基于双边滤波的多尺度图像融合

提出一种彩色图像和近红外图像的融合算法,先给出一种改进核函数的双边滤波器,然后应用该双边滤波器和高斯滤波器相结合多次作用于彩色图像和近红外图像,得到低频图像、边缘图像、细节图像等不同尺度的图像,在不同尺度图像融合的权重选择上,提出一种自适应的权重选择法。该方法综合考虑参与融合的各像素点的邻域来确定各点权重,不仅抑制了融合图像噪声,还使融合图像色彩更贴近原彩色图像。实验表明该方法得到的融合图像具有符合人眼观测习惯的颜色信息,此外融合图像的纹理、边缘等细节信息比原彩色图像更丰富。     

一种用于图像降噪的自适应均值滤波算法

图像中噪声的消除是图像处理与识别的重要环节,噪声滤除效果的好坏直接影响着后续图像处理与识别的质量.为此,提出一种用于图像降噪的空间域滤波算法,自适应均值滤波算法(Adaptive Averaging Filtering Algorithm,AAFA).该算法中局部窗口的系数(掩模系数)是根据局部窗口内各像素与中心像素间的灰度和空间关系计算的,即局部窗口中心像素灰度均值的计算既考虑了窗口内各像素与中心像素间的灰度值差异,又顾及了窗口内各像素与中心像素间的距离.利用该算法进行图像降噪的实验结果表明,相对于经典的空间域均值滤波算法和其它的均值滤波算法,该算法的噪声滤除效果更好.     

基于变换折衷阈值的多分辨图像双边滤波仿真

为了有效解决多分辨图像内存在噪声的问题,提出一种基于视觉灵敏度的多分辨图像双边滤波算法。通过粗糙集理论初步判断多分辨图像内的噪声,利用视觉灵敏度对判断结果展开修正。通过双边滤波器将噪声图像分解为高低频两个部分,高频部分使用Curvelet变换折衷阈值,根据设定的阈值保留多分辨图像中更多的边缘纹理细节。将低频图像和处理后的高频图像重构,获取经过滤波处理后的多分辨图像。实验结果表明,所提算法可以精准检测出多分辨图像内存在的噪声,同时能够获取满意的多分辨图像滤波结果。     

改进的多光谱双边滤波图像融合

针对低照度或夜晚条件下彩色图像信噪比低、图像细节不够清晰;而近红外相机在该条件下能够得到纹理、边缘等细节信息丰富的图像,但缺乏色彩信息的问题,提出一种改进的双边滤波图像融合算法,实现在低照度条件下得到成像清晰的彩色图像。算法对双边滤波的核函数重新设计,用幂函数取代指数函数,取消人为设计参数;在像素相似度项选择上,采用不同源图像中像素间差异大的差值作为相似度项,避免了融合图像的纹理、边缘被平滑掉。应用本文算法及其他几种典型的融合算法对低照度下采集的彩色图像及近红外图像进行测试,实验结果表明,该算法同其他融合算法相比得到的彩色图像清晰度更高,颜色更贴近源图像,且运算速度要比Eric等人提出的双边滤波融合算法快6倍多。     

多尺度双边滤波及其在图像分割中的应用

噪声图像分割前需要先进行平滑预处理,双边滤波用于图像平滑的滤波效果取决于参数的选取．为降低参数选取的难度,本文提出一种多尺度双边滤波算法来综合不同尺度下双边滤波的平滑效果．先将多尺度双边滤波算法用于噪声图像的平滑预处理,能够在去除噪声的同时较好地保留边缘;再用间断自适应高斯马尔可夫随机场模型进行图像分割．对多个图像进行图像分割的实验结果证明了所提算法的有效性．     

改进非局部均值滤波的SAR图像降噪

在非局部均值滤波(NLMF)的基础上,通过预生成相似集与2DPCA(two-dimensional principle component analysis)对NLMF进行改进,提出一种新的SAR(synthetic aperture radar)图像降噪方法。在NLMF算法框架下,针对SAR图像噪声的特点,首先经预处理选择邻近的子图像生成相似集,然后通过2DPCA提取子图像的主要特征,此过程减小了斑点噪声对相似性度量的影响,最后在降维后子图像的基础上进行相似性度量。通过仿真SAR图像和真实SAR图像的降噪实验,将本文方法与经典Lee滤波、Kuan滤波、Gamma-Map滤波和NLMF滤波相比较,结果表明,该方法无论在边缘保持还是一致区域的平滑上,都能取得较好的效果,是一种有效的SAR图像降噪算法。     

