基于Contourlet域非线性扩散的织物疵点图像去噪

提出了将Contourlet变换与非线性扩散相结合的织物疵点图像去噪方法。首先对图像进行Contourlet分解,然后高频部分和低频部分分别采用自适应对比度扩散和全变差扩散,最后重构图像。给出了实验结果,并与现有的小波阈值收缩和全变差扩散结合的方法、基于改进的Contourlet变换的自适应对比度扩散方法、小波变换与非线性扩散相结合的方法的图像去噪效果进行了比较。结果表明,经所提方法去噪后的图像获得的PSNR平均增益可达7.45 dB,去噪效果较为优越：不但抑制噪声的能力更强,而且能够更好地保留织物图像原有的边缘和纹理特征。     

拟合扩散的自适应图像去噪方法

针对纹理等细节信息丢失和图像边缘退化的问题,提出一种拟合扩散的自适应阈值图像去噪算法。首先,改进了扩散方程中的扩散系数,建立拟合扩散系数,克服因扩散强度过大带来的纹理细节信息丢失和边缘退化的弊端;然后,对阈值函数进行了自适应设计和改进,使其根据图像的最大灰度值和迭代次数自动控制阈值,进一步保留图像边缘和细节特征;最后,对新算法进行分析和仿真。实验结果表明,提出的新算法在图像去噪和保边缘、纹理等细节信息方面效果明显,峰值信噪比有了大幅提高,新算法性能优异,有利于实际应用。     

一种具有保留边缘信息的改进SUSAN去噪方法

在图像去噪的过程中,大多数的滤波算法都会在滤除噪声的同时损失边缘信息,而SUSAN算子的原理使其具有保持边缘的特性.本文在原SUSAN滤波的基础上,提出自适应的灰度差阈值选取,并针对原SUSAN算法在图像边缘处滤波效果不佳的情况下提出两个阈值对噪声进行判断.通过对加入椒盐噪声和随机噪声图像的去噪仿真实验表明,对于单次滤波和多次滤波,改进的SUSAN滤波算子避免图像模糊、保留边缘信息方面都具有比普通滤波算法更好的效果.     

面向电力设备红外图像的混合噪声去除方法研究

电力设备的红外图像在采集传输过程中,易受高斯噪声与脉冲噪声的影响从而破坏图像的真实信息,为满足图像处理过程对图像质量的要求,文中提出了一种针对红外图像混合噪声的滤除方法。首先利用三方加权稀疏编码（TWSC）模型有效滤除红外图像中的高斯噪声,然后利用图像结构纹理分解结合中值滤波算法实现剩余脉冲噪声的分离与去除,实现在滤除红外图像混合噪声的同时较好地保持图像的边缘结构信息,结合实例分析表明文中方法能够有效滤除噪声并获得较高的峰值信噪比（PSNR）与结构相似度（SSIM）。     

基于加权低秩矩阵填充的图像去噪算法

为了更好地利用图像信息和增强图像的视觉效果,图像去噪成为图像处理领域中一个热点问题。针对图像去噪问题,本文在低秩矩阵填充理论的基础上,提出了两种基于加权低秩矩阵填充的图像去噪算法。首先,基于补丁匹配提取相似的补丁组成低秩矩阵;其次,利用相似补丁的性质形成含有缺失项的低秩矩阵;然后,利用加权核范数构建补丁块的去噪模型;最后,基于奇异值阈值分解和优化一最小化奇异值阈值分别求解加权低秩矩阵去噪优化模型,得到基于奇异值阈值分解的加权矩阵填充(SVT-MC)去噪算法和基于优化-最小化奇异值阈值的加权矩阵填充(MMST)去噪算法。实验结果表明,本文所提出的SVT-MC去噪算法和MMST去噪算法对不同程度的混合噪声都具有良好的去噪效果。     

基于四阶非线性偏微分方程的图像去噪算法

为了更好的实现图像模糊消除和有效地去除斑点噪声,提出了一种新的基于偏微分方程的图像去噪方法,它是基于非线性四阶扩散模型。首先提出了该非线性偏微分方程的方案,然后对微分模型进行数学处理,研究它的适定性,最后证明了此模型在一定条件下是适定的,并且存在了弱解,所得到的弱解近似于基于有限差分数值离散格式。实验结果表明,新模型在图像去噪和保边缘等细节信息方面都达到较好的效果,峰值信噪比有了大幅提高,去噪性能较经典模型更具优越性。     

小波包与偏微分方程相结合的图像去噪方法

图像在去噪时,梯度算子不能有效识别图像的灰度渐变区和图像淡边缘,而二阶微分量含有更丰富的信息,首先构建二阶微分算子,建立兼顾PM(Perona-Malik)模型和MCD(mean curvature diffusion)模型两者优点的权重函数,可自适应的去除噪声;再用小波包对噪声图像进行系数分解,克服权重函数易受噪声影响的弊端,建立基于小波包与偏微分方程的图像去噪算法。实验结果表明,该算法在兼顾保持区域内部较好光滑性的同时,很好地保持了边缘纹理信息,是一种理想的算法。     

应用对偶方法的TV图像去噪

介绍了基于梯度算子和基于拉普拉斯算子的TV模型图像去噪,指出了传统模型求解过程中存在不可微项的问题,对传统模型进行改进,提出了基于梯度算子和拉普拉斯算子相结合的TV模型,并用对偶方法求其数值解.引入对偶变量,解决了传统的最优化方法求解过程中存在不可微项的问题,使得所求得的数值解更加接近于原始图像.最后通过实验验证,证明该方法能有效去除噪声,同时能够保持图像边缘,减弱传统模型产生的阶梯效应,并能大幅提高去噪效率.     

