一种改进的三维块匹配图像去噪算法

目的为了有效消除噪声图像中的椒盐噪声、高斯噪声甚至混合噪声,改进三维块匹配算法,提出一种新的图像去噪算法。方法首先,该算法将含噪声图像用图像块之间的相似性构建三维矩阵。然后,在图像块之间进行硬阈值滤波降低噪声,对图像块集合加权平均重建得到初步估计去噪图像。最后,对初步估计结果图像进行块匹配,在图像块内和图像块之间进行维纳滤波和加权中值滤波,得到最终去噪图像。结果仿真结果表明,该算法对图像采集的常见噪声均表现出理想的去噪效果,PSNR值均大于31 d B。对比维纳滤波、中值滤波、硬阈值小波滤波,文中算法对高斯噪声、椒盐噪声和混合噪声的去噪结果 PSNR值为31.5334~36.6466 d B,均高于其他算法,最高差值达到12.08 d B。结论结合中值滤波和三维块匹配算法的图像去噪算法,能够较好去除噪声图像的多种类型噪声,是一种较为优秀的去噪算法。     

基于Contourlet变换尺度间相关的图像去噪

Contourlet域数据分析表明,信号的变换域系数在尺度间相关性高,而白噪声则呈弱相关或不相关。通过相关性强弱区分噪声与信号系数,并结合阈值函数,提出了基于Contourlet变换尺度间相关的图像去噪新算法。实验结果表明,新方法去噪后的图像比小波相关去噪算法的PSNR值更高,视觉效果更好,尤其适用于纹理轮廓丰富的图像去噪。     

图像去噪在印刷品质量检测上的应用

目的研究消除线阵CCD在采集图像过程中引入的噪声。方法根据印刷品检测系统中常引入高斯噪声和椒盐噪声结果,分别应用小波变换算法和高斯-中值混合算法进行去噪处理。结果通过与不同方法的对比分析,表明该2种方法可行。结论小波变换对高斯噪声图像能达到很理想的去噪效果,高斯-中值混合算法实现了在去噪的情况下还保持图像本身的细节部分,对椒盐噪声去噪效果明显。     

基于小波变换和均值滤波的图像去噪方法

将小波变换和均值滤波相结合提出了一种有效的图像去噪方法,先将含噪图像进行小波分解,获得不同频带的子图像.将低频近似图像保持不变,对水平、垂直和对角三个方向高频细节图像根据其特性采用三种不同形状的模板进行均值滤波,最后将低频近似图像与三个均值滤波后高频细节图像合成得到去噪后的图像.实验结果表明,该方法在降低了图像噪声的同时又尽可能地保留图像的细节,其去噪效果优于单一小波阈值法和均值滤波法.     

基于双边滤波的自适应彩色图像去噪研究

目的为了克服彩色图像去噪后存在的特征模糊,研究基于双边滤波的自适应彩色噪声图像去噪方法。方法使用二维离散小波变换(DWT)对含噪声的彩图图像进行近似分量、水平细节分量、垂直细节分量和对角细节分量等4个方向的分解。根据DWT各方向分量归一化后的方差比例,利用RBF神经网络构造双边滤波系数模型确定不同方向的最佳去噪系数,提出彩色噪声图像自适应去噪方法(DWT-ABF),并将该方法与常规方法作对比。结果在不同噪声类型以及混合噪声失真情况下文中方法都能有效地去除噪声,并同时保留图像细节信息,且与其他方法相比,文中方法去噪后的图像都具有更高的PSNR值。结论文中方法克服了传统双边滤波无法自行确定最佳参数的缺陷,同时也良好地解决了去噪图像特征模糊的问题。     

自适应模糊小波阈值去噪算法在图像中的应用

消除在图像中产生的噪声,为了使图像清晰,污染度小,成了数字图像处理信息传播的重要部分。本文分析了中值滤波法、维纳滤波法、邻域平均法等几种传统的方法,着重研究自适应模糊小波阈值算法在图像去噪中的应用。运用Matlab软件对一张含噪图片（含高斯噪声）进行仿真去噪,仿真结果分析比较,得出了自适应模糊小波阈值去噪算法比传统方法去噪效果更好,更明显。     

基于CEEMD的心音信号小波包去噪算法研究

针对传统心音去噪方法易将其部分高频有用信息作为噪声滤除而造成滤波后的心音信号失真及信息丢失的问题,提出了一种基于互补总体经验模态分解(CEEMD)的小波包变换去噪算法。首先通过互补总体经验模态分解将心音信号分解为从高频到低频的不同固有模态函数分量(IMFs),并利用自相关函数客观界定信号的模态分量范围;然后对噪声主导模态分量和混叠模态分量采用小波包变换进行滤波提取有用信息后,与剩余固有模态分量进行重构得到去噪后的信号。实验结果表明,改进的算法不仅可以去除心音中的噪声成分,明显改善心音信号的信噪比和均方根误差,而且能够有效保留信号的高频有用信息,且在不同噪声水平下的去噪性能均优于传统算法,鲁棒性较好。     

