基于双域滤波的三维块匹配视频去噪算法

将双域滤波和三维块匹配算法相结合,充分利用了视频序列的时空频域的相关性,进行视频去噪。将三维块匹配视频去噪算法中小波阈值去噪得到的图像替换原引导图像,抑制了双域滤波算法基本层不平滑的问题。参考残差矩阵的能量谱对短时傅里叶变换系数进行阈值收缩,减少细节层的噪声残留。实验结果表明,本算法有效地解决了双域滤波算法的基本层不平滑、细节层有噪声残留的问题,主观和客观对比也表明,本算法有着较为优秀的去噪效果。     

BM3D视频去噪算法实现与评估

一些传统的图像视频去噪算法,会在滤除噪声的同时引入人工噪声,存在很大的局限性。而基于块匹配和三维变换域滤波(BM3D)的图像视频去噪算法则采用了不同的去噪策略。对BM3D算法进行了深入的研究并实现了算法,对算法进行了深层次的评估。通过评估结果,证明了BM3D算法在视频去噪方面取得了非常好的效果。     

基于S1/2范数的非局部视频去噪

为了去除视频中的高斯噪声及脉冲噪声,提出了 一种基于S1/2矩阵范数的非局部视频去噪算法。 首先,在视频数据中利用非局部块匹配的钻石搜索算法搜寻与参考图像块最相似的图像块组 ;然后,将搜 寻到的相似图像块组列向量化后组合成的矩阵进行基于S1/2范数的低秩和稀疏分解,分解后 的低秩成分视 为原视频场景信息,稀疏成分视为视频中存在的随机值脉冲噪声及异常值数据;最后,由低 秩矩阵恢复的 各图像块数据经过加权平均后作为参考图像块的去噪估计值,进而求得视频各帧图像的去噪 估计值。实 验结果表明,本文方法能够有效去除视频中的高斯噪声和脉冲噪声,相比同类 算法,去噪后的视频无论 在视觉质量上还是客观评价指标上都有明显的优势。     

基于低秩表示的人脸识别方法

随着人工智能和计算机视觉技术的快速发展,人脸识别技术在各领域得到了广泛的应用。人脸识别可以应用于安全监控、身份认证、社交媒体、人机交互等多个领域,它能自动识别和检测人脸,并将其与预先存储的人脸进行比对和匹配。低秩表示是一种利用低秩矩阵对高维数据进行降维表示的方法。在人脸识别中应用低秩表示,可以提取出重要的人脸特征,减少冗余信息和噪声的影响。低秩表示还能增强模型的鲁棒性,使其对光照、表情、姿态等具有更好的适应性。文中对基于低秩表示的人脸识别方法进行了研究,以期为相关人员提供参考。     

基于时域的视频去噪算法研究

论述了两种基于时域的视频去噪算法。首先介绍基于菱形运动估计的时域滤波,先进行菱形运动估计计算寻找最佳匹配块,之后在两个块之间进行均值滤波,整合匹配块输出滤波过的图像;其次介绍了BM3D视频去噪技术,详细地描述了BM3D去噪技术的去噪主要过程,分别解释了去噪过程中块匹配、三维变换域滤波、权值计算、重构四个主要步骤的原理与过程。最后通过实验,证明了这两种方法在去噪方面均能取得良好的效果。     

时空自适应的分焦平面偏振视频PCA去噪

分焦平面式（DoFP）偏振成像探测器通过集成式微偏振阵列实现偏振信息的实时获取。然而由于成像过程中存在噪声,对后续的偏振图像去马赛克超分辨、场景偏振信息解算产生了严重影响。基于主成分分析（PCA）提出一种时空自适应DoFP视频数据去噪算法,对于每个待去噪的DoFP图像块,在其局部时空邻域内选取相似的图像块,然后利用主成分分析对其去噪。该算法充分利用DoFP视频数据的时空信息构建训练样本,且块匹配过程无需采用运动估计,可直接用于DoFP视频数据去噪。进一步提出基于双边滤波的残余噪声去除算法,从而得到更好的去噪效果。通过模拟与真实数据对所提算法进行实验验证,结果证明:所提算法可有效抑制噪声,在相同测试条件下,所提算法优于现有算法。     