基于小波域隐Markov树模型及重要性修正的绝缘子红外图像去噪研究

在小波域隐Markov树模型的基础上,提出了一种基于小波域统计建模与小波系数重要性修正相结合的绝缘子红外图像去噪方法。该方法首先通过对数变换将乘性噪声转化为加性噪声,对对数变换后的图像进行小波变换并对小波域的高频子带系数用混合高斯模型与隐马尔可夫树模型进行建模,并采用EM算法来估计模型参数。在模型参数估计的基础上引入了基于重要性准则的小波系数修正,最后通过小波逆变换与指数变换获得去除噪声后的图像。实验结果表明,与普通的小波去噪方法相比,该方法不但有利于保持图像的边缘信息,有效解决红外图像的边缘模糊问题,而且能提高红外图像的信噪比并得到了较好的视觉效果。     

结合DRLSE模型的自适应医学图像分割算法

最近提出的距离正则化的水平集演化新模型采用高斯滤波去除图像噪声,存在使图像边缘变模糊和仍然不能实现自适应分割的问题.为了解决这些问题,采用正则化的P-M方程滤波,实现在去除噪声的同时保护图像边缘信息.并且通过初始曲线内外梯度模值的信息改变曲线单位法向量的方向,从而使曲线自适应地向内或者向外演化.最后,用改进的算法准确地...     

Water Gauge Image Denoising Model Based on Improved Adaptive Total Variation

As an important part of water level warning in water conservancy projects, often due to the influence of en-vironmental factors such as light and stains, the acquired water gauge images have sticky, broken and bright spot conditions, which affect the identification of water gauges. To solve this problem, a water gauge image denoising model based on improved adaptive total variation is proposed. Firstly, the regular term exponent in the adaptive total variational equation is changed to an inverse cosine function; secondly, the differential curvature is used to distinguish the image noise points and increase the smoothing strength at the noise points; finally, according to the characteristics of the gradient mode and adaptive gradient threshold after Gaussian filtering, the New model can adaptively denoise in the smooth area and protect the edge area, so as to have the characteristics of both edge-preserving denoising. The experimental results show that the new model has a great improvement in image vision, higher iteration efficiency and an average increase of 1.6 dB in peak signal-to-noise ratio, and an average increase of 9% in structural similarity, which is more beneficial to practical applications.     

改进型多项式匹配图像去噪算法的研究与应用

为进一步改善常规多项式匹配算法的去噪能力,针对常规多项式匹配算法容易模糊图像边缘/纹理等细节问题,提出一种基于边缘保护的改进多项式匹配滤波的算法。该方法在常规多项式匹配算法基础上,改进滤波窗口的选择方式,沿着图像纹理走向方向提取自适应滑动滤波窗口,选择具有最小匹配误差的窗口进行匹配滤波并作为最终输出结果。然后分别在灰度图像和实际CT图像进行测试,经数据验证表明,该方法在有效压制噪声的前提下能够保持边缘/纹理信息,峰值信噪比平均提升80%以上,均方根误差减少80%以上。认为和常规多项式滤波方法、中值滤波方法、双边滤波方法、边缘保持滤波方法、三维块匹配去噪算法和去噪卷积神经网络方法相比,改进方法能够有效提升图像视觉效果,满足图像应用要求,具有良好的应用前景。     

基于改进各向异性扩散的图像去噪算法

针对纹理等细节信息丢失和图像边缘退化的问题,本文提出了一种基于l_(2)范数的改进各向异性扩散模型。本文首先将PM模型和LCC模型相结合,根据图像梯度的变化,构建局部图像梯度模值与扩散强度之间的关系,不同的梯度模值选择不同的扩散函数;然后利用l_(2)范数确定扩散函数中的梯度阈值,进一步提高去噪模型的泛化能力。实验结果表明,该模型不仅可以解决传统PM模型存在的孤立点问题,而且能够有效地保护图像边缘特征和轮廓结构的完整性,与原始算法相比图像信噪比提升了1.47~1.57 dB,结构相似度提高了17%,在保证去噪效果的同时提高了去噪效率。     

基于旋转块的BM3D图像去噪改进算法

针对经典BM3D去噪算法中存在的相似块匹配误差较大及对图像细节保护不足的问题,提出了一种基于旋转块的BM3D图像去噪改进算法.新算法首先对参考块进行不同角度的旋转获取旋转块,通过旋转块进行相似块匹配过程;然后使用低秩正则化来代替传统算法中的硬阈值滤波;最后,对结合旋转块匹配与低秩正则化的BM3D算法进行自适应调整,从而改善在均匀图像区域中的去噪效果.实验结果表明,新算法的相似块匹配程度更高,峰值信噪比相较于经典算法平均提升0.5 dB,有效保留图像边缘和纹理细节.     

