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。     

基于阈值判断的自适应中值滤波算法

针对标准的中值滤波算法在去除噪声与保留图像细节方面难以取舍的缺陷,在自适应中值滤波算法的基础上提出了一种改进的基于噪声点检测的自适应中值滤波算法.该算法在进行噪声点检测时采用了一种阈值判断法,充分利用了当前像素点与邻域像素点的灰度值之间的关系.结果表明,在噪声浓度较高时仍然可以区分噪声点与边缘点,滤波的同时有效地保护了图像的细节.     

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H(o)lder指数和ICA的海域SAR图点目标检测

本文将分形H(o)lder指数和信号分离相结合,利用独立成分分析技术(ICA,Independent ComponentAnalysis),实现了海杂波SAR图的散斑抑制和点目标检测.首先,计算点态H(o)lder指数图,并提出二值模糊方法对其处理;接着使用ICA技术得到该图的基图像和独立成分;提出空间分离法,对独立成分进行分离,同时对基图进行对应分类,获得非噪声和噪声两个空间.最后在非噪声空间上重构图像.实验部分,将该算法与传统算法进行对比,证实了该算法的有效性和优越性.     

基于Hǒlder指数和ICA的海域SAR图点目标检测

本文将分形Hǒlder指数和信号分离相结合,利用独立成分分析技术（ICA,Independent Component Analysis）,实现了海杂波SAR图的散斑抑制和点目标检测。首先,计算点态Hǒlder指数图,并提出二值模糊方法对其处理;接着使用ICA技术得到该图的基图像和独立成分;提出空间分离法,对独立成分进行分离,同时对基图进行对应分类,获得非噪声和噪声两个空间。最后在非噪声空间上重构图像。实验部分,将该算法与传统算法进行对比,证实了该算法的有效性和优越性。     

基于独立成分分析的掌纹识别

本文研究了独立成分分析(ICA)两种不同的结构ICA I和ICAII在掌纹识别中的应用.为了提高识别准确性和可靠性,该方法首先对掌纹图像进行预处理,提取掌纹感兴趣(ROI)区域进行特征提取和匹配.为了减少计算量,运用ICA算法之前,先采用主成分分析(PCA)算法去除掌纹图像的二阶统计特征相关性,其余的高阶统计特征由ICA分离.对于PolyU掌纹图像库,基于ICA模型的预测误差平方和(SPE)小于PCA,而且重构的原始图像优于PCA.为了比较两种算法识别性能,本丈分别用PCA、ICA I、ICAII提取特征掌纹子空间,然后将待识别图像投影到低维子空间上,最后用余弦距离进行掌纹匹配.实验结果表明,ICA算法两种结构的识别率均高于PCA,ICAII在性能上优于ICA I.     

基于独立成分分析的掌纹识别

本文研究了独立成分分析（ICA）两种不同的结构ICAⅠ和ICAⅡ在掌纹识别中的应用。为了提高识别准确性和可靠性,该方法首先对掌纹图像进行预处理,提取掌纹感兴趣（ROI）区域进行特征提取和匹配。为了减少计算量,运用ICA算法之前．先采用主成分分析（PCA）算法去除掌纹图像的二阶统计特征相关性,其余的高阶统计特征由ICA分离。对于PolyU掌纹图像库,基于ICA模型的预测误差平方和（SPE）小于PCA,而且重构的原始图像优于PCA。为了比较两种算法识别性能,本文分别用PCA、ICAⅠ、ICAⅡ提取特征掌纹子空间,然后将待识别图像投影到低维子空间上,最后用余弦距离进行掌纹匹配。实验结果表明,ICA算法两种结构的识别率均高于PCA,ICAⅡ在性能上优于ICAⅠ。     

一种基于空间自适应的盲图像复原算法

针对非负有限支持域约束递归逆滤波（NAS-RIF）图像盲复原算法对噪声敏感问题，提出一种基于空间自适应的改进算法。利用最优阈值估计图像支持域，在代价函数中引入空间自适应加权因子和尺度因子，结合正则化技术对图像复原进行局部控制，并对不同信噪比和背景的图像进行了实验。结果表明，在较低信噪比情况下，改进NAS—RIF算法仍具有较好的复原效果，有效地达到了保存图像细节并抑制噪声的目的。     

