基于自适应差分进化的激光成像降噪技术

针对激光成像过程中容易受到散斑噪声、高斯噪声和脉冲噪声等噪声干扰导致激光图像质量较差的缺陷,研究基于自适应差分进化的激光成像降噪技术。利用同态滤波方法提升激光图像对比度并去除激光图像散斑噪声,利用自适应差分进化算法获取同态滤波处理后激光图像的高斯噪声,并将高斯噪声同脉冲噪声参数组合拟合最优非线性变化函数,具体过程为:采用实数编码自适应差分进化算法,利用十进制实数编码噪声参数,通过HV变异评价算法评价自适应变异策略,利用混合交叉策略快速获取激光图像噪声参数的适应度值,通过适应度值实现激光成像降噪。实验结果表明,采用该方法对激光图像降噪,信噪比均高于23 dB,降噪时间均在20 ms以内。     

一种基于同态滤波的红外图像增强新方法

针对红外图像分辨率低,对比度低,噪声大等不足,提出了一种基于同态滤波的红外图像增强新方法.这种方法首先用自适应中值滤波对红外图像进行去噪,保证噪声不被增强;然后利用同态滤波的原理,对图像细节进行增强.为了克服同态滤波结果所存在缺陷,最后联合使用限制对比度自适应直方图均衡进一步调整图像的动态范围.实验结果验证本文方法对红外图像的分辨率和对比度增强有很好的效果.     

基于均值去噪与图像增强的方差滤波器

为了使图像既能去除噪声又获得增强,基于平滑低通滤波器、中值滤波器去除图像噪声原理和改进的巴特沃斯高通滤波器的图像对比度增强与边缘保持的原理,提出了一种新的均值去噪与图像增强的方差滤波器.实验结果表明,该方差滤波器无论在噪声去除、对比度增强、边缘保持等方面都优于上述3种滤波器.     

混合噪声环境下一种图像降噪的新算法

针对某些图像中背景复杂,目标对比度和信噪比低等特点,提出了一种基于邻域阈值分类的小波域去噪和改进的中值滤波相结合的方法对图像的混合噪声进行降噪.仿真实验结果表明,新算法能够有效去除高斯白噪声和脉冲噪声.新算法去噪后图像的峰值信噪比和均方误差都比单一算法得到了改善,从而证明了该方法的有效性.     

激光主动成像图像降噪方法

针对激光主动成像图像的特点,并考虑到实时性的要求,提出了一种基于中值滤波与提升小波变换级联的图像降噪方法。首先在空域中对图像进行快速中值滤波,然后对含噪图像进行提升小波分解,最后在小波域内对高频子带进行阈值降噪处理。采用信噪比（SNR）、运行时间T和图像灰度曲面图作为图像降噪效果的评估,将该算法与传统小波降噪、传统小波与中值滤波结合降噪等进行对比实验。实验结果表明,该算法能有效滤除激光图像中的噪声,提高图像的信噪比,且运算速度更快,同时满足了工程应用中对降噪效果和实时性的要求。     

一种基于小波变换的图像增强方法

针对部分灰度图像分辨率和对比度低、噪声大、视觉特性差等特点,提出了一种基于小波变换和直方图均衡的新的图像增强方法。该方法将小波变换的多尺度、多分辨率的特点和直方图均衡化的方法相结合,同时再辅以中值滤波去噪和同态滤波增强,从而在很大程度上克服了单一的直方图均衡化进行图像增强时会丢失图像细节信息、增强图像噪声等的不足。实验结果验证文中方法对图像的分辨率和对比度增强有很好的效果。     