采用离散余弦变换的小波图像去噪方法

提出一种通过对小波域中噪声能量的估计来进行去噪的新方法。算法采用离散余弦变换(DCT)提取小波系数的主要特征,无需对噪声方差进行估计。对图像进行小波分解,利用 DCT对高频子带进行局部特征提取;利用部分 DCT 系数对小波系数进行重建,并以重建系数的平均能量作为局部噪声能量的估计;去除原小波系数中的噪声分量后,进行小波逆变换,得到去噪后的图像。实验证明,其峰值信噪比(PSNR)比通常的阈值萎缩法提高了 2-4dB。     

基于线性混合小波基的图像去噪

单小波基由于时频特性难以与复杂的图像特征相匹配,限制了小波闽值算法在图像去噪效果上的进一步提高.提出了一种基于线性混合小波基的图像去噪方法,将多个不同特性的正交小波基进行线性混合构成一个新的小波基,用该混合小波基对图像进行分解后再通过阈值处理实现去噪.调节混合系数,可使混合小波基的时频特性与图像特征相匹配,从而提高小波阈值去噪效果.实验结果表明,该方法去噪效果优于参与混合的各单小波基去噪效果,其峰值信噪比(PSNR)最大可提高3.5 dB.     

一种基于小波变换的图像自适应去噪新方法

针对图像在日常拍摄和传输过程中极易受到干扰,造成图像模糊,分辨困难的问题。文章中首先对利用滤波去除图像噪声的方法以及利用常见的小波系数变换去除图像噪声的方法进行了说明并给出了小波变换去噪的步骤和流程图,进而针对性的提出了一种基于小波变换的自适应图像去噪方法。利用信噪比（SNR）和峰值信噪比（PSNR）两种客观评价方法将文章方法与其他方法进行了比较,数值仿真结果表明文章中提到的方法大大提高了图像去噪的水平,达到了自适应去噪的效果,说明该方法具有很好的实用性。     

基于QR码和DWT-SVD分解的双水印算法

目的为了进一步提高水印的鲁棒性和保护性,文中提出一种基于QR码和DWT-SVD分解的双重水印方案。方法将次级水印的奇异值嵌入主水印经一级离散小波变换后低频系数的奇异值中,再将含有次级水印信息的主水印奇异值嵌入主图像的二级小波变换后低频系数的奇异值中。结果经仿真实验发现,文中算法的主水印和次级水印PSNR值可达66 dB和60 dB,并对于高斯噪声、JPEG压缩、JPEG2000压缩、旋转攻击、对比度增强以及缩放攻击有一定的鲁棒性,攻击后提取的水印相关系数接近于1。结论算法属于非盲水印,在多种攻击情况下都能检测到次要水印,但有时候主水印会严重失真。     

基于子带收敛因子阈值法的轮廓波消噪方法

提出了适用于轮廓波变换消噪中确定子带阈值收敛因子的样本噪声响应法.该方法根据标准高斯白噪声作用在每个子带上的统计特性,得到每个子带的收敛因子;使用该收敛因子对标准的3σ(或4σ)准则进行修正来确定不同尺度不同方向子带的硬阈值;并在轮廓波域进行子带硬阈值处理之后,使用自适应维纳滤波进行后处理.实验结果表明,本文提出的消噪方法,对含有高斯白噪声的图像进行消噪,无论在峰值信噪比方面还是在视觉效果方面均可以取得比较满意的消噪效果;在一定的范围内,采用较小的样本图像计算子带收敛因子,在加快消噪速度和减小内存需求量的同时,仍然可以保持满意的消噪结果.     

基于像素同龄组的航拍图像去噪方法

由于受到光照、机身震动等拍摄环境的影响,航拍图像中常常混有高斯噪声和脉冲噪声。针对这一现象,提出一种结合改进的中值滤波和维纳滤波的像素同龄组去噪算法。首先将图像根据像素值的不同,分为若干像素同龄组;然后根据每个同龄组的特点,有针对性地进行中值滤波或维纳滤波;最后,借助航拍绝缘子图像,完成仿真实验,并与单独中值滤波、维纳滤波的去噪效果进行对比。实验结果表明,该方法在处理混有高斯噪声和脉冲噪声的航拍图像方面,具有良好的去噪效果。     

