选择性计算的快速非局部均值图像去噪

针对非局部均值(NLM)图像去噪算法度量像素间的相似性计算强度高的问题,提出了一种选择性计算的快速NLM去噪方法。在图像块像素灰度值向量空间距离计算时,利用L2范数逐次消元法,只需在图像积分图上通过少量加法运算即可剔除大量相似性低的像素点,有效地减少计算强度。根据图像空间相关性强的特点,提出了基于patch测地线距离的动态调整搜索区域的方法。实验结果表明,与其他经典算法相比,该方法获得了较好的加速,也提升了NLM算法的去噪性能。     

SURE准则的非局部SAR图像相干斑抑制

针对传统空域非局部平均方法在合成孔径雷达图像相干斑抑制中存在相似区域提取和方向信息捕获不足的问题,提出了一种基于各向异性高斯方向窗和Stein's无偏风险估计(SURE)准则融合的非局部均值(NLM)算法。该方法设计多个不同方向的各向异性高斯窗来匹配SAR图像的局部空间几何结构,比传统的方形窗能更好地保护SAR图像中的方向性结构。采用比率测度来衡量图像块间的相似程度,并计算基于该各向异性高斯窗的NLM结果。结合SURE准则来融合不同方向的各向异性高斯窗的非局部平均结果,获得最终的SAR图像降斑结果。针对多幅SAR图像进行对比实验,实验结果表明:该方法在有效抑制SAR图像相干斑的同时能很好地保留图像的几何结构信息,为后续的SAR图像理解与解译提供了良好的基础。     

基于引导核聚类的非局部均值图像去噪算法

为改善非局部均值(NLM)算法对不规则纹理图像的去噪效果,提出了一种基于引导核聚类和自适应搜索窗的NLM图像去噪算法。首先使用基于引导核的模糊C均值(FCM)聚类算法对相似窗进行预筛选,划分其类别;然后根据相似窗的类别计算每个像素点对应的搜索窗大小,保证相似性较高的相似窗数量;最后分别对每一类进行自适应搜索窗的NLM图像去噪。实验结果表明:与基于Zernike矩、基于主邻域字典(PND)、基于均值方差预筛选等3种NLM改进算法相比,该NLM改进算法对强噪声污染或不规则纹理的图像,其去噪效果更为有效,并更好地保持了图像的纹理、边缘,在峰值信噪比(PSNR)和结构相似性测度(SSIM)等客观定量评价指标上优于其他NLM改进算法。     

基于差分曲率的非局部均值图像降噪算法

传统非局部均值滤波算法忽略了图像块之间的结构相似性,造成搜寻相似像素不充分,使得一些图像细节被滤除.因此,利用差分曲率对图像边缘和斜坡等结构信息的良好检测性能,提出了一种基于差分曲率的非局部均值降噪算法.该方法充分利用图像块之间灰度值和差分曲率的欧氏距离共同确定权重,对图像块之间进行更好的相似性判断,进而优化传统非局部均值滤波算法.实验结果表明,与传统的非局部均值降噪算法相比,新算法能有效地保持图像边缘细节等信息,改善了传统非局部均值算法的去噪性能,取得了良好的降噪效果.     

基于余弦相似度的非局部均值滤波方法

为了解决非局部均值滤波(N L M)中会出现过度滤波,模糊了边缘结构信息等问题,提出了一种基于余弦相似度非局部均值滤波方法.该方法用余弦相似度改进非局部均值滤波中子块相似度的度量,能利用结构信息,对图像边缘结构信息进行更好的保持,同时可以减少图像明暗程度对去噪效果的影响.通过多个典型图像和不同的滤波参数h的实验表明,该算法与经典非局部均值滤波算法、基于积分图像的非局部均值滤波算法、Adaptive Wavelet Thresh?old算法、2VAR-BMWP-MAP算法、减小斑点扩散算法相比,实验结果表明:该算法能在有效去除噪声的同时更好保持边缘结构信息.另外,针对少有图像评价指标能在反映图像去噪程度的同时反映去噪算法的细节保持程度,在方法噪声的基础上提出了一种新的图像去噪评价指标,定义为方法噪声差(C B).结论表明:方法噪声差的确能反应去噪程度的同时反应图像细节的保持程度,且比误差的均方差(M S E)更符合人的主观视觉感受.     

