基于噪声方差确定非线性扩散除噪声的最优停止时间

该文采用非线性扩散进行图像除噪声并在这个计算框架下提出利用噪声方差选择最优停止时间的方法。在利用非线性扩散进行图像除噪声时,每次迭代平滑掉的图像的方差大于平滑掉的噪声的方差时,迭代应该停止。为了在除噪声过程中正确地估计噪声的方差,该文构造一幅纯噪声图像跟实际的观测图像同步进行迭代计算,并把纯噪声图像的方差作为图像中噪声方差的估计值来辅助计算最优停止时间。针对非线性扩散的各项异性,提出了能够保持两种噪声同步变化的特殊的规整化项。新的规整化项在迭代纯粹噪声图像时使用,这样确保每次迭代都可以保持合成噪声与实际图像噪声的统计特性相一致。实验证明新的算法可以非常有效地选择合适的停止时间。     

一种改进的非局部平均去噪方法

 对非局部平均去噪算法提出了以下改进：首先,利用图像中具有对称结构的性质,在相似性邻域的比较中引入邻域的对称变换,更好地利用了图像的自相似性质;其次,提出一种基于图像灰度分布统计特性的滤波参数选取方法,能够根据不同像素的特点自适应地选取滤波参数;此外,利用非局部平均算法能有效地保护图像结构信息的性质,提出一种两级非局部平均去噪方法.对测试图像去噪的实验结果表明,与原始算法相比,提出的改进方法能够在保护图像结构信息的前提下更有效地去除噪声,峰值信噪比最多可以提高5.9dB, 去噪效果优于BM-3D方法.     

PEEC结合有理缩减技术分析高速集成电路中同步开关噪声

利用部分元件等效电路 ( PEEC)方法分析高速集成电路系统中同步开关噪声 ,该方法相比其它等效电路方法及全波分析方法 ,具有简单、效率高 ,并可以和无源电路阶数缩减方法结合 ,进行大规模缩减 ,从而进一步提高计算速度。通过对电路中两种典型结构体 (电源 /接地板 ,电源板 /信号线 /接地板 )上同步开关噪声的分析 ,表明这种方法是分析高速集成电路中同步开关噪声的高效方法。     

噪声引导混沌同步的同步时间分析

以Logistic映射为物理模型,计算了噪声混沌系统的Lyapunov指数谱,并利用其分析了噪卢分布区间与同步时间的关系．发现同步时间与噪声分布区间内的平均Lyapunov指数直接相关．若陔区间的平均Lyapunov指数越小,则同步时间越短。最后,提出了一种基于统计分析的时间阈值估算方法．并用该方法估算了Logistic系统在不同同步精度下的时间阈值。     

基于椭圆参数的最优接收极化

从极化的椭圆参数与极化球的Stokes参数的关系出发,直接推导出干扰环境下极化球面上的优化接收信号干扰噪声比参量表示式。该式对极化优化接收和信号增强很有用处。尽管难以得到全局最优解析解,但仍比较详细地给出了小圆和大圆轨道下的局部最优解,并进行了仿真。     

非高斯噪声下基于有界非线性函数的快速盲均衡方法

盲均衡技术广泛应用于通信系统中以消除符号间干扰。支持非高斯噪声环境下的盲均衡方法仍然是一个挑战。为了提高它的收敛速度和鲁棒性,提出了一种利用有界非线性函数(Bounded Nonlinear Function,BNF)和拟牛顿法的快速盲均衡方法。首先,提出一种基于BNF的代价函数,有效消除非高斯噪声,实现均衡。其次,采用拟牛顿法作为迭代方法,加快收敛速度。理论分析表明,该算法具有较强的收敛性能。仿真结果也表明,该方法在非高斯噪声下收敛速度快,鲁棒性好。     

GaN HEMT器件微波噪声模型参数提取

介绍了两种可以用于GaN高电子迁移率晶体管(HEMT)器件建模的噪声模型,Pu-cel等效电路噪声模型和Pospieszalski温度噪声模型.基于Pucel等效电路噪声模型,介绍了利用器件本征噪声参数推导Pucel噪声模型参数的过程,并且给出了微波噪声模型参数的表达式.利用上述方法,针对200 μm栅宽的GaN HEMT器件,提取了噪声模型参数值,并且在ADS仿真软件平台上建立了GaN HEMT器件的Pucel等效电路噪声模型,仿真结果与实测结果在频率为4～18 GHz带宽内吻合较好,说明提出的噪声模型参数提取方法对于GaN HEMT器件噪声仿真的实用性和准确性.     

