一种基于全变分技术和Lp伪范数的椒盐噪声去除方法

针对传统各向同性全变分（Isotropy total variation，ITV）去噪算法容易导致图像边缘模糊、不易保持图像细节信息等问题，提出一种基于L _p 伪范数和各向同性全变分的图像去噪方法。该方法将L _p 伪范数代替ITV模型中的L ₁范数，利用交替方向乘子算法（Alternating direction method of multipliers, ADMM）将能量泛函拆解成若干个子问题，并将差分算子视为卷积算子；然后引入卷积定理和快速傅里叶变换(Fast Fourier transform, FFT)提高算法运算效率；最后通过Matlab进行仿真实验，运用图像质量的客观和主观评价方法进行评价分析。结果表明，本文方法能够较好地保留图像的边缘特性，有效提升去噪效果。     

基于小波分析的储粮害虫图像去噪研究

以储粮害虫为研究对象,阐述了小波去噪的基本原理和高频系数置零、硬阈值法、软阈值等几种方法,并提出了一种改进的小波阈值去噪方法,比较了这几种方法在粮虫图像去噪上的优缺点。实验结果表明,改进的新阈值方法能更好的去除噪声,收到更好的效果。     

基于非局部均值的带钢表面图像去噪

为了在去除图像噪声的同时更好地保留图像的细节信息,现利用非局部均值图像去噪方法,通过高斯加权欧式距离来衡量图像块之间的相似性,并对相似窗、搜索窗、滤波参数进行有效的选取,从而在有效去除图像中的噪声的同时更好的保存了图像的纹理和边缘等细节信息。通过主观评价与客观评价两种方法对该方法的去噪效果做出评价。实验结果表明,基于非局部均值的图像去噪方法相较于传统的图像去噪方法不仅能有效的提高信噪比,而且也更好的保留了图像的边缘和纹理等细节信息。     

双Haar小波变换系数的MAP估计及在图像去噪中的应用

小波变换作为一种新的工具,在信号去噪中得到了重要的应用。本文对双Haar小波变换系数,提出了MAP的估计方法,并对其在图像去噪中的应用进行了讨论。实验表明所提出的小波收缩算法与软门限方法相比较,用于图像去噪时可以给出更好的结果。     

小波分析在图像处理中的应用

本文比较全面地探讨了小波分析在图像处理中的应用,涉及的范围主要包括图像压缩、图像去噪、图像边缘检测(图像特征提取和识别)、图像目标检测、图像增强、图像配准、图像镶嵌、图像细化、图像融合、图像分解等方面.同时还与其他传统分析方法比较,介绍了小波分析方法的独特优势.最后展望了小波分析的前景.     

双通道四元数卷积网络去噪方法

基于深度学习的彩色图像去噪方法通常是在各个通道进行卷积操作后再进行合并得到最后的卷积结果。这种方式没有充分考虑色彩通道之间的光谱相关性,可能导致去噪结果的失真。四元数卷积将彩色像素当作一个整体来进行处理,可以很好地解决这一问题。但是单一的四元数卷积网络不能较好地还原图像细节信息。针对这一问题,提出一种用于去除彩色随机脉冲噪声的双通道四元数卷积网络（DQNet）。该网络首先基于结构通道和色彩通道融合的策略,采用基于扩张卷积的结构细节还原模块提取结构和边缘特征,采用四元数卷积网络提取色彩特征;然后针对卷积运算会导致部分全局信息丢失的问题,通过长线连接将含有丰富全局特征的输入噪声图像与卷积结果进行融合,设计基于注意力机制的特征增强模块来指导网络提取复杂背景中的潜在噪声特征;最后利用残差学习实现彩色随机脉冲噪声的复原。实验结果表明,所提算法具有较好的去噪性能,在中度噪声污染或高度噪声污染的情况下去噪效果更为突出。     

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.     

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....     

非高斯双变量模型contourlet图像去噪

Contourlet变换是继小波变换之后的又一新变换.由于contourlet变换的多尺度和多方向特性,能有效地捕获到自然图像中的轮廓,并对其进行稀疏表示.详细分析了图像contourlet系数的统计特性,并利用非高斯双变量分布对系数层间相关性进行建模.最后,将此分布应用于图像去噪,就PSNR、NMSE和视觉质量这三方面的评价指标与contourlet HMT和小波阈值法进行了比较.实验结果表明：算法能获得较好的结果,尤其是对于含有丰富纹理的图像.     

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。