分数阶图像去噪变分模型及投影算法

在图像去噪同时保持图像的纹理等细节是非常重要的。首先利用分数阶导数定义了新的分数阶有界变差函数空间,然后利用分数阶有界变差空间及负指数Sobolev空间,提出了分数阶变分图像去噪模型,最后提出了求解分数阶变分模型的投影算法并证明了算法的收敛性。实验结果表明,分数阶变分模型在提高峰值信噪比和保持图像纹理细节两个方面都非常有效。     

带边缘补偿的分数阶积分图像去噪算法

针对分数阶积分的图像去噪算法容易丢失图像细节特征的问题,提出了一种带边缘补偿的分数阶积分图像去噪算法。介绍了分数阶积分算子具有尖锐的低通性能,将分数阶Cauchy公式引入到数字图像去噪中,并利用斜坡法来近似计算分数阶积分的数值解。在迭代去噪的过程中,该算法在图像信噪比（SNR）上升阶段,设定较高微小积分阶次来构建去噪掩模;在图像信噪比开始下降阶段,设定较低微小积分阶次来构建去噪掩模,并采用边缘补偿机制来部分恢复图像的细节信息。由仿真实验可知,提出的图像去噪算法由于在迭代去噪的过程中采用了不同的分数阶积分阶次和边缘补偿机制,与已有的降噪算法相比,可以在去除噪声的同时适当恢复原始图像的细节信息,由此获得更高的信噪比和更佳的视觉效果。     

基于分数阶微积分的噪声检测和图像去噪

目的 提出一种利用分数阶微分梯度检测图像中的噪声点,并用于改进基于分数阶积分的图像去噪算法性能的算法。方法 该算法首先使用不同方向的分数阶微分梯度模板与含噪声图像进行卷积,计算出图像在不同方向上的分数阶微分梯度,依据预先设定的阈值获得不同方向的分数阶微分梯度检测图,将在所有选定方向上梯度都发生跳变的像素点判定为噪声点;然后只对被检测出的噪声点,在8个方向上进行分数阶积分运算完成去噪处理。结果 通过在人工图像中分别添加高斯噪声和椒盐噪声以及在自然图像中分别添加高斯噪声和椒盐噪声的去噪对比实验得出相同结论,即只对图像中检测出的噪声点使用分数阶积分运算进行去噪有更好的去噪性能,获得了更好的视觉效果和更高的峰值信噪比。结论 实验结果表明,基于分数阶微分梯度的噪声检测算法对解决图像去噪和保留图像纹理细节之间的矛盾有所帮助。随着对基于分数阶微分梯度噪声检测方法研究的深入,对图像中噪声检测的准确度会进一步提高,这将提供一种用于改进目前去噪算法性能的研究方向。     

基于分数阶Riemann-Liouville积分的图像去噪

为了在获得更好去噪性能的同时更多地保留图像纹理信息,介绍了分数阶Riemann-Liouville(R-L)积分算子在信号滤波中的作用,将分数阶R-L积分理论引入到数字图像去噪中,并利用阶梯逼近方法来实现数值计算。模型通过设定微小的积分阶次来构建相应的图像去噪掩模,由此实现噪声图像的局部微调,并利用迭代的思想来控制模型的去噪强度,从而获得较好的图像去噪效果。实验结果表明,基于分数阶R-L积分的图像去噪算法较传统的去噪方法不仅可以提高图像的信噪比(SNR),所提出的算法去噪后图像的信噪比为18.3497dB,较传统去噪方法最低也提升了大约4%,而且可以更好地保留图像的弱边缘和纹理等细节信息。     

基于改进阈值函数的分数阶小波图像去噪

为了消除噪声对图像的影响并较好地保留图像细节信息,提出一种基于改进阈值函数的分数阶小波图像去噪方法。该方法通过分数阶小波变换将含噪信号进行多尺度分解,采用改进的阈值函数对各层分数阶小波域系数进行处理,对处理后的系数进行重构得到去噪后的信号。仿真实验表明,相比已有的软阈值、硬阈值和均值加权法,本文方法去噪后的图像信噪比较大、均方误差较小,取得了满意的视觉效果,是一种实用的去噪方法。     

