波域GSM模型去噪,并且在有效去噪的同时,具有很好的图像边缘和细节保护能力。     

基于分数阶微分的噪声图像NSCT域边缘检测

针对噪声图像边缘模糊、边缘检测困难的问题,提出了一种结合分数阶微分的噪声图像非下采样contourlet变换(NSCT)域边缘检测方法.该方法首先对图像进行NSCT分解,对低频子带的轮廓进行针对性提取;其次对于边缘细节和噪声较多的各方向高频子带,利用NSCT域的多尺度积和方向分数阶微分矩阵对高频系数进行阈值去噪与信息增...     

中值滤波和小波变换相结合的图像去噪研究（英文）

为了保持原始图像在去噪过程中的边缘信息,文章提出了小波变换与中值滤波相结合的办法来处理含噪图像。首先对含噪图像进行小波分解,然后用中值滤波和不同的阈值(硬阈值、软阈值)处理小波分解后的子频带。该方法在去噪的同时保留了图像的边缘信息。实验证明,该方法的去噪效果优于单独使用小波去噪或中值滤波的方法。     

基于边缘检测与双边滤波的彩色图像去噪

 针对彩色图像双边滤波去噪方法存在的不足,本文提出一种边缘检测与双边滤波相结合的彩色图像去噪方法.首先利用细胞神经网络(CNN)模型导出一种新的彩色图像分块自适应边缘检测算法,继承了CNN灰度边缘检测算法定位准确的优点,又弥补了CNN现有算法不能直接处理彩色图像的空白.接下来提出一种针对图像增强的边缘滤波算法,通过两级边缘检测满足去噪不同阶段对边缘检测的不同要求.在此基础上,用改进的双边滤波器对彩色图像进行去噪,通过非抗噪边缘图对噪声范围进行定位,以缩小双边滤波的范围,减少去噪过程带来的图像模糊,并且对双边滤波加权平均方式进行改进,减小噪声点本身的权重,降低高频噪声的影响.最后根据滤波后的去噪边缘图对彩色图像进行增强.实验结果表明,文中方法在有效去除噪声的同时保护和增强了图像中的边缘.     

非线性调频信号的自适应时频滤波算法

针对传统的时域或频域滤波算法对非线性调频信号滤波去噪效果不好的问题,本文提出了一种时频域内非线性调频信号的自适应滤波去噪算法。首先对原信号进行广义S变换获得其时频分布,接下来利用有效信号时频分布特性选取时频通域,构造区域滤波算子并去除掉时频通域外的噪声分量的时频分布;然后利用有效信号分量的时频聚集性构造自适应时频滤波算子,对含有随机噪声的有效信号分量进行滤波处理,得到滤波去噪后的信号的时频分布;最后利用广义S逆变换将处理后的时频分布变换到时间域,得到滤波去噪后的信号。通过仿真实验的结果可知,本文提出的算法在非线性调频信号的滤波去噪和有效特性保持方面取得了较好的效果。      

形态学和Otsu方法在Canny边缘检测算子中的应用

传统的Canny边缘检测算子在高斯滤波方差和滞后阈值的选择上需要人工指定,不具备自适应能力.高斯滤波方差影响图像的去噪和边缘保持效果,用形态学平滑代替高斯滤波,可以保留边缘信息并去除噪声的影响;滞后阈值影响虚假边缘现象的强弱和真实边缘的连续性,利用Otsu方法对阈值进行自适应设定,使检测出的边缘更加连续并减少虚假边缘的存在.实验结果表明,对传统的Canny算子有一定程度的改进.     

