基于偏微分方程与多尺度分析的图像去噪算法

针对传统图像去噪算法存在去噪效果和稳定性较差的问题, 提出一种基于偏微分方程结合多尺度分析方法的图像去噪算法. 首先利用二阶偏微分扩散方程和四阶偏微分方程对图像进行高频段和低频段的处理, 对处理后的图像采用非下采样轮廓波逆变换, 实现图像整体去噪; 其次, 采用轮廓波变换方法对整体图像进行多尺度分解得到不同子带, 并利用核主成分分析算法进行整体图像降维处理, 对不同子带进行分块管理, 完成对整体图像的局部去噪, 最终实现基于偏微分方程结合多尺度分析方法的图像去噪. 实验结果表明, 该算法的图像去噪效果和稳定性均较高.     

基于剪切波变换和拟合优度检验的遥感图像去噪

针对遥感图像中的高斯白噪声,提出一种基于剪切波变换和拟合优度检验的遥感图像去噪算法.首先,将含噪遥感图像通过剪切波变换多尺度分解得到不同子带,利用剪切波域下高斯白噪声系数的统计关系估计去噪阈值;其次,计算高频子带的拟合优度检验统计量,将统计量与去噪阈值相比较进行去噪;最后,对系数矩阵进行剪切波逆变换重建去噪图像.仿真实验结果表明,该算法能有效去除遥感图像中的高斯噪声,保持图像的边缘纹理信息,并且在不同噪声水平下,均获得了较高的峰值信噪比,其中与剪切波阈值去噪算法相比平均提高0.33 dB.     

多孔小波和非下采样滤波器组去除遥感图像的多种噪声

结合àtrous小波变换和非下采样轮廓波变换的优点,提出一种基于àtrous 非下采样轮廓波变换的遥感图像去噪方法.该方法用非抽取离散小波变换的àtrous算法对图像进行多尺度分解,然后用非下采样的多方向滤波器组对得到的细节分量进行多方向分解.对含有多种噪声的遥感图像,àtrous 非下采样轮廓波变换将图像中不同种类的噪声分解到不同的小波系数分量中,使得可以根据噪声特性选择最合适的去噪方法,比用一种方法去除所有类型的噪声更科学且去噪效果更好.     

多尺度稀疏表示的Contourlet域图像去噪

提出了Contourlet域多尺度稀疏表示的自适应阈值图像去噪算法.首先,在分析了Contourlet域多尺度图像稀疏表示的基础上,提出了Contourlet域自适应阈值去噪算法;其次,详细地讨论了该算法选择不同的Contourlet域参数对图像去噪性能的影响,并比较了在等同的条件下Contourlet域与Wavelet域的去噪效果.实验结果表明,本文算法以及选择合适的Contourlet域参数进行图像去噪能有效地抑制图像噪声、保留边缘和轮廓信息.     

基于复轮廓波域高斯比例混合模型SAR图像去噪

在分析了SAR图像的噪声成因及其噪声模型的基础上,提出了一种适用于复轮廓波变换域的高斯比例混合模型的SAR图像去噪(CCT-GMS)算法.本文所提出的算法具有多方向多尺度移不变性,并且充分的利用了复轮廓波的时域和频域的特性,改善了图像的视觉效果.实验结果表明:相比使用小波-轮廓波加上Cycle Spinning去噪,本文算法的峰值信噪比提高2 dB,相比使用BLS-GMS去噪,本文的算法抑制了人造纹理产生,视觉效果得到了明显的改善.     

一种基于偏微分方程的图像去噪方法

为有效去噪,基于全变分及四阶偏微分方程图像去噪模型,提出一种图像综合去噪模型.该模型克服了全变分去噪模型带来的块效应以及四阶偏微分方程去噪模型在处理平滑区域时带来的不平坦现象.仿真结果表明,图像清晰度有了较大改善.     

基于全变分自适应保真项去噪算法的数值实现

基于全变差图像去噪经典算法,提出一种自适应保真项的数值实现算法.该算法利用图像纹理区和光滑区中噪声的不同特点,采用不同去噪强度避免传统方法的不足,并以数值方法实现.在保持经典算法去噪效果的前提下,解决了原有阶梯效应和过度平滑的问题,尤其对精致的纹理和细节图像,使其在去噪的同时,不丢失图像特点.该方法处理相对简单,可应用于以偏微分方程为基础的图像处理.     

