无抽样方向滤波器组用于图像去噪的方法研究

提出一种基于无抽样方向滤波器组的图像去噪新方法,首先,将一维半带滤波器（half band filter）转换成二维低通滤波器,通过对此滤波器的各种操作获得4方向、8方向和16方向等无抽样方向滤波器组,同时,将各频域方向滤波器转换成空域模板;其次,采用Contourlet变换中的多尺度分解方法,利用上述空域模板实现图像方向分解,获得噪声图像的各尺度多方向系数;最后,根据各方向系数的统计特性,合理设定去噪阈值,方向合成只需各方向子带图像相加,多尺度合成过程与Contourlet变换相同,完成图像去噪。实验结果表明：该方法不仅有效地去除了图像噪声,而且能很好地保留图像的边缘纹理信息,并很好地去除了Contourlet变换去噪中无法避免伪吉布斯现象所引起的视觉失真,与现有阈值去噪方法相比,图像信噪比明显提高。     

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。     

方向小波域的选择性阈值SAR图像去噪

SAR图像去噪一直是SAR图像处理中一个具有特殊意义的研究课题。噪声抑制的关键是解决图像平滑与保持纹理之间的矛盾。提出了一种基于方向小波的选择性阈值SAR图像去噪算法。该算法利用方向小波的多方向框架对图像作12个方向的分解和变换。针对方向小波分解图像所产生的系数序列长度不同的特点,利用白噪声的置信区间,将不同长度的系数分成3组,对中间长度的系数序列采用统一阈值,对其他长度序列采用白噪声置信区间阈值处理。为了更好地保持图像细节信息,将每一尺度高频系数的方差中值作为噪声方差估计值。利用真实的SAR图像进行去噪试验,与几种经典的空域滤波和小波软阈值算法进行比较结果表明,该算法在平滑图像的同时更好地保持了图像本身的纹理信息,图像的视觉效果优于其他算法,等效视数和边缘保持指数分别提高了97和0.15。     

基于狮群优化算法的自适应图像去噪技术

针对现有技术不能同时处理多种噪声的问题,提出一种基于狮群优化算法的自适应图像去噪技术.利用不同空间滤波器组合,在保留图像更多边缘纹理细节的同时,消除图像中的高斯、斑点和椒盐等多类噪声.为了提高线性滤波器组合的效率,采用狮群优化算法在无人为干预的情况下寻找最佳滤波器组合,使得算法在最少的时间消耗内实现最优的图像噪声消除效果.实验结果表明,该算法在多个指标方面的性能表现明显优于其他算法.     

PDTDFB变换和双变量模型在图像去噪中的应用

对金字塔复方向滤波器组和贝叶斯最大后验估计理论架构下的双变量模型进行研究的基础上,结合二者的优点,提出一种新的图像去噪算法。PDTDFB（Pyramidal Dual-Tree Directional Filter Bank）变换具有近似时移不变性、多尺度、多方向选择性好的特点;双变量模型充分突出图像分解后系数的尺度内和尺度间的双重相关性;对噪声估计方法做出了详细阐述。仿真实验表明,与已有的多尺度理论（如：轮廓波等）和一些典型的图像去噪算法相比较,该算法的客观评价指标PSNR以及去噪后图像的主观视觉效果都有明显的提高和改善,能有效地保留原始图像的纹理和细节信息。     

基于多小波—非采样Contourlet变换的自适应阈值图像去噪方法

为抑制Contourlet变换的非平移不变性和冗余性给图像去噪所带来的图像失真等缺陷,提出一种新的基于多小波—非采样Contourlet变换和基于Bayes Shrink的自适应阈值去噪算法：首先利用多小波对图像进行多尺度分解并结合非下采样方向滤波器组进行方向分解,接着根据分解所得到的各方向子带的关系,改进了Bayes Shrink自适应阈值取值方法,对图像进行去噪处理。实验结果表明：该算法去噪后图像的信噪比(SNR)与已有算法相比,有了明显的提高,有效地抑制了原Contourlet变换所造成的伪Gibbs现象,更好地保留了图像的细节信息。     