自适应调节滤波强度的SAR图像非局部平均抑斑算法

为提升对SAR图像乘性相干斑的抑制水平与边缘保护性能,该文提出了一种可自适应调节滤波强度(AFS)的SAR图像非局部平均(NLM)抑斑新算法(AFS-NLM).该算法利用Frost滤波图像计算的局部均值与方差来改善SAR图像场景参量的估计,形成了一种能更好刻画SAR图像同质区与边缘区的改进Kuan滤波系数.利用局部均值比与改进Kuan滤波系数分别作为新的相似性测量参量与自适应衰减因子,构建了一种更适应SAR图像乘性噪声特性的改进NLM滤波.利用偏平滑参数与偏边缘保护参数控制下的改进NLM滤波,分别替代经典Kuan滤波模型中的像素局部均值与自身灰度值作为加权项,并采用由改进Kuan滤波系数构建的自适应调节因子对二者进行加权平均,从而形成了一种可自适应调节滤波强度的加权滤波新模型.实验表明,该文算法与近期多种先进算法相比,具有更好的相干斑抑制与边缘保护性能.     

自适应调节滤波强度的SAR图像非局部平均抑斑算法

为提升对SAR图像乘性相干斑的抑制水平与边缘保护性能,该文提出了一种可自适应调节滤波强度(AFS)的SAR图像非局部平均(NLM)抑斑新算法(AFS-NLM).该算法利用Frost滤波图像计算的局部均值与方差来改善SAR图像场景参量的估计,形成了一种能更好刻画SAR图像同质区与边缘区的改进Kuan滤波系数.利用局部均值...     

基于混沌同步的噪声鲁棒测距方法

提出了一种基于混沌同步的噪声鲁棒测距方法。该方法在雷达发射信号中叠加一个参考正弦信号,并经过混沌同步方法得到带有距离信息的恢复正弦信号,通过比较参考正弦信号和恢复正弦信号的相位差得到目标的距离。该方法和已有方法相比,具有一定的噪声鲁棒性,在噪声环境中测距精度得到提高。最后,仿真实验验证了所提出方法的有效性。     

基于双边滤波与非局部均值的图像去噪研究

提出了一种基于双边滤波与非局部均值的图像去 噪算法,近年来提出的非局部均值算法是去噪效果非常 出色的算法之一,双边滤波去噪算法采用空间邻近度和灰度相似性构造新的权重系数,其取 得了良好的去噪效果,本文 据此改进非局部均值算法的权重部分,把空间邻近度因子与非局部均值的权重系数相结合, 构造新的权重系数。实验表 明,本文改进权重的非局部均值算法与已有的去噪方法相比,能得到更好的峰值信噪比,能 更好的保护图像细节以及结构信息。     

基于非局部均值的彩色图像去噪

传统的彩色图像去噪算法通常是分层处理的,而忽略了彩色图像RGB通道之间的相关性,因此基于RGB通道联合相似度估计提出了一种新的彩色图像非局部均值去噪方法。在用非局部均值滤波对彩色图像进行去噪时,首先以目标像素为中心确定其支撑区域,然后根据多通道联合相似度估计确定权重,最后采用逐块滤波的方法对每一层进行滤波。并且针对彩色图像中含有的高斯噪声提出了一种新的噪声参数估计方法。由实验结果可以看出该算法比传统的去噪算法在PSNR和FSIM方面都有提高。因此可以看出在图像去噪过程中考虑三通道之间的相关性是必要的,同时也证明了算法的有效性。     

基于自适应非局部均值的CBCT投影数据去噪算法

为了准确地获取放疗摆位信息,并减低临床患者 所接收的辐射剂量,提出了一种基于非局部均值(NLM)的锥形束计算层析(CBCT)投影数据去 噪算法。首先,计算在不同投射角度下获取的CBCT投影数据的噪声标准差、边缘信息和纹理 子块的平均梯度值的均值,确 定与该角度投影数据相适应的滤波强度值;然后,采用改进的NLM算法对投影数 据进行去噪处理;最后,经过三维重 建获得较高质量的CBCT图像。还对基于子块分割的噪声估计算法进行了改进,使其更适 用于CBCT投影数据的噪声估 计。实验结果表明,本文算法能够有效估计投影数据的噪声水平,去噪效果优于其它几种算 法,在去除噪声的同时,还能很 好地保留图像的细节信息,并可增强图像的对比度,有利于准确获取摆位信息和医生的临 床诊断。     

基于统计特性的非局部均值去噪算法

针对非局部均值滤波的权值由相似块的欧式距来确定而未考虑其受噪声影响的缺点,提出了一种权值由相似块欧式距的统计特性确定的去噪算法。该算法首先对受到高斯噪声干扰的图像相似块的欧式距建立概率分布函数,再由概率分布函数确定权值大小,从而有效地减小高斯噪声对加权系数的影响,以提高去噪性能。实验中,从主客观方面与传统非局部均值滤波进行对比分析,实验数据表明本文提出的算法峰值信噪比提高约1dB,去除噪声的同时保留更多图像的细节信息,去噪性能更优。     

