基于噪声与图像同步迭代来确定时间步进法的规整化参数

为了在反卷积过程中正确地估计噪声的方差,该文构造一幅纯噪声图像跟实际的观测图像同步进行反卷积计算,并把纯噪声图像的方差作为观测图像中噪声方差的估计值来辅助计算规整化参数。针对规整化的各项异性,该文提出了能够保持两种噪声同步变化的特殊的规整化项。新的规整化项在迭代纯粹噪声图像时使用,这样确保每次迭代都可以保持人工噪声与实际图像噪声的统计特性相一致。在能够准确知道迭代过程中图像包含噪声的方差的时候,该文建立了规整化参数与图像噪声方差之间的关系式并转化成简单的解一元二次方程问题。实验证明新的算法不但更好地抑制了噪声而且避免了过平滑,基于时间步进法计算变分图像恢复的适应性被明显的提高了。     

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。     

基于同步噪声选择非局部平均除噪声的最优参数

提出基于同步噪声和信噪比（SNR）自动选择非局部平均（NCM）的核函数参数的算法。为了正确估计平滑图像中的剩余噪声,一幅纯噪声图像作为同步噪声与观测图像同步进行计算,同步噪声作为图像剩余噪声的估计值。为了保持同步噪声与剩余噪声的统计特性相似,提出了一种新的NCM算子,依据图像的特征对同步噪声进行平滑,能够保持两种噪声有...     

泊松噪声模糊图像的边缘保持变分复原算法

从贝叶斯估计出发,构造了一种新的变分模型,用于复原被泊松噪声污染的模糊图像.首先讨论了模型正则化项中具有边缘保持能力的函数选取以及模型求解的相关问题,然后将变分模型的求解转化为可快速求解的非线性扩散方程,给出了正则化参数选取的初步空间自适应方法,可以区分平滑区域和图像边缘自适应的调节参数.实验结果表明,本文方法的复原效果整体上优于传统的迭代正则化方法,复原图像的边缘得到了有效的保护,泊松噪声的抑制效果明显,复原图像提高的改进信噪比(ISNR)要比迭代正则化方法平均提高1 dB以上.     

基于混合迭代滤波的SAR图像相干斑抑制

该文将变窗Lee滤波与自蛇扩散结合,提出了一种抑制SAR图像相干斑噪声的混合迭代滤波新算法,并给出了SAR图像噪声方差的一种有效估计方法。该算法首先估计SAR图像局部统计参量,进而通过改进的变窗Lee滤波对SAR图像进行平滑去噪,接着利用自蛇扩散去除Lee滤波难以平滑的孤立点噪声与边缘噪声。在Lee滤波与自蛇扩散的混合迭代中,Lee滤波的窗尺度随迭代次数的增加而增大,从而在保护SAR图像边缘细节的同时,同质区得到更好平滑。实验结果表明,与已有多种抑斑算法相比,该文算法在SAR图像抑斑与边缘保护方面均获得了更好的性能。     

非线性扩散方程在SAR图像噪声抑制中的应用

将光学图像加性噪声抑制的非线性扩散方程引入到SAR图像相干斑抑制中，通过分析SAR图像的相干斑噪声模型在功率图像域以及功率图像的对数域上的表现特性，说明了基于加性噪声模型的非线性扩散方程在SAR图像噪声抑制中的应用可能性，并由此设计了基于非线性扩散方程的SAR图像噪声抑制算法。计算结果表明，与现有的SAR噪声抑制方法相比，非线性扩散方程方法具有更强的对背景区域的噪声抑制能力，且能更好地保持目标特征。     

基于广义变分正则化的红外图像噪声抑制方法

文中提出了一种广义变分正则化的红外图像噪声抑制方法,该方法采用p-范数代替目前广泛被采用的全变分范数作为正则项,构造了用于抑制图像噪声的展平泛函,从而将图像噪声抑制问题转化为能量泛函优化问题。通过推导,得到了相应的用于图像噪声抑制的非线性偏微分方程,并采用固定点迭代算法进行线性化求解,使得迭代解稳定收敛。数值试验结果表明,该方法能够有效地去除图像噪声,较之全变分图像噪声抑制方法,新方法进一步提高了对小宽度图像边缘的保持能力,是一种有效且性能优良的红外图像噪声抑制方法。     

基于各向异性规整化的总变分盲复原算法研究

针对大气湍流退化图像复原问题,提出了一种基于各向异性和非线性规整化的总变分盲复原新算法,该算法主要结合图像和湍流点扩展函数的一些性质采用基于各向异性的空间自适应规整化处理,建立了具有非线性和空间各向异性的规整化函数,使其在恢复目标图像和估计点扩展函数时能自适应地进行梯度平滑。最后,通过交替最小化方案来极小化代价函数和通过定点迭代策略将非线性方程进行线性化处理,快速地估计点扩展函数和恢复图像。在微机上对数字模拟和实际退化图像进行了一系列恢复实验,验证了算法的有效性和稳健性。     

