基于局部统计参数的复数图像降噪算法

为了使复数图像更为清晰、边缘轮廓更为平滑,提出了一种基于局部统计参数的复数图像降噪算法,使用单小波转换方法对图像分解与重构,得到复数图像的三种带通子带,使用局部统计参数对子带图参数调整,映射出复数图像的局部架构特征,利用各向同性扩散方法,将复数图像梯度算子转换为常量,通过上述得到的架构特征结果对初始复数图像进行基础降噪...     

一种高阶各向异性扩散小波收缩图像降噪算法

图像可以看作是一个曲面,描述曲面上某点相对于球面的弯曲程度可以用高斯曲率.提出用高斯曲率来定义在图像上的能量泛函,并得到相应的欧拉方程,利用梯度下降法推出基于高斯曲率的高阶各向异性扩散方程.进而根据小波收缩与各向异性扩散等价性框架,提出一种高阶各向异性扩散小波收缩图像降噪算法.实验表明,此算法在去除噪声的同时能够很好地保持高频特征和边缘形状.     

高阶各向异性扩散小波收缩图像降噪算法

证明一种高阶各向异性扩散与小波收缩的等价性,并根据等价性利用高阶各向异性扩散与小波收缩的优势,提出高阶各向异性扩散小波收缩降噪算法。该算法在低频部分采用经典的非线性扩散方法进行扩散,在高频部分采用高阶各向异性扩散方法进行小波收缩。实验结果表明,高阶各向异性扩散小波收缩算法的计算复杂性介于高阶各向异性扩散与小波收缩算法之间,降噪能力高于这2种方法。     

一种基于非局部思想的改进图像降噪算法

数字图像因噪声的影响会严重降低其视觉效果,图像降噪算法的研究是数字图像处理领域的一个重要研究方向。本文在基于稀疏和冗余字典的图像降噪算法基础上,提出了一种基于非局部思想的改进图像降噪算法。与传统的基于稀疏表达的图像降噪算法KSVD相比,本文算法增加了一个相似块聚合的过程,使得学习的字典更小且更准确。利用自然图像包含很多的自相似,相似样本聚合学习出的字典比传统KSVD算法能更准确更稀疏的表示样本。稀疏度的提高使得重建后的信号更加的准确,适应性更好。实验证明本文算法取得了更好的视觉效果。     

一种参数自适应的NLM图像降噪方法

非局部均值（Non-Local Mean,NLM）是一种优秀的图像去噪算法,该方法充分利用了图像中的冗余信息,去噪的同时能更好地保持图像的细节特征。其缺点是算法的效果很大程度上取决于图像的噪声水平、窗口大小、局部邻域大小和滤波参数的选择。本文以视网膜光学相干层析图像为研究对象,在研究各参数与图像评价指标峰值信噪比关系基础上,结合粒子群算法,设计了一种参数自适应的非局部均值图像降噪方法,使去噪后图像评价指标峰值信噪比达到最优。     

用小波系数估计图像边缘方向的相干增强扩散图像降噪算法

在分析相干增强扩散方法和小波阈值收缩方法之间关系的基础上,给出了相干增强扩散在小波分析意义下的解释,同时解释了相干增强扩散方法与小波阈值收缩方法在图像性质上的等价性。针对相干增强扩散计算扩散矩阵较慢的缺点,提出了一种用小波系数估计图像边缘方向的相干增强扩散图像降噪算法。仿真试验结果表明,该扩散算子可以很好地定位图像边缘,较好地运用了小波的时频分析功能。     

基于局部方差改进的超声图像各向异性扩散去噪算法

针对各向异性扩散算法不能有效区分强噪声和弱边缘的缺点,提出了一种基于图像局部统计特征改进的算法。该算法在对图像进行各向异性扩散去噪的过程中,使用梯度阈值找到图像中灰度变化较大的点,再通过计算局部方差和局部去心方差的差值判断该点是否为噪声点,若是噪声点则使用均值滤波处理。对仿真图像和临床超声图像的实验结果表明:与传统的各向异性扩散算法相比,改进的算法在图像去噪和特征保留的能力上得到了良好的提升。     

基于图像局部几何结构的SAR图像降噪与增强*

研究了基于图像局部几何结构对SAR图像进行各向异性扩散滤波降噪。首先,回顾各向异性扩散滤波的PM模型、Weickert模型和Tschumperle的迹模型,分析指出迹模型能够依据图像局部几何结构进行定向扩散滤波且扩散程度由扩散率函数决定,扩散过程可控,意义直观;继而,根据扩散系数的构建原则,构建了新的兼容图像增强、扩散幅度可调整的扩散率函数,并用于SAR图像降噪。实验结果表明,运用此函数不仅有效抑制了相干斑噪声,还保持并增强了边缘细节,取得了理想的效果。     

基于分块处理的三维非局部均值降噪算法

现有二维非局部均值降噪算法仅能抑制三维图像的层内噪声,无法利用层间信息对图像进一步降噪。针对该问题,分析印刷电路板在锥形束CT系统中所成图像的自相似性,将现有二维算法扩展到三维空间,提出基于分块处理的三维非局部均值降噪算法。实验结果表明,该算法可进一步抑制噪声,具有较高的计算效率。     

