自适应广义全变差的图像泊松去噪算法

针对医学、天文图像中的泊松噪声,基于广义全变差的图像泊松去噪模型,结合交替迭代极小化方法,提出一种自适应广义全变差的图像去噪算法。该算法利用广义交叉验证技术,使得模型中的正则化参数在算法迭代过程中可以自动更新。数值实验结果验证了该算法的有效性与可行性。     

A Fast Algorithm for Deconvolution and Poisson Noise Removal

Poisson noise removal problems have attracted much attention in recent years. The main aim of this paper is to study and propose an alternating minimization algorithm for Poisson noise removal with nonnegative constraint. The algorithm minimizes the sum of a Kullback-Leibler divergence term and a total variation term. We derive the algorithm by utilizing the quadratic penalty function technique. Moreover, the convergence of the proposed algorithm is also established under very mild conditions. Numerical comparisons between our approach and several state-of-the-art algorithms are presented to demonstrate the efficiency of our proposed algorithm.     

一种去除HDR图像噪声的新方法

为了提高HDR(high dynamic range)图像的质量,提出一种针对HDR图像滤噪的新方法。首先取得图像组中相同空间位置的点构成像素组;然后利用相机的ITF(intensity transfer function)还原成亮度值;接着通过求解最小二乘问题拟合L-t(luminance-exposure time)直线,并用该直线修正各点亮度值;最后再通过ITF转换成像素值。图像组经滤噪之后,再用于合成HDR图像。实验结果表明,该算法运算量小,能有效去除椒盐型噪声,对高斯型噪声抑制效果明显,优于A.&E.(ahmet & erit)算法,这也是该算法的主要特色。     

在线聚类算法用于基于内容的镜头检索

视频数据具有一定的隐舍层次性,因此在对视频进行镜头分割后,可以利用模糊聚类算法依据相似度提取关键帧和关键镜头,对视频内容进行抽象概括,并以此时镜头进行检索.本文用非监督学习方法中的在线聚类算法自动提取镜头的关键帧,以相似方法对关键帧进行聚类以自动提取关键镜头,并对分类结果进行自我调整.将上述方法实现并用于镜头检索,获得了良好的检索结果,并减少了经验对聚类的影响,而且较好地表示了视频内容的层次性.     

基于对抗生成网络的蒙特卡罗噪声去除算法

针对现有的蒙特卡罗噪声去除方法存在的高频细节丢失问题,文中提出基于对抗生成网络的蒙特卡罗噪声去除方法.设计对抗网络结构,包括全卷积网络的生成网络和深度卷积网络的判别网络,用于蒙特卡罗噪声的去除.除了加入包括图像像素颜色外的多维辅助特征作为网络输入以外,还采用包含平滑损失在内的新的损失函数和基于法向量方差和梯度大小相似度偏差的图像局部重要性采样技术用于网络训练.实验表明,文中方法在去除蒙特卡罗噪声时不仅可以取得不错的量化指标,而且还保留图像的高频细节特征.     

一种新的基于噪声点检测的脉冲噪声去噪算法

中值滤波是广泛应用于去除脉冲噪声的一种非线性去噪方法,但是单一地使用中值滤波方法去除脉冲噪声会造成图像细节信息的丢失,从而使图像变得模糊。基于噪声点检测的脉冲噪声滤波方法可以在滤除噪声的同时有效地保持图像的细节信息。该文在此基础上提出了一种新的基于噪声点检测的脉冲噪声滤波算法,该算法在检测噪声点时用被检测点的中值滤波结果作为判定该点是否为噪声点的依据。而在滤除被检测到的噪声点时,采用的是迭代的中值滤波算法。从实验结果中可以看到,与其它中值滤波算法相比,该文的算法在去除脉冲噪声时能取得较好的效果。     

结合高阶微分的非局部均值图像去噪算法

非局部均值算法是近年来去噪效果优秀并且引起广泛研究的算法, 但是该算法对于弱纹理, 弱边缘不能很好地保持。在非局部均值算法的基础上, 利用高阶微分可以很好地反映图像的弱边界和振荡等特征的特点, 改进了非局部均值算法。改进的算法能够在去噪的同时保留更多的细节、纹理和弱边缘。     

