基于梯度方向的非局部均值图像去噪算法

传统非局部均值去噪算法忽略了像素点邻域灰度值之间的差异,导致图像边缘模糊及细节丢失.因此,利用两个像素点邻域之间的梯度方向在添加噪声前后仍具有相似性的特点,提出一种基于梯度方向的非局部均值图像去噪算法.首先,对含有噪声的图像进行高斯滤波预处理;其次,充分利用区域的梯度信息和邻域块之间的灰度值共同确定权重,对邻域块之间进行更好的相似性判断,进而优化传统非局部均值滤波算法.实验结果表明,相比传统的非局部均值算法,本文算法可保留更多的图像细节信息,得到更优的去噪性能.     

基于余弦相似度的非局部均值滤波方法

为了解决非局部均值滤波(N L M)中会出现过度滤波,模糊了边缘结构信息等问题,提出了一种基于余弦相似度非局部均值滤波方法.该方法用余弦相似度改进非局部均值滤波中子块相似度的度量,能利用结构信息,对图像边缘结构信息进行更好的保持,同时可以减少图像明暗程度对去噪效果的影响.通过多个典型图像和不同的滤波参数h的实验表明,该算法与经典非局部均值滤波算法、基于积分图像的非局部均值滤波算法、Adaptive Wavelet Thresh?old算法、2VAR-BMWP-MAP算法、减小斑点扩散算法相比,实验结果表明:该算法能在有效去除噪声的同时更好保持边缘结构信息.另外,针对少有图像评价指标能在反映图像去噪程度的同时反映去噪算法的细节保持程度,在方法噪声的基础上提出了一种新的图像去噪评价指标,定义为方法噪声差(C B).结论表明:方法噪声差的确能反应去噪程度的同时反应图像细节的保持程度,且比误差的均方差(M S E)更符合人的主观视觉感受.     

基于改进权重非局部均值图像滤波方法与实现

图像滤波是计算机图像处理领域中极为重要的预处理环节,目的是消除混杂在图像中的干扰因素,改善图像质量,强化图像表现特征。在传统非局部均值滤波算法基础上,提出了基于改进权重的非局部均值图像滤波算法,以欧式距离高斯加权为基础,配以图像之间的自相似性,在图像领域灰度值的矩阵间使用,充分地将图形领域间的自相似性发挥出来。实验结果表明,基于改进权重的非局部均值图像去噪算法比传统的非局部均值去噪算法保持更有效的图像结构信息。     

基于非局部均值的单帧图像超分辨率重建算法

为了解决单帧低分辨率图像获得高分辨率图像的问题,提出了一种基于非局部均值滤波的单帧图像超分辨率算法,将图像超分辨率重建视为反问题,建立正则化模型,充分考虑图像的局部结构信息和自然图像中不同尺度的相似性冗余,加入非局部滤波.实验结果表明,文中算法从单帧图像重建的图像边缘轮廓和纹理较传统算法清楚,有效抑制了人工伪影,同时对噪声具有鲁棒性.在视觉效果及峰值信噪比上都取得良好的结果.     

基于自适应阈值参数的改进各向异性扩散模型

针对传统的各向异性扩散PM模型在对图像去噪时会产生阶梯效应,并且会丢失细节的问题,提出了一种改进的各向异性扩散IPM模型.该模型用梯度模、局部方差以及基于差分曲率的自适应边缘阈值参数构造了新的扩散系数,在边缘、细节、平坦区域进行不同强度的扩散.实验结果表明,IPM模型在去噪的同时不仅能有效保持边缘、细节等信息,还能克服阶梯效应,与其他基于偏微分方程的图像降噪算法相比,信噪比(SNR)、峰值信噪比(PSNR)和平均结构相似度(MSSIM)都得到了提高.     

跨模态空域自适应联合均值滤波器

非局部均值滤波器通过欧氏距离来衡量非局部区域内像素块之间的相似性,取得了较好的去噪效果. 但其对局部性考虑不足,易导致一些非周期性的有用细节在图像去噪过程中被光滑掉. 针对此问题,引入空域局部、非局部联合自适应方法,对原滤波器进行改进; 同时,考虑到多模态图像在实际中的应用愈加广泛,将所设计滤波器推广至跨模态场景,得到了跨模态空域自适应联合均值滤波器. 经典图像实验的主观视觉效果与客观的量化指标均表明,所设计的滤波器较原算法取得了更好的滤波性能.     

