邻域小波系数自适应的图像降噪

如何去除自然图像中的高斯白噪声是图像处理中的一个经典问题。基于小波收缩的NeighShrink降噪方法取得了很好的降噪效果,但是NeighShrink在所有小波子带上均使用了次优的universal阈值以及固定的邻域窗口尺寸,导致了较大的偏差,而且使得算法不健壮。为此,运用Stein的无偏风险估计改进了NeighShrink方法。该方法能够为每个小波子带确定最优的阈值和邻域窗口尺寸。实验结果显示,该方法取得了比NeighShrink更低的均方误差,也优于当前尖端的图像降噪算法—FeatShrink,其平均MSE大约低6%。     

基于三变量模型的剪切波去噪方法

针对图像去噪问题, 提出了两种基于三变量模型的剪切波去噪方法. 首先利用互信息对剪切波系数间的依赖关系进行量化分析; 然后 根据依赖关系选取含噪系数s, s的父系数p以及与s方向相反的兄弟系数c, 建立了三变量最大后验估计模型. 在假定s, p, c具有相同标准差的情况下, 由估计模型推出一种具有闭式解的去噪方法(方法1); 对s, p, c具有不同标准差的情况, 给出了一种迭代去噪方法(方法2), 并证明了该方法的收敛性. 实验结果表明, 方法1和方法2不仅具有良好的视觉效果, 而且具有较高的峰值信噪比和结构相似度均值.     

自适应的图像组合降噪

BayesShrink是小波收缩降噪最好的算法之一,而WienerChop方法则是利用小波域维纳滤波改进了VisuShrink算法。为了更好地滤除噪声,研究了WienerChop组合BayesShrink进行降噪的方法。实验表明,该组合算法优于WienerChop和BayesShrink算法,其可产生更低的均方误差和更高的信噪比。它不仅综合了WienerChop和BayesShrink两种算法的优点,而且改善了WienerChop算法的过光滑和BayesShrink算法残留较多噪声的问题,同时可获得视觉上更为愉悦的降噪图像。     

一种改进的自适应窗口滤波的SAR图像去噪算法

SAR的广泛应用及其距离、方位上的高分辨率,使其受到人们越来越多的重视。但是SAR图像中的斑点噪声却严重地制约了它的进一步的应用。根据SAR图像的成像过程提出了一种改进的抑制SAR图像中斑点噪声的算法-自适应窗口空间域平滑算法。它根据窗内像素点的统计特征自适应调节窗口大小,并通过门限来决定是否需要改变窗的尺寸,达到在同性质区增大窗口来抑制斑点噪声,同时在异性质区减小窗口以最大限度地保护图像细节的目的。对实际SAR图像的验证,说明它在抑制斑点噪声和保存图像细节信息方面较之原方法有了一定的改进和提高。     

基于小波变换的自适应多阈值图像去噪

小波图像去噪是小波应用较成功的一个方面，其中最重要的一个环节是最优阈值的确定，为此，提出了一种新的基于小波变换的自适应多阈值图像去噪方法——Multi—Threshold shrink去噪法，这种方法是在不同子带和不同方向上选择不同的最佳阈值，而最佳阈值的选取是基于Bayes理论，并认为图像的小波系数是服从广义高斯分布的(generalized Gaussian distribution)。通过实验证明，这种方法能很好地对图像去噪，与Donoho等人提出的Visu shrink去噪方法和Chang等人提出的Bayes shrink去噪方法相比，不仅提高了去噪后图像的信噪比(SNR)和最小均方误差(MSE)，而且也使图像更加清晰，并能更好地适合人眼的视觉特性，从而可在客观和主观上同时获得更佳的去噪效果。     

一种基于自适应阈值的图像去噪新方法

Selecting threshold is the most important in threshold-based nonlinear filtering by wavelet transform. In this paper, a novel adaptive threshold is proposed by minimizing a Bayesian risk(It is adaptive to subband because it depends on data-driven estimates of the parameters). Combining this thresholding method with Wiener fitting can re-sult a new denoising method. Expermental results show that the proposed method indeed remove noise significantly and retaining most image edges. The results compare favorably with the reported results in the recent denoising liter-ature.     

