双稳态自适应随机共振的强噪声图像复原研究

传统的图像滤波复原技术一般都是对图像中的噪声加以抑制或消除,但图像在强噪声污染时传统的方法消除噪声很困难。根据随机共振可以利用噪声增强弱信号的特性,提出了一种通过比较互信息熵,自适应调节参数使双稳态系统达到随机共振来复原含噪图像的方法。实验结果表明,在强噪声背景下与传统滤波复原方法相比,该方法复原信噪比更高,鲁棒性好,改善了图像复原的效果。     

基于神经元阈上非周期随机共振机制的灰度图像复原研究

传统的图像复原方法在重建被噪声污染的图像时,都只是将噪声作为一种干扰加以消除。当噪声增强、图像信号减弱时,由于受方法本身消噪能力的限制,图像的恢复变得非常困难,因此,基于Hodgkin-Huxley神经元阈上非周期随机共振原理,提出了一种通过自适应调节和添加最优噪声的方法来实现图像随机共振,以取得最佳的复原效果。实验结果表明,该方法对于被噪声污染的灰度图像,特别是对于强噪声背景下的灰度图像,其复原的效果优于传统的方法。由于该方法具有较强的鲁棒性,因此为强噪声背景下的图像复原、目标识别等工程应用提供了一种新的思路。     

自适应随机共振的图像复原研究

传统的图像滤波复原技术都是把噪声当成一种有害的干扰加以消除,但随着噪声的强度增加,传统的图像复原办法对强噪声背景下的图像复原效果很差。本文主要基于Hodgkin-Huxley(H-H)神经元阈上非周期随机共振原理,通过一种自适应调节的方法不断添加噪声实现图像的随机共振,从而达到最佳的图像复原效果。实验结果证明,相对于传统的图像复原方法,本文所提出的方法在强噪声的背景下对图像的恢复有更好的效果,随着噪声强度的变化具有比传统方法更好的鲁棒性,为图像复原提供了一种新思路。     

双稳态随机共振机制及其在图像复原中的应用

强噪声背景下的图像复原对于改善目标图像的视觉效果,提高后续图像分析或处理的性能起着关键性作用。首先研究双稳态非线性系统的随机共振非周期响应;然后通过多方向Hilbert扫描法,在保持图像像素空间相关性的基础上,将2维灰度图像转换为多个1维非周期信号序列;最后利用双稳态系统、图像信号以及噪声之间的随机共振协同作用,实现强噪声背景灰度图像的复原。实验结果表明,随机共振复原方法在较好地重现图像细节的同时,能有效抑制图像中的噪声;尤其在低信噪比情形下,本文方法在信噪比改善程度与灰度层次感上,要明显优于传统图像复原方法。     

基于饱和系统随机共振的图像去噪算法

利用随机共振（SR）机制，在传输相关信号的非线性系统中加入噪声，在输出端信号可被增强。本文提出一种基于动态饱和非线性系统随机共振的图像去噪算法，首先将图像重采样为一维信号，并调节动态饱和非线性系统的参数，使之达到最优，使动态饱和非线性系统能够产生随机共振。相比一维随机共振，二维随机共振的图像复原效果更接近于原图，输出图像的直方图和峰值信噪比(PSNR)，也明显优于一维随机共振。相比于传统滤波方法，饱和系统的去噪效果更好，同时对于噪声强度的变化具有较好的鲁棒性。     

图像中的高斯和脉冲混合噪声处理

通常情况下,受脉冲噪声污染的图像采用中值滤波法复原,受高斯噪声污染的图像采用均值滤波法复原。为了去除两者的混合噪声,Lee和Kassam提出了一种改进的均值滤波算法ModifiedTrimmedMean(MTM),但是MTM的使用受到了阈值的限制。为了在滤除退化图像中混合噪声的同时能更好地保护图像细节,我们详细分析了MTM滤波的特点,在对MTM进行改进的同时,提出了一种改进的自适应中值滤波算法(统计滤波)。该算法无需噪声的先验知识,利用VisualC 自动搜索阈值来实现图像的最佳复原。利用两种客观标准进行评价,实践证明新方法的处理结果优于传统的MTM方法。     

