一种新的平移不变Shearlet变换域图像去噪算法

提出了一种基于双边滤波和正态逆高斯模型的平移不变Shearlet变换域图像去噪算法。对图像进行平移不变Shearlet变换分解,低频子带采用快速双边滤波算法处理,高频子带采用正态逆高斯模型对其进行建模,在贝叶斯最大后验概率估计准则下推导出与正态逆高斯模型相对应的阈值函数表达式,从而达到去除图像噪声的目的。在对不同类型的图像进行仿真实验,其结果表明了本文方法不仅具有良好的视觉效果,而且具有较高的峰值信噪比和平均结构相似性。     

多层阈值函数下的小波图像去噪

传统的硬软阈值函数在阈值处不连续,容易产生振荡,且估计小波系数与实际小波系数有恒定偏差,存在过扼杀现象。为此,提出一种多层改进型的阈值函数,该函数不仅在阈值处连续,而且估计的小波系数能够渐进实际小波系数。通过加入阈值调节因子,根据采样点长度的不同调节阈值因子,解决固定阈值偏大的问题。实验结果表明,改进后的阈值函数无论在视觉效果上,还是在峰值信噪比和均方误差性能上均优于传统阈值函数。     

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。     

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.     

全变分自适应图像去噪模型

通过分析三种主要变分去噪模型(调和、全变分以及广义全变分模型)的优缺点,提出了一种基于全变分的自适应图像去噪模型。该模型根据噪声图像的信噪比,采用高斯滤波器对图像进行预处理,克服了全变分模型引入的阶梯效应;利用图像中每一像素点的梯度信息,自适应选取去噪模型中决定扩散强弱的参数p(x,y),使接近边缘处平滑较弱,远离边缘处平滑较强。数值实验表明,本方法在去除噪声的同时保留了图像的细节信息,取得了很好的降噪性能,其峰值信噪比(PSNR)在高噪声水平下,较其他变分方法至少提高1.0dB左右。     

基于邻域阈值分类的小波域图像去噪算法

利用图像小波系数的空间相关性可以有效地去除图像中的噪声。将一维信号的小波邻域阈值扩展并应用于二维图像,子带内的每个小波系数根据其邻域阈值的大小被划分为“大”系数或者是“小”系数;对“小”系数直接置零,对“大”系数则采用一种具有局部空间强相关性的零均值高斯模型,通过最小均方误差准则得到其估计。仿真实验结果表明该算法简单有效,在去噪性能上优于传统的子带自适应阈值去噪方法,可与两种优秀的空间自适应去噪算法相媲美。     

基于耦合偏微分方程的图像去噪方法

本文基于Perona-Malik模型和四阶偏微分方程提出了耦合偏微分方程的平滑方法。实验表明,该方法能很好兼顾图像噪声消除和边缘保持,避免了二阶偏微分方程处理图像常出现的块效应,使图像平滑自然。     

改进型软阈值算法在临场感系统中应用研究

小波理论在图像去噪领域得到了广泛应用,在研究传统小波软阈值算法的基础上,分析了该算法的优点与不足之处,针对传统算法易造成背景信号模糊以及低频信号的损失的缺陷,在闽值选取时,提出了分层调整因子的概念,经过严格的理论证明,当调整因子取值1／2时,对不同的图像处理有较好的稳定性,且算法实现与小波基选取无关。研究结果表明：新算法在一定程度上弥补了传统算法的缺陷,去噪图像的频谱比传统算法宽广,低频信号保留较好,图像背景清晰平滑,去噪的视觉效果明显,而且具有较好的可操作性,易于实现。其应用于临场感系统取得了较好的效果,显示出新算法具有良好的应用前景。