基于小波-边缘保持Kalman滤波抑制散斑噪声算法

提出了一种新的用于噪声抑制的基于边缘保持Kalman滤波和小波变换相结合的算法。此算法对原始图像进行小波变换,然后在各个尺度上将与边缘大小和位置有关的信息从噪声图像中提取出来并将这些信息作为Kalman滤波器的控制输入。仿真结果表明:该算法能够有效的去除噪声,又保留有用信号及边缘信息。通过比较证明其优于小波阈值算法和自适应Kalman滤波算法。     

综合热扩散和全变分模型的自适应图像去噪模型

讨论了各向同性热扩散(TD)方程模型和各向异性全变分扩散(TV)方程模型对图像去噪的影响。在此基础上提出了一个改进的自适应混合模型,所提出的模型根据图像的信息能够自适应每个区域。该模型进行扩散图像的更加平坦区域,而较少的扩散在图像的边缘,得到了较好的去噪效果,同时保持边缘。比较了这三个模型对图像去噪的效果。数值实验结果表明,改进的自适应混合模型具有更好的去噪效果。     

基于二维S变换算法的图像去噪研究

图像去噪技术在航空航天、生物医疗、遥感通信、地质勘察等多个领域应用广泛。首先介绍了二维S变换算法的原理,然后通过傅立叶频谱计算二维信号的空间信息,最后将该算法用于图像去噪。仿真实验对比分析了S变换、小波、中值滤波、均值滤波和轮廓波变换算法的图像去噪效果,结果表明S变换算法在图像去噪中效果显著。     

图像分形去噪方法的研究与实现

分形编码的图像去噪方法是图像去噪领域中一个崭新的研究课题。以分形编码技术为基础,采用蚁群聚类算法对高斯噪声图像去噪的研究成果表明,这种方法能够在保证原始分形图像去噪效果的前提下,快速输出图像的分形码,同时能够在一定程度上达到抑制或去除噪声的目的。     

一种改进的二阶偏微分去噪模型

分析了基于二阶偏微分的扩散方程模型的基本原理,针对该模型在去噪的同时会产生阶梯效应的缺点,提出了一种基于图像结构信息的二阶偏微分去噪模型。在该模型中,在二阶偏微分的全变分模型的正则化项加入图像的切矢量和法矢量信息,并由此推导出相应的扩散方程,再对扩散方程的扩散强度因子进行修改。在实验中,将模型分别与基于二阶偏微分、四阶偏微分的全变分模型进行对比分析表明,实验结果证明该模型能有效地去除图像噪声,克服阶梯效应的产生,主观性能最优。     

一种改进的自适应分数阶积分图像去噪算法

为了改善图像去噪的效果,提出一种基于分数阶积分和中值滤波的改进自适应图像去噪算法,首先利用自适应中值滤波算法(Ranked-order Based Adaptive Median Filter,RAMF)中的噪声判别条件来检测噪声点,然后利用"噪声边缘"判别函数对其中的可疑噪声点进行二次检测,同时根据图像的局部统计信息和结构特征构造自适应的分数阶阶次,最后将检测出的噪声点进行自适应的分数阶积分滤波去噪。与传统的分数阶积分去噪算法相比,该自适应算法有效地保留了被错误误去除的图像边缘点,并且实现了分数阶积分的阶次自适应化,在去除噪声的同时很好地保留了图像的边缘及纹理细节信息。     

基于二进小波的图像去噪技术

图像在二进小波变换空间的表示是冗余的，同小波级数相比，基于二进小波变换的图像重建对于图像单个小波变换系数的依赖性下降。因此，在相同的误判概率下，基于二进小波变换的图像去噪效果好于基于小波级数变换的图像去噪效果，基于这个思想，将基于小波级数的图像去噪方法推广到基于二进小波变换的图像去噪，实验表明二进小波去噪可以有效地提高信噪比。     

一种改进权重的非局部均值图像去噪算法

提出了一种改进权重的非局部均值滤波方法。在高斯加权的欧氏距离基础上,结合相关系数来衡量图像邻域间的相似性,将其应用到图像邻域灰度矩阵间的相似性度量上,更好地利用了图像邻域间的相似性质。通过对添加不同噪声水平的噪声图像进行测试,实验结果表明,与传统的非局部均值滤波算法相比,所提出的算法在去噪性能上尤其是结构信息保持上均有显著提高。     

腐蚀膨胀算法对灰度图像去噪的应用

为了解决传统去噪方法对灰度图像效果不佳的问题,采用形态学算法中的腐蚀与膨胀算法,设计了不同的结构元,以应对不同的噪声。传统的腐蚀膨胀算法会在一定程度上改变图像,为消除这一影响,在该算法基础上又设计了一种对比采样的方法,将原图与初步处理过的图像进行对比,得到最终图像。结果表明:此方法能够在基本不改变原图的情况下有效地除去噪声。     

基于自蛇模型和小波分析的图像去噪

提出基于自蛇模型和小波分析的集成图像去噪算法,以及峰值信噪比、保护边缘指数的去噪性能综合评价指标。首先利用自蛇模型对含噪图像滤波,然后将处理后的图像进行小波分解,保持低频分量系数,对其高频分量再次利用自蛇模型去噪,最后对处理后的小波系数进行重构,得到去噪后的图像。实验结果表明,本文算法在去噪能力和和保护边缘能力两方面均好于自蛇模型算法和2次迭代自蛇模型算法。