图像中的高斯和脉冲混合噪声处理

通常情况下,受脉冲噪声污染的图像采用中值滤波法复原,受高斯噪声污染的图像采用均值滤波法复原.为了去除两者的混合噪声,Lee和Kassam提出了一种改进的均值滤波算法Modified Trimmed Mean(MTM),但是MTM的使用受到了阈值的限制.为了在滤除退化图像中混合噪声的同时能更好地保护图像细节,我们详细分析了MTM滤波的特点,在对MTM进行改进的同时,提出了一种改进的自适应中值滤波算法(统计滤波).该算法无需噪声的先验知识,利用Visual C++自动搜索阈值来实现图像的最佳复原.利用两种客观标准进行评价,实践证明新方法的处理结果优于传统的MTM方法.     

一种改进的图像复原方法的研究

该文提出了一种改进的图像复原方法,能有效复原既受高斯噪声的污染又同时受脉冲噪声污染的图像,将小波阈值降噪与自适应中值滤波相结合,既能很好保持图像的边缘,又能有效抑制噪声,使图像复原达到理想效果。     

基于神经元阈上非周期随机共振机制的语音复原技术研究

应用随机共振机制.通过噪声能量来加强语音信号,改善低信噪比语音的输出质量.对FitzHugh-Nagumo(FHN)神经元模型中存在的阈上非周期随机共振现象进行了分析,根据其阈值特性,此二维神经元模型可被等价为两状态的阈值跨越非线性动力学系统.因此对含噪语音信号添加噪声,产生阈值化后的二值输出,经迭代收敛进入阈上非周期随机共振状态.在一个非零添加噪声强度上,含噪语音输出的互相关系数将达到最大值.通过语音复原的结果表明,本文方法对噪声的变化有更好的鲁棒性,尤其在强背景噪声下,随机共振方法较其他传统方法有更佳的复原效果.     

噪声模糊图像复原算法构建及仿真

针对传统图像复原算法对噪声强度较大的模糊图像进行复原时,容易出现图像失真的问题,研究结合经典维纳滤波算法和空间滤波算法,提出一种组合维纳滤波算法的噪声模糊图像复原方法。首先,采用空间滤波算法减弱模糊图像的噪声;然后,采用维纳滤波算法对去噪后的模糊图像进行复原;最后,通过仿真实验对组合维纳滤波算法进行验证。结果表明,相较于单一的维纳滤波算法,所研究组合维纳滤波算法在高斯噪声、椒盐噪声、高斯-椒盐噪声的条件下,PSNR、SNR、ISNR值均提高了0.5 d B以上,具有一定的优越性,可提高复原图像的质量,得到清晰且轮廓分明的复原图像。     

基于非线性共振的图像恢复技术及应用

图像恢复技术常用于信息安全和电子取证等领域.传统的图像恢复技术,往往通过抑制噪声的方式来对图像进行恢复,但是,这样的缺点在于图像中一些非噪声像素遭到破坏,而文章中提到的相关算法则是将信号处理系统中的随机共振演化为双稳态随机共振并将其引入到图像恢复中来,将噪声视作一种能量,从而达到图像恢复的目的.     

基于神经网络的光学4f系统图像复原

由于光学4f系统存在诸多误差因素,引起所采集到的图像存在大量的噪声。探讨了基于神经网络的图像复原的一般方法,结合4f光学系统的特点,提出采用整体图像处理的复原思路,有效地利用了系统误差的结构信息。实验结果表明,该方法对光学4f系统的图像复原具有较好的效果。     

结合小波滤波和形态学的图像边缘检测方法

针对传统的边缘检测方法对含噪图像检测效果不理想,提出了一种小波滤波和多结构元素的数学形态学相结合的图像边缘检测方法。用广义交叉验证准则进行小波阈值的自适应选取,用此阈值的广义阈值函数的小波滤波方法对含噪图像去噪;构造4种具有代表性的结构元素,根据边缘方向自动选择相应方向的结构元素,用改进的形态学边缘检测算子对图像进行边缘检测,得到在噪声存在条件下较为理想的图像边缘。实验结果表明,该算法能够有效地抑制噪声,检测的边缘较清晰、连续,其检测效果优于传统边缘检测算法。     