第二代曲波变换的图像降噪新算法

Curvelet变换表示曲线奇异函数的异向性及图像边缘时,具有比小波变换更优的表示特性。针对小波图像降噪存在的不足,分析基于wrapping算法的快速离散曲波变换的特点,提出结合循环平移、厄尔迭代方法和蒙特卡洛阈值规则的新消噪方法。该算法充分利用曲波系数的相关性,消除了因Curvelet变换缺乏平移不变性引起的图像＂划痕＂失真和＂振铃＂效应。实验结果表明,该算法与传统的小波消噪、二代小波消噪、小波包消噪和曲波硬阈值消噪相比,得到降噪图像的峰值信噪比更高,视觉效果更好。     

一种采用多个小波基的图像融合去噪方法

提出了一种新的基于多个小波基的图像融合去噪方法.首先利用多个不同的小波基对含噪图像进行阈值去噪,得到多幅恢复图像.然后对这些图像采用小波融合方法进行融合.对于低频系数采用基于边缘的融合算法,在多幅恢复图像中选择最有可能是边缘的点加以保留;对于高频系数,采用了平均的融合算法.最后得到一幅去噪图像.实验结果表明,无论是在视觉效果上还是在峰值信噪比定量指标上该方法去噪效果均明显优于单一小波基去噪.     

Image speckle noise denoising by a multi-layer fusion enhancement method based on block matching and 3D filtering

In order to improve speckle noise denoising of block matching and 3D filtering (BM3D) method, an image frequency-domain multi-layer fusion enhancement method (MLFE-BM3D) based on nonsubsampled contourlet transform (NSCT) has been proposed. The method designs an NSCT hard threshold denoising enhancement to preprocess the image, then uses fusion enhancement in NSCT domain to fuse the preliminary estimation results of images before and after the NSCT hard threshold denoising, finally, BM3D denoising is carried out with the fused image to obtain the final denoising result. Experiments on natural images and medical ultrasound images show that MLFE-BM3D method can achieve better visual effects than BM3D method, the peak signal to noise ratio (PSNR) of the denoised image is increased by 0.5?dB. The MLFE-BM3D method can improve the denoising effect of speckle noise in the texture region, and still maintain a good denoising effect in the smooth region of the image.     

Image denoising algorithms based on fractional sincα with the covariance of fractional Gaussian fields

Image denoising has been considered as an essential image processing problem that is difficult to address. In this study, two image denoising algorithms based on fractional calculus operators are proposed. The first algorithm uses the convolution of covariance of fractional Gaussian fields with the fractional sinc_α (FS) (sinc function of order α). The second algorithm uses the convolution of covariance of fractional Gaussian fields with the fractional differential Heaviside function, which is the limit of FS. In the proposed algorithms, the given noisy image is processed in a blockwise manner. Each processed pixel is convolved with the mask windows on four directions. The final filtered image based on either FS or fractional differential Heaviside function (FDHS) can be obtained by determining the average magnitude of the four convolution test results for each filter mask windows. The outcomes are evaluated using visual perception and peak signal to noise ratio. Experiments prove the effectiveness of the proposed algorithms in removing Gaussian and Speckle noise. The proposed FS and FDHS achieved average PSNR of 28.88, 28.26?dB, respectively, for Gaussian noise. The improvements outperform those achieved with the use of Gaussian and Wiener filters.     

基于凸包优化的盲源分离在图像去噪中的研究

目的针对高斯-脉冲混合噪声图像中难以有效去除大量奇异点或离群数据的问题,提出一种基于凸包优化的盲源分离方法来去除图像中的混合噪声。方法该方法把混合噪声和原图均看作未知的源信号,依据噪声图像中混合噪声与原图内容的加性关系建立盲源分离的模型,并利用凸包优化的方法构建源信号(凸包极点)的仿射包,然后通过最小化仿射包到凸包(噪声图像)上的投影误差,求解混合噪声和原图2个源信号,实现去噪混合噪声、复原原图的目的。结果实验结果发现,无论高斯-脉冲混合噪声强弱,该方法去噪复原后的峰值信噪比和平均结构相似性分别在39.9129 d B和0.9以上。结论由实验数据证实该方法可有效地从盲源分离的角度去除图像中高斯-脉冲混合噪声、复原原始图像。     

一种结合时间轴滤波的视频消噪新方法

为了提高含噪视频图像的质量,提出了一种二维小波域自适应滤波与时域时间轴滤波相结合的视频图像消噪新方法。首先,对视频序列的各帧在二维小波域中进行自适应滤波,之后在时域中进行时间轴滤波。对于二维小波域滤波算法,提出了一种高效的自适应阈值选取方案;时间轴滤波器则是结合了运动检测和递归平均。实验结果表明,其消噪效果要优于单纯的二维小波域滤波方法。