小波各向异性模型肺部CT图像去噪

在获取肺部CT图像过程中不可避免地要受到噪声污染,使用传统的去噪算法不能在对肺部CT图像有效去噪的同时很好地保持边缘、纹理等有用信息。为在肺部CT图像去噪时很好地保持边缘、纹理等细节信息,提出一种新的小波各向异性模型肺部CT图像去噪算法。算法首先对含噪的肺部CT图像进行Daubechies小波(dbN)软阈值去噪,然后在此基础上利用各向异性模型去噪。实验结果表明,与传统去噪算法相比,所提算法不仅去噪后的肺部CT图像噪声点较少而且具有更好的边缘、纹理等细节信息保持性。     

曲波变换尺度和方向准则图像去噪算法

为在图像去噪时很好地保持边缘、纹理等细节信息,提出一种新的基于曲线波变换的图像去噪算法。首先对含噪图像进行曲线波变换,然后在曲线波域制定噪声判断的方向准则和尺度准则,并对含噪图像进行去噪。最后,进行曲线波反变换,得到去噪后的图像。仿真实验结果表明,与传统去噪算法相比,所提算法不仅去噪效果好并且具有更好的边缘、纹理保持特性。     

一种保持图像细节的自适应的去噪平滑算法

针对三维相干切片数据所形成的二维图像,提出一种新的自适应的保持图像边缘细节的图像平滑算法。该算法通过平滑区域及灰度均匀度来选择受噪声干扰的最小区域,并以此来对目标像素进行相应处理。实验证明,本算法能在有效去噪平滑的同时,很好地保持了图像边缘细节,具有很高的实用价值。     

基于边缘增强和快速非局部均值的边缘图像去噪

针对全变分模型不能很好的保持图像边缘信息这一问题,有学者提出了基于边缘定向增强扩散模型,但该模型对图像细节处理不够.快速非局部均值(Fast Non-local means, FNLM)算法利用图像的自相关性与结构信息的冗余性,提高了去噪效果,但不能同时最大限度保持图像边缘信息又抑制平坦区域噪声.由于通过利用结构张量性质,可获取图像的边界、拐角、纹理等重要信息,本文引入结构张量改进边缘定向增强扩散模型,保持了图像边缘,并在此基础上提出了一种基于边缘增强和快速非局部均值的边缘图像去噪模型.该模型通过选取不同的边缘增强正则化参数,根据图像扩散幅度不同,获取带有纹理及噪声的边缘图像;然后对该边缘图像进行FNLM去噪,即过滤出图像原有的纹理结构信息;最后将之反馈到之前的边缘增强去噪图像中.实验结果表明,该方法不仅能够保留较多的纹理细节信息,而且很好的缓解了图像平滑和细节保持的矛盾.     

全变差曲波变换在医学影像图像去噪中的应用

针对曲波变换算法在医学影像图像去噪中会产生截断伪影和边缘模糊等问题,提出了一种全变差曲波变换算法.该算法首先对含噪医学影像图像分别进行曲波阈值和全变差去噪,然后将得到的去噪结果进行曲波逆变换并生成最终图像.仿真实验结果表明,该算法不仅可有效地降低噪声,还可较好地保持医学影像图像边缘和细节信息,其效果明显优于曲波变换算法和全变差算法.因此,该算法对医学影像图像的噪声滤除具有良好的应用价值.     

基于第二代小波的增强边缘的图像去噪

传统的一些去噪技术往往是以牺牲图像的边缘和细节为代价的。为了去掉图像的噪声,同时又能够很好地保留图像的边缘和纹理细节,在介绍第二代小波变换的原理的基础上,提出使用边缘检测的方法检测出图像的边缘和纹理细节,将它和该图像进行融合,用第二代小波对含噪图像进行分解,对图像高频进行自适应去噪。由于图像在去噪前融合了边缘信息,因此边缘和细节部分得到了增强。仿真结果表明：该去噪方法优于传统小波阈值去噪方法。     

一种新的自适应边缘保持滤波算法

在进行图像去噪时,为解决兼顾降低噪声和保留细节的难题,提出了一种新的自适应边缘保持滤波算法——区域灰度值最小方差的均值滤波算法．算法在图像去噪过程中利用邻域区间中各像素点之间的相互关联性,在8个方向上对像素点进行处理,具有较强的相关性和自适应性．利用该算法对随机噪声和椒盐噪声进行仿真去噪试验,结果表明,与已有的去噪算法相比,所提算法在去除噪声的同时较好地保持了图像的边缘、细节信息．     

使用中值-各向异性扩散的超声图像去噪算法

针对超声图像的散斑噪声,提出一种基于多方向中值滤波和改进各向异性扩散的去噪算法.该算法利用多方向中值滤波的良好边缘保持能力,在滤除噪声的同时注重边缘细节的保持.使用归一化局部方差和图像梯度组成的扩散系数,避免了传统各向异性扩散算法中梯度阈值为常数带来的鲁棒性差等问题.通过多组仿真实验,综合滤除散斑噪声能力、保持边缘能力...     