稀疏梯度先验模型的正则化图像复原

传统Lucy-Richardson(LR)算法是一种基于贝叶斯分析的图像复原迭代算法,对高信噪比的退化图像能获得很好的复原结果,但对噪声过于敏感,对低信噪比的退化图像在迭代过程中易造成噪声的放大,虽然有一些正则化方法应用到LR算法中来抑制噪声,但往往容易产生过度平滑的问题。针对这些问题将图像稀疏先验模型作为正则项引入到LR算法中,抑制噪声在迭代过程中的放大。与常规的图像梯度约束算法不同,本文算法中根据模糊图像梯度分布特点的不同提出了可变参数的图像稀疏梯度正则化约束方法,使复原图像的梯度分布参数在迭代过程中更趋近于真实梯度分布,同时通过调整正则项系数可以避免复原图像的过度平滑。实验结果表明,同标准LR算法和常规梯度约束算法相比,本文算法能够实现在抑制噪声放大的同时较好地保留图像的细节。     

A method of total variation to remove the mixed Poisson-Gaussian noise

There are many modern devices are used to create digital images. These devices use optical effects to create images. Therefore, the image quality depends on quality of optical sensors. Because of the limits of technology, these sensors cannot reconstruct the images perfectly, and always include some defects. One from these defects is noise. The noise reduces image quality and result of image processing. The image noises can be classified into some types: Gaussian noise, Poisson noise, speckle noise and so on. Depending on particular noises, we have efficient methods to remove them. There is no existing a universal method to remove all noises effectively. In this paper, we proposed a method to remove a noise that is popular in biomedicine. This noise can be considered as a combination of Gaussian and Poisson noises. Our method is based on the total variation of an image intensity (brightness) function.     

A two-stage filter for high density salt and pepper denoising

Image restoration is an important and interesting problem in the field of image processing because it improves the quality of input images, which facilitates postprocessing tasks. The salt-and-pepper noise has a simpler structure than other noises, such as Gaussian and Poisson noises, but is a very common type of noise caused by many electronic devices. In this article, we propose a two-stage filter to remove high-density salt-and-pepper noise on images. The range of application of the proposed denoising method goes from low-density to high-density corrupted images. In the experiments, we assessed the image quality after denoising using the peak signal-to-noise ratio and structural similarity metric. We also compared our method against other similar state-of-the-art denoising methods to prove its effectiveness for salt and pepper noise removal. From the findings, one can conclude that the proposed method can successfully remove super-high-density noise with noise level above 90%.

     

基于GAN的图像盲复原算法研究

图像复原是图像处理领域的重要问题。图像复原过程可以看作是退化过程的逆过程,其主要的目的是去除图像中的退化现象,有效地提高图像的质量。图像复原是图像处理任务中一个基础性、前提性的课题,然而模糊是普遍存在的,复原过程有一定的困难,目前已有一些图像复原的方法发展十分迅速,且研究成果突出,如基于滤波的方法,基于正则化的方法和基于微分方程的方法等。目前很多方法对于合成图像的复原效果较好,对于真实图像的复原效果并不理想。本论文的研究重点是充分利用深度学习的特征表示的优点,分析了图像复原的过程通用的网络,这对于图像复原的发展是十分有意义的。     

截断核范数和全变差正则化高光谱图像复原

目的 高光谱图像距具有较高的光谱分辨率,从而具备区分诊断性光谱特征地物的能力,但高光谱数据经常会受到如环境、设备等各种因素的干扰,导致数据污染,严重影响高光谱数据在应用中的精度和可信度。方法 根据高光谱图像光谱维度特征值大小与所包含信息的关系,利用截断核范数最小化方法表示光谱低秩先验,从而有效抑制稀疏噪声;再利用高光谱图像的空间稀疏先验建立正则化模型,达到去除高密度噪声的目的;最终,结合上述两种模型的优势,构建截断核范数全变差正则化模型去除高斯噪声、稀疏噪声及其他混合噪声等。结果 将本文与其他三种近期发表的主流去噪方法进行对比,模型平均峰信噪比提高3.20 dB,平均结构相似数值指标提高0.22,并可以应用到包含各种噪声、不同尺寸的图像,其模型平均峰信噪比提高1.33 dB。结论 本文方法在光谱低秩中更加准确地表示了观测数据的先验特征,利用高光谱遥感数据的空间和低秩先验信息,能够对含有高密度噪声以及稀疏异常值的图像进行复原。