结合双边滤波和多帧均值滤波的图像降噪

针对单幅图像空间降噪中存在的问题,提出一种利用同一场景的多帧图像进行噪声抑制的自适应空域滤波方法。首先对每一帧用双边滤波器进行滤波,以在平滑噪声的同时,保护图像边缘;然后对每一像素进行帧间平均值滤波,以利用多幅图像的信息进一步滤除噪声,并减轻双边滤波后的卡通效果。提出的算法在两组多帧图像上进行了测试。实验显示,与单帧双边滤波和简单的多图像平均方法相比,该方法的降噪性能有所提高。     

一种快速均值滤波算法

针对超声图像的噪声过大、质量很差的问题引入了一种快速均值滤波算法,它能够很好地对大噪声斑点进行抑制,为后续图像分割提供了条件。     

一种基于图像信息熵的自适应滤波算法

提出一种基于图像最小信息熵的自适应滤波算法,利用局部信息熵最小的办法估计图像中的噪声感染程度,从而自适应地确定修正后的Alpha均值滤波器中滤波窗口的大小和去掉灰度最大和最小的像素个数,然后进行滤波。实验结果表明此算法较现有的中值滤波和均值滤波器的滤波能力有显著提高,而且在图像的局部特征和细节保持方面优于现有的滤波算法,并克服了修正后的Alpha均值滤波器非自适应性的弱点。     

一种l央速均值滤波算法

针对超声图像的噪声过大、质量很差的问题引入了一种快速均值滤波算法，它能够很好地对大噪声斑点进行抑制，为后续图像分割提供了条件。     

高效均值滤波算法*

为了提高现有均值滤波算法的速度,减少冗余操作,提出了一种高效的均值滤波算法。首先建立一个辅助数组,结合滤波窗口在按行滑动时相邻窗口之间的递归关系和按列移动时相邻两行对应的辅助数组之间的递归关系,设计出更新辅助数组元素和新窗口中心点对应均值的递归式,根据这两个递归式,设计出了高效的均值滤波算法。理论分析表明该算法极大地减少了冗余操作,且算法效率不受窗口大小变化的影响。实验结果证明,在滤波效果一致的前提下,本算法比现有快速均值滤波算法更高效。     

改进非局部均值滤波的SAR图像降噪

在非局部均值滤波(NLMF)的基础上,通过预生成相似集与2DPCA(two-dimensional principle component analysis)对NLMF进行改进,提出一种新的SAR(synthetic aperture radar)图像降噪方法。在NLMF算法框架下,针对SAR图像噪声的特点,首先经预处理选择邻近的子图像生成相似集,然后通过2DPCA提取子图像的主要特征,此过程减小了斑点噪声对相似性度量的影响,最后在降维后子图像的基础上进行相似性度量。通过仿真SAR图像和真实SAR图像的降噪实验,将本文方法与经典Lee滤波、Kuan滤波、Gamma-Map滤波和NLMF滤波相比较,结果表明,该方法无论在边缘保持还是一致区域的平滑上,都能取得较好的效果,是一种有效的SAR图像降噪算法。     

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。     

基于数据融合技术的图像均值滤波算法

在分析传统图像均值滤波算法的特性基础上,提出了一种新的均值滤波方法--多窗口均值融合滤波算法.该算法以每一个像素点为中心选取多个不同尺寸的窗口,将各窗口的均值进行融合处理后作为中心点的滤波输出.实验结果表明,本算法对于低信噪比图像具有较好的滤波效果,优于传统的和一些改进的均值滤波算法.     

用于图像处理的自适应均值滤波算法

针对标准均值滤波存在的问题,提出自适应均值滤波算法。算法首先计算窗口的四阶累积量和二阶中心矩并确定噪声点阈值;然后根据窗口内噪声点个数自适应调整滤波窗口,自适应计算权值;最后对噪声点逐点滤波。该方法既能有效去除图像噪声点,又能较好保持图像细节。论文最后给出实验和分析,结果表明该方法是有效的。     

结合修剪均值与高斯加权中值滤波的图像去噪算法

为快速准确地滤除图像中的脉冲噪声并较好地保持图像的纹理细节和边缘结构,提出一种基于修剪均值与高斯加权中值滤波的图像去噪算法。根据脉冲噪声的灰度特征与统计特征,以局部统计方式进行噪声检测,将灰度取最小值或最大值且与邻域像素相关性较小的像素识别为噪声像素。对于图像平滑区域和细节区域中的噪声像素,使用自适应修剪均值和高斯加权中值滤波算法进行去噪处理。实验结果表明,该算法在视觉效果、峰值信噪比、结构相似性及计算速度上均优于对比算法,并且能够在彻底滤除噪声的同时,较好地保持图像的纹理细节和边缘结构。     

自适应的快速非局部图像去噪算法

文章对非局部均值（NL-Means) 图像去噪算法进行了改进,提出一种定量估计算法滤波参数最优值的方法,由噪声图像估计噪声方差,进而由噪声方差与图像方差估计滤波参数h。另外,根据局部区域加权欧氏距离的对称性,将算法中复杂度最高的两像素间距离计算由两次降为一次,从而在不损失性能的条件下使计算复杂度降低到原来的一半左右。在多个典型图像上的实验结果表明,提出的自适应非局部均值算法(ANL-Means)可达到近似最优性能,且处理时间只有标准NL-Means算法的一半左右。     