基于余弦相似度的非局部均值滤波方法

为了解决非局部均值滤波(N L M)中会出现过度滤波,模糊了边缘结构信息等问题,提出了一种基于余弦相似度非局部均值滤波方法.该方法用余弦相似度改进非局部均值滤波中子块相似度的度量,能利用结构信息,对图像边缘结构信息进行更好的保持,同时可以减少图像明暗程度对去噪效果的影响.通过多个典型图像和不同的滤波参数h的实验表明,该算法与经典非局部均值滤波算法、基于积分图像的非局部均值滤波算法、Adaptive Wavelet Thresh?old算法、2VAR-BMWP-MAP算法、减小斑点扩散算法相比,实验结果表明:该算法能在有效去除噪声的同时更好保持边缘结构信息.另外,针对少有图像评价指标能在反映图像去噪程度的同时反映去噪算法的细节保持程度,在方法噪声的基础上提出了一种新的图像去噪评价指标,定义为方法噪声差(C B).结论表明:方法噪声差的确能反应去噪程度的同时反应图像细节的保持程度,且比误差的均方差(M S E)更符合人的主观视觉感受.     

联合双重滤波的水下图像NSCT阈值去噪算法

针对水下图像噪声特点以及去噪时边缘细节保护不理想的问题,提出了基于联合双重滤波的NSCT阈值去噪算法.该方法采用具有平移不变性的非下采样轮廓波变换对水下图像进行多尺度和多方向分解,根据分解后图像的噪声分布特点,联合频域与空域方法将中值滤波和非局部均值滤波算法分别应用于高低频图像的滤波处理,设置合理阈值进行去噪,进一步恢复图像细节并重构图像.实验结果表明,水下图像的去噪效果明显提高.     

TV数值计算的图像去噪

继承传统TV去噪算法的图像边缘保护性,弥补平滑区域抑噪不充分的不足,结合图像的空间梯度和像素梯度,提出了新的基于TV数值计算的去噪算法。该算法分析了图像的空间梯度;为了抑制噪声对图像平滑区域梯度的影响,对该区域的空间梯度进行抑制,克服了传统TV算法对平坦区抑噪不充分,甚至出现的虚假边缘和阶梯效应;结合像素梯度分析了图像TV去噪的迭代函数。实验结果表明,该算法实现了保边去噪且残余噪声较小,提高了图像的峰值信噪比(PSNR)和视觉效果。     

一种基于小波阈值去噪的改进方法在气液两相流图像中的应用

利用高速摄影机拍摄了气液两相流的图像,它们往往会伴随一些噪声,因此,去噪处理成为图像预处理的一个重要环节。通过对小波变换及阈值去噪的分析,在Donoho等人提出的传统阈值去噪方法基础上,提出了一种新的阈值函数去噪方法。该方法与传统的软硬阈值函数相比,能够有效保持图像边缘信息,并能避免硬阈值函数的不连续性。实验结果表明,新的方法优于传统的阈值去噪方法,而且信噪比较高。     

改进全变分的图像去噪

为了弥补各向同性扩散去噪的非保边性、异性扩散的耗时性,分析了各向同性和异性扩散的机理,根据噪声对像素变化的影响,设计了新的扩散函数,理论上分析了该函数的扩散性能:对平滑区各向同性扩散,边缘区实现各向异性扩散。在传统全变分去噪的基础上,提出了改进全变分的图像去噪模型,运用固定点代算法设计了相应的离散迭代函数。实验结果表明,该算法在图像平滑区进行各向同性扩散,继承了各向同性的优点,降低了传统全变分的运行时间;在边缘区实现了各向异性扩散保护了图像边缘,提高了图像的峰值信噪比和视觉效果。     

基于提升小波的图像脉冲噪声抑制方法

分析利用小波进行图像去噪的方法和特点,根据电视跟踪测量系统的实际需要提出利用易于硬件实现的提升小波滤波器对实时图像进行去噪,重点研究受脉冲干扰的实时图像的噪声抑制问题.小波分解的高频部分在噪声附近具有较大值,通过调整提升项设计提升小波滤波器,所设计的滤波器包含噪声特性,应用这些滤波器可以检测到脉冲噪声,利用小波的重构公式消去图像中的噪声.由于提升小波滤波器比普通小波滤波器运算量大大减少,因此算法易于硬件实现.将提升小波的降噪方法同现代信号处理器件DSP和FPGA结合起来有着广泛的应用前景.     