基于边缘保持滤波的Canny彩色图像边缘检测方法

提出了基于边缘保持滤波的Canny彩色图像边缘检测方法。该方法利用了HSV颜色空间信道相关性低的优点,结合Canny算子定位准确的优点和边缘保持滤波理论,用边缘保持滤波取代传统的高斯滤波,用梯度矢量计算法替代传统的梯度标量计算法,从而增强了在平滑过程中对图像边缘的保持,最大程度保留了色彩的差异信息,实现了彩色图像边缘的自适应提取。实验结果证明,该方法将灰度空间的Canny算法推广到彩色矢量空间,充分利用了彩色信息,对彩色图像边缘提取具有较好的检测精度和准确度。     

基于复小波方向信息的SAR图像斑点噪声抑制

针对一般小波去噪方法在去除合成孔径雷达(Synthetic Aperture Radar-SAR)图像斑点噪声时不能有效保持图像边缘信息的问题,提出结合双密度双树复小波变换（Double-Density Dual Tree Complex Wavelet Transform –DD_DTCWT）方向信息进行边缘检测的SAR图像噪声抑制算法。本文对边缘检测指标进行改进,利用DD_DTCWT方向复小波系数的相对方差作为边缘检测指标,通过相对方差分布密度函数获取阈值处理的自适应门限,由此实现SAR图像的自适应滤波。实验结果表明,本文提出的边缘检测和主方向高频复系数提升方法可以有效保持并增强图像的边缘信息。与SRAD算法和基于DD_DTCWT的双变量收缩函数（Bivariate Shrinkage Function--BSF）算法相比较,本文算法具有更好的边缘保持能力。      

Efficient implementation of all-digital interpolation

B-splines are commonly used for continuous representation of discrete time signals. This kind of representation proves to be very useful in applications such as image interpolation, rotation and edge detection. In all these applications, the first step is to compute the B-spline coefficients of the signal, and this involves the use of an IIR noncausal filter called the direct B-spline filter. The signal reconstruction is achieved using the indirect B-spline filter, which in many applications operates at a higher rate. We introduce a simplified implementation of the signal reconstruction part that will significantly reduce the overall complexity. We also show that the direct B-spline filter can safely be replaced with a short FIR filter, without compromising the performance of the traditional method. Numerous examples show both visually and numerically that the differences between this method and the traditional one are indeed very small. Finally, we report the performance of these newly proposed methods in other image processing applications such as edge detection and least squares approximation.     

基于非线性复扩散耦合冲激滤波器的图像放大算法研究简

为了提高放大算法的适应性,采用改进的非线性复扩散和自适应冲激滤波器,提出了一种图像放大方法。根据像素局部方差进行自适应改变扩散门限,扩散图像的虚部除以扩散时间以消除扩散时间的影响,特别是初期扩散近似线性扩散的特性,得到改进的复扩散模型耦合冲激滤波器进行无噪图像放大。对于噪声图像放大,根据像素局部方差进行自适应非线性复扩散,耦合局部方差约束的冲激滤波器增强模糊的图像边缘和细节。自适应非线性复扩散通过局部方差和图像二阶导数相结合分辨边缘和噪声,对噪声进行平滑的同时保持边缘,克服了复扩散不能分辨噪声和边缘的缺陷,同时保持复扩散保护斜坡结构,免除阶梯效应的优点。仿真实验验证了所提算法不仅对无噪图像有较好的放大效果,而且对一定范围的噪声图像也有较好的放大效果。     

Despeckling low SNR, low contrast ultrasound images via anisotropic level set diffusion

Speckle is a form of multiplicative and locally correlated noise which degrades the signal-to-noise ratio (SNR) and contrast resolution of ultrasound images. This paper presents a new anisotropic level set method for despeckling low SNR, low contrast ultrasound images. The coefficient of variation, a speckle-robust edge detector is embedded in the well known geodesic “snakes” model to smooth the image level sets, while preserving and sharpening edges of a speckled image. The method achieves much better speckle suppression and edge preservation compared to the traditional anisotropic diffusion based despeckling filters. In addition, the performance of the filter is less sensitive to the speckle scale of the image and edge contrast parameter, which makes it more suitable for the detection of low contrast features in an ultrasound image. We validate the method using both synthetic and real ultrasound images and quantify the performance improvement over other state-of-the-art algorithms in terms of speckle noise reduction and edge preservation indices.     

