基于HMT模型的图像去噪方法研究

小波图像去噪已经成为图像去噪的主要方法之一。利用小波变换在去除噪声时,可提取并保存对视觉起主要作用的边缘信息,但现有的去噪声方法忽略了小波系数之间的相关性。针对这一不足,在小波域隐Markov树模型（HMT）的基础上给出了一种图像去噪新方法。实验结果表明,与普通的小波去噪方法相比,该方法不但可以保留图像的边缘信息,而且能提高去噪后图像的峰值信噪比。     

基于二进脊波变换的图像去噪

二进小波变换在每次分解时不进行下采样,与小波级数相比,它是冗余的,且二进小波变换的部分系数扰动不会带来重构信号的严重失真。在相同的误判概率下,基于二进小波变换的信号去噪效果会好于基于小波级数变换的信号去噪效果。基于这个思想,该文提出了一种基于二进脊波变换的图像去噪算法。实验结果证明,与小波级数相比,该算法具有更好的去噪效果。     

线结构光焊接图像去噪方法

为了滤除焊接过程中大量散射及飞溅焊渣等噪声,提出了一种基于自适应顶帽变换(adaptive Top-Hat transform)的线结构光焊接图像去噪方法.将噪声图像进行一定范围结构元尺寸的Top-Hat变换处理,提出了一种评价指标互相关系数(cross-correlation coefficient of image...     

基于张量环分解的非局部高光谱图像去噪算法

高光谱图像去除噪声的2个问题:1)在采集和运输的过程中会产生各种各样的噪声,使得人们无法快速且准确地获得信息;2)大部分去除噪声算法都在Tucker或CANDECOMP/PARAFAC(CP)上进行,而Tucker或CP是将高维信号转化为低维,改变了信号固有的结构,对于张量秩的最优估计很难,且涉及的参数使得计算量很大....     

各向异性扩散方程在数字图像去噪中的应用

研究了各向异性扩散方程在去除数字图像瑞利噪声中的应用.在理论上对其去噪原理进行了分析,并在此基础上提出了改进算法.在实践中,通过实验给出了改进算法更好的去噪效果,并说明了这种方法的特点和适用情形.将这种方法与中值滤波结合提出了混合法同时改善被瑞利噪声和随机散粒噪声污染的图像.     

结合复方向滤波器组高斯尺度混合模型及非局部均值滤波的图像去噪

提出了一种结合金字塔对偶树方向滤波器组(PDTDFB)变换域高斯尺度混合模型及非局部均值滤波的图像去噪方法。首先,建立了含噪图像的PDTDFB系数的局部高斯尺度混合模型,应用贝叶斯最小二乘法估计出去噪图像的PDTDFB系数;然后,通过PDTDFB逆变换重构得到初步去噪的图像;最后,采用非局部均值滤波平滑人工效应,从而获取最终的去噪图像。该方法充分利用了PDTDFB变换具有近似平移不变性、多尺度多方向选择性和对图像纹理边缘等细节信息的高效表示能力,以及高斯尺度混合模型对PDTDFB系数的邻域相关性的概括能力。实验结果表明:与目前几个典型的去噪方法相比较,该方法使信噪比提高了0.3~3dB,视觉效果也有明显的改善。另外,该方法不仅能有效地去除含噪图像中的噪声,同时也有效地保留了原始图像中的边缘和纹理等细节信息。     

一种基于角度的正交FRIT变换及其在图像去噪中的应用

M.N.Do和M.Vetterli提出的Finite Ridgelet Transform(FRIT)因其对线奇异特征的高效表示能力而被广泛应用,但其在图像压缩、去噪的处理中却受到"环绕"现象的严重影响.本文在揭示"环绕"现象和FRAT域系数关系的基础上,提出一种基于角度的正交FRIT变换方案(Angle-based FRIT,AFRIT).该方案具有更好的能量集中特性,并有效地降低了"环绕"现象.进一步,对正交FRIT去噪问题建模,并提出了一种基于AFRIT的改进阈值.不同噪声水平下各种图像的去噪实验结果表明,采用改进阈值的AFRIT同现在常用的FRIT去噪方法相比,具有明显的优越性.     

基于噪声-纹理检测算子的图像去噪方法

利用能量泛函极小化方法对图像进行滤波时,通常用分段常数函数来近似图像,在滤除噪声的同时也丢失了许多纹理和细节信息.基于这一不足,本文提出一个噪声—纹理检测算子,利用这一算子对滤掉的信息作进一步检验,从而尽可能多的抽取出被误滤掉的纹理信息,将这些纹理信息补充回滤波后的图像中得到最终的去噪图像.实验表明,本文提出的算子对去噪后图像纹理信息的保留具有明显效果.     

基于Contourlet变换自适应阈值的图像去噪算法

综合利用Contourlet变换和图像在各个尺度各个方向上的轮廓细节的大小,一定程度上改进了Donoho阈值"过扼杀"其分解系数的缺点,同时还考虑图像的轮廓细节.实验结果表明,与小波阈值,Contourlet阈值和多尺度Contourlet阈值相比,这两种方法更好的提取了图像的轮廓细节,提高了图像的PSNR值.     

基于小波变换的图像去噪

与传统的傅里叶变换去噪相比,小波能去噪同时保留图像细节特征。针对较好的小波去噪,本文研究了小波阈值去噪的阈值函数选取,阈值大小确定和小波去噪方法。