基于BEMD与自适应维纳滤波的图像降噪

自适应维纳滤波器是一种经典的线性降噪滤波器,较其他线性滤波器能够更好地解决边界模糊的问题。然而由于含噪图像的噪声主要集中于它的高频部分,而图像的低频部分所含有的噪声较高频部分则小很多。自适应维纳滤波算法对图像中所有频率成份都不加区分地进行滤波降噪处理,因而它不能得到更为令人满意的结果。提出了一种将二维经验模态分解和自适应维纳滤波相结合的图像去噪方法,通过将图像分解为不同频率成份的子图像并对各子图像采用不同的降噪处理,从而更好地对含噪图像进行降噪。实验结果表明,算法相对于自适应维纳滤波算法降噪效果更好。     

基于偏微分方程的医学超声图像降噪研究

提出一种将图像分解和几何分析相结合的算法去除超声图像中的斑点噪声。针对超声图像的斑点噪声为乘性噪声特性,将经典的ROF图像分解模型引入到适合于受乘性噪声污染的图像分解。超声图像经模型分解为轮廓部分、细节部分和噪声部分,然后对分解后的差值图像进行Ridgelet降噪,由于Ridgelet降噪克服传统小波分析方向性上的不敏感的缺点,能很好地保持图像边缘。处理后得到的图像无论是在斑点噪声去除、细节保护方面都优于传统的非线性滤波器和小波分析方法。实验表明,算法是完全可行和有效的。     

加权核范数降噪算法在扩散加权图像中的应用

目的 扩散加权成像技术是一种能够检测活体组织内水分子扩散运动的无创方法,其对数据的准确度要求较高且对噪声较为敏感。扩散加权图像的自相似性程度高,纹理细节较多且纹理和结构具有重复出现的特性。而获取图像的过程中受到不可避免的噪声干扰会破坏图像的数据准确度,因此对扩散加权图像进行降噪是十分必要的。方法 根据扩散加权图像的特点,提出将加权核范数降噪算法应用于扩散加权图像的降噪。加权核范数降噪算法由于能够利用图像的自相似性,通过对图像中的相似块进行处理从而实现对图像的降噪,该算法能够保存图像中大量的纹理细节信息。结果 通过模拟数据实验和真实数据实验,将加权核范数降噪算法与传统的扩散加权图像降噪算法如各向异性算法进行比较,结果表明,加权核范数降噪算法相较于其他算法得到的峰值信噪比至少高出20 dB,结构相似性值也至少高出其他算法0.20.5,再将降噪后的图像进行神经纤维跟踪处理,得到的神经纤维平均长度较其他算法至少要长0.20.8且纤维更为平滑。结论 加权核范数降噪算法不仅能够更好地减少扩散加权图像中的噪声,同时也能够最大限度地保存扩散加权图像的纹理细节,降噪效果理想,提高了数据的准确度及有效性。     

基于双树小波和神经网络的图像降噪与增强

为提高在图像降噪过程中对图像细节信息的保护能力,提出一种基于双树小波和神经网络的图像降噪与增强算法.通过Canny算子检测图像的边缘,通过shearlet变换将噪声图像分解为高频子带和低频子带;使用卷积网络保留边缘区域,通过两层剪切波滤波器组对非边缘区域进行降噪,通过神经网络对总体图像进行增强.实验结果表明,该算法可以实现较高的降噪性能,有效地提高图像的质量.     

新的形态学图像降噪方法

提出一种新的基于轮廓结构(CB)元素形态学的多尺度图像降噪方法。考虑到图像在不同尺度下的特性,用基于轮廓结构元素形态学的多尺度算法滤除图像噪声,然后将不同尺度下的降噪图像加权融合在一起,从而得到最终的降噪图像。通过大量实验证明该方法能够有效去除多种不同类型的图像噪声,并在抑制噪声的同时很好地保护了图像的细节和边缘信息。     

基于MAP准则的红外图像小波域比例萎缩降噪和增强算法

针对小波域比例萎缩降噪方法在去除噪声的同时也弱化了图像细节和边缘的缺陷,提出了具有增强效果的基于最大后验概率准则的小波域自适应降噪算法,并将之应用于红外图像降噪中。该算法在假定图像系数和噪声系数先验为高斯分布的基础上,利用最大后验概率准则计算小波系数的萎缩因子,然后在考虑尺度因素和方向能量因素的基础上对萎缩因子进行修正并将之应用于小波系数萎缩过程中,最后通过逆变换得到降噪和增强的图像。试验结果表明,在损失较小峰值信噪比值的情况下,提出的方法在增强图像细节和边缘、加大图像对比度等方面要优于直接比例萎缩,能够获得较好的视觉效果。给出的小波系数增强思想可以应用于基于其它降噪准则的比例萎缩算法中。     

