基于PCNN区域分割的图像邻域去噪算法

针对小波图像去噪方法中使用的NeighShrink方法,本文提出了一种有效的保护图像边缘的图像去噪算法.主要改进了NeighShrink方法中固定的邻域范围,根据图像自身的性质,自适应分割成不同的邻域对图像进行去噪处理;并进一步结合小波层内相关性,对各个不规则邻域加上固定的窗口,选择了几何距离更为接近且在同一不规则邻域内的系数,以完善NeighShrink方法.该算法采取平稳小波对含噪图像进行分解,以保持相位不变性,并对低频子带利用脉冲耦合神经网络模型进行图像分割,按照一定的规则将性质相似的像素点相接,得到原图像分割后的信息.在处理过程中利用得到的分割信息对边缘予以保护.实验结果表明,该方法在降低了图像噪声的同时又尽可能地保留了图像的边缘信息,是一种有效的去噪方法.     

基于边缘检测的邻域加窗图像去噪算法

针对目前图像去噪算法中,消除噪声的同时又破坏边缘细节信息的问题,本文提出了结合边缘检测及邻域加窗的新算法.该算法采取平稳小波基以保持相位不变性,对低频和高频子带进行边缘检测,并将检测后的边缘信息选择后融合,即可得到原图像近似的边缘信息.依据小波方向性特点和层内相关性原理,对不同的子带在非边缘信息处采用不同的模板进行加窗处理.实验结果表明,该方法在降低了图像噪声的同时又尽可能地保留了图像的细节,较好地复原了图像.     

基于自适应邻域系数的小波图像阈值降噪

利用小波系数的层内相关性原理,并结合广义高斯模型,提出一种自适应邻域的阈值去噪方法。该方法通过计算以待处理系数为中心的不同邻域内的相关度系数,选择相关程度最好的邻域。对该方法中选择的邻域尺寸进行统计,发现分解的层次越高,较大的邻域出现的概率越大,这有利于保护边缘信息。实验结果表明,该方法优于固定邻域及阈值改进的邻域阈值方法,是一种有效的去噪方法。     

结合平稳小波变换和形态学的图像去噪算法

图像噪声去除是否有效将直接影响后续图像处理的质量,为了在消除噪声的同时保持图像边缘细节,提出一种结合平稳小波变换及形态学处理的新算法。该算法利用平稳小波相位不变性的特点,充分考虑小波系数的层内相关性;同时结合形态学的方法对图像的边缘信息进行估计;最后通过选择性质相似的区域进行阈值去噪。实验结果表明,该方法在降低了图像噪声的同时又有较好的视觉效果。     

结合PCNN和局部维纳滤波的图像去噪

提出了一种基于脉冲耦合神经网络(PCNN)的图像去噪算法,利用PCNN的同步脉冲特性对图像小波系数进行局部加窗修正,从而对信号方差进行更好地估计,以利用局部维纳滤波进行去噪. 同时,根据各个像素间耦合特性的不同,提出了自适应连接系数,更好地反映了像素间的耦合关系,利于信号方差的估计. 实验结果表明,该算法较维纳滤波和NeighShrink算法均有较高的峰值信噪比,视觉效果更好.     

基于HMT模型层间映射的图像邻域去噪算法

本文提出了一种以图像分割为基础的图像去噪算法.本文算法根据图像自身的性质,利用脉冲耦合神经网络模型自适应地将小波分解后的低频图像分割成不同的区域,并且利用简化的HMT层间模型在离散和平稳小波分别处理的情况下,将得到的连通区域邻域映射到各个不同的高频子带上.进一步结合固定的窗口,作为邻域去噪算法中的邻域.实验结果表明,该方法在降低了图像噪声的同时又尽可能地保留了图像的边缘信息,是一种有效的去噪方法.