基于边缘定向扩散方程的图像复原方法

讨论了光学图像中同时存在噪声与模糊时的复原问题。采用一种能根据边缘方向自适应选取扩散系数的各向异性扩散方程来约束复原后的图像的光滑性质,将其和图像复原模型一起使用,得到了一种图像复原的正则化模型,并利用Eluer方程将该模型转换成一种可以快速求解的各向异性非线性扩散模型。在光滑性约束项的构造上,构造了一种基于边缘定向扩散的各向异性张量型扩散方程,能有效地根据边缘的方向确定是增强边缘还是滤除噪声。相比图像复原的迭代正则化方法,新方法能在复原图像的同时有效地抑制噪声,并有效地减轻边缘处的振铃效应。数值计算结果表明,新方法在整幅图像的复原效果上明显强于迭代正则化方法,尤其在对背景噪声的抑制上效果更明显,峰值信噪比（PSNR）也比迭代正则化方法平均提高了约2dB。     

激光遥感图像乘性噪声降噪技术

激光遥感图像乘性噪声的降噪处理中,传统解决乘性噪声的图像降噪技术存在较多的缺陷,故根据乘性噪声的非线性和时变性,提出基于TV模型的激光遥感图像乘性噪声综合降噪方法,在不破坏图像基本结构的情况下进行降噪。该方法使用TV模型针对乘性噪声的非线性和时变性进行能量变分,获取乘性噪声能量极限,综合使用规则化方法和边界约束法对能量极限进行迭代求解,从激光遥感图像的边缘处开始向内进行乘性噪声平滑降噪,很好地保留了图像边缘信息。实验对不同降噪方法进行了对比分析,结果显示,所提降噪方法具备良好的降噪性能。     

欧拉弹性正则化的图像泊松去噪

利用泊松噪声分布与图像灰度值相关这一特性,结合图像的水平集曲线对图像灰度值的刻画能力,在Bayesian-MAP框架下,提出了欧拉弹性正则与泊松似然保真的图像泊松去噪变分正则化模型.利用交替方向乘子法,将原问题转化为几个不同低阶子问题的求解.对于子问题中出现的高阶非线性项,利用滞后扩散不动点迭代进行线性化,从而得到模型的快速迭代求解算法.通过数值模拟实验,证明了当图像受不同强度泊松噪声影响时,所提出的泊松去噪方法都能够有效的抑制泊松噪声,同时具有良好的结构保持性能.     

Edge-aware smoothing through adaptive interpolation

The goal of edge-aware filtering is to smooth out small-scale structures while preserving large object boundaries. A fundamental idea to design such filters is to avoid smoothing across strong edges. In this paper, we explore a new approach which iteratively adds the edge information back to a smoothed image. We study the smoothed image as the starting point of the iteration and the optimal stopping criterion. We demonstrate that in a wide range of applications the proposed technique can produce competitive results as those of state-of-the-art edge-aware filters. In particular, the proposed algorithm has the best performance in texture smoothing.     

An image dependent stopping method for iterative denoising procedures

Iterative methods are very successful for denoising images corrupted by random valued impulse noise. However, choosing the optimal number of iterations is a difficult issue. In this letter, a stopping method is proposed: the iterative denoising process is stopped when the number of cleaned pixels is minimal. It corresponds to the moment when the denoising process tends to modify noise-free pixels. It also corresponds with a high precision to the maximum of PSNR of the restored image. The originality of the method is that no a priori iteration number is to be chosen but the method results from image information. The proposed stopping strategy is therefore an efficient and image dependent method that can be easily implemented on real data.     

一种新的正规自适应边缘保护的超分辨率算法

主要提出了一个新的正规自适应超分辨率算法.正规项只惩罚图像中可能包含有大量噪声的低频部分,同时保护图像中可能包含有锐利边缘的高频部分,其中,惩罚阈值自动地被一个线性函数决定.对于正规参数的选择,这里不采用固定的正规参数而是提出一个对数函数在每次迭代时自适应地选择正规参数.该算法经过仿真实验和真实的红外图像测试,实验结果显示该算法鲁棒性好,可以有效复原图像细节.     

Estimation of optimal PDE-based denoising in the SNR sense.

This paper is concerned with finding the best partial differential equation-based denoising process, out of a set of possible ones. We focus on either finding the proper weight of the fidelity term in the energy minimization formulation or on determining the optimal stopping time of a nonlinear diffusion process. A necessary condition for achieving maximal SNR is stated, based on the covariance of the noise and the residual part. We provide two practical alternatives for estimating this condition by observing that the filtering of the image and the noise can be approximated by a decoupling technique, with respect to the weight or time parameters. Our automatic algorithm obtains quite accurate results on a variety of synthetic and natural images, including piecewise smooth and textured ones. We assume that the statistics of the noise were previously estimated. No a priori knowledge regarding the characteristics of the clean image is required. A theoretical analysis is carried out, where several SNR performance bounds are established for the optimal strategy and for a widely used method, wherein the variance of the residual part equals the variance of the noise.