采用非局部均值的连续太赫兹图像去噪处理

太赫兹辐射能够穿透大多数对可见光和近红外光不透明的物质。提高成像质量是成像系统的关键,尤其对探测器性能较低的面阵成像更为重要。通过数字图像处理方法改善成像质量是一条重要的解决途径。应用非局部均值(NLM)分别对真实的透射扫描、反射扫描和透射面阵、反射面阵的太赫兹图像进行了去噪处理,选取不同的控制参数进行了对比分析,同时对比了均值滤波处理结果。实验结果表明:非局部均值能够较好地去除连续太赫兹图像噪声、提高成像质量,对噪声严重的面阵成像去噪效果最明显。非局部均值去噪并保持边缘能力明显好于均值滤波。     

核空间自适应非局部均值鲁棒分割算法

为改善传统模糊C均值(FCM)算 法对噪声干扰下图像的分割效果,提出了一种基于核空间邻域信息和自适应非局部均值相结 合的图像鲁棒分割算法。首先,利用传统FCM聚类算法进行初始聚类分割,将 所得聚类中心作为改进算法的初始聚类中心; 其次通过自适应非局部均值算法对图像进行平滑处理,避免图像过度分割;然后对引入核空 间邻域信息的目标函数进行最优化求解, 获取聚类中心和隶属度的迭代表达式;最后对像素进行分类时,利用邻域像素隶属度对像素 进行进一步滤波处理。实验结果表明:本文的 改进算法与传统FCM聚类算法、核空间FCM(KFCM)算法、基于邻域信息的FCM(FCM S)算法和基 于邻域信息KFCM(KFCM-S)算法相比,改进算法对强噪声干扰下的图像具有较好 的鲁棒性,并且能够有效分割图像的目标信 息和背景信息。从几种算法进行聚类分割结果所对应的峰值信噪比(PSNR)也可以看出,本文 改进算法的PSNR更高。     

Iterative non-local means filter for salt and pepper noise removal

Salt and Pepper noise (S&P noise) removal is an active research area in digital image processing. Existing techniques commonly use the local statistics within a neighborhood to estimate the centered noisy pixel, and tend to damage image details due to the image local diversity singularity and non-stationarity. To address this problem, in this paper, iterative nonlocal means filter (INLM) is proposed to exploit the image non-local similarity feature in the S&P noise removal procedure. Moreover, the proposed iterative framework update the similarity weights and the estimated values for higher accuracy. The experimental results show that the proposed INLM produces better results than state-of-art methods over a wide range of scenes both subjectively and objectively, and it is robust to the detection results.     

Image denoising based on non-local means filter and its method noise thresholding

Non-local means filter uses all the possible self-predictions and self-similarities the image can provide to determine the pixel weights for filtering the noisy image, with the assumption that the image contains an extensive amount of self-similarity. As the pixels are highly correlated and the noise is typically independently and identically distributed, averaging of these pixels results in noise suppression thereby yielding a pixel that is similar to its original value. The non-local means filter removes the noise and cleans the edges without losing too many fine structure and details. But as the noise increases, the performance of non-local means filter deteriorates and the denoised image suffers from blurring and loss of image details. This is because the similar local patches used to find the pixel weights contains noisy pixels. In this paper, the blend of non-local means filter and its method noise thresholding using wavelets is proposed for better image denoising. The performance of the proposed method is compared with wavelet thresholding, bilateral filter, non-local means filter and multi-resolution bilateral filter. It is found that performance of proposed method is superior to wavelet thresholding, bilateral filter and non-local means filter and superior/akin to multi-resolution bilateral filter in terms of method noise, visual quality, PSNR and Image Quality Index.     

基于非下采样Shearlet和方向权值邻域窗的非局部均值SAR图像相干斑抑制

非局部均值算法将传统的图像去噪算法由局部计算模型推广到非局部计算模型,取得了良好的效果.但对于合成孔径雷达图像,使用观测值和各向同性邻域窗来度量相似性,缺乏鲁棒性和方向性,不利于捕获图像边缘结构信息.提出了基于非下采样Shearlet特征描述子和方向权值邻域窗的非局部均值算法.实验表明,该算法不但有效地去除了相干斑,而且很好地保持了图像的几何结构信息,为后期SAR图像的理解与解译奠定了良好的基础.     

一种基于Stein无偏风险估计的复合去噪算法

针对统计非局部均值滤波损坏图像的细节与鲁棒性双边带滤波去噪不充分的缺点,提出了一种基于统计非局部均值滤波与鲁棒性双边带滤波相结合的复合滤波算法。该复合滤波算法通过统计非局部均值滤波与鲁棒性双边带滤波线性组合,利用Stein无偏风险估计对复合算法中的参数进行估计。实验中,从主观与客观方面进行对比分析,证明所提出的复合算法体现了非局部均值滤波与双边带滤波的优点,能有效地去除噪声并更好地保留图像的细节信息,峰值信噪比提高1~2 dB。