结合多尺度和分数阶微分的单幅图像去雾算法

提出一种非下采样轮廓波变换(non-subsampled contourlet transform, NSCT)和分数阶微分相结合的图像去雾算法.该算法首先通过对低质有雾图像进行NSCT分解,得到一个低频子带与多尺度多方向的多个高频子带;然后采用分数阶微分算子对图像的低频子带进行增强,同时通过对各子带的高频系数进行非线性处理,实现高频子带的增强;最后进行NSCT重构,得到增强后的图像.对不同低质有雾图像进行实验比较,结果表明：本算法增强了主观视觉效果,使图像变清晰的同时,具有较高的对比度增益、清晰度增益、信息熵和平均梯度.     

基于轮廓波包变换的磁瓦表面缺陷提取

针对磁瓦图像对比度低、背景复杂及亮度不均匀等特点,结合磁瓦表面缺陷采用机器视觉自动检测的需求,提出一种基于平稳小波包和非下采样方向滤波器组构造的轮廓波包变换的缺陷提取方法.首先详细论述了轮廓波包变换构造原理,利用平稳小波包变换时不变特性,建立一种新的轮廓波包变换来保证信号的多尺度方向选择性.其次,利用轮廓波包系数的相关特性,采用相关去噪算法消除磁瓦缺陷图像噪声;根据轮廓波包子带系数在不同区域的三维特性,使用自适应阈值修正子带系数,保留缺陷子带系数.最后,采用轮廓波包逆变换重构轮廓波包子带系数,获得缺陷图像.实验结果表明,相比于Sobel和小波包的边缘检测方法,该方法能有效消除磁瓦图像噪声,提取缺陷图像准确率可达95%.     

一种基于haar小波的人脸图像去噪算法

复杂背景下人脸图像的去噪对人脸检测与识别具有重要意义。本文分析了二维小波变换与图像处理的关系,然后给出了一种基于haar小波的人脸图像去噪算法。该算法将人脸图像进行多层分解,在每层分别采用软阈值法进行去噪处理,实验结果表明,算法具有良好的去噪效果。     

基于软阈值小波痕迹图像去噪算法及应用

针对痕迹图像的结构特点及传统图像去噪中所存在的问题，提出了一种基于软阈值的小波图像去噪方法．首先将痕迹图像经过小波分解得到一系列不同程度上的子带图像，再根据噪声和图像信号的不同特性，在不同尺度的子带图像上进行软阈值滤波，最后进行小波重构，得到去噪后的图像．实验结果表明，该算法可较好的保留图像信号的边缘特征，改善图像的视觉效果．     

基于前向与后向扩散模型的变分去噪

基于偏微分方程的算法是近年来图像增强中广泛运用的去噪技术.对于图像去噪,单一地采用ROF算法无法有效地保留图像的细节信息,也会产生局部的阶梯效应.针对这个问题,提出结合全变分和前向与后向扩散模型的算法,不仅有效地锐化边缘效果,而且控制了阶梯效应的产生.最后实验结果表明两种方法的结合对于图像有更高的峰值信噪比,改善了单一方法对图像去噪的局限性.     

基于NSCT变换与自蛇扩散的SAR图像相干斑抑制算法

针对SAR图像中乘性相干斑噪声的抑制与边缘保护问题,提出了一种基于非下采样轮廓波变换(NSCT)与自蛇扩散的抑斑新算法。该算法先利用NSCT变换对SAR图像进行多层子带分解,然后借助自蛇扩散对SAR图像不同子带分别实施参数不同的扩散滤波,最后对各去噪子带进行NSCT重构获得的SAR图像再次进行自蛇扩散滤波处理,从而实现带有边缘保护与增强的SAR图像相干斑抑制。实验表明,与多种传统抑斑算法相比,本文算法在相干斑抑制与边缘保护性能上均有明显提升。     

上种基于haar小波的人脸图像去噪算法

复杂背景下人脸图像的去噪对人脸检测与识别具有重要意义。本文分析了二维小波变换与图像处理的关系，然后给出了一种基于haar小波的人脸图像去噪算法。该算法将人脸图像进行多层分解，在每层分别采用软闲值法进行去噪处理，实验结果表明，算法具有良好的去噪效果     