双边非局部均值滤波图像去噪算法

为提高图像去噪的视觉效果,本文根据自然图像通常包含较多的重复性结构这一现象,以及双边滤波器的在图像去噪中所具有的优点,提出了一种新的基于双边滤波与非局部均值（ NLM）的图像去噪算法。利用NLM思想对当前的像素灰度值进行估计。过程中,不仅考虑到了当前像素的灰度值对预测结果的影响,而且考虑到了当前像素的位置与周围像素位置之间的关系,构建了非局部邻域内的位置系数来对预测结果进行约束,最后考虑到非局部邻域内同质像素的相似性,设计了双边NLM滤波器。实验结果表明：本文算法比双边滤波算法运行时间快了0.114 s、峰值信噪比（ PSNR）提高了0.9、图像相似度（ MSSIM）提高了0.181,图像保真度（ VIF）提高了0.2147。本文提出的方法能够更好地保留图片信息的完整性,提高了图像的亮度和图像纹理的清晰度。     

基于双边滤波与自适应灰度的钢筋图像预处理

双边滤波这一要素,能处理特有的钢筋图像。滤了图像这一范畴的高频噪声,再依循亮度的更替,保持图像固有的高频成分,接纳自适应架构下的灰度过程。这一新颖方式,把滤波器惯用的权系数,更替成亮度信息特有的乘积。经由优化的这一权系数,再与原初的钢筋图像,进行最优的卷积运算。滤波流程中,要去除图像固有的噪声,与此同时,保持钢筋图像固有的清晰边缘。滤波器预设的权系数,会随同亮度更替而更替,因此,预处理的时段内,要达到期待中的滤波目的。     

OCT图像降噪混合滤波方法

通过对光学相干层析(OCT)系统中的噪音源进行分析,提出一种混合滤波处理方法,对OCT图像进行降噪处理。利用小波变换的原理将含噪图像进行小波分解,得到高频和低频的子信号,保留低频近似图像信号,分别对水平、垂直和对角3个方向的高频信号采用均值滤波,并将之前保留的低频近似图像信号与滤波后的这3个方向上的信号合成得到去噪后的图像。实验结果表明,该算法在降低噪声的同时尽可能的保留了图像细节,取得了良好的降噪效果。     

基于Dual-Tree CWT和自适应双边滤波器的图像去噪算法

针对目前图像去噪方法主要局限于单一噪声,无法有效解决多种混合噪声的不足,提出了一种基于Dual-Tree CWT和自适应双边滤波器的图像去噪算法。该算法使用双树复小波变换对含噪图像进行多尺度和多方向的分解,由改进阈值对各个方向子带的高频系数进行阈值量化,同时由自适应双边滤波对每尺度下低频子带系数进行滤波,并将重构得到的图像进一步去除噪声。实验仿真结果表明,该方法对混合噪声的滤除效果明显优于现有算法,且能较好地保护图像的边缘细节信息,通过客观评价指标峰值信噪比（PSNR）和均方根误差（RMSE）定量比较,PSNR提升了5.333 2~6.527 8 dB,RMSE可降低29.41%~46.03%,运行时间仅为1.492 0 s,整体降噪性能更优。     

基于二维经验模态和均值滤波的图像去噪方法

提出了一种新的图像去噪方法。此方法通过二维经验模态（BEMD）将噪声图像分解为一系列不同频带的子图像。对低频近似图像保持不变,对高频细节图像采用不同的模板进行均值滤波,最后将低频近似图像和均值滤波后的图像合成为去噪后的图像。实验结果表明该方法在滤除图像噪声的同时,又能较好地保留图像的边缘细节,其滤波效果优于单一的BEMD图像去噪和均值滤波图像去噪以及小波变换和均值滤波图像去噪方法。     

一种2D-VMD与NLM结合的芯片图像去噪算法研究

为了提高智能电表芯片图像的字符识别精度,需要消除芯片图像中的噪声,以减小干扰;文章提出了一种基于二维变分模态分解算法(2D-VMD)与非局部均值(NLM)滤波的芯片图像去噪算法;首先利用2D-VMD将含有噪声信号的芯片图像分解为K个模态分量;然后根据提出的结构相似(SSIM)阈值设置方法确定噪声分量并将其去除,使用剩余的有效分量重构图像;最后通过非局部均值滤波算法对重构后的图像进行处理,进一步滤除残余噪声,达到二次去噪的效果;实验结果表明,相比传统的图像去噪算法,提出的算法能在较好保留原始芯片图像的字符信息的基础上,去除不相关的噪声干扰,使去噪后的芯片图像的均方误差值变小,峰值信噪比增大,提高芯片图像质量.     

