各向异性扩散图像去噪现状研究

介绍了基于偏微分方程(Partial Differential Equations,PDE)各向异性扩散图像去噪的P&M数学模型及各种改进方法,以及引入结构张量的PDE去噪模型和冲击滤波PDE去噪模型,分析各种模型的优缺点,为扩散模型的设计提供了参考。揭示了各向异性扩散去噪与贝叶斯最大后验估计(MAP)去噪的内在联系,通过扩散系数的计算分析几类常用去噪模型的保边性能。阐述了一类特殊PDE去噪模型(总变分去噪模型)与小波阈值去噪之间的相关性,从而可以通过小波系数的范数近似求解一些特殊的变分问题,避免复杂的非线性求解过程。最后对各向异性扩散图像去噪的未来发展进行了展望。     

阈值法在毫米波目标辐射信号去噪中的应用研究

小波域阈值法去噪以其效果好,易编程实现而广泛应用到图像及信号的去噪中。该文在分析了毫米波目标辐射信号的小波系数特征后,提出使用非负小波系数代替信号的小波系数。对于确定的阈值,推导了重构信号均方差最小时,非负小波系数的去噪方法,实验表明该文算法具有较好的去噪效果。     

基于光谱加权低秩矩阵分解的高光谱影像去噪方法

高光谱遥感影像在获取和传输过程中会受到各种类型噪声的污染,不仅降低影像质量,也限制了其后续应用的精度。高光谱影像噪声类型复杂多样,且噪声在不同波段上的强度也并不相同。通过引入光谱域上的权重矩阵,文中提出了一种基于光谱加权低秩矩阵分解的高光谱遥感影像混合噪声去除方法,利用光谱权重矩阵均衡不同波段的噪声强度差异性。为进一步将噪声与纯净影像分离,利用加权核范数最小化来约束纯净高光谱影像的局部低秩结构,并利用交替方向乘子法对所提出的模型进行优化求解。通过对模拟与真实高光谱遥感数据的实验,验证了所提方法的有效性与优越性。     

基于Shearlet变换域图像噪声混合滤波方法

在深入分析Shearlet变换理论的基础上,给出具体的Shearlet变换步骤,并提出一种针对图像脉冲噪声的混合滤波方法.该方法首先对噪声图像进行Shearlet多尺度变换,获得高频和低频系数,保留低频系数不变;然后针对Shearlet高频系数能够较好地刻画噪声局部化的性质,设计出一种多尺度、多方向特性的串/并联自适应中值滤波器,对高频系数中噪声进行自适应检测和滤除;最后实现低频系数和滤波后高频系数重构.通过与小波阈值法去噪和开关中值滤波法仿真实验比较可知,该滤波方法对于高强度的脉冲噪声具有较好的处理效果.     

基于小波变换的边缘保留图像去噪改进算法

针对在图像去噪过程中,如何有效地保留图像边缘等重要特征信息的问题,提出了一种基于小波变换的图像去噪改进算法。对图像进行多尺度小波分解,将各子带小波系数进行自适应阈值化处理,边缘成分的阈值由子带阈值和给定的相关权重计算得到,从而有效保留图像边缘信息。分别对Tracy和Building图像进行处理,实验结果表明,与BayesShrink等4种传统方法相比较,改进算法不仅可以有效去除不同程度的加性高斯白噪声,很好地保留图像边缘等重要特征信息,而且具有较高的峰值信噪比。     

基于线阵CCD与小波去噪的光谱数据采集系统研究

为实现光谱数据高效稳定的采集、存储、传输及显示,提出了基于线阵CCD与小波去噪的光谱数据采集系统的实现方法.系统完全依靠FPGA控制线阵CCD模块及AD转化模块、信号调理模块、电源模块,完成光谱数据采集、存储.通过USB2.0接口将数据稳定传输至上位机,对光谱数据进行中值与小波混合算法去噪处理,最终获取光谱曲线.系统使...     

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.     

基于模极大值的宽带雷达信号去噪方法

经典Mallat小波模极大值降噪法因其程序复杂度高、计算量大难以满足宽带雷达信号处理的性能要求.在模极大值降噪算法的基本思想上,提出基于“路径”的模极大值降噪算法,并利用改进的自适应阀值估计对模极大值序列进行预处理及利用分段多项式插值对模极大值序列进行快速重构.选用LFM信号为宽带雷达发射信号,对目标回波高分辨率像进行模极大值降噪处理.Maltab仿真结果表明,改进后的模极大值降噪算法具有良好的去噪性能,有效提高宽带雷达回波信号的信噪比,且能保留目标大部分特征信息.     

Wavelet domain denoising method based on multistage median filtering

There are two main problems in the threshold denoising method based on wavelet transform. One is the difficulty of threshold selection, and the other is the inconsistence of the dip and curved events in the low signal-to-noise ratio (SNR) seismic data after denoising. In image denoising, multistage median filtering can preserve the details of the signal. So we proposed a denoising algorithm in wavelet transform domain based on multistage median filtering. Using this method the flat region and the edge region are differentiated by the difference between the maximum mid-value and the minimum mid-value, which preserves the details, thus improves the denoising effect. The simulation data and the real data processing results reveal that this method has stronger ability in separating signal from noise than that of the threshold denoising method.     

基于稀疏分解的指静脉图像去噪

手指静脉识别技术因其独特的优势,受到广泛的关注。然而由硬件系统获取的手指静脉图像常常含有严重的噪声、阴影等问题,所以对低质量的静脉图像的去噪成为了整个识别过程的关键。本文提出了一种基于稀疏分解的指静脉图像去噪新方法。基于稀疏分解的图像去噪是将含有噪声的图像信息进行稀疏分解,分解成稀疏成分和其他成分。其中的稀疏部分是有用信息,其他部分被认为是噪声,再由图像的稀疏部分重建原始信号,达到恢复原始信号并去除噪声的效果。本文根据指静脉图像的静脉的特点,应用高斯函数构造了过完备库。用合成图像和真实指静脉图像分别对新算法进行实验验证。实验结果证明,与传统的去噪算法相比,峰值信噪比提高1-2dB。