基于轮廓结构元素和阈值分割的形态学去噪

将图像分割技术应用于图像复原,提出基于轮廓结构元素和阈值分割的数学形态学去噪算法。该算法对图像进行阈值分割得到目标图像和背景图像,采用不同的轮廓结构元素滤波器算子对得到的2幅图像进行滤波并合成。实验结果表明,与其他形态学滤波算法相比,该算法有效地抑制了噪声,对主要目标的边缘细节起到了较好的保护作用。     

基于PDE的图像去噪和反差增强同步算法

针对反差较低且包含噪声污染的灰度图像,设计分段线性拉伸函数,引入TV下降流,建立新的偏微分方程(PDE)数学模型。该模型通过设置参数 灵活控制去噪和反差增强的程度,实现2种灰度图像处理手段的同步进行。对比实验表明,该方法可有效缓解传统处理方法存在的问题,在抑制噪声的同时增强图像的反差。     

基于改进阈值函数的小波变换图像去噪算法

针对传统硬阈值函数在阈值处的不连续、软阈值函数中小波系数与小波估计系数之间存在的恒定偏差问题,提出一种基于改进阈值函数的图像去噪算法。该算法结合改进阈值函数的优点,通过设置适当的调整参数动态选取固定阈值,增加调节因子来降低原小波系数和估计小波系数之间的恒定偏差,从而提高重构图像和原图像的逼近程度。改进后的阈值函数在阈值处满足连续性,同时满足函数的渐进性和高阶可导性。仿真结果表明,采用改进后的阈值函数进行图像去噪,视觉效果好,PSNR和SNR都提高了,MSE有所降低,去噪效果得到了优化。     

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。     

一种具有边缘保护的MRI影像同步去噪增强算法

MRI影像具有边缘模糊、含有噪声、对比度差的特点,这些都严重干扰了影像的分割,配准的准确性.针对这类问题,提出一种既能保护边缘,又能兼顾去噪及增强的模型.通过构造自适应直方图均衡化的偏微分方程,并结合P-M平滑算法的优点,增加系数调节项,达到同步去噪增强的目的.算法吸取了两种模型的优点,实验结果证明了方法的准确性及实用性.     

基于各向异性扩散方程的多层次并行图像去噪

针对利用各向异性扩散方程的去噪模型在求解中存在计算量大、耗时长、影响实时性等缺点,本文充分利用并行知识,提出了有效的解决方案。即基于各向异性扩散去噪模型,设计工作站机群平台,对噪声图像进行条状重叠的数据划分,以便实现算法节点内与节点间的两级并行策略:在机群结点内部采用共享内存结构,机群节点间采用分布内存结构,以二者的最优结合实现并行的层次结构化,从而得到一种高效的多层次并行图像去噪算法。实验结果表明,在基于混合模型的并行环境下,该算法能在一定程度上提高原算法的计算效率,不仅有效地缩短了运行时间,而且仍能获得与其相当的图像去噪质量。     

Bayes理论和邻域平均法在图像去噪中的应用

去噪处理是图像处理中较为重要的环节。针对加噪后的图像的直方图进行分析,依据最小错误率贝叶斯决策和均值滤波理论,提出一种基于均值滤波和最小错误率贝叶斯决策的去噪方法。首先对加入噪声后的图像直方图进行统计,从中估计出服从分布的不同类别参数,对图像中每一像素点进行判断是否为噪声,对噪声点进行基于均值滤波的处理。通过试验,取得了良好的效果。     

基于深度学习的高噪声图像去噪算法

为了更有效地实现高噪声环境下的图像去噪, 本文提出一种基于深度学习的高噪声图像去噪算法.该算法首先采用递增扩充卷积并且融合批量标准化和Leaky ReLU函数对输入含噪图像进行特征提取与学习; 然后通过结合递减扩充卷积和ReLU函数对提取的特征进行图像重构; 最后通过整合残差学习和批量标准化的端到端网络实现图像与噪声的有效分离.实验结果表明, 本文提出的算法不仅能够有效地去除高噪声环境下的图像噪声, 获得更高的峰值信噪比(Peak signal-to-noise ratio, PSNR)与结构相似度(Structural similarity index, SSIM), 而且还能够有效地改善图像的视觉效果, 具有较好的实用性.     

基于Lp收缩算子的改进广义全变分去噪方法

二阶广义的全变分模型是一种建立在全变分模型的思想之上进行改进的图像去噪模型,该模型是一种考虑了一阶以及高阶梯度稀疏性的模型,能够有效地抑制阶梯伪影效应的产生。Lp收缩算子相比于L1算子增加了一个自由度,它能够更好地刻画稀疏梯度信息,同时Lp收缩算子的等高线对噪声更加鲁棒。考虑到Lp收缩算子的优势,将Lp收缩算子引入二阶广义全变分去噪模型,提出改进的二阶广义全变分Lp收缩算子模型(TGV2-Lp)。利用交替乘子迭代法对模型进行求解,引入快速傅里叶算法提高算法效率。通过测试6组图片、对比传统的3种去噪模型,从实验结果可以得出,提出的模型TGV2-Lp在有效保留图片边缘细节信息的同时,能够有效去除噪声,在视觉效果、峰值信噪比和结构相似性都有一定优势.     

一种新的图像去噪方法

提出了一种新的基于分块的图像去噪方法.主要思想是,首先将原图像分成若干个相等的小块,然后对每个子块进行去噪,并且结合原对偶方法对新方法进行了验证.数值实验证明,该方法具有很好的效果,可以提高一倍左右的运算速度,并且图像恢复质量也有一定的提高;特别是对大型问题,新方法可以大幅度的提高去噪效率.