激光主动成像图像噪声抑制方法

针对激光主动成像图像特点及实际应用需要,提出了一种基于同态滤波与双数复值小波变换级联的图像降噪算法。首先通过同态滤波将乘性散斑噪声变换为加性噪声;然后用基于改进Q-shift滤波器的双树复值小波对含噪图像进行分解,通过Bayes自适应阈值法修正小波系数;最后再进行相应的逆变换得到去噪图像。该算法具有近似平移不变性、多方向选择性及精确重构性,采用信噪比（SNR）、峰值信噪比（PSNR）和运行时间作为算法去噪性能的评价标准进行实验。实验结果表明该算法能够有效抑制图像中的散斑噪声,计算效率高,且很好地保护了图像细节。     

基于时域和空域混合的低信噪比视频降噪算法及其分析

论述了几种基于时域和空域混合的对低信噪比视频图像进行降噪处理的算法.考虑单独使用时域或空域降噪算法对视频图像进行处理的缺点和不足.在时域上,由于视频图像帧与帧之间有较强的相关性,采用递归加权算法;在空域上,分别采用第二代Curvelet变换理论的Wrap算法( Wrapping-Based Transform)、全变差(TV)算法、Lee降噪算法、基于偏微分方程各向同性非线性扩散去噪算法(PM-AOS算法)以及中值滤波等降噪算法.实验结果表明时域和空域混合的降噪算法可提供较好的视觉效果,较好地保留视频图像的边缘、纹理等细节信息,超过单独使用时域或空域对视频图像降噪的算法,且部分算法处理时间相对较短,具有在硬件平台上移植的可行性.     

基于斜率差值的自适应图像椒盐噪声滤波算法

提出了一种基于斜率差值的自适应中值滤波算法,以有效去除图像脉冲噪声。该算法在经典自适应中值算法的基础上,采用斜率差值进行噪声判定。针对自适应中值滤波算法和基于斜率的自适应中值滤波算法在噪声强度较高情况下的不足进行了改进,同时解决了噪声块难以去除的问题。实验结果表明,该算法能有效去除图像脉冲噪声,并较好的保护图像细节。     

基于中值滤波器的红外图像噪声处理的改进方法

基于红外图像成像的机理和热像仪工作方式,红外图像往往混有大量随机噪声,而这些都是造成红外图像和视频质量下降的重要原因。中值滤波是一种常用的非线性的滤波方式,对于图像降噪有很好的效果。中值滤波器的处理窗口大小需要提前设定且在处理过程中不能改变。噪声密度越大需要处理窗口越大,但也导致图像的细节相应越模糊。综合窗口大小对降噪能力和细节处理能力的影响,文中对传统的中值滤波器算法进行改进。实验表明,在中值滤波器去除噪声的过程中,随着窗口图像噪声分布情况动态调整窗口大小,能够做到既尽可能去除噪声,又尽可能保持图片的细节,使图像处理整体效果得到提升。     

基于三维块匹配的红外图像降噪与缺陷量化方法

对金属表面的缺陷检测以及量化逐渐成为一项重要的工作,对于保障器件安全有着重大意义。本文以钛合金为例,使用了一种以激光器为热源的的红外热成像缺陷量化方法。利用激光器可以点加热的优点对缺陷周围进行加热并对金属背面进行图像采集,为了使红外图像清晰表示并保留边缘,对红外图像进行同态滤波,变换后的红外图像进行噪声估计并使用基于三维块匹配的去噪算法将图像进行去噪,并且对去噪图像进行边缘检测以及缺陷量化。实验表明该系统可以有效的对金属材料进行缺陷检测,该红外去噪算法在峰峰值信噪比(PSNR)方面得到了显著的提升,在去除乘性噪声的同时也使图像边缘得到了有效地保留,该缺陷量化方法可以将误差控制在15 %以内。     

基于提升小波变换和中值滤波的图像去噪方法研究

针对实际拍摄的背景复杂、目标对比度和信噪比低的图像,在综合考滤图像去噪平滑效果、图像清晰程度和时间复杂度的基础上,提出一种基于提升小波变换和中值滤波的图像去噪方法.首先对含噪图像进行提升小波分解,再在图像高频部分进行中值滤波以改善图像的消噪效果,最后采用信噪比(SNR)与均方根误差(RMSE)和图像灰度曲面图作为图像去噪效果的评估,将提升小波变换和中值滤波相结合的图像去噪方法与小波去噪、小波与中值滤波结合消噪等进行对比实验.实验结果表明,该方法既能消除图像噪声又能达到保持其图像边缘要求,且时间度较低.     