一种阈值改进的邻域小波系数法图像去噪

图像去噪是图像处理领域的一个经典话题,也是一个难点问题。基于邻域小波系数收缩的NeighShrink法比经典的VisuShrink法去噪效果要好,但是NeighShrink法在所有的分解层使用次优的通用阈值,致使去噪效果不甚理想。在分析小波系数变化规律的基础上,针对NeighShrink法的不足,提出了一种阈值改进的新方法,该方法具有较好的阈值自适应性。实验表明,该方法正确有效,去噪后的视觉效果得到改善,在客观指标PSNR和MSE上均优于NeighShrink法和经典的VisuShrink法。     

基于各向异性扩散的医学图像分水岭分割算法

针对医学图像形态建模过程易产生过分割的问题,提出了一种基于各向异性扩散的分水岭分割算法。该算法首先对原始图像进行自适应各向异性扩散滤波,然后引入多尺度的形态梯度图像作为分水岭变换的参考图像,以突出图像中物体的边界轮廓,平滑具有均匀亮度的区域。最后,定义基于边界平均灰度和面积的区域合并准则,对分割后的区域进一步合并。实验结果表明,该算法能有效抑制过分割,具有较强的抗噪声性能,得到的分割结果可以满足医学图像建模的需要。     

特征保留的稀疏表示图像去噪

稀疏表示理论认为在合适的冗余字典下,图像存在最为稀疏的表示,字典的过完备性,使得通过提取很少量的大系数便能捕获到图像中的重要信息,而且对噪声更加鲁棒。针对图像去噪,为了更好地保留图像特征信息,考虑人眼视觉特性,研究过完备字典对噪声图像特征和边缘信息的有效表示,提出以结构相似为信息保真度的特征保留的稀疏表示去噪算法。实验结果表明,该算法能更好地对图像去噪,对特征和边缘等信息的保留能力更强,得到的图像视觉效果更佳。     

基于Contourlet的图像PCA去噪方法

提出了一种通过主分量分析(PCA)对Contourlet域中噪声能量的估计来实现去噪的新方法。Contourlet变换是一种结合多分辨率分析和方向性滤波的小波变换,它除了具有一般小波变换的多尺度、时频局域性外,还具有多方向性、各向异性等特征。因此,Contourlet能有效地捕获到自然图像中的轮廓,并对其进行稀疏表示。目前使用的小波去噪方法基本上都是建立在对噪声方差估计的基础上,而在Contourlet变换系数中,通过建立数学模型对噪声方差进行精确的估计是很困难的。算法无需对噪声方差进行估计,更具有实用价值。实验结果显示,与小波软、硬阈值去噪算法和基于小波的图像PCA去噪方法比较,该算法不仅提高了图像的信噪比,而且图像视觉效果也明显改善。     

基于多参数小波阈值函数的图像去噪

针对图像中的强高斯噪声提出了一种新的小波阈值降噪函数。传统的软阈值法对图像去噪有明显的效果,但对强高斯噪声效果不甚理想,于是构造出一种新的小波阈值函数,此函数包含阈值[λ],调节因子[t]和[n]三个参数,能够自适应地调节阈值的变化。实验以噪声图像与去噪后图像之间的峰值信噪比（PSNR）最大化为准则,采用PSO粒子群算法优化阈值函数中参数[n]和[t]的选取。仿真实验结果表明该方法不仅可以有效地去除噪声,又能避免有用高频信息的损失,提高了图像的信噪比;尤其在强高斯噪声下,相对软阈值法PSNR可提高6~7 dB,表明了此改进阈值法对于强高斯噪声图像降噪的有效性。     

基于小波变换的多阈值图像去噪改进方法

图像去噪就是在保留图像边缘及其他特征的基础上去除噪声,小波变换域的阈值去噪方法是图像去噪众多方法中最有效的方法之一,本文对多阈值图像去噪方法进行了改进,得到一种新的图像多阈值图像去噪方法,实验证明该方法可以有效地提高图像去噪效果。     

改进的LLMMSE滤波器对扩散加权图像的降噪

扩散加权图像具有多边界的特点,在扩散加权图像中,准确的边界信号对扩散张量图像的计算尤其重要。通过对局部线性最小均方误差滤波器（Local Linear Minimum Mean Square Error filter,LLMMSE filter）在图像边界处降噪特点进行分析,提出基于最小方差数据集的改进的LLMMSE滤波算法。通过将所提算法应用于模拟数据及真实数据,以及与LLMMSE算法进行比较,验证了本算法具有更好的边界信号降噪能力。     

基于图像特征的各向异性扩散去噪方法

对图像去噪滤波方法,J.Weickert模型未考虑图像光滑区域与其他图像特征的区别,在光滑区域的扩散也按照局部结构特征值进行,因而在光滑区域不可避免地产生虚假边缘,为此,提出一种改进的各向异性扩散方法。该方法首先用维纳滤波减弱噪声对图像的影响,再利用相干性正确判断边缘区域、光滑区域和T形拐角等图像特征,并依据图像特征设置相应区域扩散张量的特征值。实验结果表明,改进方法在消除噪声和保护边缘方面能取得较好的效果,并有效消除光滑区域的虚假边缘,可得到较高的峰值信噪比。