基于非局部均值滤波的医学CT图像去噪算法

提出一种基于梯度结构相似性的非局部均值去噪算法,算法利用梯度结构相似性改进传统非局部均值去噪算法的小块权值,通过欧式距离与梯度结构相似性参数结合更好地去除噪声,同时采用改进的双核函数代替传统指数函数计算权值,通过在肝脏和肺部图像上实验,对比传统非局部均值去噪算法和改进非局部均值去噪算法,证明本文算法去噪效果更好,同时还保持了边缘结构。     

基于残差图分解与平滑块排列的低剂量CT投影降噪算法

针对低剂量CT(Computed Tomography)图像质量严重退化的问题,将平滑块排列(Smooth Patch Ordering,SPO)算法应用于低剂量CT投影降噪中,并通过残差图分解提取图像结构信息以进一步提高SPO算法的去噪性能.首先对低剂量CT投影进行SPO滤波得到初始的降噪投影,然后通过改进的形态分量分析(Morphological Component Analysis,MCA)方法将残差图分解为结构部分和噪声部分,并将残差图中提取的结构部分作为补偿投影,与降噪投影相加得到新的降噪投影.最后利用滤波反投影(Filtered-Back Projection,FBP)方法对新的降噪投影进行重建,获得重建的低剂量CT图像.实验结果证明,与其他传统算法相比,所提算法在低剂量CT重建图像的噪声抑制以及边缘、细节和结构等特征的保持方面都有明显的优越性.     

L1范数约束的非局部均值正则图像去模糊模型

为了保护图像边缘、细节等信息,建立了l₁范数约束的非局部均值正则模型.首先通过实验证明了非局部均值去噪算法余项的概率密度函数具有较强的拖尾性质,符合Laplace分布的特点.基于此,使用l₁范数约束的非局部均值去噪算法余项作为新的正则项,提出了新的正则模型.然后利用Bregman算子分裂算法求解得到相应的优化算法,并且可将新算法看成Plug-and-Play Priors算法的推广.实验结果表明,新模型在去除模糊,保护图像边缘、细节等信息方面的性能都优于l₂范数约束的非局部均值正则模型和Plug-and-Play Priors模型.     

基于边缘增强和快速非局部均值的边缘图像去噪

针对全变分模型不能很好的保持图像边缘信息这一问题,有学者提出了基于边缘定向增强扩散模型,但该模型对图像细节处理不够.快速非局部均值(Fast Non-local means, FNLM)算法利用图像的自相关性与结构信息的冗余性,提高了去噪效果,但不能同时最大限度保持图像边缘信息又抑制平坦区域噪声.由于通过利用结构张量性质,可获取图像的边界、拐角、纹理等重要信息,本文引入结构张量改进边缘定向增强扩散模型,保持了图像边缘,并在此基础上提出了一种基于边缘增强和快速非局部均值的边缘图像去噪模型.该模型通过选取不同的边缘增强正则化参数,根据图像扩散幅度不同,获取带有纹理及噪声的边缘图像;然后对该边缘图像进行FNLM去噪,即过滤出图像原有的纹理结构信息;最后将之反馈到之前的边缘增强去噪图像中.实验结果表明,该方法不仅能够保留较多的纹理细节信息,而且很好的缓解了图像平滑和细节保持的矛盾.     

基于非局部均值算法的图像去噪方法研究

针对图像中存在的噪声问题,利用非局部均值算法去除图像噪声,通过图像自身的冗余性和领域相似性,增强图像的几何空间结构信息,进而得到了较好的去噪效果。实验结果表明,在信噪比方面,非局部均值算法优于中值滤波算法。     

基于运动检测的自适应降噪算法及实现

提出了基于运动检测的自适应降噪算法.通过计算相邻图像的相同背景区域噪声方差得到噪声强度,根据噪声强度大小设置运动阈值;通过计算图像局部相似度自适应地区分图像运动区域和静止区域,对静止区域采用时域加权均值滤波,对运动区域采用均值空域滤波.Matlab仿真实验结果表明:采用该降噪算法在去除视频序列噪声的同时,也很好地保护了图像的细节.     

基于时空特征和神经网络的视频超分辨率算法

提出了一种基于时空特征和神经网络的视频超分辨率重建算法,实现了视频视觉分辨率质量和细节清晰度的提升. 该算法综合考虑了外部图像块之间的关联映射关系和内部图像块间的相似性,利用深度卷积神经网络学习得到的拟合系数快速地重建视频细节. 采用时空非局部特征相似性优化重建结果,将相邻视频帧间的非局部互补冗余信息融入学习视频帧结果中,解决了误匹配等问题,进一步提升了超分辨率性能. 实验结果表明,所提方法在客观评价指标和主观视觉效果上均取得了较好的重建效果.     

