基于非局部均值滤波的小波红外图像去噪

为避免小波去噪时阈值的缺陷和非局部均值滤波去噪时计算的复杂性和更有效地去除红外图像中的噪声,提出了一种采用非局部均值滤波的小波图像去噪方法.对含噪图像进行多层小波分解,采用新的贝叶斯估计阈值对高频系数进行阈值化处理,以消除高频噪声;在部分低层子带上进行非局部均值处理以进一步消除噪声.实验结果表明,与通常的小波阈值去噪和非局部均值去噪相比,该方法能很好地去除红外图像中的噪声,获得更高的信噪比(Signal To Noise Ratio,SNR)和更小的均方误差(MeanSquared Error,MSE),而且该方法计算相对简单,能达到很好的视觉效果.     

采用多级残差滤波的非局部均值图像去噪方法

为充分利用残差中的图像信息以提升非局部均值算法的去噪性能,该文提出一种多级残差图像滤波新方法。首先对含噪图像进行非局部均值滤波得到初始的去噪图像和权值分布矩阵,然后对残差图像进行固定权值非局部均值滤波来提取图像结构信息,将提取的信息经高斯平滑抑噪后作为补偿图像,与去噪图像相加得到增强的恢复图像。针对上述方法提出一种多级滤波的实现方案,从理论上推导证明了该方法的原理及可行性,并提出一种无需参考图像的迭代停止准则来自适应地优选滤波级数。实验结果表明,提出的迭代停止准则能够达到与峰值信噪比一致的优选结果;与经典的非局部均值算法相比,在计算效率相当的情况下,所提方法能够显著地提升其去噪性能,峰值信噪比平均可以提高1.2 dB,且具有更好的细节保持能力。     

基于非局部均值滤波的SAR图像去噪

该文提出一种基于结构相似性指数(SSIM)的非局部均值(Non Local means,NL-means)滤波的合成孔径雷达(SAR)图像相干斑噪声抑制新方法。该方法用SSIM改进NL-means算法中小块相似性的度量,能利用结构信息来进行相干斑抑制。通过在真实SAR图像上的实验表明,与GammaMAP滤波、CHMT算法、BLS-GSM算法、NL-means滤波相比,此方法在有效去除相干斑噪声的同时能更好地保持边缘结构信息。     

快速非局部均值滤波图像去噪

针对非局部平均（NLM）去噪算法复杂度过高,滤波过程中对图像信号产生过度平滑的问题,提出一种基于高斯主成分分析的快速NLM去噪算法。该方法首先对所有像素点的邻域进行高斯滤波降低噪声干扰,提高主成分分析的准确度,降低分解结果的维度,进而提高NLM算法中的块匹配效率和准确性,为提高去噪效果奠定基础。虽然该方法在NLM前加入了高斯预滤波和主成分分析,但是由于有效的降维,整体算法复杂度较传统NLM仍有减少,且算法性能有所提高。实验表明与传统的NLM算法相比,本文所提出的新算法不仅降低了计算复杂度,而且可以产生更好的去噪效果。      

结合NSST和快速非局部均值滤波的刀具图像去噪

为消除基于图像处理的刀具磨损检测中的图像噪声,提出了结合非下采样Shearlet变换(Non-subsampled Shearlet Transform, NSST)和快速非局部均值(Fast Non-local Means, FNLM)滤波的图像去噪方法。首先,利用基于决策的非对称剪切中值(Decision Based Un-symmetric Trimmed Median, DBUTM)方法滤除图像中的椒盐噪声;然后,对图像进行NSST多尺度分解,得到一个低频子带和一系列高频子带;最后,分别使用FNLM滤波和各向异性扩散模型调整低频和高频子带系数,并由调整后的各子带系数重构出噪声滤除后的图像。实验结果表明,与基于小波的阈值收缩方法、基于Contourlet的全变差模型结合各向异性扩散方法、基于NSST和标准非局部均值滤波方法相比,本文方法在主观视觉去噪效果、峰值信噪比、结构相似度以及处理速度等4个方面性能更优。      

基于PDTDFB变换域各向异性双变量模型和非局部均值滤波的图像去噪方法

为了有效去除图像噪声并保留更多图像细节信息,提出一种结合PDTDFB变换域各项异性双变量拉普拉斯模型和非局部均值滤波的自适应图像去噪算法.首先分析了PDTDFB变换系数的分布特点,使用各项异性双变量拉普拉斯模型作为其父子系数相关性的先验分布,在贝叶斯去噪框架下推导出闭式形式的各项异性双变量阈值函数,然后对估计的变换系数进行逆PDTDFB变换得到初步去噪图像,最后使用非局部均值滤波对其进行平滑处理.实验结果显示:本文所提算法去噪效果明显,与一些经典算法相比,本文方法在主客观上皆取得了有竞争力的结果.     

