用于图像去噪的改进型非线性扩散方程

修改一类图像处理用的非线性扩散方程模型的扩散系数函数,使所获得的新模型能够在考虑到图像梯度以及二阶导数的情况下,用于去除图像高梯度噪声并保持图像边缘细节。实验表明,该新模型能够在保持图像中有意义的尖峰和窄边缘的同时,消除高梯度噪声。     

基于视觉特征的尺度空间信息量度量

图像的多尺度表示指的是从原始图像出发,导出一系列越来越平滑、简化的图像。这种简化意味着信息的丢失。如果能定量描述每一个尺度中图像的信息,这对于多尺度表示来说有着重要的作用。虽然Sporring等人提出的尺度空间信息熵度量能解决一些问题,但是并不满足从视觉理论和直观的基础上提出的尺度空间信息量度量的基本要求,例如形态不变性等,为此在M arr视觉理论基础上定义了一个新的具有视觉意义的尺度空间信息度量,并在典型的高斯尺度空间中,证明了它确实满足从视觉理论和直观的基础上提出的尺度空间信息量度量的基本要求。数值试验验证了这种定义在视觉上是可靠的,从而为图像尺度的自适应选择提供了一种可靠的方法。     

基于改进阈值函数的自适应图像去噪方法

经典的BayesShrink通过软阈值函数对小波系数进行修正,使得原小波系数和修正小波系数存在恒定偏差,降低了去噪图像质量。文章利用噪声系数幅值随小波系数幅值的增大而相对减小的特点,构造了具有伸缩性的自适应阈值函数,该方法克服了软阈值函数产生的恒定偏差,依赖小波系数幅值对原始系数和修正系数间的恒定偏差自适应调节。伸缩因子m根据不同图像特点采用二分法自适应寻得最优值。实验结果表明改进后的阈值函数相比经典软阈值函数去噪效果较优。     

基于非下采样Contourlet和扩散的图像去噪

根据非下采样Contourlet变换同时具有多尺度、多分辨分析和平移不变的性质,提出一种基于非下采样Contourlet变换和P-Laplace扩散相结合的图像去噪方法。该方法不但继承了非下采样Contourlet 变换捕捉边缘信息的能力,而且在P-Laplace扩散去噪时具有保持图像边缘信息的优点。实验结果表明该方法具有较好的图像去噪效果。     

基于阈值函数和TV模型的印章图像去噪

为了进一步提高针对印章图像的去噪性能,提出了一种基于阈值函数和TV模型的印章图像去噪方法。首先对含噪印章图像进行Contourlet分解;然后低频部分利用自适应TV模型进行扩散,高频部分通过阈值函数进行筛选;最后经Contourlet逆变换重构印章图像。实验结果表明,与小波阈值法、小波扩散法及Contourlet阈值法相比,该方法能有效地去除高斯白噪声和椒盐噪声的混合噪声,提高峰值信噪比,并较好地保留图像的细节和纹理,具有更好的视觉效果。     

基于方向信息测度的非线性扩散图像去噪方法

在研究非线性扩散方法图像去噪的基础上,针对非线性系数扩散问题,提出了应用图像方向信息控制扩散系数的非线性扩散方法,该方法利用方向信息测度来表征图像的区域性质,不仅降低了噪声的干扰,而且克服了其他方法必须先进行高斯卷积的影响,并有效控制了各点的扩散行为。实验结果证明该方法是可行的,该方法在图像去噪的同时保持了图像的重要特征,取得比较理想的效果。     

引入控制函数的非线性扩散图像去噪

关于图像获取过程中的优化问题,为了克服传统非线性扩散图像去噪模型的不足,有效去除图像噪声,提出了引入两项构造的控制函数.利用局部背景方差信息构造ε方向扩散控制函数以更好区分边缘和噪声,并对边缘区域内,边缘区域间及不同背景下的噪声采取各自适合的扩散策略;采用局部背景亮度信息构造η方向扩散控制函数以加速区域内平滑,消除"块效应",约束去噪图像更逼近原图.理论分析和实验结果均表明,算法模型既能较好保持图像的边缘结构,又能充分抑制噪声,并对视觉效果和峰值信噪比值上都具有明显优势.     

改进的曲率尺度空间角点检测

在曲率尺度空间（CSS）角点检测中,通常采用高斯滤波对图像进行去噪处理。但该方法很大程度上降低了角点检测的准确性和精确性,因此,提出了利用双边滤波来改进的CSS角点检测算法,可以在很好去噪的同时又保证角点检测的高精度。实验结果也充分验证了该算法较其他算法具有的高效性和准确性。     

改进阈值函数的图像去噪方法

针对传统阈值函数的不连续性、高阶不可导和信号振荡等问题,提出了一种改进阈值函数的图像去噪方法。方法在定义域内连续且高阶可导,表达式构造简单易计算,通过调节参数来控制估计小波系数与噪声污染的小波系数间的偏差,抑制了图像模糊的问题。采用传统阈值函数、半软阈值函数与改进的阈值函数法分别进行去噪的仿真试验,并从主观和客观角度对4种去噪效果进行对比分析。实验结果表明:改进的阈值函数法不仅能有效去除不同程度的高斯噪声,同时能更好地保留图像边缘和细节信息,去噪效果优于传统方法,而且峰值性噪比(PSNR)和均值绝对误差(MAE)的性能也显著优于其他算法。     