基于噪声特征和矢量中值滤波的彩色图像去噪算法

为了有效去除彩色图像噪声,同时保留图像细节信息,并提高处理速度,在分析彩色图像噪声特征的基础上,探索了基于噪声点的距离测度特性的判别算法,并结合改进的矢量中值滤波(VMF)算法对检测出的噪声点予以降噪处理.试验结果表明:该方法能够较好地抑制噪声,有效地保留了图像细节信息,且所用时间仅为传统矢量中值滤波算法的1/2左右.     

基于PCNN的图像椒盐噪声滤除方法

传统的降噪方法在图像降噪之后会损坏图像的部分边缘细节信息,致使图像的轮廓变得模糊不清。为了达到更好的图像降噪效果,提出一种改变突触链接强度和改进阈值函数的脉冲耦合神经网络的图像降噪方法。该方法将基本脉冲耦合神经网络模型进行简化,使突触链接强度自适应取值,将阈值函数改进为分段的衰减函数,从而提高对图像不同灰度值的分辨力,并根据神经元与其周围神经元点火时间差定位噪声点,提高了算法对噪声点的辨识精确度,进而实现更好的降噪效果。实验结果表明,改进方法准确地辨识出了图像的椒盐噪声点,并且能够有效去除噪声点,同时很好地保护图像边缘细节。     

多尺度形态金字塔图像去噪算法

提出了一种多尺度形态金字塔扫描图像去噪算法，采用多尺度形态金字塔将图像进行分解，对第一级细节信号用形态梯度算了、HMI变换删除孤立噪声点；对其它细节信号形态开闭滤波，保留图像结构特征；最后利用处理后的细节信号重建图像。仿真结果表明，同中值滤波相比，算法能够更好地消除扫描图像的噪声，保留更多的细节信息。     

符合人眼视觉特性的医学图像融合算法

针对医学图像的特点,基于人眼视觉特性,结合降噪算法提出一种图像融合方法,以提高融合图像的对比度,减小噪声对图像的干扰。算法根据噪声点和图像特征所具备的不同特性,对源图像进行降噪,过滤小波分解后对应的噪声系数。小波分解后的系数矩阵,通过计算各系数的局部梯度,以源图像区部梯度为判断依据建立算法,选择源图中不同方向上梯度大的系数作为最终融合系数。实验结果表明,该算法提升融合图像的信息量的同时,有效保护了图像的细节,改善了视觉效果。     

一种改进的二维经验模态分解图像消噪方法

在含噪图像的二维经验模态分解(BEMD)的基础上,从图像BEMD分解系数的统计特性出发,构造图像BEMD系数的概率密度函数模型,提出了一种基于相邻尺度间BEMD系数相关性的图像消噪方法,消噪的过程中同时考虑本层BEMD系数特性以及其父层BEMD系数的值.从而能更好地消除噪声,同时更有效地保留图像边缘、纹理等细节信息.实验结果表明,与经典的小波阈值消噪和BEMD阈值消噪算法相比,经本文方法消噪后图像质量有较好的提高,具有更低的均方误差和更高的峰值信噪比.     

基于修正维纳滤波的小波包变换图像去噪

图像去噪是图像处理中一个非常重要的环节。为了改善降质图像质量,根据Donoho提出的小波阈值去噪算法,分析了维纳滤波原理,提出了一种基于修正维纳滤波的小波包变换图像去噪方法。利用修正维纳滤波对噪声图像进行处理,用处理后的图像计算噪声的标准方差,以此作为小波包的阈值。利用小波包对维纳滤波后的图像进行分解,实现对图像的低频和高频部分分别进行分解,用计算出的阈值对小波包树系数进行软阈值处理。利用小波包逆变换来获取去噪后的图像。结果表明：在噪声方差为0.01时,经该算法去噪后图像的PSNR比小波包自适应阈值去噪后的PSNR高出8.8 dB。该算法不仅能有效地去除加性高斯白噪声,而且能很好地保留边缘信息,极大地改善了图像的视觉质量。     

