高密度椒盐噪声图像的二次去噪方法

针对高密度的椒盐噪声图像,提出了一种基于中值滤波和均值滤波的高效的二次去噪方法 (Two-Step Denoising Algorithm,TSDA).数值试验表明,TSDA算法在保持图像边缘的同时能高效地去除高密度的椒盐噪声,较SMF方法和NDBA(New Decision-Based Algorithm)方法在检验指标MSE、PSNR和IEF上都有较大改进.     

基于小波变换的边缘保留图像去噪改进算法

针对在图像去噪过程中,如何有效地保留图像边缘等重要特征信息的问题,提出了一种基于小波变换的图像去噪改进算法。对图像进行多尺度小波分解,将各子带小波系数进行自适应阈值化处理,边缘成分的阈值由子带阈值和给定的相关权重计算得到,从而有效保留图像边缘信息。分别对Tracy和Building图像进行处理,实验结果表明,与BayesShrink等4种传统方法相比较,改进算法不仅可以有效去除不同程度的加性高斯白噪声,很好地保留图像边缘等重要特征信息,而且具有较高的峰值信噪比。     

基于波原子阈值算法的OCT图像降噪技术

为了消除或缓解光学相干断层成像方法中散斑等噪声对OCT图像像质退化的影响,提出了基于波原子阈值去噪算法。波原子变换是一种新型的二维多尺度变换,且满足曲线波的抛物比例尺度关系和各向异性征;波原子适用于模式的任意局部方向,能够对轴方向的各向异性模式稀疏展开。本文利用波原子阈值去噪算法,对人眼眼底组织和手指指尖皮肤的OCT图像进行降噪处理,并与传统的小波阈值算法和快速曲波算法对OCT样品图像去噪效果进行对比分析。结果表明,基于波原子阈值去噪方法能够有效地抑制OCT图像散斑噪声,并能保持图像边缘细节特征。     

基于可控滤波器的自适应各向异性扩散方程与图像去噪

各向异性扩散方程在去除图像噪声的同时能有效保持图像边缘,在图像处理中有广泛的应用。然而,经典PM模型会产生阶梯效应。为了解决这个问题,本文提出了基于可控滤波器的自适应PM模型。由于可控滤波器能有效刻画图像边缘,基于该滤波器构造了新的扩散系数,从而使得PM模型能够自适应扩散,有效避免阶梯效应的产生。在真实图像以及合成图像上的实验表明,新模型在除去噪声的同时,能够保持图像边缘,也能避免阶梯效应的出现。     

基于USFFT Curvelet变换图像去噪算法

为了更好地保留图像的高频细节信息,有效地避免图像重构中出现边缘扭曲现象.提出一种基于USFFT Curvelet变换的图像去噪算法.该方法首先对噪声图像进行USFFT Curvelet变换,在变换域计算噪声图像具有的全局阈值,然后采用窗口技术自适应地估计每个处理像素的萎缩因子,通过USFFT Curvelet反变换得到...     

稀疏性正则化的图像泊松去噪算法

去除医学、天文图像中的泊松噪声是一个重要问题,基于图像在过完备字典下的稀疏表示,在BayesianMAP框架下建立了稀疏性正则化的图像泊松去噪凸变分模型,采用负log的泊松似然函数作为模型的数据保真项,模型中非光滑的正则项约束图像表示系数的稀疏性,并附加非负件约束,保证去噪图像的非负性.基于分裂Bregman方法,提出...     

阶梯式图像去噪方法

为了提高对原始红绿蓝（RAW）和标准红绿蓝（sRGB）2种格式的真实噪声图像的去噪性能,提出了一种基于卷积神经网络的阶梯式图像去噪方法。第一阶段,利用单个通道内空间结构信息对图像各个通道独立去噪,获得初步去噪结果。第二阶段,利用噪声图像在不同通道的相关性进一步去噪,获得增强的去噪结果。在所提方法中引入误差反馈机制来减少采样带来的信息损失;使用密集残差连接模块使得提取到的噪声图像特征能更有效地复用和传播;利用通道注意力使得网络有选择性地增强信息量大的特征,抑制无用特征。将所提方法与常用的其他去噪方法比较,实验结果表明,在达姆施塔特噪声数据集的RAW/sRGB数据集上,所提方法分别达到了49.55 dB和39.55 dB的峰值信噪比（PSNR）;在跨通道数据集达到了39.52 dB的PSNR,较目前绝大多数方法具有更好的性能。     

微生物图像的非局部主成分分析稀疏泊松去噪

针对微生物显微图像去噪,提出一种基于图像稀疏块表示和字典学习的泊松去噪算法。根据微生物图像内在相关性进行分块处理,采用Poisson K-均值法对图像块进行聚类;运用主成分分析法实现非局部稀疏字典表示,完成簇内去噪;经融合重建,获得完整去噪图像。结果表明:通过稀疏块表示和字典学习直接对泊松噪声去噪,可减少噪声模型转换误差;改进的分块和聚类方法可提高去噪图像的信噪比;与其他去噪算法对比,本文算法不仅取得更好的去噪效果,且可改善去噪后图像模糊现象,最大程度地保留图像细节信息。     

基于非抽取小波变换的遥感图像贝叶斯去噪

图像去噪是遥感图像处理的一个重要方面。文中基于非抽取小波变换,提出了一种贝叶斯图像去噪方法。对小波系数采用广义高斯分布建模,根据贝叶斯估计理论,得到贝叶斯收缩阈值,采用软阈值收缩去噪。实验结果表明：该去噪方法能够有效地抑制正交小波变换产生的人为干扰和伪Gibbs现象,与正交小波变换阈值去噪方法相比具有明显的优越性。     

抗混叠塔型变换的构造

 针对Contourlet变换存在的频谱混叠,提出了一种抗混叠塔型变换,即Non-aliasing Pyramidal Transform-NA-D变换.NAP变换由抗混叠塔式滤波器组(Non-aliasing Filter Banks:NPFB)和方向滤波器组(Directional Filter Banks:DFB)组成,NPFB首先将图像分解为多个不同分辨率的细节子带和一个低频子带,DFB再将各细节子带分解为方向子带.通过设计满足Nyquist采样定理的滤波器,NA-D变换有效地抑制了Contourlet变换的频谱混叠,基函数不仅具有"多分辨率"、"多方向"、"局域性"等特性,满足各向异性尺度关系,而且空频域正则形和局域性均明显优于Contourlet变换.硬阈值去噪实验的结果表明,NAP变换能够更为稀疏的表示图像,并在去噪性能上较Contourlet变换有较大提高.