同步全变分与限制对比度均衡的彩色图像去噪增强方法

为了更好地实现彩色图像去噪与反差增强的处理,提出一种同步全变分与限制对比度均衡的彩色图像去噪增强方法。首先分析了彩色全变分（CTV）模型存在的问题,并针对这一问题,提出通过引入彩色空间下矢量扩散控制改进该模型,消除阶梯效应。其次,为了避免由于灰度转化带来的信息缺损,给出一种RGB空间下的梯度矢量计算方法。最后构造了限制对比度直方图均衡（CLAHE）的微分模型,将其与改进后的CTV模型融合实现了彩色图像的同步去噪与增强处理。实验结果表明:由于本文方法直接在彩色空间下进行计算,因此可以减少由色彩空间转化带来的信息损失,能够在提高图像的对比度的同时去除噪声,更好地完成彩色图像的去噪与反差增强处理。      

非制冷红外图像降噪算法综述

红外图像处理中,由于非制冷红外探测器工艺技术上的原因,原始的红外图像包含多种噪声,尤其是椒盐噪声、固定或随机条纹噪声.当前有许多红外图像降噪的滤波算法,但在时间、空间、降噪效果、细节保持等方面各有侧重,难以实现完美结合.如何更快速、更高效、更准确地滤除噪声信息,保留更多的细节信息,是今后红外图像处理降噪研究的关键方向....     

基于稀疏表示的红外图像去噪算法研究

红外图像具有动态范围窄、对比度低、易受噪声污染等缺点,传统红外图像去噪算法在去除噪声的同时也滤掉了图像细节。提出了一种基于稀疏表示的红外图像去噪新方法。该方法首先将原始红外图像进行聚类分析,再将每一聚类子图像分解成字典,由稀疏系数矩阵重构去噪后的红外图像。实验结果表明,该方法相比于传统红外图像去噪算法,能更好地保留图像的细节信息,视觉效果比较理想。     

Joint demosaicing and denoising.

The output image of a digital camera is subject to a severe degradation due to noise in the image sensor. This paper proposes a novel technique to combine demosaicing and denoising procedures systematically into a single operation by exploiting their obvious similarities. We first design a filter as if we are optimally estimating a pixel value from a noisy single-color (sensor) image. With additional constraints, we show that the same filter coefficients are appropriate for color filter array interpolation (demosaicing) given noisy sensor data. The proposed technique can combine many existing denoising algorithms with the demosaicing operation. In this paper, a total least squares denoising method is used to demonstrate the concept. The algorithm is tested on color images with pseudorandom noise and on raw sensor data from a real CMOS digital camera that we calibrated. The experimental results confirm that the proposed method suppresses noise (CMOS/CCD image sensor noise model) while effectively interpolating the missing pixel components, demonstrating a significant improvement in image quality when compared to treating demosaicing and denoising problems independently.     

基于多级中值滤波—提升小波技术的图像去噪

针对实际图像含有椒盐噪声及高斯噪声等混合噪声,在中值滤波基础上,采用一种改进型多级中值滤波技术抑制椒盐噪声。首先构造多级中值滤波器,找出混合噪声的位置分布矩阵,然后对含噪图像进行多级中值滤波;同时,对原始小波进行提升,构造提升小波,采用提升小波自适应阈值去噪方法抑制高斯噪声。对含不同混合噪声图像进行去噪实验。结果表明：采用本文方法,计算速度快,提高了图像信噪比,图像细节边缘保护能力强,混合噪声得到有效抑制,去噪效果好。