一种基于边缘检测的图像去噪优化方法

为了消除或衰减存在于图像上的噪声,同时尽可能地保留图像细节,提出基于边缘检测的图像去噪算法.先通过小波边缘检测法求出有噪图像的边缘图像;再通过小波边缘检测方法确定哪些小波系数是图像的边缘特征,这些小波系数将不受阈值去噪的影响,因此,可以只是根据噪声方差来设置去噪的阈值,对原有噪图像进行小波去噪,得到平滑图像;最后,将边缘图像嵌入平滑图像中,得到去噪后的图像.实验结果表明,与普通的小波阈值去噪方法相比,上述算法不但能在有效去噪的同时保留图像的细节信息,而且能提高去噪后图像的峰值信噪比.     

一种边缘保持的医学图像去噪方法

医学图像去噪在图像处理中占有重要地位,对获取的医学图像进行去噪是进一步分析和计算的基础.将一维经验模式分解方法扩展到二维,提出了基于二维经验模式分解的医学图像边缘保持去噪方法.该方法先将图像进行经验模式分解,得到内蕴模式分量IMF和剩余分量,图像的噪声及边缘信息主要集中在IMF中;然后再将IMF进行经验模式分解,得到IMF的高频分量和剩余分量;最后将两次分解的剩余分量叠加,得到边缘保持的去噪图像.实验结果表明,处理后的图像较传统的医学图像去噪方法有明显的改善,在有效去噪的同时增强了边缘保护的能力.     

基于微分方程的退化图像盲复原数学模型构建

经当前方法复原后图像与实际图像之间的吻合度较低,且复原效率低.为此提出基于微分方程的退化图像盲复原数学模型构建方法.通过贝叶斯萎缩方法对阈值选择进行优化,对退化图像做二维离散小波变换,并采用高频系数进行离散Curvelet变换.在此基础上对阈值进行估计,获得最优阈值,实现退化图像的去噪.根据去噪结果在高阶微分方程中引入稀疏测度、卷积滤波器和引导图像特征,通过范数约束获得强边引导图像,在潜在图像中应用稀疏函数和卷积滤波器获得梯度下降方向,得到强边图像,通过强边图像对模糊核进行估计,实现退化图像的盲复原.仿真结果表明,所提方法的复原效率高、复原程度高,说明该方法复原效果较好,应用价值较高.     

融合分形小波图像去噪和插值的新算法

提出一种能同时进行图像去噪和插值的分形小波算法。该算法在图像的编码过程中实现去噪,在解码过程中完成插值。基于分形的图像去噪算法涉及由含噪图像的统计特性预测无噪图像的分形编码参数,并由这一参数产生含噪图像的无噪估计。通过在解码过程中添加适量的分形小波外推步骤,即可实现图像的插值。为了减小失真、增强经此算法处理后图像的质量,该引入Cycle Spinning算法。实验结果表明,该方法在同时实现图像去噪、压缩和插值上是最优的。且Cycle Spinning算法的引入明显改善图像视觉效果,显著提高图像的PSNR值。     

基于对偶树复小波域图像融合的SAR图像去噪

边缘信息是图像重要的细节信息,保护图像的边缘信息对提高图像质量非常重要.但是在图像去噪的过程中,往往会破坏图像的边缘信息.针对去除噪声和保护边缘信息的双重考虑,提出一种基于对偶树复小波域图像融合的SAR图像阈值去噪.考虑到局部硬阈值和软阈值各自的特点,利用对偶树复小波变换的优点和图像融合的特点,首先在自然对数域对SAR图像进行对偶树复小波分解,然后对小波系数分别执行局部硬阈值去噪和局部软阈值去噪,最后依次通过图像融合,对偶树复小波反变换,指数变换得到去噪以后的图像.实验结果表明,算法融合了两种周值去噪方法的优点,在明显去噪的同时,更好地保护了图像的边缘信息.     

机载高速视觉图像目标识别优化仿真研究

机载视觉采集器采集图像去噪的性能优劣,影响着目标识别的准确性.在机载高速视觉采集图像过程中,由于距离目标远,飞机速度快,图像采集的结果会包含大量的乘性噪声点,影响采集图像中目标像素可识别特征的质量.传统的图目标识别方法都是通过把这种乘性噪声模糊化,转换成加性噪声进行去噪处理然后加以识别,但是,在这种转换的过程中,会造成关键目标特征丢失,识别效果不好.提出基于改进多小波变换的机载高速视觉采集图像去噪识别方法.获取合适的基小波及小波分解层数目,对含有噪声的信号进行多小波变换操作,根据估计小波系数对信号进行重构操作,获取去噪后的机载高速视觉采集图像,优化识别过程.实验结果表明,利用改进算法进行机载高速视觉采集图像去噪,能够提高机载高速视觉采集图像的信噪比和图像质量.     

