基于图像去噪的混合噪声滤波算法

传统的中值滤波和均值滤波通常被分别用来滤除椒盐噪声和高斯噪声.但是当图像同时存在高斯噪声和椒盐噪声时,单独使用哪种滤波方法都不会达到最好的去噪效果.为了能同时滤除两种不同性质的噪声,提出了一种新的自适应混合噪声滤波算法.该算法采用了一种基于自适应阈值的方法对滤波系数加以优化,使其既可以有效地减少噪声,又可以较好的保持图像的边缘细节信息,仿真结果表明该算法能较好的滤除混合噪声,且滤波效果优于传统的滤波算法.     

一种基于SSNF的新型阈值滤波去噪算法

介绍了一种空间选择性的噪声滤波（SSNF）方法，并在此工作之上提出了一种新的自适应于小波变换尺度的闽值函数，从而对经SSNF滤波之后的小波系数进行了进一步的阈值处理，以去除残留在系数中的噪声部分。仿真试验和理论分析表明，相比其它传统的去噪方法，该方法的优点在于：所得到的小波系数不仅连续性好，而且更加接近于未加噪信号的小波系数，阈值函数具有很大的灵活性和自适应性，并适用于一些掺杂非白噪声的场合。     

基于块匹配的迭代滤波SAR图像去噪

提出了一种基于块匹配的迭代滤波合成孔径雷达图像去噪方法。首先,利用图像块之间的相似性进行块匹配,将相似图像块构建成一个三维矩阵。然后,在相似图像块之间进行迭代变换域滤波去除相干斑噪声,通过加权平均重建得到基本估计去噪图像。最后,对基本估计结果图像执行块匹配,在相似图像块内与相似图像块之间进行三维经验滤波得到最终去噪图像。实验表明,该方法不仅能够很好的去除合成孔径雷达图像相干斑噪声,还能够较好地保持图像的细节信息。     

图像去噪算法研究

主要对donoho的阈值去噪方法进行改进,提出基于图像奇异性的收缩阈值的选取.对图像进行分析和去噪处理。     

一种基于椒盐噪声图像的加权滤波算法研究

针对中值滤波和其改进算法虽然能够在很大程度上改善噪声带来的影响，但是使图像边缘变得模糊这一问题，提出一种滤除椒盐噪声的加权滤波新算法。该算法定义中值相似度和空间临近度函数，并采用双阈值，根据阈值的范围，采用不同的方法获取权值。使用该算法对图像进行加权滤波不仅能够有效地去除椒盐噪声，而且尽可能的保存完整的图像边缘信息。     

基于梯度的自适应椒盐噪声滤波算法

针对传统中值滤波方法不能有效保持图像细节信息和对图像适应能力差的问题,提出一种改进的椒盐噪声滤除算法。算法基于先检测、后滤波的思想,根据图像的极小梯度矩阵自适应计算噪声阈值,提高了噪声检测的准确性;为了更好地保持图像细节,对检测出的噪声像素进行多窗口中值滤波。多组去噪实验表明：所提算法对污染程度不同的图像具有良好的适应性,在滤除噪声的同时还可以有效还原图像边缘等细节信息。     

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.     

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.     

基于混合滤波和DBSCAN的点云去噪算法

为了避免点云在人工去噪时的复杂工作流程,进一步提高点云去噪效率,在相关研究基础上,设计了一种基于混合滤波和空间密度聚类的点云去噪算法。首先,通过直通滤波去除点云的无效点;其次,采用统计滤波删除点云的大尺度噪声点;再次,利用空间密度聚类算法移除点云的小尺度噪声点。最后,通过相关点云测量数据对设计的算法进行仿真实验验证,并与传统点云去噪算法的计算结果进行对比分析。结果表明,所设计的算法去噪效果优于传统点云去噪算法。     

基于邻域阈值分类的小波域图像去噪算法

利用图像小波系数的空间相关性可以有效地去除图像中的噪声。将一维信号的小波邻域阈值扩展并应用于二维图像,子带内的每个小波系数根据其邻域阈值的大小被划分为“大”系数或者是“小”系数;对“小”系数直接置零,对“大”系数则采用一种具有局部空间强相关性的零均值高斯模型,通过最小均方误差准则得到其估计。仿真实验结果表明该算法简单有效,在去噪性能上优于传统的子带自适应阈值去噪方法,可与两种优秀的空间自适应去噪算法相媲美。     

全变分自适应图像去噪模型

通过分析三种主要变分去噪模型(调和、全变分以及广义全变分模型)的优缺点,提出了一种基于全变分的自适应图像去噪模型。该模型根据噪声图像的信噪比,采用高斯滤波器对图像进行预处理,克服了全变分模型引入的阶梯效应;利用图像中每一像素点的梯度信息,自适应选取去噪模型中决定扩散强弱的参数p(x,y),使接近边缘处平滑较弱,远离边缘处平滑较强。数值实验表明,本方法在去除噪声的同时保留了图像的细节信息,取得了很好的降噪性能,其峰值信噪比(PSNR)在高噪声水平下,较其他变分方法至少提高1.0dB左右。     

