BM3D视频去噪算法实现与评估

一些传统的图像视频去噪算法,会在滤除噪声的同时引入人工噪声,存在很大的局限性。而基于块匹配和三维变换域滤波(BM3D)的图像视频去噪算法则采用了不同的去噪策略。对BM3D算法进行了深入的研究并实现了算法,对算法进行了深层次的评估。通过评估结果,证明了BM3D算法在视频去噪方面取得了非常好的效果。     

多方向高斯窗匹配模板的SAR-BM3D相干斑抑制算法

针对三维块匹配(BM3D)算法在合成孔径雷达(SAR)图像相干斑抑制时存在的边缘方向信息获取不足和过度平滑的问题,提出一种基于非下采样的Shearlet变换(NSST)和多方向高斯窗匹配模板的SAR-BM3D相干斑抑制算法。通过NSST对图像的边缘纹理特征进行描述,通过多个方向不同的高斯窗来匹配SAR图像在空间域内的几何结构,保留较为完好的SAR图像边缘细节信息,将相似性估计的结果聚合得到相干斑抑制后的SAR图像。通过对比实验证明,本文提出的算法不仅对SAR图像的相干斑抑制效果明显,同时能够有效地保持SAR图像的纹理细节,具有良好的人眼视觉效果。     

SAR图像目标识别新方法

提出一种SAR图像目标识别新方法。首次引入BM3D方法,用于滤除原始图像中的相干斑噪声,BM3D结合了空间域和变换域去噪的优势,滤波性能优异。在特征提取步骤,将低阶Hu矩与高阶Zernike矩组合,Hu矩描述目标的粗略信息,高阶Zernike矩描述目标的细节信息,因此组合矩能够更加全面而细致地表达目标特性。使用组合矩特征训练SVM分类器,对含噪的SAR图像进行识别实验。实验结果表明:本文方法的识别率高达98.90%,优于已有的SAR目标识别方法。     

结合BM3 D去噪与极限学习机的SAR目标分类方法

合成孔径雷达(SAR)目标分类一般通过特征提取和分类决策具体实施.采用3维块匹配滤波(BM3D)去噪算法对SAR图像进行处理,减轻噪声干扰的影响.在此基础上,采用极限学习机(ELM)对去噪后的图像进行决策分类.ELM具有很高的分类效率和分类精度,其对噪声的敏感性可通过BEMD去噪算法克服.因此,通过结合BM3D以及EL...     

基于最优非线性扩散的快速相干斑抑制算法研究

合成孔径雷达（Synthetic Aperture Radar,SAR）图像相干斑去噪一直以来都是SAR图像处理的一项关键技术.本文提出一种基于最优非线性扩散的快速相干斑抑制算法,该算法使用最近提出的基于可训练非线性扩散的图像复原框架,并针对合成孔径雷达强度图像,结合相干斑噪声的统计特性,训练非线性扩散过程中的滤波器参数和响应函数参数.实验结果表明,该算法性能与PPBit、SAR-BM3D等主流相干斑去噪算法性能相当甚至更优;同时与这些算法相比,该算法计算效率能够提高75%以上,并且适于并行运算实现.     

基于低秩矩阵恢复的SAR图像相干斑抑制方法

针对合成孔径雷达(SAR)图像相干斑噪声的特点,提出了一种基于低秩矩阵恢复的SAR图像相干斑抑制算法。该算法首先对SAR图像进行对数变换,将SAR图像相干斑乘性噪声转化为加性噪声;然后对变换后图像等步长遍历提取图像子参考块,利用局部块匹配技术寻找子参考块的相似块组建相似子集,合并数据集中所有相似子集,构建近似低秩的矩阵;再通过低秩矩阵恢复算法将矩阵分解为低秩矩阵部分和稀疏矩阵部分;最后将低秩矩阵部分逆变换回图像块,基于图像块灰度值对图像的每个像素进行加权重构,生成相干斑抑制后的SAR图像。实验表明,文中所提出的算法能够有效抑制SAR图像中的相干斑噪声,同时很好地保留了边缘细节特征。     