基于方向气球力活动轮廓模型的图像分割

针对传统参数活动轮廓模型存在对轮廓线初始位置敏感的缺点,提出了方向气球力活动轮廓模型并应用于MRI图像分割。该模型利用底层图像分割的结果确定外力的方向,使气球力方向始终指向目标边界,引导轮廓线变形。当轮廓线运动到目标边界附近时,在高斯势力作用下继续变形,完成图像高层分割。实验结果表明,该模型与轮廓线初始位置无关,能实现MRI图像的自动分割。     

基于图结构滤波的图像去噪

在图像处理领域, 图像去噪是一项极具挑战性的任务. 图信号理论的发展为我们解决这一问题提供了新的视角. 本文研究了基于图信号方法的权重矩阵与拉普拉斯矩阵, 将它们用于图像去噪的目标函数, 这两个矩阵可以很好地定义观测图像与期望图像之间的内在联系. 在提出去噪目标函数的基础上, 我们给出了最优解和一种迭代的快速求解算法. 实验表明, 该方法优于BM3D和WNNM等前沿的去噪方法.     

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.     

Adaptive Fractional-order Multi-scale Method for Image Denoising

The total variation model proposed by Rudin, Osher, and Fatemi performs very well for removing noise while preserving edges. However, it favors a piecewise constant solution in BV space which often leads to the staircase effect, and small details such as textures are often filtered out with noise in the process of denoising. In this paper, we propose a fractional-order multi-scale variational model which can better preserve the textural information and eliminate the staircase effect. This is accomplished by replacing the first-order derivative with the fractional-order derivative in the regularization term, and substituting a kind of multi-scale norm in negative Sobolev space for the L ² norm in the fidelity term of the ROF model. To improve the results, we propose an adaptive parameter selection method for the proposed model by using the local variance measures and the wavelet based estimation of the singularity. Using the operator splitting technique, we develop a simple alternating projection algorithm to solve the new model. Numerical results show that our method can not only remove noise and eliminate the staircase effect efficiently in the non-textured region, but also preserve the small details such as textures well in the textured region. It is for this reason that our adaptive method can improve the result both visually and in terms of the peak signal to noise ratio efficiently.     

基于提升的自适应图像消噪

信号经过小波分解后采用软阈值处理具有良好的降噪效果，提升结构是小波技术的新发展。从提升小波出发，通过引入正交性等约束条件得到了具有良好子带分解特性的一族小波；将这些小波应用到软阈值降噪处理中去，依据信号特性自适应的选择滤波器参数，可以明显地提高PSNR．     

基于复方向滤波器组和HMT的图像去噪

提出一种基于金字塔对偶树方向滤波器组(PDTDFB)分解系数模的HMT模型,该模型结合PDTDFB理论、复数的模和HMT的特点,利用PDTDFB对图像分解后复系数的模建立HMT模型,由EM算法训练模型获得去噪后的模,恢复复系数、重构图像。实验结果证实,与其他几种典型的去噪算法定性比较,该模型去噪效果有不同程度的提高,更好地保留了图像的边缘信息。     

用定阈值Wiener滤波去除图像噪声

本文介绍了Wiener滤波中的统计误差,提出 Wiener滤波去噪性能可以通过定阈值对图像作预处理得到提高,用标准 Wiener滤波法、逆滤波法及定阈值 Wiener滤波法对退化图像进行处理的结果表明,在进行图像恢复时,标准 Wiener滤波效果比逆滤波好,定阈值 Wiener滤波则优于标准 Wiener滤波和逆滤波。     