基于余弦高斯核函数的非局部均值煤尘图像去噪

煤尘是引发煤矿事故的主要诱因,煤尘颗粒的分类测量对煤尘浓度的在线检测至关重要。近几年,颗粒图像分析处理技术的应用越来越广泛,但是煤矿井下环境复杂,煤尘图像在采集和传输的过程中,不可避免的会受到噪声的干扰,对后续的颗粒检测产生影响。因此,煤尘颗粒图像的去噪处理就显得十分重要。非局部均值去噪算法(Non-Local Means,NLM)在图像去噪方面效果显著,但是对于经典NLM,使用指数函数作为核函数会造成图像细节的缺失。为了改进这一缺陷,本文采用余弦加权的高斯核函数对传统的非局部均值算法进行改进,能够更好的保留去噪后图像的细节。通过实验结果表明,该算法的去噪性能明显优于经典NLM算法,能更好地保留煤尘图像中的细节信息。     

偏差校正的DCT子空间非局部均值MRI图像去噪算法

针对MRI图像中的莱斯( Rician)噪声直接采用高斯白噪声去噪算法仅能取得次优去噪效果这一问题,在DCT子空间非局部均值去噪算法基础上,提出一种偏差校正的DCT子空间非局部均值MRI图像去噪算法。首先分析MRI图像中Rician噪声的特性,给出在MRI模值平方图中估计噪声偏差的方法;然后使用偏差校正的DCT子空间非局部均值MRI图像去噪算法在MRI图像的模值平方图上进行去噪处理。在模拟MRI图像上进行的实验结果表明,该算法在有效去除Rician噪声的同时,很好地保留了器官和软组织的细节纹理信息,取得了较好的去噪效果。     

显著信息引导的直觉空间模糊聚类图像分割

为克服直觉模糊C-均值(IFCM)聚类算法应用于图像分割时,易受噪声影响,且对聚类中心初始值敏感的缺陷,给出显著信息引导的直觉空间模糊聚类图像分割方法。使用图像的显著信息初始化聚类中心,能够很大程度地防止算法陷入局部最优;将改进的融合局部空间信息的模糊因子引入到IFCM聚类算法中,可提升算法的抗噪性能。实验结果表明所给方法能在多种含噪声图像上得到较好的分割效果。     

偏差校正的DCT子空间非局部均值MRI图像去噪算法

针对直接采用高斯白噪声去噪算法去除MRI图像中的莱斯(Rician)噪声仅能取得次优去噪效果这一问题,在DCT子空间非局部均值去噪算法基础上,提出一种偏差校正的DCT子空间非局部均值MRI图像去噪算法。首先分析MRI图像中Rician噪声的特性,给出在MRI模值平方图中估计噪声偏差的方法;然后使用偏差校正的DCT子空间非局部均值MRI图像去噪算法在MRI图像的模值平方图上进行去噪处理。在模拟MRI图像上进行实验,其结果表明,该算法在有效去除Rician噪声的同时,很好地保留了器官和软组织的细节纹理信息,取得了较好的去噪效果。       

基于梯度方向的非局部均值图像去噪算法

传统非局部均值去噪算法忽略了像素点邻域灰度值之间的差异,导致图像边缘模糊及细节丢失.因此,利用两个像素点邻域之间的梯度方向在添加噪声前后仍具有相似性的特点,提出一种基于梯度方向的非局部均值图像去噪算法.首先,对含有噪声的图像进行高斯滤波预处理;其次,充分利用区域的梯度信息和邻域块之间的灰度值共同确定权重,对邻域块之间进行更好的相似性判断,进而优化传统非局部均值滤波算法.实验结果表明,相比传统的非局部均值算法,本文算法可保留更多的图像细节信息,得到更优的去噪性能.