基于时域的视频去噪算法研究

论述了两种基于时域的视频去噪算法。首先介绍基于菱形运动估计的时域滤波,先进行菱形运动估计计算寻找最佳匹配块,之后在两个块之间进行均值滤波,整合匹配块输出滤波过的图像;其次介绍了BM3D视频去噪技术,详细地描述了BM3D去噪技术的去噪主要过程,分别解释了去噪过程中块匹配、三维变换域滤波、权值计算、重构四个主要步骤的原理与过程。最后通过实验,证明了这两种方法在去噪方面均能取得良好的效果。     

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。     

基于稀疏表示的Shearlet域SAR图像去噪

该文通过分析SAR图像的噪声成因以及其斑点噪声模型,结合图像的稀疏表示理论提出一种基于稀疏表示的Shearlet域SAR图像去噪算法。算法从整体上对SAR图像进行去噪:首先对SAR图像进行Shearlet变换,然后利用稀疏表示模型构造出去噪的最优化模型,在此基础上进行迭代去噪,然后重构SAR图像得到去噪后的图像。实验结果表明:该文所提出的算法不仅可以显著去除相干斑噪声,提高去噪图像的峰值信噪比(Peak Signal to Noise Ratio, PSNR),还明显地改善了图像的视觉效果,更好地保留了图像纹理信息。     

基于小波-Contourlet变换与Cycle Spinning相结合的SAR图像去噪

由于合成孔径雷达（SAR）在农业、林业、水文、地矿、海洋、测绘等领域广泛应用,SAR图像质量和视觉效果提升成为了各国学者研究的热点问题。SAR图像的主要噪声源——相干斑噪声的抑制和去除显得越来越重要。本文通过分析了SAR图像的噪声成因以及其噪声模型。基于SAR图像的特性,本文结合小波变换和Contourlet变换各自的优点,提出了一种基于小波-轮廓波变换与图像循环平移结合的SAR图像去噪算法。本文所提出的算法不仅可以显著去除相干斑噪声,提高图像的信噪比,而且还具有平移不变性,可明显改善图像的视觉效果。实验结果表明:与单独使用小波变换去噪相比,本文算法的信噪比提高2分贝;与单独使用Contourlet变换去噪相比,本文的算法去噪后的图像更平滑,抑制了人造纹理产生,视觉效果得到了明显的改善。      

一种新的高分辨率SAR图像相干斑噪声抑制算法

提出了一种新的基于小波变换对高分辨率合成孔径雷达图像相干斑噪声抑制的算法。首先从SAR图像相干斑噪声产生的机理出发，论述了通过传统的滤波方法在抑制高分辨率SAR图像的相干斑噪声时，损失了大量的边缘信息和纹理细节而采用小波变换降噪的优越性和必要性；其次论述了在小波域中如何利用高频局部的统计特性和分解尺度大小来选取滤波窗口尺寸进行滤波；最后通过实验结果说明了该方法比采用传统的固定窗来实现对高分辨率SAR图像的降噪、保留边缘信息和纹理细节有着更好的性能。     

基于Shearlet变换的SAR图像自适应去噪算法

针对SAR图像相干斑噪声的特点,提出了一种基于Shearlet变换的自适应去噪算法。首先对图像进行Shearlet变换,在考虑噪声度量和各尺度空间相关性的基础上,对Shearlet系数进行自适应收缩,将修正后的系数通过Shearlet逆变换重构图像。实验结果表明,文中算法在SAR图像处理相干斑得到有效抑制的同时,具有较强的边缘保持能力。     

一种基于mean shift的Contourlet域SAR图像去噪方法

Contourlet变换是小波变换的新发展,具有良好的多尺度和多方向性。合成孔径雷达(SAR)图像Contourlet阈值去噪不考虑相邻像素在变换域的联系,将低于阈值的变换系数置零,会丢失图像中的细节信息。针对上述问题,文中提出一种新的去噪算法:首先,将SAR图像进行Contourlet分解;然后,利用具有良好间断点保留能力的mean shift算法处理子带系数。实验结果证实该算法能够在有效抑制相干斑噪声的同时,较好地保留图像中的细节信息。     

一种基于复小波域的SAR图像相干斑抑制算法

相干斑噪声是SAR图像的固有特性.对相干斑噪声的抑制应在滤除噪声的同时尽量保留原图像的细节信息.本文针对SAR图像相干斑噪声的统计特性,将高斯混合尺度模型(GSM)引入二元树复小波(DTCWT)变换域,构造基于复小波域分解系数的邻域模型,将其相邻尺度邻域视为高斯变量和一个尺度因子的乘积,并利用Bayes最小均方估计进行局部去噪.对仿真图像和真实SAR图像的实验表明,本文方法有效去除斑点噪声,且较好的保持了图像边缘等细节信息.与传统的空域滤波和小波等方法相比,该方法改善了噪声平滑和边缘保持等性能,并取得了满意的视觉效果.     