基于分数阶偏微分方程的图像去噪新模型

将分数阶微分理论和全变分方法相结合应用于图像去噪,提出了一种基于分数阶偏微分方程的图像去噪新模型。该模型很好地继承了现有的全变分(TV)模型去噪效果与保持图像边缘细节特征的优点,同时利用分数阶微分运算特有的幅频特性优势,较好地保留了图像平滑区域中灰度变化不大的纹理细节。实验结果表明：一方面,与现有去噪方法相比,新模型不仅具有较强的抑制噪声能力,而且能较好地保持图像边缘特征,还能保留更多的图像纹理细节信息,优于常用的整数阶偏微分图像去噪方法;另一方面,从峰值信噪比的对比实验可以看出该模型去噪效果优于其他方法,较好地达到了去噪目的,是一种有效、实用的图像去噪模型。     

基于分数阶微分的图像增强模板

根据二维数字图像具有自相关性,为了充分利用邻近像素点的信息,推导出基于分数阶Riemann-Liouville定义的模板系数,构造了八个方向的分数阶图像增强模板;同时引进信息论中熵的概念对图像增强后的纹理保留效果进行定量分析。实验表明,提出的分数阶微分图像增强模板与传统方法相比具有更好的增强效果,并有效保留了图像的纹理细节信息,对纹理具有特殊需求的应用具有一定意义。     

一种基于卷积积分的图像去噪变分方法

在图像去噪过程中更多地保持图像的细节信息是很重要的。将基于梯度的总变分图像去噪模型推广到基于分数阶微分的模型,并根据分数阶微分与卷积运算在特殊情形下具有相同的离散格式这一特点,提出了一种易于数值计算的基于卷积积分的图像去噪变分模型,实验结果表明,新模型在提高图像信噪比的同时,可以更好地保持图像的细节信息。     

基于分数阶积分器的分数阶混沌系统状态观测器同步研究

提出了一种基于分数阶积分器的分数阶混沌系统状态观测器同步算法。通过引入一个新的变量,该变量是将驱动系统的输出信号与传输信道中干扰的和进行分数阶积分处理,然后再作为输入信号加到观测系统中,以便实现分数阶混沌系统的状态观测系统同步。然后利用Lyapunov稳定性理论和线性矩阵不等式证明了该方法的正确性。将该同步方法应用于分数阶Chen混沌系统,得出了同步误差曲线,仿真结果表明了该同步方法的有效性,最终实现了分数阶混沌系统的状态观测器同步。     

基于饱和系统随机共振的图像去噪算法

利用随机共振（SR）机制,在传输相关信号的非线性系统中加入噪声,在输出端信号可被增强。本文提出一种基于动态饱和非线性系统随机共振的图像去噪算法,首先将图像重采样为一维信号,并调节动态饱和非线性系统的参数,使之达到最优,使动态饱和非线性系统能够产生随机共振。相比一维随机共振,二维随机共振的图像复原效果更接近于原图,输出图像的直方图和峰值信噪比(PSNR),也明显优于一维随机共振。相比于传统滤波方法,饱和系统的去噪效果更好,同时对于噪声强度的变化具有较好的鲁棒性。     

自适应的快速非局部图像去噪算法

文章对非局部均值（NL-Means) 图像去噪算法进行了改进,提出一种定量估计算法滤波参数最优值的方法,由噪声图像估计噪声方差,进而由噪声方差与图像方差估计滤波参数h。另外,根据局部区域加权欧氏距离的对称性,将算法中复杂度最高的两像素间距离计算由两次降为一次,从而在不损失性能的条件下使计算复杂度降低到原来的一半左右。在多个典型图像上的实验结果表明,提出的自适应非局部均值算法(ANL-Means)可达到近似最优性能,且处理时间只有标准NL-Means算法的一半左右。     

基于粒子群优化的Shearlet自适应图像去噪

研究Shearlet变换域图像去噪阈值选取的问题,提出Shearlet变换域图像去噪自适应阈值选取方法.该方法根据Shear-let变换域不同尺度和方向系数的分布特性,采用粒子群优化算法自适应地确定各尺度和方向的最优阈值,实现基于图像内容的自适应去噪.仿真实验表明,该方法能有效滤除图像的噪声,较好地保留图像的边缘信息.同时,去噪后图像具有更高的峰值信噪比(PSNR).     

