基于各向异性的二维云模型滤波

针对云模型滤波器在去除椒盐噪声的过程中没有考虑到图像各向异性的缺点, 提出了一种新的图像去噪方法。该方法首先利用云模型滤波器的噪声检测器对噪声图像进行检测, 然后对认定为噪声的图像部分利用基于二维云模型的模糊加权滤波算法, 并结合噪声周围非噪声像素的空间位置信息和像素值信息进行图像复原。将这种新的算法与原始方法进行相同环境下的对比实验。结果表明, 对于椒盐噪声密度为10%～50%的测试图像, 虽然在计算效率方面该算法略逊于原始算法, 然而在处理的过程中, 其展现了图像各向异性, 同时也更好地保持了图像的细节信息; 而且图像细节越复杂, 提升效果越明显。     

带Besov忠诚项的图像去噪变分模型

对基于Besov空间的图像去噪模型,利用Besov空间B12,2与Sobolev空间H1的等价关系,引入用Besov模刻画梯度变化的忠诚项,从而得到一类新的图像去噪变分模型.给出了相应的基于小波的数值算法,不需要处理非线性偏微分方程,是一种高效的快速算法.数值实验表明新模型能够获得很好的去噪效果,同时还能够保持图像的边缘和细节.     

基于上下文的高阶可导图像阈值去噪方法

针对传统的硬软阈值函数不连续以及非自适应的缺陷,分别探讨了具有连续性和高阶可导特性的阈值函数、基于局部上下文自适应的阈值函数的构造,并提出基于局部上下文的连续高阶可导阈值函数的构造,并用于图像去噪,实验结果证明了这些方法的有效性。     

基于偏微分方程的条码预处理

由于受到条码采集设备的限制,图像中经常混有很多噪声,导致出现误码.引入了基于偏微分方程(PDE)的Perona-Malik模型,并对Perona-Malik模型的缺点进行了算法改进,给出了一种针对条码图像去噪的方法.通过合理地设计和选择参数,得到了比较令人满意的结果.     

多变换域马尔可夫树图像去噪算法*

针对图像去噪时单一变换方法的不足,提出了一种新的基于Contourlet变换和小波变换的多变换分级图像降噪算法。根据Wavelet变换和Contourlet变换系数对图像中不同频带信号的稀疏表示特点,利用隐马尔可夫树（HMT）模型可以描述相邻尺度变换域系数的互相关性。首先使用小波域HMT方法进行第一级降噪,然后将其作为先验估计,利用Contourlet变换进行迭代阈值降噪。通过与几种传统的小波域HMT和Contourlet域HMT去噪算法相比,本算法改善了去噪图像的可视性并使PSNR值有所提高。     

基于非下采样contourlet变换的图像去噪方法

根据非下采样contourlet变换(NSCT)具有多尺度、多方向和平移不变的性质,提出了一种基于NSCT变换的图像去噪方法。首先对图像进行NSCT变换,得到不同尺度、不同方向的信息,然后根据分解所得系数确定阈值,依此阈值进行去噪处理,最后对去噪处理后的系数进行反变换,得到去噪图像。实验表明:该方法比小波变换(WT)及contourle变换(CT)能更稀疏表示图像,可有效消除图像中的伪吉布斯效应及噪声,能达到更好效果及更高的峰值信噪比(PSNR),较好地保持图像细节及纹理。     

一种基于曲率变分正则化的小波变换图像去噪方法

噪声和图像的细节特征主要集中于图像高频部分,在图像去噪过程中,图像的某些重要特征（如边缘、细小纹理等）易受到破坏.针对这一情况,本文提出基于曲率变分正则化的小波变换图像去噪方法,首先用小波提取图像的高频成分,对图像进行增强处理,然后用增强图像的水平集曲率建立一个基于水平集曲率的曲率驱动函数,再将曲率驱动函数作为一个校正因子引入到变分模型中,建立曲率变分模型,用以控制图像的整体结构.在缺乏图像梯度信息的情况下,该模型克服了ROF模型错误扩散这一缺点,符合图像处理的形态学原则.最后,用建立的曲率变分模型处理提取的高频成分,重构处理后的高频成分和原来的低频成分,得到去噪后的图像.分析和仿真结果表明,新算法可有效抑制噪声,有极高的图像结构相似度,去噪效果明显.     

非局部均值算法在非接触式互动控制系统中的应用∗

在非接触式互动控制系统中,数字图像在产生、传输、处理过程中会产生各种各样的干扰,造成图像质量差、定位不准确等缺陷。而且这些干扰往往是包含了高斯、椒盐及两者混合的噪声,常规的去噪算法很难对两种噪声同时有效。因此,文章根据自适应中值算法 (ALM)对椒盐噪声处理的策略思想,提出一种改进的非局部均值算法 (NLM),并应用到基于激光传感器的非接触式交互系统中.应用结果表明,该算法既能去除单一的高斯或椒盐噪声,又能去除两者混合的噪声.去噪算法处理后的图像定位准确、目标跟踪效果良好,显著提升了互动系统的交互性能。     

基于图像区域分割的SAR 图像去噪算法

给出了一种结合图像分割的合成孔径雷达(SAR)图像去噪算法,利用水平集图像分割方法将SAR 图像分割得到多个连通区域,并利用基于结构相似性指数的非局部均值滤波(NLM鄄SSIM)去噪算法对每个连通区域进行去噪。对每个连通域分别去噪利于维持连通区域边缘的原有数值特征,同时也能够保证图像平滑区域的滤波效果,提高了去噪算法的性能。实验部分使用了合成孔径雷达图像中的道路、农田、沟壑和建筑图像块进行测试,将本文算法与非局部均值滤波(NLM)和NLM鄄SSIM 算法进行了去噪效果比较,并通过等效视数(ENL)和边缘平均梯度比(EGR)评价指标验证了文中算法的有效性。     

基于狮群优化算法的自适应图像去噪技术

针对现有技术不能同时处理多种噪声的问题,提出一种基于狮群优化算法的自适应图像去噪技术.利用不同空间滤波器组合,在保留图像更多边缘纹理细节的同时,消除图像中的高斯、斑点和椒盐等多类噪声.为了提高线性滤波器组合的效率,采用狮群优化算法在无人为干预的情况下寻找最佳滤波器组合,使得算法在最少的时间消耗内实现最优的图像噪声消除效果.实验结果表明,该算法在多个指标方面的性能表现明显优于其他算法.