基于增广拉格朗日乘子的快速高阶全变分图像去噪方法

高阶全变分图像去噪方法利用图像方向导数的可分L1范数,构建优化方程进行图像去噪,可以在去除图像噪声的同时有效保留图像中的细节信息。然而传统高阶全变分方法计算复杂度较高、耗时较长。针对此问题,提出了一种基于增广拉格朗日乘子的快速高阶全变分图像去噪方法。首先,利用Huber方程重建高阶全变分优化方程;其次,通过添加辅助变量及引入拉格朗日乘子,将优化方程转换为两个较易求解的子问题进行交替最小化迭代求解。实验证明,在相同条件下,与传统方法相比,基于增广拉格朗日乘子的高阶全变分图像去噪方法可以大幅提高运算速度,并且能在去除图像噪声的同时更好地保留图像边缘、纹理、细节等信息,获得视觉效果更好的去噪图像。     

基于自适应分数阶微积分的图像去噪与增强算法

针对传统的图像去噪算法容易忽视图像纹理细节的问题,首先提出一种全局自适应分数阶积分去噪算法。该算法可以在去除图像噪声的同时,对图像的纹理进行一定的保留。其次在全局自适应分数阶算法的基础上,针对一类低强度椒盐噪声提出另一种基于小概率策略的自适应分数阶微积分图像去噪与增强算法,该算法将图像中噪声点的出现视为小概率事件并进行分割,然后再采用自适应分数阶积分对噪声点进行处理的同时,采用自适应分数阶微分对图像的纹理进行增强和保留。实验结果表明,两种方法都可以达到较好的去噪效果,其中基于小概率策略的自适应分数阶算法在去噪的同时更具有增强图像的边缘的效果。     

基于分数阶积分的图像去噪

为了在图像去噪的同时更多地保留图像的细节信息,介绍了分数阶积分算子在信号滤波中的作用,并将分数阶积分理论引入到数字图像去噪。该方法通过设定较小的分数积分阶次来构建相应的图像去噪掩模,并且利用迭代的思想来控制图像去噪的效果,从而实现图像去噪的局部微调。实验结果表明,基于分数阶积分的图像去噪算法较传统去噪方法不仅可以提高图像的信噪比,而且可以更好地保留图像的边缘和纹理等细节信息。     

基于频率和张量投票的图像去噪及仿真研究

结合人的视觉原理,基于图像局部梯度定义了一种图像频率,以图像频率代替全变分模型中的梯度.同时,把张量投票原理引入全变分模型,构造了一个图像结构显著性函数,代替变分模型中的拉格朗日乘子λ,根据图像不同区域的结构特征,去调节变分模型中正则项和保真项的作用,建立了一种基于频率的张量投票与全变分能量最小化结合的纹理图像去噪新方法.仿真实验数据表明,该模型比其他已有的全变分模型具有明显的抗干扰能力,能够更准确、精细地刻画图像边缘、特征结构和平滑区域,克服了其他全变分模型所产生的阶梯效应和过平滑现象,特别是对于纹理特征丰富和低信噪比的图像,在去除噪声的同时能较好地保持边缘及其他重要特征.     

基于时间-空间分数阶偏微分方程的图像去噪模型

为了在去噪的同时更多地保留图像的细节信息,将分数阶微积分理论和梯度下降流有效结合,提出了分数阶梯度下降流的概念,并证明了能量泛函的分数阶梯度下降流在一定微分阶次范围内是收敛的。在此基础上,将时间因素引入到改进的基于空间分数阶偏微分方程的去噪模型中,从而构建了基于时间-空间分数阶偏微分方程的去噪模型,该模型实现了在时间方向上和空间平面内的同时去噪。实验结果表明,提出的基于时间-空间分数阶偏微分方程的图像去噪模型较基于空间分数阶偏微分方程的图像去噪模型不仅可以提高信噪比,而且可以大幅减少图像获得最大信噪比所需要的迭代次数。     

二维不可分滤波器级联小波的图像去噪算法

针对目前数字图像处理中的图像多方向信息提取问题,提出了一种利用二维不可分滤波器提取多方向信息的小渡域图像去噪算法.该算法首先设计两个具有方向性的二维不可分滤波嚣,然后通过小波变换简单有效地提取了图像六个方向上的方向信息,最后用带有椭圆型方向窗的小波域局部阈值维纳滤波算法对含噪图像进行去噪.通过仿真实验表明,图像多方向信息的提取简单有效,且去噪效果相比于已有的基于二维可分小波的图像去噪算法有了显著的提高.     