基于Gabor滤波器的车道线快速检测方法

针对在全景相机获取到的高交通信息量的复杂场景下传统Canny算子很难实时且鲁棒地提取车道线特征的问题,提出一种基于Gabor滤波器的最优方向区间快速检测算法。首先利用同心圆环近似展开法将全景图像展开成矩形图像,然后对展开图像进行不同相位角的Gabor滤波处理,快速得到使车道线边缘清晰度达到最高的方向区间。在Canny算子检测边缘过程中,只对处于该区间内的边缘点进行非极大值抑制及进一步处理,实现车道线的快速检测。最后算法在实拍的500帧视频样本上进行测试,识别率优于94.2%。结果表明所提算法不易受复杂环境影响,可用性强,有效地提高了车道偏离预警系统的实时性与稳定性。     

基于邻域统计的图像消噪方法

中值滤波是一种在去除噪声的同时能较好保护图像边缘细节的非线性滤波技术。介绍了中值滤波及其改进算法、分析了中值滤波的属性、提出了一种基于邻域统计和奇异点检测的中值滤波器的改进算法。计算机模拟实验结果表明:该改进算法能在有效地去除噪声的同时,较好地保护图像细节,较标准中值滤波器和维纳滤波器具有更优良的滤波性能。     

各向异性扩散图像去噪现状研究

介绍了基于偏微分方程(Partial Differential Equations,PDE)各向异性扩散图像去噪的P&M数学模型及各种改进方法,以及引入结构张量的PDE去噪模型和冲击滤波PDE去噪模型,分析各种模型的优缺点,为扩散模型的设计提供了参考。揭示了各向异性扩散去噪与贝叶斯最大后验估计(MAP)去噪的内在联系,通过扩散系数的计算分析几类常用去噪模型的保边性能。阐述了一类特殊PDE去噪模型(总变分去噪模型)与小波阈值去噪之间的相关性,从而可以通过小波系数的范数近似求解一些特殊的变分问题,避免复杂的非线性求解过程。最后对各向异性扩散图像去噪的未来发展进行了展望。     

建立新型边缘泄露补偿机制的四阶方程图像平滑方法

针对传统的四阶偏微分方程(四阶方程)降噪算法容易造成图像边缘泄露的问题,本文提出了一种基于边缘检测理论的泄露修补算法.该算法首先用非线性的双边滤波器对噪声图像进行预处理,得到边缘结构较好的预处理图像,然后基于梯度算子具有检测图像边缘特征的特点,提出将结果图像和预处理图像二者梯度差值的二范数平方作为边缘保持约束项,并将其加入到四阶方程算法的能量泛函中.另外,基于图像局部方差构造了自适应的拉格朗日乘子,从而实现对边缘保持约束项的自适应调整,以提高其边缘保持性能.实验测试结果表明,本文算法不仅继承了传统四阶算法具有的优点,而且增强了对边缘结构的保持能力.     

Comparison of PDE-based nonlinear diffusion approaches for image enhancement and denoising in optical coherence tomography

A comparison between two nonlinear diffusion methods for denoising OCT images is performed. Specifically, we compare and contrast the performance of the traditional nonlinear Perona-Malik filter with a complex diffusion filter that has been recently introduced by Gilboa et al.. The complex diffusion approach based on the generalization of the nonlinear scale space to the complex domain by combining the diffusion and the free Schridinger equation is evaluated on synthetic images and also on representative OCT images at various noise levels. The performance improvement over the traditional nonlinear Perona-Malik filter is quantified in terms of noise suppression, image structural preservation and visual quality. An average signal-to-noise ratio (SNR) improvement of about 2.5 times and an average contrast to noise ratio (CNR) improvement of 49% was obtained while mean structure similarity (MSSIM) was practically not degraded after denoising. The nonlinear complex diffusion filtering can be applied with success to many OCT imaging applications. In summary, the numerical values of the image quality metrics along with the qualitative analysis results indicated the good feature preservation performance of the complex diffusion process, as desired for better diagnosis in medical imaging processing.