基于二维变分模态分解和自适应中值滤波的图像去噪方法*

图像在采集、获取和传输过程中往往夹杂着噪声,针对几种常用方法去噪效果不理想,提出了一种新的图像去噪方法。此方法通过二维变分模态分解将图像分解为一系列不同中心频率的子模态。保留其低频模态,并对其进行自适应中值滤波处理,从而得到其去噪后的图像。实验结果表明,与其他几种常用的去噪方法相比,本文方法在滤除噪声的同时,又能较好地保留图像的边缘细节,图像也获得较好的视觉效果,此外客观评价参数也得到比较明显的改善,随着噪声强度加大去噪效果愈明显。     

改进的中值滤波去噪算法应用分析

去噪处理是图像处理中较为重要的环节。中值滤波是抑制图像的噪声的一个行之有效的办法,选择适当大小的中值滤波窗口可以在最大限度地保持图像精度的基础上去除图像噪声。在对中值滤波去噪算法的适用性特点进行研究的基础上,进一步做了中值滤波去噪的改进算法的应用实现研究,同时对其他去噪算法,如均值滤波、低通滤波的小波变换进行实验分析研究,并对实验结果做了相应的比较。     

梯度双边滤波的图像去噪

为了改善双边滤波的去噪性能,引入图像的局部模式,提出了梯度双边滤波算法。采用相邻像素亮度值的梯度距离来构造梯度相似度核,通过几何邻近度核函数和梯度相似度核函数来对图像邻域像素进行加权平均,从而实现滤波;为了获得最佳的滤波参数,通过经验学习的方法对滤波参数进行选择,最终得到通用的参数配置。实验结果表明,新方法能很好地保持图像的边缘,且与传统去噪模型相比,其去噪性能也是最好的。     

融合偏微分方程和中值滤波的图像去噪模型

针对基于偏微分方程(PDE)的图像去噪模型不能有效地去除脉冲噪声,并且低阶偏微分方程在去噪的同时会出现“块效应”现象的问题,提出一种融合偏微分方程和自适应中值滤波的图像去噪模型。该模型通过对图像梯度的分析,在梯度变化剧烈区域和梯度变化微小区域利用二阶模型去噪以提高去噪效率;而在梯度渐变区域利用四阶模型平滑图像以避免出现“块效应”现象。同时,利用脉冲噪声梯度值远大于边缘梯度值的特点,定位脉冲噪声所在区域,在该区域利用自适应中值滤波消除脉冲噪声。该方法能有效去除脉冲噪声,保护图像边缘并消除“块效应”现象,同时提高了去噪效率。实验表明了该模型的有效性。     

基于城区距离的自适应加权均值滤波算法

针对传统滤波窗口不能自适应扩展以及标准均值滤波易造成图像边缘模糊的缺陷,提出一种基于城区距离的自适应加权均值滤波算法。首先,利用开关滤波思想检测出噪声点;其次,对于每一噪声点,依据城区距离扩展窗口,窗口的大小根据窗口内信号点的个数自适应地调节;最后,将窗口内足够数量信号点的灰度的加权平均值作为噪声点的灰度值,实现对噪声点的有效恢复。实验结果表明,该算法能够有效地滤除椒盐噪声,尤其对噪声密度较大的图像,去噪效果更加显著。     

平面曲线去噪的混合双边算法

介绍了一种对平面离散曲线进行去噪声的新的方法。在网格去噪算法中,有两种比较好的去噪方法,分别是由Fleishman等人与Jones等人提出的。这两种网格去噪算法都能较好地保持特征,但是它们的缺点是前者会产生收缩,而后者则会产生扩张,将这两种算法结合起来,并且应用于曲线,得到了一种新的不会产生收缩,并且能够很好保持特征的平面曲线去噪算法,较好地解决了在曲线去噪中的两个重要问题：收缩和保特征。