一种新的SAR图像斑点噪声自适应抑制方法

在合成孔径雷达(synthetic aperture radar, SAR)图像斑点噪声抑制处理中,为有效保护图像细节,提出欧拉弹性能量各向异性扩散去噪模型。该模型将各向异性扩散模型转化为最小能量变分模型,结合欧拉弹性能量模型的边界保护和增强能力,在抑制噪声的同时能更有效地保护和增强细节信息。同时为了提高计算效率,提出自适应变步长去噪算法。仿真和真实SAR图像的实验结果表明,该算法不仅在抑制噪声的同时能够很好地保护图像细节,而且有效减少了计算时间、提高了效率。     

基于Shearlet域系数处理的SAR图像降噪

结合图像在Shearlet域中系数的特点,提出了一种基于Shearlet系数稀疏表示与投影总变分(total variation, TV)相结合的合成孔径雷达(synthetic aperture radar, SAR)图像去噪算法。有效解决了稀疏表示在图像去噪时存在的边缘细节损失与TV去噪时存在的光滑区域阶梯效应。首先,利用SAR图像Shearlet系数的稀疏性,结合系数稀疏表示模型,采用分段正交匹配追踪方法求解优化解,从统计意义上实现稀疏表示后的系数均值为真实图像系数均值的无偏估计;其次,为弥补稀疏表示中丢失部分系数在图像细节上的损失,同时结合这部分系数对应的Shearlet函数有利于表征图像边缘细节的特性,针对图像在丢失系数对应的Shearlet函数空间中投影重构的结果,结合TV方法迭代去噪。实验结果表明,该方法充分利用Shearlet域系数的特性,采用稀疏去噪与投影TV相结合的方法以弥补各自缺陷,在去噪的同时能有效保持图像纹理细节,并具有更优的图像视觉效果。     

基于小波和脊波的图像联合去噪方法

为了在图像去噪时更好地保持细节特征,提出了联合小波和脊波的阈值去噪方法。在含噪图像小波分解后,对每一尺度下三个高频子带的细节分量进行单层逆变换,得到该尺度下的细节图像。对细节图像进行脊波阈值去噪处理,然后再进行单层小波分解。用所得的高频子带分别代替先前小波分解所得的高频子带。最后对处理后的图像小波系数进行小波逆变换,得到去噪图像。实验表明,在处理具有直线特征的图像时,该方法要优于单纯的小波或脊波阈值方法。     

二元收缩方程与复数小波用于SAR影像去噪

二元收缩方程定义了由相邻尺度小波系数的联合概率密度函数,其与噪声模型联立后利用最大后验概率估计可进行图像去噪。在SAR图像斑点噪声服从瑞利分布的假设下,结合双树复数小波变换推导了基于二元收缩方程的SAR图像的简化去噪模型,然后利用局部方差估计和维纳滤波器获得噪声方差与带噪小波系数方差的估计值,并计算出合适阈值对SAR图像进行去噪。实验结果显示,去噪图像的峰值信噪比以及有效视数都较其它算法有大幅提高,且很好地保持了图像的边缘特征。     

注意力机制CNN的毫米波大规模MIMO系统信道估计算法

在室外光线追踪通信场景下, 针对毫米波大规模多输入多输出(multiple input multiple output, MIMO)信道具有稀疏特性、系统受噪声因素影响导致信道估计精度低的问题, 提出一种基于图像去噪的注意力机制卷积神经网络信道估计方法。首先, 设定参数产生模拟真实环境的数据集, 将所产生的信道矩阵看作二维图像。然后, 构建注意力机制网络以增强图像中噪声特征的显著性, 并将注意力机制网络嵌入卷积神经网络中进行特征融合。最后, 通过网络模型提取噪声并得到去噪的图像, 即估计信道矩阵。仿真结果表明, 与最小二乘法(least square, LS)、最小均方误差(minimum mean square error, MMSE)、卷积神经网络(convolutional neural network, CNN)和去噪CNN (denoising CNN, DnCNN)算法相比, 所提出的Attention-CNN方法信道估计精度平均提升约1.86 dB。     