基于方向形态滤波算子的快速边缘跟踪算法

方向形态滤波器是一种典型的非线性滤波器,具有良好的方向边缘信息选择和去除噪声的性能,被广泛地应用于图像去噪和边缘提取。在广义形态开最大和广义形态闭最小的滤波器基础上,提出了基于多方向形态算子的快速边缘跟踪算法。主要解决了利用边缘方向信息进行边缘像素编码、边缘像素跟踪最小方向计算和非连续点判断方法等算法关键问题。为了验证该算法的有效性和可行性,对标准circle图像与加噪Lena图像进行了不同算法对比实验,实验结果表明新快速边缘跟踪算法具有较强的抗噪性和单像素连通性。     

基于模糊函数估计和变分泛函数优化的含噪声模糊图像复原算法

针对摄影图像中常见的噪声和模糊同时退化图像的问题,提出一种Radon变换估计模糊函数结合变分泛函优化的图像复原算法。算法首先利用方向滤波器对图像去噪,然后利用Radon变换以去除方向滤波在模糊函数估计中引起的偏差,再利用模糊函数通过去卷积操作去除模糊,最后在去模糊的基础上利用 L0梯度范数的变换泛函的优化算法,去除剩余噪声从而对图像进行复原。实验表明,该算法可以有效地恢复摄影图像中的场景。     

基于Context模型的小波变换阈值自适应图像去噪

根据噪声和信号的小波系数在不同分解尺度、不同方向上高频系数的分布不同,结合Context模型,提出基于Context模型的小波变换阈值自适应图像去噪算法。该算法通过对不同尺度和方向的小波分解系数应用不同的阈值方法进行去噪。实验表明,方法能较好地去除图像噪声和保留图像边缘细节信息,在提高去噪图像信噪比值和改善视觉效果方面都表现出了良好的性能。     

基于噪声检测的图像去噪算法

提出一种图像去噪算法.首先利用4个方向算子来将图像像素分类成噪声像素和信号像素,然后设计一个基于中值的、权值自适应调整的、加权类型的中值滤波器来去除和恢复检测到的噪声像素,而保留信号像素不变.实验结果表明,新的滤波算法在高效去除冲击噪声的同时还能较好地保护图像细节信息,其滤波性能胜过传统的中值滤波器及其它一些典型的和最近开发的改进型中值滤波器.     

一种新的血管造影图像Hessian矩阵增强算法

针对实际血管造影图像存在的噪声和光照不均,本文提出一种新的Hessian矩阵增强算法来提取血管图像。算法主要通过无抽样方向滤波器组进行血管方向图分解、同态滤波器滤波、Hessian特征矩阵和血管方向图合成。实验表明,与传统Hessian算法相比,提出的算法能够连续提取血管的精细结构,对噪声不敏感,处理的图像质量更高。     

The multiscale directional bilateral filter and its application to multisensor image fusion

In this paper, a novel multiscale geometrical analysis called the multiscale directional bilateral filter (MDBF) which introduces the nonsubsampled directional filter bank into the multiscale bilateral filter is proposed. Through combining the characteristic of preserving edge of the bilateral filter with the ability of capturing directional information of the directional filter bank, the MDBF can better represent the intrinsic geometrical structure of images. The MDBF, which is a multiscale, multidirectional and shift-invariant image decomposition scheme, is used to fuse multisensor images in this paper. The source images are first decomposed into the directional detail subbands and the approximation subbands via the MDBF. Then, the directional detail subbands and the approximation subbands are fused according to the given fusion rule, respectively. Finally, the inverse MDBF is applied to the fused subbands to obtain the fused image. Experimental results over visible and infrared images and medical images demonstrate the superiority of our method compared with conventional methods in terms of visual inspection and objective measures.     

基于小波-全相位方向滤波器组变换的多聚焦图像融合

利用全相位方向滤波器组良好的多方向性和平移不变性的特征,提出一种基于小波-全相位方向滤波器组变换的多聚焦图像融合方法。对不同聚焦图像进行小波-全相位方向滤波器组变换,采用加权平均算子对低频系数进行融合,采用局部方差准则对各个方向上的高频系数进行融合,对融合后的系数进行重构,得到高低频比例升高的融合图像。实验结果表明,与其它多聚焦图像融合算法相比,该方法显著减少均方根误差的值,提高峰值信噪比的值,使得融合图像效果好。     