基于场景有序运动的热红外视频去噪方法

在信号动态范围较小的场景下热红外图像的信噪比偏低,同时在诸多应用中其场景会在某一方向发生单调运动。基于这种考虑,提出了一种基于场景有序运动的热红外视频去噪方法。通过低秩矩阵近似的相关理论,引入场景有序运动这一先验知识并构建严格的观测矩阵,利用加权核范数最小化算法求解去噪的低秩矩阵形式并重构视频信号。经仿真分析,本方法在强噪声环境下具有较高的峰值信噪比与降噪鲁棒性,通过海洋遥感数据验证了方法的实际效果,从而在遥感与搜救等领域具有一定应用价值。     

一种基于低秩表示的子空间聚类改进算法

该文针对现有的基于低秩表示的子空间聚类算法使用核范数来代替秩函数,不能有效地估计矩阵的秩和对高斯噪声敏感的缺陷,提出一种改进的算法,旨在提高算法准确率的同时,保持其在高斯噪声下的稳定性。在构建目标函数时,使用系数矩阵的核范数和Forbenius范数作为正则项,对系数矩阵的奇异值进行强凸的正则化后,采用非精确的增广拉格朗日乘子方法求解,最后对求得的系数矩阵进行后处理得到亲和矩阵,并采用经典的谱聚类方法进行聚类。在人工数据集、Extended Yale B数据库和PIE数据库上同流行的子空间聚类算法的实验对比证明了所提改进算法的有效性和对高斯噪声的鲁棒性。     

基于低秩近似与常量统计的机载红外多光谱扫描仪去噪方法

为解决飞机平台强干扰环境下红外多光谱扫描仪的图像混合噪声问题,提出了一种基于低秩矩阵近似与常量统计的光谱图像去噪方法.从仪器的噪声产生机制出发将图像噪声区分为谱间差异噪声与谱间共有噪声,并根据噪声在光谱数据中的特点分别采用低秩矩阵近似与常量统计的方法进行去除.经仿真分析去噪后的光谱图像具有较高的峰值信噪比与去噪鲁棒性,并通过机载遥感试验数据证明在大量噪声的干扰下对于响应偏低的边缘谱段仍能有效地恢复出图像信息.该方法在其它类似光谱图像去噪方面具有一定的推广应用价值.     

基于低秩特征脸与协同表示的人脸识别算法

在人脸识别中,人脸图像往往受到表情、光照、遮挡、姿态变化的影响,对此本文提出一种基于低秩特征脸与协同表示的人脸识别算法。该算法先用低秩矩阵恢复算法分解出训练样本图像的误差图像,再分别对训练样本与误差图像提取特征构造特征字典,计算测试样本图像特征字典下的协同表示系数,最后通过重构误差进行分类。通过AR和ORL人脸库进行实验,结果表明,本文提出的人脸识别算法的识别率、识别速率得到有效提高。     

交替使用小波去噪和全变差正则化的盲图像恢复算法

盲图像恢复就是在点扩散函数未知情况下从降质观测图像恢复出原图像.该文提出了一种交替使用小波去噪和全变差正则化的盲图像恢复算法.观测模型首先被分解成两个相互关联的子模型,这种分解转化盲恢复问题成为图像去噪和图像恢复两个问题,可以交替采用图像去噪和图像恢复算法求解.模糊辨识阶段,使用全变差正则化算法估计点扩散函数;图像恢复阶段,使用小波去噪和全变差正则化相结合的算法恢复图像.实验结果和与其它方法的比较表明该文算法能够获得更好的恢复效果.     

一种基于图割的全变差图像去噪算法

本文提出一种基于图割的全变差(TV)图像去噪算法.该算法将全变差去噪模型的能量函数最小化问题转化为图的最小割问题,然后采用图割技术(最大流/最小割算法)求得能量函数的全局最优解.并给出了去噪模型中,均衡系数的自适应设定方案.实验结果及分析表明,该算法能有效抑制以往最小化方法产生的阶梯效应,具有较优的复原效果.     