一种椒盐噪声点的检测算法技术研究

针对中值滤波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,提出了一种检测椒盐噪声的新算法。使用该算法对图像进行噪声检测后再对噪声点进行中值滤波能够有效地去除椒盐噪声。实验证明该算法具有明显的去噪能力,且当椒盐噪声比较严重时,也能够取得较好的滤波效果。     

基于神经网络的图像混合滤波及融合算法研究

当图像中同时存在高斯噪声和椒盐噪声时,单一的均值滤波或中值滤波很难达到最佳滤波效果。 分析了噪声特点和各种滤波方法的优势,提出了一种基于神经网络的图像混合滤波及融合算法:首先建立概率神经网络,检测椒盐噪声和高斯噪声点,并分别利用中值滤波和均值滤波去除噪声点,然后建立径向基函数神经网络,利用训练好的径向基函数神经网络融合 2 种不同滤波的图像,输出理想的融合图像。 Matlab 仿真实验结果表明,该算法有效去除混合噪声的同时,能很好地保护图像的边缘与细节,是一种有效的方法。     

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。     

基于EEMD-SCBSS的岩石声发射信号去噪方法

针对岩石声发射(AE)信号的低信噪比、随机性强、非平稳性等特点,提出了一种基于总体经验模态(EEMD)及单通道盲源分离(SCBSS)的AE信号滤波方法。将含有背景噪声的AE信号进行EEMD分解,得到一系列按频率从高到低排列的本征模函数(IMF);提取高频背景噪声信号与观测信号构建虚拟多通道观测信号;利用快速不动点优化算法(FastICA)对构建的虚拟多通道观测信号进行盲源分离(BSS),进而得到滤波后的AE信号。通过构造含噪声AE信号进行数值仿真实验及实测数据分析,将基于EEMD及SCBSS滤波方法与小波阈值滤波方法进行比较。实验结果表明:小波阈值滤波方法会导致滤波后的AE信号频域信息失真,影响滤波后的AE信号上升时间,能量等参数识别;该方法可以对含噪声AE信号进行有效地滤波处理,能够较好地滤除AE信号中的非平稳随机噪声,并且能够保护滤波后的AE信号频域信息。     

独立分量分析的图像融合算法

独立分量分析可实现图像的稀疏编码并具有能很好地捕捉图像重要边缘信息的特性.本文提出一种基于独立分量分析的图像融合算法,结合支持向量机对多聚焦图像的清晰域、模糊域进行判断以及在ICA域中进行图像分割以提取图像的主要边缘特征信息来实现特征级的多聚焦图像的融合.实验结果表明,本文提出的融合算法是有效的.     

Poisson noise reduction from X-ray images by region classification and response median filtering

Medical imaging is perturbed with inherent noise such as speckle noise in ultrasound, Poisson noise in X-ray and Rician noise in MRI imaging. This paper focuses on X-ray image denoising problem. X-ray image quality could be improved by increasing dose value; however, this may result in cell death or similar kinds of issues. Therefore, image processing techniques are developed to minimise noise instead of increasing dose value for patient safety. In this paper, usage of modified Harris corner point detector to predict noisy pixels and responsive median filtering in spatial domain is proposed. Experimentation proved that the proposed work performs better than simple median filter and moving average (MA) filter. The results are very close to non-local means Poisson noise filter which is one of the current state-of-the-art methods. Benefits of the proposed work are simple noise prediction mechanism, good visual quality and less execution time.     