一种基于领域阈值的小波图像去噪算法

为了去除图像中的噪声,文章利用图像分块的思想,结合阈值去噪法和最小均方误差估计(MMSE),给出了一种基于领域阈值的小波域图像去噪算法。该算法与经典的子带自适应阈值去噪法BayesShrink算法相比,本文算法在峰值信噪比和视觉效果上都好于BayesShrink算法。     

形态小波域声纳图像去噪算法

为解决声纳图像易受噪声污染、对比度降低的问题,提出一种形态小波域图像去噪算法.首先构造了可以用于灰度图像处理的形态中值小波,并在实现完备重构的基础上对中值小波进行了提升;然后利用提升后的形态小波,以移位抽取的方式对声纳图像进行完整的形态多分辨率分析;经阈值处理后,最终通过各重构图像的加权平均得到理想的去噪效果.仿真实验表明,形态小波域去噪算法在去除噪声的同时能完好保留图像边缘等重要细节,与传统的小波阈值去噪方法比较,对比度有所提高,图像更加清晰.     

改进的基于小波双变量模型的图像去噪算法

研究图像小波系数间的统计相关性并建立适当的模型,可以显著提高图像处理的质量。在贝叶斯最大后验估计理论框架下,讨论了Sendur提出的双变量模型,用MAP估计方法推导了对应的萎缩函数,分析了基于双变量模型去噪算法的不足,在此基础上进行了改进,利用MAP软阈值对第L级三个高频子带进行局部自适应处理。实验结果表明了改进后算法的有效性。     

一种用于图像降噪的自适应均值滤波算法

图像中噪声的消除是图像处理与识别的重要环节,噪声滤除效果的好坏直接影响着后续图像处理与识别的质量.为此,提出一种用于图像降噪的空间域滤波算法,自适应均值滤波算法(Adaptive Averaging Filtering Algorithm,AAFA).该算法中局部窗口的系数(掩模系数)是根据局部窗口内各像素与中心像素间的灰度和空间关系计算的,即局部窗口中心像素灰度均值的计算既考虑了窗口内各像素与中心像素间的灰度值差异,又顾及了窗口内各像素与中心像素间的距离.利用该算法进行图像降噪的实验结果表明,相对于经典的空间域均值滤波算法和其它的均值滤波算法,该算法的噪声滤除效果更好.     

改进TV图像去噪模型的全景图像拼接算法

全景图像生成过程中易受到噪声的影响。针对该问题,提出一种改进的全变分（Total Variation,TV）图像去噪模型应用于全景图像的拼接。对图像去噪过程中建立的泛函函数进行卷积运算,利用卷积操作降低噪声点的灰度值,求解泛函函数所对应的拉格朗日方程极小值,达到图像去噪的效果;采用SIFT（Scale Invariable Feature Transfomation）特征匹配算法对去噪后的图像进行特征提取和匹配;对待拼接图像进行加权融合处理,优化视觉效果。仿真实验结果表明,与经典算法相比,该研究能够较理想地去除图像中的噪声,降低全景图像拼接过程中的干扰,提高视觉效果。     

高阶各向异性扩散小波收缩图像降噪算法

证明一种高阶各向异性扩散与小波收缩的等价性,并根据等价性利用高阶各向异性扩散与小波收缩的优势,提出高阶各向异性扩散小波收缩降噪算法。该算法在低频部分采用经典的非线性扩散方法进行扩散,在高频部分采用高阶各向异性扩散方法进行小波收缩。实验结果表明,高阶各向异性扩散小波收缩算法的计算复杂性介于高阶各向异性扩散与小波收缩算法之间,降噪能力高于这2种方法。