一种新的图像椒盐噪声的非线性滤波算法

为了在滤除椒盐噪声的同时能很好地保持图像的边缘细节,提出了一种新颖的图像椒盐噪声非线性滤波算法。利用局部统计信息,先将图像像素点分为信号点和可能的噪声点两类。然后将可能的噪声点进一步细分为边缘点、噪声点和信号点：利用方向信息、均方差来判断是否为边缘点,利用自适应阈值的方法来判断是否为噪声点,并且对边缘点和噪声点采取不同的方法进行滤波。经过仿真实验并与其它滤波算法进行比较表明,文中的算法具有更好的效果。     

Poisson Noise Reduction with Non-local PCA

Photon-limited imaging arises when the number of photons collected by a sensor array is small relative to the number of detector elements. Photon limitations are an important concern for many applications such as spectral imaging, night vision, nuclear medicine, and astronomy. Typically a Poisson distribution is used to model these observations, and the inherent heteroscedasticity of the data combined with standard noise removal methods yields significant artifacts. This paper introduces a novel denoising algorithm for photon-limited images which combines elements of dictionary learning and sparse patch-based representations of images. The method employs both an adaptation of Principal Component Analysis (PCA) for Poisson noise and recently developed sparsity-regularized convex optimization algorithms for photon-limited images. A comprehensive empirical evaluation of the proposed method helps characterize the performance of this approach relative to other state-of-the-art denoising methods. The results reveal that, despite its conceptual simplicity, Poisson PCA-based denoising appears to be highly competitive in very low light regimes.     

A Variational Approach to Reconstructing Images Corrupted by Poisson Noise

We propose a new variational model to denoise an image corrupted by Poisson noise. Like the ROF model described in [1] and [2], the new model uses total-variation regularization, which preserves edges. Unlike the ROF model, our model uses a data-fidelity term that is suitable for Poisson noise. The result is that the strength of the regularization is signal dependent, precisely like Poisson noise. Noise of varying scales will be removed by our model, while preserving low-contrast features in regions of low intensity. Funded by the Department of Energy under contract W-7405ENG-36. Triet M. Le received his Ph.D. in Mathematics from the University of California, Los Angeles, in 2006. He is now a Gibbs Assistant Professor in the Mathematics Department at Yale University. His research interests are in applied harmonic analysis and function spaces with application to image analysis and inverse problems. Rick Chartrand received a Ph.D. in Mathematics from UC Berkeley in 1999, where he studied functional analysis. He now works as an applied mathematician at Los Alamos National Laboratory. His research interests are image and signal processing, inverse problems, and classification. Tom Asaki is a staff member in the Computer and Computational Science Division at Los Alamos National Laboratory. He obtained his doctorate in physics from Washington State University. His interests are mixed-variable and direct-search optimization, applied inverse problems, and quantitative tomography.     

稀疏性正则化的图像泊松恢复模型及分裂Bregman迭代算法

生物医学、天文等成像系统通常会受到泊松噪声的干扰, 基于图像在过完备字典下的稀疏表示, 在贝叶斯最大后验概率估计框架下, 建立了针对泊松噪声的稀疏性正则化图像恢复凸变分模型, 采用负log的泊松似然函数作为数据保真项, 模型中非光滑的正则项约束图像表示系数的稀疏性, 并附加恢复图像的非负性约束. 进一步, 基于分裂Bregman方法, 提出了求解该模型的多步迭代快速算法, 通过引入辅助变量与Bregman距离, 可将原问题转化为两个简单子问题的迭代求解, 大幅度降低了计算复杂性. 实验结果验证了本文模型与数值算法的有效性.     

一种新的图像椒盐噪声的非线性滤波算法

为了在滤除椒盐噪声的同时能很好地保持图像的边缘细节,提出了一种新颖的图像椒盐噪声非线性滤波算法.利用局部统计信息,先将图像像素点分为信号点和可能的噪声点两类.然后将可能的噪声点进一步细分为边缘点、噪声点和信号点:利用方向信息、均方差来判断是否为边缘点,利用自适应阈值的方法来判断是否为噪声点,并且对边缘点和噪声点采取不同的方法进行滤波.经过仿真实验并与其它滤波算法进行比较表明,文中的算法具有更好的效果.     