自适应的图像组合降噪

BayesShrink是小波收缩降噪最好的算法之一,而WienerChop方法则是利用小波域维纳滤波改进了VisuShrink算法。为了更好地滤除噪声,研究了WienerChop组合BayesShrink进行降噪的方法。实验表明,该组合算法优于WienerChop和BayesShrink算法,其可产生更低的均方误差和更高的信噪比。它不仅综合了WienerChop和BayesShrink两种算法的优点,而且改善了WienerChop算法的过光滑和BayesShrink算法残留较多噪声的问题,同时可获得视觉上更为愉悦的降噪图像。     

基于小波变换的图像自适应阈值去噪算法

针对传统小波阈值去噪算法的不足,提出了一种新的自适应阈值去噪算法.该算法引入了一个新的阈值函数,利用GGD模型对小波子带内的系数进行建模,再根据小波子带系数的局部邻域信息进行方差估计,从而得到自适应最优阈值.实验结果表明,该算法在峰值信噪比和主观视觉效果上都比传统小波阈值去噪算法具有明显改善.     

基于图结构滤波的图像去噪

在图像处理领域, 图像去噪是一项极具挑战性的任务. 图信号理论的发展为我们解决这一问题提供了新的视角. 本文研究了基于图信号方法的权重矩阵与拉普拉斯矩阵, 将它们用于图像去噪的目标函数, 这两个矩阵可以很好地定义观测图像与期望图像之间的内在联系. 在提出去噪目标函数的基础上, 我们给出了最优解和一种迭代的快速求解算法. 实验表明, 该方法优于BM3D和WNNM等前沿的去噪方法.     

小波域中的自适应模糊阈值图像去噪

对小波阈值去噪中的常用阈值和阈值函数进行分析,提出一种自适应的模糊阈值去噪算法,该算法在BayesShrink阈值基础上,通过增加一个修正因子,并结合模糊理论,自适应地对图像进行模糊阈值函数处理。实验表明该算法与BayesSbrink软阈值函数去噪算法相比,去噪后图像的峰值信噪比PSNR和最小均方误差MSE均有所提高,并且图像也更清晰,具有较好的去噪效果。     

基于SVD和能量最小原则的图像自适应降噪算法

基于奇异值分解和能量最小原则,提出了一种自适应图像降噪算法,并给出了基于有界变差的能量降噪模型的代数形式。通过在矩阵范数意义下求能量最小,自适应确定去噪图像重构的奇异值个数。该算法的特点是将能量最小法则和奇异值分解结合起来,在代数空间中建立了一种自适应的图像降噪算法。与基于压缩比和奇异值分解的降噪方法相比,由于该算法避免了图像压缩比函数及其拐点的计算,因此具有快速去噪和简单可行的优点。实验结果证明,该算法是有效的。     

自适应匹配追踪图像去噪算法

针对目前的稀疏去噪算法分解效率低、去噪效果不理想的问题,提出了一种基于自适应匹配追踪的图像去噪算法。该算法首先通过自适应匹配追踪算法求解稀疏系数,然后利用K奇异值分解算法将字典训练成能够有效反映图像结构特征的自适应字典,最后将稀疏系数与自适应字典相结合来重构图像。在重构过程中,将噪声对应的系数去除,最终达到去噪的效果。算法引入Spike-Slab先验来引导稀疏系数矩阵的稀疏性,并利用两个权重矩阵促使去噪模型更加真实。鉴于字典在稀疏算法中的重要性,将自适应字典与DCT冗余字典、Global字典进行比较。实验结果显示,选择自适应字典的去噪结果比传统字典在峰值信噪比上高出约4.5 dB;与目前6种主流的稀疏去噪方法相比,文中提出的方法在3种评价指标上均有不同程度的提高,其中峰值信噪比平均提高了约0.76~6.24 dB,特征相似度平均提高了约0.012~0.082,结构相似性平均提高了约0.015~0.108。对图像去噪算法进行定性的评价,结果显示所提算法保留了更多的有用信息,视觉效果最佳。实验充分证明了自适应匹配追踪图像去噪算法对图像去噪的有效性和鲁棒性。     

一种基于差异系数的稀疏度自适应图像去噪算法

基于压缩感知的K-means Singular Value Decomposition(K-SVD)图像去噪算法具有良好的自适应性和细节恢复能力,但需事先给定稀疏度K。 该方法的去噪效果会受到图像稀疏度的影响。另外,训练初始系数时用到的追踪类算法中通过向量内积值的大小评定图像分量间相关度的方法,因存在大值噪声点,容易造成假相关,从而影响去噪效果。提出基于差异系数的稀疏度自适应K-SVD去噪算法,通过引入差异系数来平衡因噪声点造成的假相关问题,同时使用相关度均值作为阈值来自适应地产生稀疏度K,避免因给定不恰当的稀疏度而影响去噪效果的问题。在USC标准库上的实验结果表明,所提算法在去噪效果方面有一定的优越性。     

改进TV图像去噪模型的全景图像拼接算法

全景图像生成过程中易受到噪声的影响。针对该问题,提出一种改进的全变分（Total Variation,TV）图像去噪模型应用于全景图像的拼接。对图像去噪过程中建立的泛函函数进行卷积运算,利用卷积操作降低噪声点的灰度值,求解泛函函数所对应的拉格朗日方程极小值,达到图像去噪的效果;采用SIFT（Scale Invariable Feature Transfomation）特征匹配算法对去噪后的图像进行特征提取和匹配;对待拼接图像进行加权融合处理,优化视觉效果。仿真实验结果表明,与经典算法相比,该研究能够较理想地去除图像中的噪声,降低全景图像拼接过程中的干扰,提高视觉效果。