基于二维经验模态和均值滤波的图像去噪方法

提出了一种新的图像去噪方法。此方法通过二维经验模态（BEMD）将噪声图像分解为一系列不同频带的子图像。对低频近似图像保持不变,对高频细节图像采用不同的模板进行均值滤波,最后将低频近似图像和均值滤波后的图像合成为去噪后的图像。实验结果表明该方法在滤除图像噪声的同时,又能较好地保留图像的边缘细节,其滤波效果优于单一的BEMD图像去噪和均值滤波图像去噪以及小波变换和均值滤波图像去噪方法。     

基于一种新小波变换的OCT图像去噪方法

散斑在OCT图像中既是信息载体,也是一种严重的噪声。针对OCT图像的这一特点,提出一种基于小波变换和维纳滤波相结合的OCT图像去噪方法。通过对OCT图像进行小波分解,得到四个不同频带的子图像,保持低频部分不变,对另外三个高频细节图像进行维纳滤波,将低频子图像和三个滤波后的高频细节子图像进行小波反变换,得到去噪后的图像。实验结果表明小波变换和维纳滤波相结合的方法对OCT图像有比较理想的去噪效果。     

基于BEMD和自适应滤波的医学图像增强

针对医学图像存在低对比度和质量差的主要问题,本文提出了一种基于BEMD和自适应滤波的医学图像增强新算法。首先,对医学图像进行BEMD分解,然后用自适应滤波对频率域进行去噪,再使用不同的加权值提高子带图像的高频系数,最后对图像进行重构得到增强图像。实验表明,该方法不仅提高了图像的细节信息,而且有效地保留了图像的边缘特征。     

基于小波包变换与Wiener滤波的SMT焊点图像去噪技术

针对目前SMT(surface mount technology)焊点图像去噪效果不理想的问题,提出了一种基于小波包变换与wiener滤波的SMT焊点图像去噪新方法.利用小波包对图像进行分解,可以同时对SMT焊点图像的低频和高频部分进行多层分解,有利于保留图像信息,减少噪声对图像的影响.通过对图像的小波包系数的分析,对小波包树高频系数进行Wiener滤波,保留低频系数;然后进行小波包反变换,重构得到SMT焊点去噪后图像.实验表明,提出的方法不仅可以有效地去除SMT焊点图像的噪声,而且能很好地保留原图像的边缘信息,与传统方法相比,去噪性能和去噪声效果有一定的提高.     

基于BEMD与Canny算子融合的自适应边缘检测算法水

针对传统Canny边缘检测算法缺乏自适应性和二维经验模式分解(BEMD)方法计算量大、运算时间较长的缺点,提出了一种改进的自适应边缘检测算法.首先通过改进的BEMD将图像分解成多尺度下的图像细节层(内蕴模函数IMF);再利用自适应Canny算子对各图像细节层进行边缘检测;最后对边缘检测后的图像细节层进行筛选,对筛选出的...     

基于改进的BEMD的红外与可见光图像融合方法

将红外图像与可见光图像融合在一起,可增强视觉效果,使人产生更完整的场景感知。基于二维经验模态分解(Bidimensional Empirical Mode Decomposition,BEMD)的图像融合方法运行时间较长,因此,文中提出了一种基于改进的二维经验模态分解的红外与可见光图像快速自适应融合方法,采用顺序统计滤波器和高斯滤波器直接生成均值包络曲面,从而加速图像的分解过程。首先,将可见光图像转化到HIS(Hue-Intensity-Saturation)颜色空间;然后,用改进的BEMD对强度分量I和红外图像进行分解,生成高频分量和低频分量,高频分量和低频分量分别采用自适应局部加权融合规则和算术平均融合规则;最后,将强度分量I与红外图像的融合结果图经过逆HIS变换到RGB颜色空间,从而得到融合图像。仿真实验表明,该融合算法不仅运行速度快,而且融合效果最佳,最大程度地保留了红外图像的边缘细节特征和可见光图像的光谱信息。     

基于二维经验模态分解的医学图像融合算法

提出了一种自适应的二维经验模态分解(bidimensional empirical mode decomposition,简称BEMD)医学图像融合算法.待融合的医学图像经过BEMD分解成二维的内蕴模函数(bidimensional intrinsic mode function,简称BIMF)和趋势图像.BIMF图像经过Hilbert-Huang变换提取图像特征,然后,图像分解的各部分数据在区域融合规则下形成综合BEMD表示.最后,综合BEMD表示进行BEMD逆变换得到融合后的医学图像.BEMD分解方法是一种完全自适应的数据分解表达形式,具有比Fourier变化和小波分解更好的特性.该医学图像融合算法不需要预先定义滤波器或小波函数.实验结果表明,该算法与传统融合算法相比性能优越,能够大幅度提高融合图像的质量.