局部高斯均差变分保边图像平滑算法

针对图像平滑过程中无法保留细节的问题,提出了基于局部高斯均差变分的保边图像平滑算法。首先,通过统计学分析建立局部高斯均差变分算子。其可以衡量局部梯度与高斯滤波处理后的梯度差异,区分结构和纹理。其次,构建局部高斯均差变分平滑模型,由稀疏求解得到初始平滑图像。最后,针对复杂纹理图像存在纹理残留的问题,提出孤立噪声去除模型。模型通过自适应窗口设定像素值,在不影响结构的前提下去除初始平滑图像中的纹理残留。通过主观、客观实验,与经典的算法对比,证明该算法有更高质量的平滑结果。评价指标整体提升了0.7%。通过压缩伪影去除、HDR色调映射、图像去雾和拉普拉斯金字塔加速的扩展实验,验证该算法在不同视觉任务上的适用性和效率可提升性。     

融合小波与非局部均值滤波的DSPI相位图去噪

相位图去噪是数字散斑干涉测量的关键技术,但现有以正余弦均值滤波与窗口傅立叶变换滤波为代表的去噪方法在相位保真、自适应降噪、操作简便等方面不能完全满足要求。提出了一种新的自适应相位图去噪方法,首先计算原始相位图的噪声方差,然后对图像分别进行正弦与余弦变换后得到两幅图像,再对这两幅图像进行小波同态阈值去噪与非局部均值滤波,最后将处理后的两幅相位图反正切运算并再次估计噪声方差,根据图像噪声方差的收敛情况判断是否继续迭代处理,以实现相位图的自适应降噪。实验结果表明：针对同一张含噪相位图与传统正余弦均值滤波相比,本文方法噪声方差减少了0.38、L算子和减少了0.2、SSIM提高了0.16,同时,图像信息熵仅相差0.1。该方法能够有效抑制相位图中的相干噪声,充分保留相位边缘信息,同时能够有效避免因不适当的迭代滤波次数所导致的相位失真或噪声残留。     

Image denoising using pulse coupled neural network with an adaptive Pareto genetic algorithm

Recently, pulse coupled neural network (PCNN) attracts much attention in image denoising as a nonlinear filtering technique. The PCNN‐based anisotropic diffusion (PCNN‐AD) method has been proposed previously for flicker noise reduction and its effectiveness has been demonstrated. Using the visual characteristics of PCNN, PCNN‐AD has also solved the problem of AD that AD is not able to suppress the isolate noise. However, there are still two drawbacks in PCNN‐AD, that is, time consuming and PCNN parameters' estimation. In order to improve the efficiency and the denoising performance of PCNN‐AD, a PCNN‐based method with an adaptive Pareto genetic algorithm (GA‐PCNN) has been proposed to restrain from additive white Gaussian noise (AWGN) in this paper. GA‐PCNN firstly integrates the PCNN and AD as a parallel system, then, optimizes the parameters of a simplified PCNN by the adaptive Pareto GA. Experimental results indicate that GA‐PCNN has better performances than the previous denoising techniques, i.e. median filter, Wiener filter, AD filter, and PCNN‐AD. The effectiveness of GA‐PCNN on AWGN reduction and edge preservation are shown finally. The results will also contribute to denoising in CMOS image sensors in the future. © 2011 Institute of Electrical Engineers of Japan. Published by John Wiley & Sons, Inc.     

一种改进工件边缘检测方法的研究

针对现有边缘检测技术难以同时消除图像中噪声和工件表面划痕对边缘检测的影响,并保持图像边缘的清晰度和连续性,提出了一种基于二阶微分算子和数学形态学的改进边缘检测技术。首先利用数学形态学理论,设计了一种形态学开闭运算处理图像的方法,为去除工件表面划痕做好预处理;然后用二阶微分Laplace算子对预处理后的图像进行边缘检测;最后改进了一种高斯与双边滤波结合的算法,强化去噪效果,并对最终算法进行实验验证。实验结果表面,改进的算法在去除工件表面划痕方面效果明显,并与传统微分算子比较,边缘清晰度、峰值信噪比(PSNR)都有大幅提高,为提高工件识别精度打好基础。     

一种改进工件边缘检测方法的研究

针对现有边缘检测技术难以同时消除图像中噪声和工件表面划痕对边缘检测的影响,并保持图像边缘的清晰度和连续性,提出了一种基于二阶微分算子和数学形态学的改进边缘检测技术。首先利用数学形态学理论,设计了一种形态学开闭运算处理图像的方法,为去除工件表面划痕做好预处理;然后用二阶微分Laplace算子对预处理后的图像进行边缘检测;最后改进了一种高斯与双边滤波结合的算法,强化去噪效果,并对最终算法进行实验验证。实验结果表面,改进的算法在去除工件表面划痕方面效果明显,并与传统微分算子比较,边缘清晰度、峰值信噪比(PSNR)都有大幅提高,为提高工件识别精度打好基础。