基于稀疏码收缩的图像去噪

数据的描述方法对提取数据特征至关重要,通常这种描述方法是基于数据的线性变换。传统的的傅立叶变换、离散余弦变换、主分量分析等线性变换方法都是基于全局变换的思想,无法反映图像在时频域的局部特征。独立分量分析是一种多维数据线性变换的方法,它从数据间的高阶统计特性出发,提取的图像数据特征基函数在空间频域中体现了方向性和局部性,能很好的自适应图像数据,并且其所得系数具有稀疏分布的特性。用它对无噪声图像数据进行学习,利用得到的稀疏码变换矩阵对噪声图像数据进行稀疏码变换,得到稀疏成分,并结合最大似然估计得到的软门限算子对该稀疏成分进行收缩,从而达到了去除图像噪声的目的。试验表明该方法在去噪效果和保存图像细节方面明显优于传统的维纳滤波方法。     

基于平滑阈值函数的Ridgelet国像去噪

Ridgelet变换是继小波(Wavelet)变换后提出的一种新型的多尺度分析方法.它不仅具有小波变换的优点,还能更有效地表示图像的线性性质.鉴于Ridgelet变换具有多方向性,能够更好地恢复图像的边缘信息,得到比小波去噪更好的效果.本文将有限Ridgelet变换结合平滑阈值函数应用到特定图像的去噪中,试验结果表明,它比小波去噪及基于Ridgelet变换的简单阈值去噪效果更好.     

低照度图像去噪算法的研究与实现

针对低照度图像存在大量噪声的情况，分析了主要噪声源及各种常见的图像去噪算法，在综合考虑图像去噪平滑效果、图像的清晰程度及图像去噪时间复杂度的基础上，提出了结合数学形态学方法和中值滤波方法的图像去噪算法。通过试验数据验证了本算法的可行性、实时性和鲁棒性。     

用于图像去噪的一个四阶偏微分方程

用偏微分方程给图像去噪，传统上方程都是二阶的，Yu-Li和M.Kaveh提出的一个四阶偏微分方程，在去噪的同时，更好地保持并近似了图像的边界，但Yu-Li和M.Kaveh所提出的偏微分方程对椒盐噪声却无能为力，并且容易造成光滑区域不平整的现象，针对这个现象，作者修改Yu-Li和M.Kaveh方程中的一个扩散项的系数，得到了一个去噪效果更好的方程，并且可以消去椒盐噪声。     

基于非线性扩散方程的改进全变分去噪模型

针对传统的全变分(T V)模型因参数选择敏感,导致去噪图像容易在平滑区域产生"阶梯效应"或者虚假边缘的情况,提出一种基于非线性扩散方程的改进全变分去噪算法.在传统的TV算法基础上,提出了一种针对参数的自适应迭代函数,结合P-M算法的非线性扩散方程,使本算法在迭代初期可以看作各向同性去噪模型,有效去除"阶梯效应",随着迭代次数的增加,此模型为各向异性去噪模型,在去除噪声的同时,有效保护图像的边缘细节.实验结果表明,去噪过程中,该算法在扩散系数和自适应迭代函数的共同作用下,消除了阶梯效应和虚假边缘,相比传统TV算法提升了图像3 dB的峰值信噪比(PSRN)和视觉效果.基本满足图像预处理要求.     

基于双域滤波与引导滤波的快速医学MR图像去噪

针对医学磁共振(Magnetic Resonance,MR)图像 中存在Rician噪声较大以及双域滤波算法对Rician噪声处理不彻底、 运行时间较长的缺点,提出一种双域滤波与引导滤波相结合的快速医学MR 图像去噪算法。 该算法将引导滤波边缘保持后 的图像作为双域滤波算法的原引导图像,减少双域滤波算法的迭代次数,缩短算法运行时间 ;然后通过改进算法权重,结合 原始权重系数和指数核函数,构造新的权重系数,对噪声进行有效处理。实验结果表明,本 文算法能有效去除医学MR图 像噪声,保护图像细节,相比优秀的医学MR图像去噪算法,具有更高的峰值信噪比和结构 相似度;且相比经典双域滤波 算法,改进后的算法能将运行时间减少1/3,相比非局部均值算法, 可减少1/2。     

改进权值函数的非局部均值去噪算法

针对非局部均值图像去噪算法在边缘处权值的不合理性,结合双边滤波算法,改进了权值函数。分析了空域中各种去噪算法中权重计算方法,指出非局部均值算法中权重计算方法不能区分边缘两边图像块对边缘处图像块的差异。为了度量这种差异,本文算法借鉴双边滤波思想,强调图像块中心像素地位,改进了权重函数。大量去噪实验结果表明,本文算法去噪后的PSNR值比经典NLM算法有较大改进,比最新改进NLM算法也有一定提高。     

一种改进的非下采样轮廓波变换图像去噪算法

优化图像去噪问题,在非下采样轮廓波变换图像去噪中,收缩阈值的确定仅依赖变换子带系数的幅值,使得过多图像系数和噪声系数一并去除,导致滤波图像模糊。从检测变换子带几何结构出发,引入自蛇模型对子带系数作几何结构检测并抑制噪声后,估计双阈值将子带系数划分为三类并作不同处理,实现对噪声系数的去除和对图像系数的保护。实验结果表明,相对现有典型算法,改进算法获得的峰值信噪比提高了0.1-0.9dB,图像系数被更好识别和保留,滤波图像中边缘与区域细节损失减少,提高去噪效果,保留图像的有效信息。     

一种基于多尺度几何分析下的图像去噪算法研究

图像的边缘和轮廓包含图像的重要特征信息,当图像中数据混有噪声的时候,对边缘的检测比较困难。在多尺度几何分析理论的基础上,提出了一种基于尺度因子与Contourlet变换的图像去噪算法。实验表明,该算法对高斯白噪声污染的图像去噪具有很好的效果,不仅可以提高处理图像的信噪比,图像的视觉效果也明显改善。     

具有自适应窗口的双变量模型图像去噪方法

针对小波域去噪方法BiShrink-local(双变量萎缩局部方差估计)会造成图像的细节信息丢失的问题,给出一种具有自适应窗口的双变量模型图像去噪方法.该方法一方面继承原方法的优点,另一方面又利用区域生长原理,通过判断图像的小波系数值是否属于同质,从而更好地区分噪声和细节信息.通过实验表明,该方法能对含有高斯噪声的图像进行较好地去噪,同时在保持细节方面优于原来的方法.