基于随机采样的快速非局域均值图像去噪算法

在图像去噪的过程中,针对非局域均值滤波(NLM,non-local mean)去噪方法中存在的运算效率低下问题,提出了一种改进的快速去噪算法.首先,基于蒙特卡罗重要性采样思想,采用Metropolis方法在搜索窗口中对图像的像素点进行随机采样,取代NLM算法在搜索窗口中逐一像素遍历进行加权平均的方法,从而实现了加速.其次,算法在实现加速的过程中一般会影响去噪效果,为了仍保持较好的去噪效果,提出一种改进的权重函数.最后,进行了对比实验,对实验结果从峰值信噪比、运行时间及与原无噪声图像的相似度三个方面进行分析,结果表明,本方法在保持较高信噪比的基础上,处理时间只有标准NLM算法的1/3左右.     

一种基于改进非局部雾线先验的新型图像能见度检测算法

为了提高图像能见度检测的准确率,本文提出一种利用单幅日光条件图片检测能见度的方法,该方法基于非局部雾线先验和大气成像理论,首先通过改进非局部雾线先验选择图片中用于能见度估计的目标域 ;然后计算雾图像的透射率和恢复为清晰图像后的透射率,并计算二者的比值;最后,将清晰大气的消光系数与该比值相乘,得到被观测雾场景的大气消光系数,最终得到场景能见度。该方法一方面解决传统方法需要摄像机参数标定或者大数据量训练的问题,另一方面相比采用暗通道先验的能见度估计方法,该方法在估计能见度时保留场景的全局性,并一定程度上避免了暗通道先验对光照的敏感,可以较好地在日光户外场景下使用。算法平均准确率在89%以上,相较基于暗通道先验的比值法,平均准确率提升1%。     

有效去除图像中脉冲噪声的新型滤波算法

提出一种基于局部极值噪声检测的迭代中值滤波算法．该算法集中了minrnax算法与PSM算法各自的优势，并将两种算法有机地结合起来．经过实验仿真并与其他滤波算法进行比较表明，该算法可以有效地去除图像中的脉冲噪声，尤其是在噪声密度非常大的情况下表现了很好的性能。     

基于迭代网函数插值的椒盐噪声去除算法

针对目前缺乏简单有效的方法去除图像椒盐噪声的问题,基于网函数插值算法,提出一种迭代网函数插值去噪算法.利用包含不同密度(10％、30％、50％和70％)椒盐噪声的多个图像进行数值实验,并与其他方法进行对比研究.实验结果表明,1)该算法可以有效去除不同密度椒盐噪声;2)对低密度噪声经过少量迭代后快速收敛,对高密度噪声可自...     

一种彩色图像去噪的快速PGF滤波算法

提出了一种去除彩色图像噪声的快速PGF滤波算法.首先介绍了基本的PGF滤波算法,然后在分析PGF滤波算法的基础上,提出了一种简化的PGF滤波算法.最后,对该算法进行了仿真研究,仿真结果表明该算法在完成图像的噪声平滑和边缘保持的同时实现了图像的快速滤波.     

快速去除椒盐噪声的蛇形扫描滤波算法

为提高椒盐噪声图像的处理速度和去噪效果,提出一种蛇形扫描滤波算法。利用OTSU算法求出椒盐噪声的阈值,在噪声分布区间内找出相邻灰度之间像素个数差异的最大值,将极值点的灰度值与OTSU算法求出的阈值进行加权平均作为信号与噪声的分割点。实验结果表明,该算法能高效、快速、准确地去除椒盐噪声,并且与中值滤波算法相比,较好地保留了原图的细节,尤其对于高密度噪声污染的图像具有更好的去噪效果。     

一种用于抑制椒盐噪声的自适应快速滤波算法

针对受椒盐噪声不同程度污染的灰度图像滤波问题,提出了一种用于抑制椒盐噪声的自适应快速滤波算法。该算法针对像素点的不同属性采用不同策略的滤波手段,能有效保护图像细节;依据可能噪声密度自动控制滤波迭代次数,能自动抑制不同密度的椒盐噪声;基于字符串的统计排序记录方法减少了统计排序的次数,使算法一次迭代滤波耗时与标准中值滤波相当。实验结果表明,该算法自适应能力强、运算效率高、滤波效果好。