基于局部复杂度和粗糙度的形态学空间锐化法

传统锐化算法对灰度突变的强边缘响应强烈,对噪声敏感,易产生过冲效应,且对灰度变化较小的微弱细节锐度不足,为此提出一种新的图像锐化算法.利用顺序形态变换的相关性质和概念,构造了一种局部加权均值滤波器,克服了传统线性滤波在平滑图像的细节和噪声时,一些重要边缘也被平滑而易产生过冲的问题;同时针对图像灰度剧变区和级别丰富区,应用图像局部粗糙度和复杂度自适应调节增益函数,有效地提升了图像中弱边缘和纹理细节的表现力.实验结果表明:该算法有效地避免了强边缘过冲现象,且在增强图像边缘和微弱细节的同时,保持了整体背景噪声与原图像一致,抑制了噪声的放大.     

结合边缘检测和非局部均值的地震数据降噪

油气采集过程给地震数据带来大量高斯随机噪声,非局部均值降噪算法降噪后同相轴边缘过度平滑。为此提出一种结合边缘检测和非局部均值的地震数据降噪算法（Sobel8-NLM）,通过八方向Sobel算子准确提取同相轴边缘,并改进非局部均值算法的权值函数,使地震数据中结构相差小的邻域权值不变,结构相差大的邻域权值变小,在降噪的同时有效提升信噪比及结构相似度。对合成地震数据及实际地震数据分别降噪,并与非局部均值算法（NLM）、结合Sobel算子的非局部均值算法（Sobel2-NLM）、结合Canny算子的非局部均值算法（Canny-NLM）进行对比,采用峰值信噪比、均方误差、平均结构相似度指标,验证了算法的有效性和可行性。     

一种快速非局部均值图像去噪方法（英文）

针对非局部均值(NLM)去噪算法运算量大的缺点,给出一种快速NLM方法。通过特征来表示块的信息,使每个块只计算一次,从而减少计算时间。与先前的方法相比,所给方法的相似性度量准则与NLM方法一致,且不需要预先设置阈值。为加速相似块的搜索,采用2D直方图和积分图两种方法。另外,给出基于块的方法对图像噪声进行盲估计,以求解滤波参数。针对坦佩雷图像数据库(TID)所进行的实验结果表明,所给方法利用整幅图像信息,故其性能明显优于半局部均值(SLM)算法。     

基于降采样块匹配的数字视频3D降噪算法

针对数字视频图像的高斯白噪声,提出了一种基于降采样块匹配的3D降噪算法.该算法先进行边缘检测并分块噪声估计,根据噪声强度设置阈值,然后利用图像的自相似特征,对搜索块内部像素降采样,再进行块匹配运算以降低算法复杂度.在自适应阈值筛选阶段,对选出的刚体运动块和非刚体运动块分别统一进行处理,对刚体运动区域进行时域加权滤波,对非刚体运动区域用改进的双边滤波器进行系数自适应滤波,减少了单独对每个块进行处理所产生的块效应,对细节处理更好.仿真结果表明,该算法能明显改善图像主观质量,提高信噪比.     

联合双重滤波的水下图像NSCT阈值去噪算法

针对水下图像噪声特点以及去噪时边缘细节保护不理想的问题,提出了基于联合双重滤波的NSCT阈值去噪算法.该方法采用具有平移不变性的非下采样轮廓波变换对水下图像进行多尺度和多方向分解,根据分解后图像的噪声分布特点,联合频域与空域方法将中值滤波和非局部均值滤波算法分别应用于高低频图像的滤波处理,设置合理阈值进行去噪,进一步恢复图像细节并重构图像.实验结果表明,水下图像的去噪效果明显提高.     

运用Foveated非局部均值和局部核回归的单幅图像超分辨重构

旨在对一幅低分辨图像进行单幅图像超分辨重构.采用Foveated距离度量图像的冗余相似块,利用Foveated非局部滤波进行Foveated非局部先验"冲突.利用Foveated非局部滤波进行Foveated非局部先验及引导核回归的局部先验,得出运用Foveated非局部均值和局部核回归的单幅图像超分辨重构方法.数值实验结果表明:该方法有效重构出清晰度较优的超分辨率图像,其图像边界、峰值信噪比及结构相似性均显著优于其他超分辨重构方法.     

局部平均显著梯度保边滤波算法

针对传统平均保边滤波算法中存在的光晕伪影现象,提出一种显著图局部平均梯度的保边滤波算法.利用显著图像边缘对比度突出的特点,简化边缘区域和非边缘区域间的阈值设定工作,并根据显著图的平均梯度自适应的平滑图像中的细节和噪声部分,同时保持边缘清晰.实验结果表明,显著图局部平均梯度的保边滤波算法利用显著特性有效地避免了传统平均滤波算法中的光晕伪影现象.相对于传统平均滤波算法,在降噪、多尺度增强以及HDR方面都有较好的表现.