空域滤波图像去噪算法研究

本文对几种有代表性的空域滤波图像去噪算法进行研究,并通过数值实验来分析这几种算法在图像去噪方面的性能。最后,对图像去噪所面临的问题和今后可能的发展提出了建议。     

结合全变分的双边滤波图像去噪方法研究

图像去噪是数字图像处理过程中的一个重要步骤,它将直接影响到图像处理的最终质量。针对传统的全变分(TV)正则化去噪算法容易产生阶梯效应的缺点,利用双边滤波去噪算法在空间域和值域两个方面进行滤波的特点,提出一种结合TV模型的双边滤波方法,该方法能在一定程度上有效地改善阶梯效应。仿真实验结果表明,提出的去噪方法不仅能够获得较好的去噪效果,还能有效地保持图像的边缘特征信息,降噪效果明显。在较高水平噪声情况下,与TV算法相比,该方法针对小尺寸灰度图片(256×256)图像的峰值信噪比(PSNR)提高1.45 d B左右,大尺寸灰度图片(512×512)图像的PSNR提高2.56 d B左右。     

一种基于改进非局部均值滤波算法的红外图像去噪

提出了一种基于梯度信息的结构相似性算法改进的红外图像非局部均值滤波方法.传统的非局部均值滤波算法采用欧氏距离度量图像块之间的相似性,因而不能够很好地衡量图像细节和边缘信息,导致滤波后图像模糊失真.针对此问题,采用结构相似性度量(structural similarity,SSIM)算法对欧氏距离进行加权改进,针对普通的SSIM边缘信息评价能力的不足,提出了带有梯度信息的GSSIM算法,实验结果表明本方法在保持非局部均值(Non-Local Means,NLM)滤波算法去噪能力的同时还能够较好地保持图像的边缘和细节信息.     

基于非局部均值的彩色图像去噪

传统的彩色图像去噪算法通常是分层处理的,而忽略了彩色图像RGB通道之间的相关性,因此基于RGB通道联合相似度估计提出了一种新的彩色图像非局部均值去噪方法。在用非局部均值滤波对彩色图像进行去噪时,首先以目标像素为中心确定其支撑区域,然后根据多通道联合相似度估计确定权重,最后采用逐块滤波的方法对每一层进行滤波。并且针对彩色图像中含有的高斯噪声提出了一种新的噪声参数估计方法。由实验结果可以看出该算法比传统的去噪算法在PSNR和FSIM方面都有提高。因此可以看出在图像去噪过程中考虑三通道之间的相关性是必要的,同时也证明了算法的有效性。     

采用非局部均值的连续太赫兹图像去噪处理

太赫兹辐射能够穿透大多数对可见光和近红外光不透明的物质。提高成像质量是成像系统的关键,尤其对探测器性能较低的面阵成像更为重要。通过数字图像处理方法改善成像质量是一条重要的解决途径。应用非局部均值(NLM)分别对真实的透射扫描、反射扫描和透射面阵、反射面阵的太赫兹图像进行了去噪处理,选取不同的控制参数进行了对比分析,同时对比了均值滤波处理结果。实验结果表明:非局部均值能够较好地去除连续太赫兹图像噪声、提高成像质量,对噪声严重的面阵成像去噪效果最明显。非局部均值去噪并保持边缘能力明显好于均值滤波。     