Fuzzy singular value shrinkage for Poisson image denoising

Poisson noise is a fundamental problem in various imaging applications, such as low-light photography, computed tomography and fluorescence microscopy. To remove Poisson noise, an adaptive iterative singular value shrinkage algorithm based on variance-stabilizing transformation (VST) and fuzzy logic classification is proposed in this paper. Since Poisson noise is signal dependent, we use the VST to convert it into signal independent Gaussian noise. The transformed image is divided into a number of blocks, and the similarity of these blocks is well judged according to the similarity criterion of an approximate Kullback–Leibler (KL) distance, and they are arranged to form a low-rank matrix. Then, the proposed algorithm uses singular value decomposition and adaptive soft-thresholding contraction operator to reduce noise, because large singular values point to the position of interesting information, and small singular values point to the position of the noise. In addition, to better preserve the structural information of the image, an adaptive iterative regularization technique based on fuzzy logic classification is proposed. Finally, a potentially noise-free image is obtained by unbiased inverse VST. Experimental results show that the proposed algorithm is competitive with several popular Poisson denoising techniques in both visual and objective metrics.     

一种结合小波变换和维纳滤波的图像去噪算法

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,结合维纳滤波的优势和小波分解各分量的特点,提出一种新的图像去噪算法。方法该算法先将含噪声图像进行小波变换,分离出1个低频分量和3个中高频分量,然后对低频分量进行自适应维纳滤波,对3个中高频分量用Canny算子提取边缘,最后将处理后的4个分量进行重构得到去噪后的图像。结果仿真结果表明,该算法对扫描仪引入的常见噪声均表现出较好的去噪效果,PSNR值均大于20 d B。尤其是对于高斯噪声和混合噪声,新算法去噪后的PSNR结果高于维纳滤波、软阈值小波滤波和文献[9]算法1~8 d B,效果较好。结论结合小波变换和维纳滤波的图像去噪算法,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。     

A novel blind super‐resolution technique based on the improved Poisson maximum a posteriori algorithm

Image restoration has received considerable attention. In many practical situations, unfortunately, the blur is often unknown, and little information is available about the true image. Therefore, the true image is identified directly from the corrupted image by using partial or no information about the blurring process and the true image. In addition, noise will be amplified to induce severely ringing artifacts in the process of restoration. This article proposes a novel technique for the blind super‐resolution, whose mechanism alternates between de‐convolution of the image and the point spread function based on the improved Poisson maximum a posteriori super‐resolution algorithm. This improved Poisson MAP super‐resolution algorithm incorporates the functional form of a Wiener filter into the Poisson MAP algorithm operating on the edge image further to reduce noise effects and speed restoration. Compared with that based on the Poisson MAP, the novel blind super‐resolution technique presents experimental results from 1‐D signals and 2‐D images corrupted by Gaussian point spread functions and additive noise with significant improvements in quality. © 2003 Wiley Periodicals, Inc. Int J Imaging Syst Technol, 12, 239–246, 2002; Published online in Wiley InterScience (www.interscience.wiley.com). DOI 10.1002/ima.10032     

基于各向异性扩散滤波与非局部先验的PET图像重建算法

针对在正电子发射断层成像中,经典的惩罚最小二乘算法和基于局部先验惩罚的改进算法不能有效地抑制噪声并保护图像边缘的问题,提出了一种新的各向异性扩散滤波非局部惩罚最小二乘重建算法(PLS-PDE).新算法首先对图像进行基于非局部二次先验的最小二乘估计,接下来对此估计值进行基于双向扩散系数的各向异性扩散滤波.所提出的算法综合了非局部先验与各向异性扩散滤波的优点.实验结果表明,新算法在抑制噪声和边缘保护方面取得了良好的折中,较大程度地改善了重建图像的质量.     

基于数字全息和离散余弦变换的数字水印技术

提出了一种基于数字菲涅耳全息和离散余弦变换的数字水印技术.利用全息技术得到原始水印图像的菲涅耳全息图,之后将其嵌入宿主图像离散余弦变换域的中频系数,将水印添加位置和光学系统的几何结构参数作为恢复水印信息的密钥,并且算法属"盲数字水印技术",从而该算法具有较好的安全性和实用性.对算法的测试结果也表明,该算法对噪声,滤波、剪切,旋转、有损压缩等常见的图像处理操作具有较高的稳健性.因此,该算法具有一定的实用价值.