基于线性最小均方误差估计的SAR图像降噪

针对合成孔径雷达(synthetic aperture radar, SAR)图像降噪过程中容易引起细节纹理信息损失的问题,该文结合SAR图像相干斑噪声的统计特性,提出了一种基于变换域系数线性最小均方误差(linear minimum mean-square error, LMMSE)估计的SAR图像降噪方法。首先通过SAR场景下的Kmeans聚类算法将相似图像块聚类;然后针对每一类相似图像块集合进行奇异值分解(singular value decomposition, SVD),得到同时包含图像块集合行列相关信息的含噪奇异值系数;为从含噪奇异值系数中更准确地估计出真实图像奇异值的系数,先通过加性独立信号噪声(additive signal-dependent noise, ASDN)模型将乘性噪声转化为加性噪声,再利用LMMSE准则对奇异值系数进行估计,最后将估计结果重构得到降噪后的图像块集合。实验结果表明,该方法充分利用相似图像块集合奇异值系数稀疏的特性,采用LMMSE准则估计奇异值系数,既保证了系数中噪声分量的去除又避免了图像纹理细节对应小系数的丢失,不仅去噪效果明显,同时能有效地保持图像纹理细节,具有良好的图像视觉效果。     

基于支持向量值轮廓波变换的遥感图像去噪

提出了一种基于支持向量值轮廓波变换的遥感图像去噪算法。首先利用支持向量机构造支持向量值滤波器,并结合方向滤波器组,构建支持向量值轮廓波变换,再利用该变换将含噪声遥感图像分解成低频部分和高频方向子带部分,最后利用支持向量回归方法对子带系数进行去噪。实验结果表明,支持向量值轮廓波变换具有平移不变、泛化能力好、捕捉奇异性能强等特性,本文提出的去噪算法能在去除噪声的情况下有效保留源图像的边缘信息。     

多个小波基的联合图像去噪方法

研究了利用多个小波基对含噪图像进行联合去噪的新方法。这种方法首先用每个小波基对含噪图像进行分解、阈值和恢复,得到多幅恢复图像;对这些图像进行简单的算术平均,平均图像的质量明显提高。与非下采样小波去噪方法相比,这种方法计算量小得多而性能相近。通过实验研究了小波基的选取问题,给出了一些经验原则。     

基于近似消息传递与卡通纹理模型的图像重构

近似消息传递(approximate message passing, AMP)的高相变性能与低计算复杂度使其非常适用于图像重构等大数据量应用领域。如何充分利用图像的结构化稀疏先验是基于AMP研究图像重构的一个关键问题。将卡通-纹理模型引入AMP图像重构,根据迭代滤波中待处理图像卡通、纹理成分的不同特点,设计基于双树复数小波变换与全变差的层次化AMP滤波算子,进而分析AMP迭代次数对滤波对象结构特征与滤波算子性能的影响,研究AMP的阶段化滤波操作,提出一种基于卡通-纹理模型与分段滤波的AMP图像重构算法。实验表明,该算法能够更好地保留图像轮廓与纹理信息,提高图像的重构质量。     

基于双密度双树小波变换的超声图像降噪

针对去除斑点噪声提高超声图像质量的问题,提出双密度双树离散小波变换（DD-DT DWT）结合局部方差估计的双变量收缩阈值函数（BFS）的图像降噪改进算法实现超声图像降噪。首先将原始图像用DD-DT DWT进行多尺度分解,根据噪声模型和小波子父代系数确定的局部边缘方差估计阈值,利用子父代小波系数相关性构成的双变量阈值函数,对图像16个方向的小波系数进行非线性自适应的处理,最后重建降噪后的图像。用仿真和真实数据对此算法进行验证,并与其他小波降噪系统的性能比较,结果分析表明噪声图像经该算法降噪后,图像性能指标均有提高,不仅有效的实现图像降噪,而且较好的保留图像细节。