基于中值滤波和偏微分方程的图像去噪

本文提出了一种能去除高斯和椒盐混合噪声的改进的基于中值滤波和偏微分方程的反扩散方法,该方法在每次迭代反扩散后再用中值滤波。数值实验中的视觉效果和客观标估计标准均表明了改进方法的快速性和有效性。     

片相似性各项异性扩散图像去噪

提出了一种基于片相似性的各项异性扩散图像去噪方法.传统的各项异性图像去噪方法都是基于单个像素点的灰度相似性(或梯度信息),不能很好地保持弱梯度边缘和纹理等细节信息.基于片相似性的非局部图像去噪方法由于利用了邻域像素的灰度相似性,而能够很好地保持纹理等细节信息.将片相似性思想引入到各项异性扩散中,利用片相似性构造扩散函数,同时将片相似性各项异性扩散模型扩展到彩色图像的去噪.实验结果表明,提出的改进方法能很好地保持纹理等细节信息,不存在各项异性扩散普遍存在的明显的阶梯效应,同时比非局部图像去噪方法速度快.医学图像去噪实例也表明所提出方法具有很好的应用前景.     

基于小波维纳滤波和各项异性扩散的图像去噪

提出一种基于小波和各项异性非线性扩散的新图像去噪算法。小波域局部阈值维纳滤波是一种简单有效的去噪方法,利用该方法先对原始图像进行初步去噪,以此引导非线性扩散模型中的边缘检测函数,再用非线性扩散进行去噪。实验表明:该算法不仅很好地保存了图像的边缘信息,而且有效地去除了图像中的大部分噪声,无论是视觉效果还是客观标准上都优于单纯的小波域维纳滤波或各项异性非线性扩散去噪。     

红外图像的自适应混合消噪方法

针对带有高斯噪声和脉冲噪声的红外图像,提出一种自适应混合去噪方法。首先将受脉冲噪声和高斯噪声污染的像素区分开来,然后对被脉冲噪声污染的像素采用自适应层叠中值滤波法,对被高斯噪声污染的像素采用基于局部噪声方差估计的自适应局部滤波法。实验表明,该方法在信噪比(SNR)和最小均方误差(MSE)的改善上明显优于线性平滑滤波法和普通中值滤波算法,并具有较好的图像细节保护能力和较快的滤波速度。     

基于NSCT阈值和自适应扩散的图像降噪

提出一种基于非下采样Contourlet变换(NSCT)阈值和P-Laplace扩散的图像降噪方法。通过NSCT阈值的平移不变性得到初步降噪图像,保留阈值变换后需要置0的高频部分,利用P-Laplace算子对其进行扩散,并将得到的扩散图像融合到阈值降噪图像中,从而提高降噪图像的质量。数值结果表明,该方法能有效保持原图像的纹理细节,减少图像降噪的吉普斯震荡现象。     

P2M扩散与相干增强扩散相结合的抑制噪声方法

该文讨论保边缘的去噪问题。针对P2M扩散不能有效保持线状特征,相干增强扩散易出现虚假条纹的缺点,提出了一种P2M扩散与相干增强扩散相结合的去噪方法。首先,建立了一个P2M扩散与相干增强扩散的加权组合模型。该模型在图像边缘部分侧重于相干增强扩散,其余部分则侧重于P2M扩散。然后,针对模型中存在的参数选取问题进行了分析。从公式推导出发,得到了在边缘点百分比给定的条件下,P2M扩散参数的自适应取值方法,并从应用的角度出发,得到了相干增强扩散参数的经验取值。仿真计算结果表明,与一些常用的去噪方法相比,该方法既能有效地抑制图像噪声,又能较好地保持边缘等线状特征,同时具有较高的峰值信噪比。     

基于剪切波和改进P-M扩散的图像去噪

针对多尺度几何分析方法去噪时产生的伪Gibbs效应和各向异性扩散模型产生的阶梯效应,提出一种基于剪切波的改进各向异性扩散图像去噪方法。首先对噪声图像进行剪切波变换得到不同尺度的系数矩阵,然后利用改进的各向异性扩散方程对变换后的系数进行处理,实现建立在对图像精细分析基础上的各向异性扩散模型。实验结果表明,该方法能较好地抑制噪声和保持边缘,同时有效地抑制伪Gibbs效应,取得良好的视觉效果。     

基于新阈值函数和小波分析的数字图像去噪方法

在数字图像处理过程中消除和减弱噪声对信号具有很重要的影响。中值滤波是传统的减少图像噪声,提高图像质量的可行方法。文章研究了中值滤波及其改进算法在图像去噪中的应用,基于小波分析基础理论和数字图像信号的小波变换分解重构原理,通过对小波分解系数选定恰当的阈值并进行阈值量化,基于小波分解后的高低频系数进行信号重构,从而有效去除或降低信号的噪声。本文采取的算法在MATLAB仿真平台进行了验证,结果表明,基于本文提出的阈值函数和小波分析处理方法对图像去噪具有更好的适应性,能够更好的改善数字图像的质量。