基于小波分析的磁共振图像去噪方法研究

小波分析去噪是一种新兴的图像去噪方法。由于小波分析具有多尺度分辨和去相关性等特点，使得小波分析在去除高斯白噪声方面优于传统的图像去噪方法。但是，磁共振图像这种小波变换去噪后，纹理特征被弱化，图像的边缘变得模糊。针对以上问题，提出了基于小波变换的图像去噪新方法。此去噪方法对经典的小波去噪方法进行了改进，使基于阀值的小波分析在阀值处理上更精确，并具有自适应性。采用本方法处理的噪声图像与经典方法相比，图像的边缘信息更清晰，纹理特征增强，去噪能力也得到增强。[第一段]     

多尺度多结构元素的悬浮颗粒物图像边缘检测

针对不同形状结构元素对颗粒物图像边缘的不同感应能力,小尺度的结构元素去噪声能力弱但能较好地检测到边缘细节,以及大尺度的结构元素检测的边缘较粗但去除噪声能力强等特点,提出了一种多尺度多结构元素的数学形态学颗粒物图像边缘检测方法,同时采用不同尺度下的多个结构元素的边缘检测算子,实现颗粒物图像的各种边缘检测。实验结果表明,这种边缘检测方法能有效地滤除噪声,且抗干扰能力较强。     

基于多小波阈值收缩与子带增强的图像去噪

为保证在图像去噪的同时,尽量保留图像的边缘特征,提出一种新的基于多小波阈值收缩与子带增强相结合的图像去噪方法.该方法以多小波变换为基础,将变换后的多小波系数分为噪声相关系数和边缘相关系数,对变换系数进行软阈值多小波收缩消去噪声相关系数;阈值收缩是非线性变换,对图像边缘有平滑作用,因此,该方法提出在阈值收缩后进行线性的子带增强,增强边缘相关系数.实验表明:与单一的阈值收缩方法相比,该去噪方法不仅保留了图像的边缘特征,而且提高了去噪图像的峰值信噪比,优于普通的阈值收缩方法.     

基于多个小波基联合去噪方法的研究

图像在形成、传输、存储过程中,不可避免地会受到各种噪声的干扰,极大地影响了人们从图像中提取信息,因此,采用适当的方法尽量减少图像噪声是一个十分重要的处理步骤。小波变换应用于图像去噪领域比较成功,在图像去噪中能更好地保护图像细节。本文提出了一种多个小波基联合去噪的方法,该方法能够很好的去除图像中常见的噪声。     

Multi-level denoising and enhancement method based on wavelet transform for mine monitoring

Based on low illumination and a large number of mixed noises contained in coal mine, denoising with one method usually cannot achieve good results, so a multi-level image denoising method based on wavelet correlation relevant inter-scale is presented. Firstly, we used directional median filter to effectively reduce impulse noise in the spatial domain, which is the main cause of noise in mine. Secondly, we used a Wiener filtration method to mainly reduce the Gaussian noise, and then finally used a multi-wavelet transform to minimize the remaining noise of low-light images in the transform domain. This multi-level image noise reduction method combines spatial and transform domain denoising to enhance benefits, and effectively reduce impulse noise and Gaussian noise in a coal mine, while retaining good detailed image characteristics of the underground for improving quality of images with mixing noise and effective low-light environment.     

一种非参数回归图像去噪方法

为了在图像去噪时进一步提高信噪比从而增强去噪效果,提出了一种空域自适应的高稳定性去噪滤波器。将数值分析中的非参数回归模型应用于图像去噪处理,推导了基于该方法的算法模型。在双边核的基础上,提出一种自适应的Steer核滤波方法,该算法根据边缘的方向可以调整模板的方向和曲率,做到了完全白适应。最后,在相同条件下实现该算法与Nadaraya—Waatson Kernel Regression算法、Bilateral Kernel Regression算法的Madab实验比较,实验结果表明,基于非参数同归模型的去噪算法具有良好的去噪效果,与其他算法相比,可以得到更高的信噪比。