基于上下文聚合网络的图像去噪性能分析

近年来,随着神经网络理论的拓展,神经网络模型在图像处理领域得到了广泛的应用。利用上下文聚合网络实现双边滤波器算子逼近,分析其图像去噪性能。结果表明,逼近双边滤波算子的上下文聚合网络能够实现图像降噪,改善图像质量,且处理效果优于传统的双边滤波器。此外,对比分析了上下文聚合网络和去噪卷积神经网络的图像去噪性能。相比于去噪卷积神经网络,逼近双边滤波运算的上下文聚合网络处理多幅图像的速度更快,时效性更好,且随着处理图片数量增多,性能越优。相反,去噪卷积神经网络的去噪性能更优,但处理速度慢。     

有利图像压缩的小波去噪算法

提出了一种有利于图像压缩的小波图像去噪方法及一种小波系数校验方法.首先利用多个阈值在小波域进行硬阈值迭代去噪,然后利用小波子带的方向性对小波系数进行校验,并将保留的非零小波系数乘以一个比例系数,最后利用小波逆变换获得去噪图像.实验结果表明该方法的去噪效果优于常用方法,接近甚至超过BayesShrink方法.该方法可在有效去除图像噪声与保留较少的非零小波系数之间得到较好的折衷.     

基于抗混叠轮廓波变换系数分布模型的去噪算法研究

针对轮廓波变换存在频谱混叠致使其难以获得理想的去噪效果这一问题,本文提出一种基于抗混叠轮廓波变换系数分类的混合模型图像降噪算法.该算法通过计算变换系数的尺度间相关性,将系数分为重要系数和非重要系数两类,并对二者分别采用广义非高斯二元变量分布与零均值高斯分布建模,在Bayes框架下对原始图像进行估计.实验研究结果表明,以Barbara图像为例,当噪声方差σ=30时,本文算法不仅峰值信噪比(PSNR)超过Contourlet-HMT模型去噪2.72 dB,且主观视觉效果上亦均优后者,同时还具有较高的计算效率.     

基于图像去噪的自适应滤波器的设计

本文首先提出了图像去噪的重要性,并用实验证明了图像噪声的存在;随后介绍了图像噪声的分类及常用的数字滤波法去除噪声;最后根据冷轧带钢表面图像噪声特点,设计了自适应滤波器,实验证明该滤波器可以很好的滤除冷轧带钢表面图像的噪声.     

一种概率自适应图像去噪模型

从小波变换入手,提出了一种概率自适应去噪模型.该模型包括尺度层间模型和层内模型.去噪方法首先利用小波域层间模型,将小波系数分成两类:有意义系数和无意义系数;然后在层内概率模型下运用最大后验概率估计方法,从有意义系数中恢复出原始系数.我们还将这种模型引入复数小波变换域.实验结果及分析表明了该去噪模型的有效性.     

基于遗传算法的多小波自适应阈值去噪研究

针对噪声多小波分解后的尺度性与图像本身的特性,通过遗传算法自适应寻求图像的最小均方误差,提出了一种基于遗传算法的多小波自适应阈值去噪算法.实验结果证明,该算法明显优于传统算法,不仅能有效地滤除图像中的噪声,而且能较好地保留图像的边缘信息,具有更为理想的去噪效果.     

基于尺度相关的CCD图像小波去噪方法研究

根据信号与噪声在小波变换下表现出的不同的传播性质,提出了一种基于空域相关的CCD图像去噪方法.该方法通过计算相邻尺度小波系数乘积的累积直方图来确定阅值,再利用改进的阈值函数对小波系数进行阈值处理.实验结果表明,该算法在有效去除噪声的同时,能够较好地保留图像的细节信息.     

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。     

基于小波变换与中值滤波的炉膛火焰图像去噪方法研究

在炉膛火焰燃烧状态检测中引用机器视觉技术,关键问题就在于火焰图像噪声污染,这就需要采用科学有效的图像预处理策略对原始图像信息进行去噪处理,以此避免给图像后续处理与燃烧状态判断造成不必要的影响。在炉膛火焰图像中噪声十分繁杂,主要包含高斯噪声与椒盐噪声,就图像特性而言,实施了中值滤波与小波去噪有机结合的方法,兼备两者优势,其既能够滤除噪声,又可以保留边缘与细节,以此进行图像预处理,这就直接为图像深入分析提供了新方式。对中值滤波与小波变换进行了详细分析,对两者进行了自适应权重优化改进,并通过结合两者进行了实践验证,结果表明,中值滤波与小波变换相结合的炉膛火焰图像去噪方法更高效。     

基于整数小波变换与快速递推GCV的静止图像去噪

基于整数小波提出一种用于自然景物图像去噪的快速递推广义交叉验证(FR-GCV)算法,首先对图像做整数小波变换(IWT),计算小波图像中小波系数的分布概率,然后利用整数递推,降低了GCV函数计算复杂度。最后通过小波系数下采样和阈值上界限定进一步降低了算法复杂度。实验结果表明,FR-GCV算法对自然景物图像去噪耗时比GCV算法降低了90%以上。FR-GCV算法能够快速求取去噪最优阈值,在静止图像去噪领域具有较强的实际意义。