基于熵变分的图像去噪模型

针对传统Tikhonov正则化模型存在的不足,根据最大后验概率（MAP）和最大熵的理论,提出了一种基于熵变分的图像去噪模型。该模型利用图像像素点的梯度信息自适应的对带噪图像进行各向异性滤波处理,在去除噪声的同时有效保留了图像的边缘细节。采用变分法推导出了该模型对应的偏微分方程,最后结合梯度加权最速下降法和半点格式的数值迭代算法对方程进行求解。实验结果表明,该模型去噪后的图像比Tikhonov正则化模型具有更好的客观评价指标和主观视觉效果。     

基于中性集合与双边滤波的NSCT域声呐图像去噪

声呐设备在获取水下图像时，由于海底混响、散射回波和设备等因素，会产生严重的斑点噪声干扰，降低图像质量.为了克服这一挑战，提出基于中性集合与双边滤波的非下采样轮廓波变换声呐图像去噪.该方法探索了一种适合处理非下采样轮廓波变换分解的高频子带噪声的聚类去噪方法，将中性集合域作为聚类的方法应用在每一层高频子图像，用真子集、不确定集和假集表示，实现分离噪声，保留有效信息；再使用双边滤波去除真子集中被误认为是图像信息的噪声；对低频系数使用双边滤波进行平滑.最后将处理后的低频子带与高频子带进行NSCT重构，达到从图像中去除斑点噪声的目的.实验表明，本文方法能够提高图像视觉效果，改善图像均方误差、峰值信噪比等评价指标，同时也适用于去除高密度噪声.     

基于偏微分方程的CT图像去噪

计算计X射线断层技术(CT)广泛应用于医学诊断领域. CT图像噪声的大小直接影响到诊断的质量.对CT图像去噪方法的研究和应用成为了一个十分重要的课题.近年来,偏微分方程(PDE)方法在图像分析处理和计算机视觉领域的应用研究非常活跃.介绍了一种新颖的去噪算法各向异性扩散方法应用于CT图像去噪处理.与偏微分方程(PDE)方法和边界强化扩散(EED)方法相比,各向异性扩散方法对CT图像去噪有良好的效果,更能很好的保持细节.本文最后给出了该算法可能发展的方向和应用前景.     

基于多小波自适应阈值的地震图像去噪方法

结合地震图像噪声的特点,利用多尺度小波变换的优点,提出一种新的自适应小波阈值去噪算法.该算法根据小波变换各子层系数矩阵,确定各子层的自适应最优阈值,对于高频子带采用硬阈值化去噪,低频子带采用中值阈值化去噪,并去噪后重构小波系数.实验结果表明,该方法能够去除大部分高频随机噪声,并还原相干切片图像真实效果,提高了地震资料的信噪比.     

基于相似性验证与子块排序的NSST域SAR图像去噪

为了改进传统的非局部变换域合成孔径雷达（synthetic aperture radar,SAR）图像去噪算法不考虑子块关系的缺点,结合相似性验证与子块排序提出一种新的非下采样剪切波（non-subsampled shearlet transform,NSST）域SAR图像去噪算法.构造NSST域SAR图像相似块之间距离的密度分布;利用子块之间的相似性,去除相似性较低的子块;结合子块排序和最优一维滤波对SAR图像进行去噪.实验结果表明,与其他经典去噪算法相比,等效视数平均提升6.92,边缘保持指数更接近1,无参考质量评价指数平均降低2.51,能更好地保持图像边缘和纹理信息,改善图像的视觉效果.      

基于curvelet变换的红外图像去噪方法研究

针对传统小波算法所生成的可分离小波只具有有限的方向，不利于图像去噪，本文采用curvelet算法对红外图像进行去噪处理.该方法以小波变换为基础对图像进行分解，在分解所得的一系列小波子带中，以定义的平滑窗函数对曲线边缘进行平滑分割，再对平滑分割处理的每个子块进行Ridgelet变换.最后将小波阈值范围外的系数置零，以curvelet逆变换对原始图像进行重构.红外图像的去噪实验表明，本文算法有效可行，相比传统的小波算法、SVD算法，本算法能获得更高的P_SNR数值，去噪效果更佳.