基于统计特性的非局部均值去噪算法

针对非局部均值滤波的权值由相似块的欧式距来确定而未考虑其受噪声影响的缺点,提出了一种权值由相似块欧式距的统计特性确定的去噪算法。该算法首先对受到高斯噪声干扰的图像相似块的欧式距建立概率分布函数,再由概率分布函数确定权值大小,从而有效地减小高斯噪声对加权系数的影响,以提高去噪性能。实验中,从主客观方面与传统非局部均值滤波进行对比分析,实验数据表明本文提出的算法峰值信噪比提高约1dB,去除噪声的同时保留更多图像的细节信息,去噪性能更优。     

基于中值滤波和小波变换的图像去噪

针对混合噪声的特点,提出一种中值滤波和小波变换相结合的去噪方法。首先对噪声图像进行中值滤波,然后再通过小波阈值法对噪声进行去除,达到去噪目的。最后进行了Matlab仿真实验以及客观标准评价,结果表明:这种方法改善了图像质量,去噪效果优于传统的软、硬阈值方法以及单纯的中值滤波方法,可以有效的去除混合噪声。     

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...     

A novel denoising method for infrared image based on bilateral filtering and non-local means

This paper presents an image denoising method based on bilateral filtering and non-local means. The non-local region texture or structure of the image has the characteristics of repetition, which can be used to effectively preserve the edge and detail of the image. And compared with classical methods, bilateral filtering method has a better performance in denosing for the reason that the weight includes the geometric closeness factor and the intensity similarity factor. We combine the geometric closeness factor with the weight of non-local means, and construct a new weight. Experimental results show that the modified algorithm can achieve better performance. And it can protect the image detail and structure information better. This work has been supported by the Student’s Platform for Innovation and Entrepreneurship Training Program (No.201510060022). E-mail:lflian@tjut.edu.cn      

A new similarity measure for non-local means filtering of MRI images

In this paper, the application of non-local means (NLM) filtering on MRI images is investigated. An essential component of any NLM-based algorithm is its similarity measure used to compare pixel intensities. Unfortunately, virtually all existing similarity measures used to denoise MRI images have been derived under the assumption of additive white Gaussian noise contamination. Since this assumption is known to fail at low values of signal-to-noise ratio (SNR), alternative formulations of these measures which take into account the correct (Rician) statistics of the noise are required. Accordingly, the main contribution of the present work is to introduce a new similarity measure for NLM filtering of MRI images, which is derived under bona fide statistical assumptions and proves to posses important theoretical advantages over alternative formulations. The utility and viability of the proposed method is demonstrated through a series of numerical experiments using both in silico and in vivo MRI data.     

基于块匹配和三维滤波的相干激光雷达图像去噪研究

针对相干激光雷达距离像和强度像的不同噪声特性,分别采用基于块匹配和三维滤波(BM3D)算法对距离像和强度像进行了去噪处理,并与非局部均值(NLM)算法的去噪结果进行了比较和分析。实验仿真结果表明,对于强度像,同态BM3D算法明显好于同态NLM算法,在保持目标区域的灰度分布均匀性、保持及恢复图像边缘等方面具有较好的性能;对于距离像,由于一般更注重保持正确的距离值,BM3D和NLM算法均不够理想。     

基于非下采样Shearlet和方向权值邻域窗的非局部均值SAR图像相干斑抑制

非局部均值算法将传统的图像去噪算法由局部计算模型推广到非局部计算模型,取得了良好的效果.但对于合成孔径雷达图像,使用观测值和各向同性邻域窗来度量相似性,缺乏鲁棒性和方向性,不利于捕获图像边缘结构信息.提出了基于非下采样Shearlet特征描述子和方向权值邻域窗的非局部均值算法.实验表明,该算法不但有效地去除了相干斑,而且很好地保持了图像的几何结构信息,为后期SAR图像的理解与解译奠定了良好的基础.     

一种基于Stein无偏风险估计的复合去噪算法

针对统计非局部均值滤波损坏图像的细节与鲁棒性双边带滤波去噪不充分的缺点,提出了一种基于统计非局部均值滤波与鲁棒性双边带滤波相结合的复合滤波算法。该复合滤波算法通过统计非局部均值滤波与鲁棒性双边带滤波线性组合,利用Stein无偏风险估计对复合算法中的参数进行估计。实验中,从主观与客观方面进行对比分析,证明所提出的复合算法体现了非局部均值滤波与双边带滤波的优点,能有效地去除噪声并更好地保留图像的细节信息,峰值信噪比提高1~2 dB。