基于平稳小波变换邻域系数萎缩的图像去噪法

为消除图像去噪过程中普遍存在的边缘失真,先利用Canny边缘检测算子提取含噪图像的边缘特征,使边缘图像的像素点和含噪图像的像素点一一对应,将含噪图像中边缘像素点的值设零,再将得到的去掉边缘信息的含噪图像进行二维离散平稳小波变换,对小波系数采用基于邻域的方法进行系数萎缩.该算法充分考虑了平稳小波系数的邻域性质,对处理后的小波系数进行平稳小波反变换得到平滑去噪图像,最后将边缘图像嵌入平滑图像中得到去噪后的图像.该算法能够在去除噪声的同时较好地保护图像的边缘,是一种有效的图像去噪法.     

基于数学形态学算法的遥感图像边缘去噪方法

为了提升遥感图像边缘去噪质量以及去噪效率,设计一种基于数学形态学算法的遥感图像边缘去噪方法。对遥感图像数据实施归一化处理、标准化处理、图像增强处理。以预处理后的数据作为研究基础,对原有形态边缘提取算子实施多次改进,采用加权自适应多尺度形态边缘提取算法提取遥感图像边缘,利用伞形算子进行递归局部邻域扩散,实现遥感边缘图像去噪。测试结果表明,该方法的最大去噪误差与平均去噪误差较小,边缘去噪时间较短,小曲率数据点的个数明显增加,而大曲率数据点的个数则明显减少,说明设计方法的遥感图像边缘去噪质量高,去噪效率高。     

基于字典学习的残差信息融合图像去噪方法

传统去噪算法只考虑从含噪图像中恢复出图像信息,然而对去噪后残差信号的利用却并未加以重视。针对图像去噪后残差信号中包含有用信息的特点,提出了一种基于字典学习的残差信息融合图像去噪方法。首先使用字典学习方法对单幅含噪图像进行去噪;然后对首次降噪后的残差图像进行图像块筛选;再对筛选出的图像块再次进行去噪处理;最后在小波域实现两幅图像的融合得到最终的去噪图像。实验结果表明,与传统基于字典学习的去噪方法相比,所提方法能够进一步提取残差信号中的图像特征信息,在峰值信噪比和结构相似度上都有所提升。特别是对一些细节较为复杂的场景图像,具有更好的去噪效果,从而证明了残差信号对于图像去噪的重要作用。     

基于循环检测的气动退化图像混合域去噪算法

气动退化图像中存在先验信息未知以及噪声成分复杂不易进行滤波处理的问题,为此,提出一种气动退化图像混合域去噪算法。设计针对高斯噪声、泊松噪声、固定值脉冲噪声和随机值脉冲噪声的混合检测方法,使用改进的滤波方法在空域去除固定值脉冲噪声和随机值脉冲噪声,进行非下采样轮廓波变换多层分解,在变换域使用阈值方法去除高斯噪声和泊松噪声。进行噪声循环检测,设定迭代停止条件控制算法循环从而实现算法自适应。仿真实验结果表明,该算法的噪声检测性能和滤波性能较好,图像细节信息得到正确恢复。同时,算法复杂度较低,实时性较好,可满足气动退化图像去噪处理的需要。     

基于小波变换的图像人工退化算法

基于小波变换的混合性噪声和混沌流密码,提出一种图像人工退化算法。将原始图像分解为N级不同频率成分的子图像,对高频子图像进行加噪,通过图像退化程度与安全性分析改进算法的抵抗滤波攻击能力。实验结果表明,该算法能快速实现图像退化与恢复,具有较好的抗攻击性。     

改进小波图像去噪算法研究

在运用小波法图像去噪的过程中,由于边缘对应的小波系数和噪声对应的小波系数同时处于高频部分,运用阈值法去噪时,会把部分边缘信息抹杀掉,导致图像边缘模糊。在本设计中,通过在去噪过程中,保护边缘对应的小波系数,实现改进去噪效果的目的。     

基于小波模极大值和Neyman-Pearson准则阈值的图像去噪

首先给出了2维噪声的小波变换特性,分析图像小波变换模的极大值与小波分解级数j和李氏指数之间的关系,指出如何确定和保护图像的边缘;接着阐述了基于软、硬阈值的图像正交小波变换去噪法,然后提出一种基于Neym an-Pearson准则的小波阈值的确定,从而又提出了一种基于小波模极大值和Neym an-Pearson准则阈值的图像去噪方法,解决了图像去噪和保护图像边缘这个“两难”问题。针对期望图像叠加了不规则噪声的假设,对几种去噪方法做了定性比较,并给出了去噪性能的定量分析,仿真结果表明,此方法能提高去噪后图像的信噪比,使评价原图像与去噪后的图像近似程度的方差和相对熵为最小,同时能很好地保留原始图像的边缘信息。     