Perceptual denoising of color images

Denoising of color images is a trade‐off between sharpness of an image and perceived noise. We formulate a novel optimization problem that can maximize sharpness of an image while limiting the perceived noise under a model of visibility of additive random noise. We derive a closed‐form expression for an optimal two‐dimensional finite impulse response filter, show its uniqueness and existence, and present simulation results for black and white as well as color images. Simulation results show remarkable reduction in perceptibility of noise, while preserving sharpness. The computational burden required for the optimal filter is reduced by a new adhoc filter which is simple but has near optimal performance. © 2010 Wiley Periodicals, Inc. Int J Imaging Syst Technol, 20, 215–222, 2010.     

基于相位相关的数字稳像算法研究

提出一种基于相位相关的车载视频稳像算法.采用对数极坐标变换技术以及相位相关技术检测图像帧间的旋转、尺度变换以及平移运动参数.为克服局部运动对全局运动参数的影响,采取了由局部运动参数求取全局运动参数的策略.在建立运动参数状态空间模型的基础上,采用Kalman滤波技术进行运动滤波,获取补偿参数.实验结果说明该方法能够比较理想地保留摄像机的主动运动,去除高频抖动.     

消除图像脉冲噪声的模糊结合滤波器

提出模糊结合滤波用于消除脉冲噪声方法。它由噪声率检测、噪声污染程度W评价和模糊结合滤波器组成。根据选择中值滤波或最大最小排除均值滤波。由W确定模糊隶属函数及模糊判决规则。建立了模糊结合滤波的数学模型。模拟实验表明,椒盐噪声概率为80%时,滤波输出的峰值信噪比为25.8dB,均方误差为171,而且能很好地保护图像细节。     

基于随机微分的EMD图像去噪算法

考虑到传统的图像滤波算法在图像去噪的同时削弱了图像特征,以及图像系统所固有的自相似性和经验模式分解(EMD)算法的完备性和稳定性,提出了一种基于随机微分的改进EMD图像去噪算法。该算法首先利用EMD对图像进行分解,得到图像的多个固有模式函数(IMF)图像和剩余函数图像,然后根据IMF图像和剩余函数图像采取不同的随机微分滤波策略分别得到各层滤波结果,最后重组得到原始图像去噪后的结果。Matlab仿真证明,该算法在图像去噪的同时保留了图像特征。     

An improved adaptive detail enhancement algorithm for infrared images based on guided image filter

Detail enhancement algorithms are important for raw infrared images to improve their overall contrast and highlight important information in them. To solve the problems that current algorithms like GF&DDE have, an improved adaptive detail enhancement algorithm for infrared images based on a guided image filter is proposed in this paper. It chooses the threshold for the base layer image adaptively according to the histogram statistical information and adjusts the mapping range of the histograms according to the dynamic range of the image. Besides, the detail layer is handled by a simpler adaptive gain control method to achieve the good detail enhancement effect. Finally, the base layer and the detail are merged according to the approximate proportion of the background and the details. Experimental results show that the proposed algorithm can adaptively and efficiently enhance different dynamic range images in different scenarios. Moreover, this algorithm has high real-time performance.     

基于小波变换模极大值的自适应阈值图像去噪算法

依据白噪声小波变换性态与信号奇异性相比具有显著不同的特点，在大尺度下设置阈值，去掉噪声信号而保留图像细节信号引起的模极大值点。在阈值设置问题上，采用自适应阈值的方法，克服单一阈值不能在每级尺度上将信号与噪声作最大分离的缺点。实验表明，与单一阈值去噪方法相比，该方法不仅可以保留图像边缘信息，而且能提高去噪后图像的峰值信噪比2～5dB。     

基于非线性最小二乘的电容层析成像图像重建算法

针对电容层析成像技术中的软场效应和病态问题,提出了基于非线性最小二乘算法的新电容层析成像(ECT)算法。在分析非线性最小二乘问题残量原理的基础上,给出了目标函数中二阶信息项的割线近似的校正公式,并利用Lipschitz空间连续的性质对非线性最小二乘算法的收敛性进行了证明,在此基础上探讨了ECT应用该算法的可行性。该算法满足收敛条件且重建图像误差小。仿真和实验结果表明,与LBP、Landweber和共轭梯度算法相比,对于简单流型该算法兼备成像质量高、边界均匀稳定等优点,该算法的提出为ECT图像重建算法的研究提供了一个新的思路。