散斑噪声去噪方法分析与评估

乘性散斑噪声的干扰通常严重影响图像细节特征的辨识,其去噪方法的研究具有重要意义。文章选取五种典型的散斑噪声去噪方法,包括混合中值滤波、均值滤波、小波滤波、高斯滤波、及维纳滤波进行对比研究,采用两种客观评价指标进行评估,得出相关比较性结论。同时设计了散斑噪声去噪分析软件平台,便于进行不同去噪算法的对比分析。     

一种去除椒盐噪声带L1保真项的混合变分模型

图像去噪技术是数字图像处理领域中一个重要的分支,目的是在去除噪声同时更好地保持图像的对比度、清晰度、纹理特征等有用的信息,它是图像分割、特征提取与目标识别等图像处理过程的前提。为了有效抑制脉冲噪声,针对调和模型和TV-[L1]模型去噪的不足,提出一种针对脉冲噪声去噪的带[L1]保真项的混合变分模型,并用增广拉格朗日算法进行数值实现。采用峰值信噪比、均方根误差指标评定图像的去噪效果。实验结果表明,该模型的峰值信噪比大于其他几类已有模型,有效降低了均方根误差,并且计算的CPU时间更短,去噪效果得到明显改善。该模型具有更好的去噪性能,获得了更理想的视觉效果,不仅能提高了图像质量,而且在客观上得到了有效证实。     

基于压缩感知的多媒体视频图像去噪方法研究

目前,多媒体视频图像是信息传递的重要手段之一。但是,部分视频图像中的噪声严重影响了信息传递,而常规去噪方法的效果不理想。因此,提出了基于压缩感知的多媒体视频图像去噪方法。结合压缩感知理论,通过全变分图像去噪、离散小波正交变换和Shannon/Nyquist采样,完成图像去噪处理。经过实验分析,与常规去噪方法相比,此方法更能发挥稀疏集合的优势,大大降低了采样率和降噪处理的成本,并获得了比较好的去噪效果。     

邻域均值检测的迭代加权中值滤波算法

针对现有滤波算法在噪声检测与去除上存在的相应缺陷,提出了邻域均值检测的迭代加权中值滤波算法,对噪声检测与去除方法分别进行改进。算法根据噪声的灰度特征进行噪声检测,再基于邻域像素的相关性,用邻域的均值作进一步的检测;运用基于高斯曲面的加权算子,以迭代的方式,用邻域中信号像素的加权中值对噪声进行去除。实验结果证明,相对于现有滤波算法,所提算法具有更好的去噪性能,在保持高信噪比的同时,能很好地保持图像的纹理结构。     

基于直觉模糊散度的自适应非局部均值去噪算法

针对传统的非局部均值(NLM)算法在图像去噪时会出现边缘会模糊的问题,提出了一种基于直觉模糊散度的自适应非局部均值(IFD-NLM)去噪算法.该算法利用图像块之间的直觉模糊散度度量非局部图像块的相似性,修正NLM算法的相似性权重,降低不相似图像块之间的干扰,提高了NLM算法相似性权重的准确性.此外,根据图像块内容和直觉模糊散度特征图像,设定相关阈值,自适应地选择滤波参数.实验结果表明,所提算法相对于传统NLM算法能更有效地去除噪声,同时可以保留更多的纹理细节特征和几何结构特征,图像细节信息更为丰富.     

保留细节的迭代非局部均值超声波图像去噪

针对超声波医学图像的斑点噪声滤除问题,提出一种保留细节的迭代非局部均值滤波方法。在非局部均值滤波基础上使用迭代操作,重新定义邻域相似块搜索范围的形式,使每个像素点的邻域相似块搜索范围随着迭代过程逐步增大,每一轮迭代的相似块搜索数量保持不变;引入一种边缘检测算子,对每轮迭代滤波前和滤波后的图像进行融合。实验结果表明,所提方法有更好的噪声滤除及细节保留效果,算法计算复杂度更低。     

基于蜂群算法和带参阈值函数的图像去噪方法

针对小波阈值去噪方法中存在阈值选取困难和阈值函数量化效果差的缺陷,提出一种基于人工蜂群算法和带参阈值函数的图像去噪方法。首先,设计一个新的小波阈值函数,该函数具有连续性,高阶可微性和参数可调性,能够有效地解决硬阈值函数的不连续性和软阈值函数具有恒定偏差的问题。然后采用人工蜂群优化算法选取最优阈值,将其代入新小波阈值函数对带噪图像进行去噪处理。最后用MATLAB进行仿真实验,对比新阈值函数和传统阈值函数的去噪效果。实验结果表明：在图像去噪效果方面,提出的基于人工蜂群算法的新阈值函数明显优于传统阈值函数。     

基于超像素分割的非局部均值去噪方法

针对非局部均值(NLM)去噪算法在变化丰富的纹理区域采用平移窗口的方法选择相似块的不足进行了研究,提出一种基于超像素分割的非局部均值去噪算法。该方法充分考虑非局部均值去噪算法中相似性对噪声去除的影响,利用经过超像素分割处理得到的图像块内部相邻像素间以及纹理边缘都具有一定相似性的特点,在超像素分割块基础上优化纹理区域相似窗口的选择策略,提高图像块与中心像素块之间的相似性,从而达到提升非局部均值算法的去噪水平、边缘纹理不被模糊的目的。在多幅经典自然图像上的实验结果表明,该方法能够有效的去除图像中包含的噪声信息,相比于传统的非局部均值方法,保留了更多的纹理信息。     

基于稀疏表示与字典学习的彩色图像去噪算法

针对彩色图像在去噪时易产生模糊现象和伪色彩的问题,提出多信息结合字典算法。首先提出了基于RGB颜色空间各通道模值的加权梯度定义,并在此基础上建立了由彩色图像的亮度、加权梯度、颜色信息结合的一种过完备结构字典。其次利用噪声图像的稀疏性,通过不断更新迭代的字典训练过程,找到最优稀疏系数和最优学习字典,从而将噪声信息和图像有用信息分离开,精确重构图像并单求其颜色,进而得到去噪后的彩色图像。实验结果显示,与已有算法相比,本文提出的算法在不同的噪声强度下都取得了更好的视觉效果和更高的客观评价指标值,表明该算法具有良好的去噪性能。