基于均值滤波和小波变换的图像去噪技术研究

采用均值滤波和小波变换相结合的图像去噪方法是先将含噪图像进行小波分解,在小波域中,选取适当的阈值对小波系数进行处理,然后对图像信号进行局部重构至第一层,并采用不同的模板对第一层的各细节子图像进行均值滤波,最后将低频近似图像与均值滤波后高频细节图像合成得到去噪后的图像。这种方法与全局Donoho软、硬阈值小波去噪方法和Birge-Massart策略软、硬阈值小波去噪方法相比,其去噪效果更为明显。它在降低了图像的噪声的同时,又尽可能地保留图像的细节,且图像更加平滑。仿真实验证明,该方法是一种有效的图像去噪方法。     

多方向一维小波变换的显微图像去噪

根据显微图像的特点,从水平、垂直、+对角线、-对角线四个方向将二维图像转为一维数组,对不同的分解尺度上的高频系数采用不同的阈值处理,对阈值处理后的高频系数进行增强处理,进行一维小波逆变换,一维数组转化为二维图像,最后将四个二维图像进行非均权值计算得到去噪后的图像。在原子力显微镜得到的显微图像中进行仿真实验,与改进软阈值去噪算法和Keesook.J.Han提出的去噪算法相比较。结果证明多方向一维小波变换的显微图像去噪算法具有更好的去噪性能,边缘细节保持明显优于其他算法。     

医用超声图像有效去噪方法研究与仿真

研究医用超声图像的去噪问题,保证去噪有效性.超声图像成像过程中,超声波到达器官组织散射回波信号会在超声图像中产生乘性斑点噪声,对图像质量造成破坏,传统的维纳滤波方法不能有效去除乘性斑点噪声保留图像细节信息,使超声图像去噪有效性不高.为解决上述问题,提出阿尔法超声图像去噪方法,首先将超声图像进行分析和小波分解,发现超声图像的信号具有明显的非高斯特性且二维小波系数服从阿尔法分布,然后据阿尔法分布特点采用最小平均绝对误差准则的估计器去除超声图像中的噪声.仿真结果表明,改进方法能够有效去除超声图像中的乘性斑点噪声,且最大限度保留图像细节信息,保证超声图像去噪的有效性.     

基于均值滤波和小波变换的图像去噪技术研究

采用均值滤波和小波变换相结合的图像去噪方法是先将含噪图像进行小波分解,在小波域中,选取适当的阈值对小波系数进行处理,然后对图像信号进行局部重构至第一层,并采用不同的模板对第一层的各细节子图像进行均值滤波,最后将低频近似图像与均值滤波后高频细节图像合成得到去噪后的图像.这种方法与全局Donoho软、硬阔值小波去噪方法和Birge-Massart策略软、硬阈值小波去噪方法相比,其去噪效果更为明显.它在降低了图像的噪声的同时,又尽可能地保留图像的细节,且图像更加平滑.仿真实验证明,该方法是一种有效的图像去噪方法.     

一种基于带雾模糊图像的退化模型

大雾天气条件下获取图像时,由于大气的吸收和散射以及在成像过程中系统发生振颤等,会得到退化的带雾模糊图像。而目前存在双重退化因素图像的研究比较缺乏,因此提出了一种新的用于描述带雾模糊图像的退化过程的数学模型。该模型在传统的大气散射模型和模糊退化模型的基础上,以带雾模糊图像的实际生成过程作为依据进行推导,可以描述双重退化因素导致的图像退化过程。使用该模型可以复原序列带雾模糊图像,实验结果表明复原效果良好。     

基于双树复数小波变换的切屑图像阈值去噪

由于在金属切削加工时通过CCD相机采集的切屑图像含有大量噪声，因此如何有效地去除噪声，获取切屑边缘信息是分析切屑形态参数，实现切屑控制的关键。目前小波变换图像去噪效果较好，而复数离散小波变换比实数小波变换具有更多优势，如：平移不变性、方向性等。并可提高图像的去噪能力。为了提高切屑图像的去噪能力，提出了一种采用双树复数小波变换进行切屑图像去噪的方法，即在原信号(噪声标准方差)未知情况下，采用GCV准则选取去噪阈值，双树复数小波变换进行去噪。典型图像与切屑图像去噪结果显示，该方法能有效地提高金属切削加工过程中切屑图像的噪声去除及屑形边缘检测的能力。     

基于边缘检测和四点插值细分的SAR图像去噪

针对SAR图像相干斑滤波中存在的降低相干斑与有效保持细节信息这一矛盾,提出了一种基于四点插值细分的SAR图像去噪的新算法,将四点插值细分规则运用到图像去噪中,并与边缘检测相结合。先用canny算子提取图像边缘,进而通过四点插值细分方法分别对边缘图像和原始图像进行去噪,然后再对边缘信息进行边缘信息的重构,得到新的去噪图像。并通过等效视数、边缘保持指数等评价指标对去噪结果进行了评价。实验结果表明,与其他去噪方法相比,该算法在有效地去噪的同时,可有效地保留图像的边缘信息,具有较好的去噪结果。