基于LP和DFB结构的离散Contourlet遥感影像融合算法及在QuickBird中的试验研究

针对目前最新发展的Contourlet变换能够比小波变换提供更丰富的方向和形状基,适合进行多尺度边缘增强的特点,利用Contourlet变换用于融合遥感全色和多光谱影像的算法,即利用LP（Laplacian Pyramid）捕获影像的低频分量,利用DFB（Directional Filter Bank）获得影像的高频分量,再对得到的低频近似系数和高频细节系数按照融合规则,采用算术平均和加权算子构造融合影像对应的对比度金字塔;最后,通过逆塔形变换重构融合影像。提出一种基于塔形方向滤波器组PDFB（Pyramidal Directional Filter Bank）的影像融合方法,算法一方面将Contourlet变换这一新的数学工具引入到影像融合中,另一方面对目前高分辨率影像数据源QuickBird进行了融合实验。此外,利用熵、扭曲度、偏差指数、相关系数、标准差等参量,对此融合方法的融合性能进行了评价与分析。实验结果表明：提出的融合算法能在保留多光谱影像光谱信息的同时增强了融合影像的空间细节表现能力和信息量,该算法是有效可行的。     

基于卡尔曼滤波SVM图像鉴别方法研究

研究如何区分自然图像和计算机图形判别图像问题。由于人眼难以判别真伪图像,针对传统的图像鉴别方法由于参数的设置而造成识别准确率低,从而无法准确的区分自然图像和计算机图形。提出了一种卡尔曼滤波和支持向量机分类算法相结合的高性能图像真伪鉴别方法。算法首先采用卡尔曼滤波器提取图像的各个级别的分量,求解出各级分量和判别的误差值并作为特征数据,然后采用支持向量机分类算法对特征数据进行训练判别。仿真结果表明,提出的算法可以有效的判别图像的真伪,可以有效的识别出原始自然图像和合成图像,识别率高达99%以上,同时算法的稳定性较高,具有一定的实际应用价值。     

一种新的全相位Contourlet离散变换在图像去噪中的应用

为了实现更为优秀的利用Contourlet来实现的图像去噪,以MATLAB为仿真工具,提出了一种新的全相位Contourlet离散变换,其多级分解和重构继承了已有的基于全相位DCT(APDCT)子带滤波和全相位IDCT(APIDCT)内插的全相位Contourlet,其方向滤波则是采用一种基于DCT的全相位方向滤波器组(APDFB)。APDFB具有良好的方向选择性,而且重构算法简单,只要将各个方向图像直接相加即可。实验结果表明,将新的全相位Contourlet离散变换应用在图像去噪中,与原Contourlet相比,在信噪比有所提高的同时,图像视觉效果也更好。     

基于支持度变换的几何活动轮廓模型轮廓提取方法

提出了一种新的轮廓提取方法,该方法将几何活动轮廓模型与映射最小二乘向量机(mapped LS-SVM)相结合.首先用映射最小二乘向量机推导出支持度滤波器,通过在基本支持度滤波器中填充零的方法得到一系列的多尺度支持度滤波器.然后通过支持度变换(SVT)计算出支持度图像.在此基础上,用支持度图像计算几何活动轮廓模型的边缘指示函数,使得曲线演化快速地收敛到期望位置.实验结果表明该方法的轮廓提取效果较好,收敛速度更快.     

基于非下采样Contourlet变换多聚焦图像融合

针对同一场景多聚焦图像的融合问题,本文提出了一种基于非下采样Contourlet变换(NSCT)多聚焦图像融合算法。首先,采用NSCT对源图像进行多尺度、多方向分解,得到低频子带系数和各带通方向子带系数;其后,针对低频子带系数的选择,提出了一种基于方向向量模和加权平均相结合的融合规则;然后,针对带通方向子带系数的选择,提出了一种基于改进的方向对比度和局部区域能量相结合的融合规则;最后,经NSCT逆变换得到融合图像。实验结果表明,该算法能够有效地保留源图像的有用信息,避免噪声、虚影等效应,是一种有效可行的图像融合算法。     

用于多光照条件下车牌定位的遗传算法

针对多光照条件下由于车牌图像退化难以定位的问题,提出一种基于遗传算法的解决方案。该方法首先对图像局部区域进行二值纹理特征增强处理,并通过一组一维滤波器获取其纹理特征向量,最后使用基于实整数编码的遗传算法对全图进行车牌特征匹配搜索最终准确定位车牌。测试结果表明,结合遗传算法的局域特征增强算法对多种光照条件下的抓拍图像定位性能稳定,定位成功率优于传统的直线检测方法和灰度变化特征检测方法。