自适应匹配追踪图像去噪算法

针对目前的稀疏去噪算法分解效率低、去噪效果不理想的问题,提出了一种基于自适应匹配追踪的图像去噪算法。该算法首先通过自适应匹配追踪算法求解稀疏系数,然后利用K奇异值分解算法将字典训练成能够有效反映图像结构特征的自适应字典,最后将稀疏系数与自适应字典相结合来重构图像。在重构过程中,将噪声对应的系数去除,最终达到去噪的效果。算法引入Spike-Slab先验来引导稀疏系数矩阵的稀疏性,并利用两个权重矩阵促使去噪模型更加真实。鉴于字典在稀疏算法中的重要性,将自适应字典与DCT冗余字典、Global字典进行比较。实验结果显示,选择自适应字典的去噪结果比传统字典在峰值信噪比上高出约4.5 dB;与目前6种主流的稀疏去噪方法相比,文中提出的方法在3种评价指标上均有不同程度的提高,其中峰值信噪比平均提高了约0.76~6.24 dB,特征相似度平均提高了约0.012~0.082,结构相似性平均提高了约0.015~0.108。对图像去噪算法进行定性的评价,结果显示所提算法保留了更多的有用信息,视觉效果最佳。实验充分证明了自适应匹配追踪图像去噪算法对图像去噪的有效性和鲁棒性。     

基于方向小波变换的自适应图像去噪方法

为提高方向小波变换方向选择的自适应性,提出一种混合傅里叶变换和方向小波变换的图像去噪算法。结合图像的边缘信息,利用傅里叶变换估算图像的局部方向,构造方向小波变换的生成矩阵。考虑方向小波变换陪集分解的特点,根据序列长度选择相应阈值。实验结果表明,当噪声方差大于25时,该方法的去噪性能较好。     

自适应模糊阈值的图像去噪算法

小波阈值去噪是小波域去噪的主要方法之-,该方法通过选取合适的阈值,采用阈值函数对小波系数进行非线性处理,获得基于均方差的最佳去噪效果.在Dohono提出的小波阈值去噪的基础上,提出了将自适应模糊阈值函数和中值滤波相结合的去噪方法.仿真结果表明,该方法具有良好的去噪性能,并且在去除高斯白噪声和脉冲噪声的同时,能够获得良好的边缘保持效果.     

基于小波域加权阈值的图像去噪方法

针对小波全局阈值去噪的缺点,介绍了一种子带自适应的阈值加权算法。通过对图像小波分解系数统计特性的分析,提出了一种近指数模型作为分解层之间小波系数的先验分布。在此基础上,对比噪声图像和无噪图像在各尺度下统计特性,给出了一种子带自适应的加权阈值计算方法,避免了各层子带去噪的不平衡。实验表明,与全局阈值和其它子带自适应阈值去噪方法相比,基于加权阈值的图像去噪方法能获得更高的信噪比和更好的视觉效果。     

Image Denoising Using Generalized Anisotropic Diffusion

Motivated by some recent works in fractional-order anisotropic diffusions, we introduce a class of generalized anisotropic diffusion equations for image denoising. We first define a new type of derivative (called G-derivative), which contains the fractional derivative as a special case, using the Fourier transform, then the generalized anisotropic diffusion equations are Euler–Lagrange equations of a cost functional which is an increasing function of the absolute value of the G-derivative of the image intensity function. All the G-derivative operators constitute a ring, and the semigroup property of the G-derivative consists with the semigroup property of the fractional derivative, so the resulting generalized anisotropic diffusions can be seen as generalizations of the fractional-order anisotropic diffusions. We also discuss the generalized Sobolev space described by the G-derivative and some variants of generalized anisotropic diffusions. The discretization of the G-derivative is computed in the frequency domain, and the stability analysis of the difference scheme is given. We list some generalized anisotropic diffusions and apply them to image denoising. Numerical results show that new models have great potentials in image denoising.     

医学图像的自适应非局部均值去噪算法

为改善医学图像的质量以利于临床诊断,提出一种基于梯度信息的自适应非局部均值去噪算法。利用梯度方向信息实现对局部相似窗的自适应旋转,从而搜寻到更多的匹配像素点。基于最小二乘思想建立最佳阈值与噪声标准差的关系模型,实现滤波参数的自适应选择。实验结果表明,该算法的去噪效果较好,可用于医学图像的后处理阶段。     

基于最大似然估计的自适应图像降噪

应用Stein的无偏风险估计改进Mih？ak等提出的LAWML小波域图像降噪算法。该方法能在每一个子带为LAWML方法确定一个最佳的邻域窗口,也将建议的方法推广到对偶树复数小波变换。实验结果证实,该方法不仅优于LAWML,也优于当前其他一些图像降噪算法。