一种基于压缩感知全变差算法的图像去噪方法

压缩感知技术突破了奈奎斯特准则的局限性,在图像处理方面有着广泛的应用。提出一种改进的基于压缩感知的图像去噪方法。该方法中,对混有噪声的图像首先进行稀疏变换,然后对变换后的部分系数采用测量矩阵进行测量,最后通过全变差(TV)重建算法进行图像重建。仿真结果证实全变差重建算法在图像去噪中优于其他压缩感知重建算法,可以有效地去除图像中混有的噪声,实现图像的良好去噪。     

PCB图像的自适应全变分去噪算法

为了提高印刷电路板(PCB)图像的去噪效果,提出了一种基于先验信息的PCB图像自适应去噪算法.首先,采用非局部均值滤波算法对模糊的PCB图像进行滤波以减少图像噪声,并提取去噪后的图像先验信息.其次,在全变分算法的基础上,设计基于先验信息的自适应正则化参数.最后,利用迭代正则化算法快速得到最优的去噪图像.实验结果和数据分析证实了所提算法的有效性.与原有算法相比,所提算法能够得到视觉效果更好的去噪图像,信噪比也比原有方法提高至少0.5dB,结构相似度指标也有相应的提升.     

一种全变差正则化流场的图像抑噪方法

利用Meyer的图像分解理论,提出一种磨光流场的全变差正则化抑噪方法。该方法首先引入负指数Hilbert- Sobolev范数度量逼近项,对图像水平曲线的法向量场进行全变差正则化磨光,然后构造出一个曲面拟合模型,拟合磨光后的流场。最后,利用有限差分法对各模型所导出Euler-Lagrange方程进行数值求解。实验结果表明,该方法在有效去噪的同时,使边缘和纹理信息均得到较好的保持。     

基于过完备表示的图像去噪算法

提出一种基于过完备线形变换集合的图像去除白高斯噪音算法.对于每个变换使用阈值技术进行图像去噪,图像恢复使用加权平均来融合去噪结果.采用稀疏集中度来计算图像稀疏分解的测度,而权重依赖该结果.对于图像稀疏区域,拥有较大的权.该方法不需要设计复杂的变换系数统计模型,与使用复杂的有向变换和图像统计模型方法相比,取得了较高的去噪性能.该方法简洁高效,尤其是对包含奇异特征的图像得到了较好的去噪结果.实验结果证实了所提方法的有效性.     

Shearlet-Based Total Variation Diffusion for Denoising

We propose a shearlet formulation of the total variation (TV) method for denoising images. Shearlets have been mathematically proven to represent distributed discontinuities such as edges better than traditional wavelets and are a suitable tool for edge characterization. Common approaches in combining wavelet-like representations such as curvelets with TV or diffusion methods aim at reducing Gibbs-type artifacts after obtaining a nearly optimal estimate. We show that it is possible to obtain much better estimates from a shearlet representation by constraining the residual coefficients using a projected adaptive total variation scheme in the shearlet domain. We also analyze the performance of a shearlet-based diffusion method. Numerical examples demonstrate that these schemes are highly effective at denoising complex images and outperform a related method based on the use of the curvelet transform. Furthermore, the shearlet-TV scheme requires far fewer iterations than similar competitors.     

图像方向纹理保持的方向全变差正则化去噪模型及其主优化算法

正则化方法是目前解决图像去噪不适定性的一条有效途径,但对于图像中纹理细节的保持仍是棘手的问题。本文针对图像方向纹理保持的去噪问题,给出了图像方向纹理保持的方向全变差正则化去噪模型。分析和证明了方向全变差的若干等价表示性质,并基于该性质迭代构造代理泛函和B样条离散差分逼近方法,给出了一种主优化去噪算法。数值实验表明,该方法在去除噪声、抑制图像的“阶梯效应”和保持图像方向纹理等方面取得较好的效果。     

基于变分方法的超分辨率

基于全变分先验和变分分布.提出一个新颖的超分辨率算法,使用分级的贝叶斯框架,能够同时计算出重建的高分辨率图像和模型参数.本算法利用变分推论给出变量的后验分布近似.因为能够同时估计出模型参数,是自动的过程,无需对参数人工调节.实验结果表明所提算法在重建质量上优于当前主流的算法.     

带曲波域约束的全变差正则化抑噪方法

为了减小曲波变换在图像抑噪应用中所出现的伪吉布斯振荡和"曲波状"伪曲线,提出一种融合计算调和分析与变分法的图像抑噪方法.首先引入第二代曲波紧框架,对降质图像进行非线性曲波变换阈值,然后由所保留系数确定可行域,建立带曲波域约束条件的全变差正则化模型,最后通过投影梯度算法进行求解.实验结果表明该方法在抑噪和保持边缘的同时,使这些失真得到有效地抑制,取得了较为理想的视觉效果.