一种改进的基于小波变换的相干斑去噪方法

对于合成孔径雷达(SAR)图像中含有的相干斑噪声的抑制一直是SAR图像处理的热点和难点。相干斑噪声的存在对SAR图像的后续相关的图像处理,例如图像的分割、图像的特征提取以及目标的分类与识别有很大影响。提出了一种基于平稳小波变换的相干斑去噪方法,通过平稳小波变换对图像进行小波分解,对于子图像的高频区域进行阈值分割和双边滤波,利用平稳小波更好的冗余性和平稳不变性更好地去除了SAR图像的相干斑噪声。实验结果表明,这种改进的去噪方法对SAR图像的相干斑噪声抑制有很好的效果,并且尽可能地保留了图像的边缘和纹理细节。     

结合相干斑抑制的小波域SAR图像网格编码量化

本文结合SAR图像相干斑的抑制,研究了一种在小波域对带噪SAR图像做网格编码量化的新方法。首先将SAR图像在小波域内实施软阀值去噪声,然后根据SAR图像在小波域中各子带系数固有的树结构关系对其进行零树分类,对分类后的重要性小波系数进行网格编码量化,利用卷积编码和信号空间扩展来增大量化信号间的欧氏距离,并用维特比算法寻找最优量化序列。该方法综合了小波相干斑抑制、零树编码、网格编码量化技术,不仅利用了信号小波变换域的空间相关性,而且也较好地利用了信号间的时间相关性。在压缩的同时进行了相干斑抑制,在SAR图像的压缩中取得了很好的效果。     

SAR图像弱反射地物边缘提取方法

提出了一种抑制SAR图像相干斑噪声和提取弱反射地物边缘方法。传统噪声抑制和小波变换去噪方法有其不足之处,本文将小波变换和维纳滤波结合抑制SAR图像相干斑噪声,通过选择恰当小波基获得良好滤波效果。采用最小错误准则计算SAR图像的理论分割阈值,通过逐次迭代得到其合理大小,利用形态算子作用于分割图像获得其边缘。实际SAR图像测试结果表明了本文方法的有效性。     

一种基于小波SAR图像斑噪声抑制的改进算法

基于小波变换的合成孔径雷达(SAR)图像斑噪声抑制算法,能很好的减小相干斑噪声对SAR图像的影响.但该算法在平滑噪声的同时,往往也会使图像的边缘变得模糊,降低了SAR图像的分辨率.比例边缘检测算法能较完整和准确的检测出SAR图像的边缘.我们试图提出一种改进算法,结合小波方法和比例边缘检测两种算法的优点.利用比例边缘检测提取出SAR图像的边缘图,用小波的方法对去边缘的图像进行去斑噪声处理,再把边缘图叠加到去噪后的图像上.试验证明这种算法能够在去除SAR斑噪声的同时,较好的保持SAR图像边缘.     

基于Brushlet变换多层阈值选择的SAR图像去噪

Brushlet是一种新的图像方向信息分析工具,已被成功应用于图像融合与纹理分类等领域.提出一种基于Brushlet变换的多层阈值选择策略,并将其应用到SAR图像相干斑去噪中,通过对真实SAR图像的去噪实验表明,相比于传统的Wavelet方法,Brushlet变换域的多层阈值算法能获得更好的去噪效果,同时较好地保留了图像细节特征并获得更好的等效视数(ENL).     

BM3D算法中块匹配模块的架构设计

BM3D（块匹配和3D去噪）算法是目前降噪性能最高的通用图像/视频降噪算法,这种算法利用的视频的空间相关性和时间相关性进行有效的降噪。BM3D算法的第一步是块匹配,但是块匹配的计算量相当大。文中提出了一种用于BM3D算法的块匹配模块的架构,该架构只需要系统频率为98MHz,带宽为177MB/s的硬件就可以实现720＊576的PAL场格式BT656的视频的实时块匹配。