DFT调制方向滤波器组在图像去噪中的应用

通过对DFT调制滤波器组进行二维扩展,给出了具有方向选择性的新型滤波器组的原理结构。分析了利用DFT调制滤波器组构造的方向滤波器组在图像去噪中的应用方案。仿真分析结果表明：新方案可消除对角子带的方向交叉,并可提供更多的方向信息。同时还可将不同频率、不同方向的信息划分到不同的子带。从而为多尺度的方向划分提供可能。     

二维小波收缩与各向异性扩散等价性框架及在图像去噪中的应用

图像去噪是图像处理中的一种重要技术。小波收缩根据噪声的小波系数幅值较小的特征通过收缩达到去噪目的。各向异性扩散在尽可能保持图像特征的同时,根据梯度方向及幅值去噪。该文首先证明二维小波收缩与各向异性扩散的等价性框架,对等价性给予验证,进而根据等价性提出综合利用两种方法优势的各向异性小波收缩去噪算法。对比实验结果表明,此算法综合利用了小波收缩与各向异性扩散的优势,去噪效果更加理想。     

基于整体变分和变换域分析的复合去噪模型

本文在泛函空间理论基础上提出了一种整体变分与小波阈值萎缩复合的图像去噪模型。复合模型在小空间规整化约束下实现整体变分优化去噪,保持图像边缘特征减弱值阶跃现象;复合模型处理图像中不存在Gibbs现象且可应用于大噪声图像恢复缺失信息。DCT变换是一种表征图像纹理特征的变换域处理方式,本文最后将DCT变换引入复合模型,得到保持纹理特征的复合去噪模型。理论和实验证明了本文提出的模型在图像去噪中的有效性。     

基于总体最小二乘的红外图像去噪

针对红外图像存在的加性、乘性及混合噪声,采用从图像中截取图像块,再用图像块的线性结合对原图像进行去噪,总体最小二乘算法用来求解其中的系数向量,充分考虑了噪声图像中存在的不确定性,通过这组系数得到去噪后的红外图像.在对像素点空间关系权重的求解上,采用模糊核聚类算法将红外图像粗略进行聚类,归为同一类的像素点之间存在较强空间约束关系,否则认为它们之间存在较弱空间约束.通过与维纳滤波算法比较,仿真结果证明了总体最小二乘去噪算法在红外图像的视觉质量和信噪比改善两个方面的有效性.最后通过比较无噪红外图像与去噪红外图像的直方图表明总体最小二乘去噪算法的优越性.     

基于高阶统计量的合成图像鉴别方法

随着各种图像编辑软件的广泛应用,数字图像被篡改的现象越来越普遍。论文研究了一种鉴别合成照片真伪的方法,在提取可信图像和拼接图像的双谱特征和边缘密度特征的基础上利用支持向量机(SVM)进行分类训练,并提出了在特征提取前去除图像的非高斯噪声。实验结果表明,该方法可将鉴别正确率由71%提高到75%,并具有一定的抗JPEG压缩能力。     

改进的contourlet变换域隐马尔可夫树模型

Contourlet域隐马尔科夫树(C_HMT)模型不但可以描述尺度间的相关性,而且可以对方向子带间contourlet系数的相关性做出统计描述,是一种比小波域HMT模型更为有效的系数相关性描述方法.本文提出了一种改进的contourlet变换域HMT模型,节点的状态不只依赖于其父节点的状态,而且兼顾到其父节点相邻节点的状态.这种模型可以进一步捕捉尺度间contourlet变换系数更为丰富的相关性,从而能够更准确和有效的刻画contourlet变换系数的非高斯性和持续性.将该模型应用于图像的去噪,并与另外几种典型的去噪算法作定性比较,验证了本文提出的改进的C_HMT模型在图像去噪性能方面有一定的优越性.     

级联残差学习的红外图像非均匀性校正方法

针对现有场景自适应非均匀性校正方法存在的图像过平滑和非均匀性残留问题,提出了一种基于级联残差学习的非均匀性校正方法。该方法将多尺度特征提取单元所获取的特征进行融合,并运用残差学习策略解决深度神经网络的过拟合问题。实验结果表明,该方法在平均峰值信噪比上较传统的场景自适应校正方法有近5dB的提升,主观视觉效果也更加清晰锐利。     

一种便捷数字图像处理系统的MATLAB实现

基于MATLAB 7.0,根据其高效的矩阵运算,利用数字图像处理函数,设计一款简单便捷的数字图像处理系统,该系统集成在一个GUI界面中,可对数字图像处理中最常用的几何变换、直方图变换、图像增强、图像去噪等处理。本系统具有高效的处理速度快、使用便捷,对工程中的应用也具有一定的借鉴意义。     

关于医学图像去噪的方法研究

目的 :为了研究新的医学图像去噪方法。方法:对同组图片做小波变换、中值滤波和合并小波变换和中值滤波图像去噪新方法 ,观察对比去噪后图片的清晰度。结果:通过对比实验,研究结果显示合并小波变换和中值滤波图像去噪方法有很好的临床效果。结论:合并小波变换和中值滤波图像去噪方法是有效的。